Baixe o app para aproveitar ainda mais
Prévia do material em texto
25/05/14 1 Capítulo 3: Gráficos de Controle por Variáveis 3.1 Construindo Gráficos de Controle R e Definições básicas: LM = Linha Média LIC = Limite Inferior de Controle LSC = Limite Superior de Controle LM = X LSC = Xµ + X3.σ LIC = Xµ − X3.σ LM = Rµ = 2d . 0σ LSC = Rµ + R3.σ = 2d . 0σ + 33.d . 0σ LIC = Rµ − R3.σ = 2d . 0σ − 33.d . 0σ 0 σ = R d2 Rσ = d3. 0 σ 25/05/14 2 Capítulo 3: Gráficos de Controle por Variáveis 3.2 Análise de Sensibilidade Hipótese 0H Decisão Aceitar 0H Probabilidade Rejeitar 0H Probabilidade Verdadeira Decisão Correta 1-α Erro do Tipo I α Falsa Erro do Tipo II β Decisão Correta 1-β 0H : Réu inocente (3.34) 1H : Réu culpado (3.35) 3.2.1 Gráfico de Controle de X ]LICXou LSCXPr[ 0XX µµα =<>= ] LSCXLICPr[ 0XX µµβ ≠<<= (3.46) (3.47) H0 : µ µ= 0 (3.44) H1 : µ µ≠ 0 (3.45) 25/05/14 3 3.2.1 Gráfico de Controle de X Figura 3.7: Gráfico de X – ocorrência de um alarme falso 15 30 45 60 75 90 105 Minutos )n/;(N~);(N~X 00XX σµσµ LM = µ0 n/3LSC 00 σ+µ= Alarme falso n/3LIC 00 σ−µ= Figura 3.9: Determinação do Risco de Alarme Falso X )n/;(N);(N~X 00XX σµ=σµ )1;0(~ N X Z X X σ µ− = n/kLIC 00 σ−µ= -k n/kLSC 00 σ+µ= 0 k Tradicionalmente k=3,00 Xa. v. Za. v. α = Pr[ Z > k] (3.53) 25/05/14 4 α = Pr[ Z > k] (3.53) Distribuição Geométrica Se α = p, então Seja L = número de amostras até o alarme falso Pr(L = d) = p.(1− p)d−1....onde...d =1,2,3... NÚMERO MÉDIO DE AMOSTRAS ATÉ O ALARME FALSO - NMAF NMAF= 1/p = 1/α 3.2.1 Gráfico de Controle de X α = Pr[ Z > k] (3.53) Tabela A1: Área em caudas simétricas da distribuição Normal Padrão 0 Z ~ N (0 ,1 ) - z z z 0,00 0,01 0,02 2,9 0,00373 0,00361 0,00350 3,0 0,0027 0,00261 0,00253 3,1 0,00194 0,00187 0,00181 3,2 0,00137 0,00133 0,00128 3,3 0,00097 0,00093 0,00090 25/05/14 5 ]Pr[ 0RR LSCRLIC1 σσα =<<−= (3.61) ]Pr[ 0RR LSCRLIC σσβ ≠<<= (3.62) 3.2.2 Gráfico de Controle de R 00 σσ =:H (3.59) 01 σσ ≠:H (3.60) 3.2.2 Gráfico de Controle de R 00 σσ =:H (3.59) 01 σσ ≠:H (3.60) σµ 2R d= σσ 3R d= R Figura 3.16: Distribuição da amplitude R 25/05/14 6 3.2.2 Gráfico de Controle de R 00 σσ =:H (3.59) 01 σσ ≠:H (3.60) 02R d σ=µ R0302R d3dLSC σ+σ=0302 d3d σ−σ 0027,0>α 03R d σ=σ 0LICR = Figura 3.17: Distribuição da Amplitude R- limites de 3 sigma 15 30 45 60 75 90 Minutos n/3LSC 00 σ+µ= )n/;(N~);(N~X 000XX σδσ+µσµ Alarme verdadeiro 00 δσ+µ=µ n/3LIC 00 σ−µ= δσ 3.2.1 Gráfico de Controle de X para µ1=µo+δσo Figura 3.10: Gráfico de X – ocorrência de um alarme verdadeiro Calcular a probabilidade de um alarme verdadeiro para a nova distribuição 25/05/14 7 0LM µ= )n/;(N~X 000 σδσµ + )1;0(N~ X Z X X σ µ− = n/kLIC 00 σµ −= n/kLSC 00 σµ += 0 00X δσµµ += nk δ− nk δ−− Pd Xa. v. Za. v. nδ− Figura 3.11: Determinação do Poder do Gráfico de Controle (Pd) Pd = Pr[Z < −k −δ n ]+Pr[Z < −k +δ n ] (3.56) ]nkZPr[]nkZPr[Pd δδ −>+−−<= 3.2.1 Gráfico de Controle de X Tabela A2: Distribuição Normal Padrão Acumulada Z~N(0,1) z -0,04 -0,03 -0,02 -0,01 0,00 z 0,00734 0,00755 0,00776 0,00798 0,00820 -2,4 0,00964 0,00990 0,01017 0,01044 0,01072 -2,3 0,01255 0,01287 0,01321 0,01355 0,01390 -2,2 0,01618 0,01659 0,01700 0,01743 0,01786 -2,1 0,02068 0,02118 0,02169 0,02222 0,02275 -2,0 Z dos Limites de Controle em relação à nova média Pd = Pr[Z < −k −δ n ]+Pr[Z < −k +δ n ] (3.56) 25/05/14 8 n 2 3 4 5 9 δ z Pd z Pd z Pd z Pd z Pd 0,25 2,646 0,004 2,567 0,005 2,5 0,006 2,441 0,007 2,25 0,012 0,50 2,293 0,011 2,134 0,016 2 0,023 1,882 0,030 1,5 0,067 0,75 1,939 0,026 1,701 0,044 1,5 0,067 1,323 0,093 0,75 0,227 1,00 1,586 0,056 1,268 0,102 1 0,159 0,764 0,222 0 0,500 1,25 1,232 0,109 0,835 0,202 0,5 0,309 0,205 0,419 -0,75 0,773 1,50 0,879 0,19 0,402 0,344 0 0,500 -0,354 0,638 -1,5 0,933 2,00 0,172 0,432 -0,464 0,679 -1 0,841 -1,472 0,930 -3 0,999 3,00 -1,243 0,893 -2,196 0,986 -3 0,999 -3,708 1,000 -6 1,000 Tabela 3.7: Valores de Pd para Diferentes Combinações de n e de δ 3.2.1 Gráfico de Controle de X Pd = Pr[Z < −k +δ n ]+Pr[Z < −k −δ n ] k=3,00 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 0 0,5 1 1,5 2 2,5 3 δ (deslocamento) Pd n=2 n=3 n=4 n=5 n=9 n=16 Figura 3.12: Curvas de Pd versus δ (k=3,00) 3.2.1 Gráfico de Controle de X 25/05/14 9 1 10 100 0,5 0,75 1 1,25 1,5 1,75 2 δ (deslocamento) NMA n=2 n=3 n=4 n=5 n=9 n=16 Figura 3.13: Curvas de NMA versus δ (k=3,00) 3.2.1.3 Gráfico de Controle de X 0 10 20 30 40 50 60 70 80 90 1 2 3 4 5 6 7 8 9 10 Número da Amostra Pr ob ab ili da de (% ) delta=1,0 delta=1,5 Figura 3.14: Curva de Probabilidades de Não-Detecção (n=4) 3.2.1 Gráfico de Controle de X P(M=m) = p.(1-p)(m-1) onde m= 1, 2, 3, ... 25/05/14 10 0 10 20 30 40 50 60 70 80 90 1 2 3 4 5 6 7 8 9 10 Número da Amostra Pr ob ab ili da de (% ) n=9 n=4 Figura 3.15: Curva de Probabilidades de Não-Detecção (δ = 1,0) 3.2.1 Gráfico de Controle de X ]Pr[ 0RR LSCRLIC1 σσα =<<−= (3.61) ]Pr[ 0RR LSCRLIC σσβ ≠<<= (3.62) 3.2.2 Gráfico de Controle de R 00 σσ =:H (3.59) 01 σσ ≠:H (3.60) 25/05/14 11 3.2.2 Gráfico de Controle de R 00 σσ =:H (3.59) 01 σσ ≠:H (3.60) σµ 2R d= σσ 3R d= R Figura 3.16: Distribuição da amplitude R 3.2.2 Gráfico de Controle de R 00 σσ =:H (3.59) 01 σσ ≠:H (3.60) 02R d σ=µ R0302R d3dLSC σ+σ=0302 d3d σ−σ 0027,0>α 03R d σ=σ 0LICR = Figura 3.17: Distribuição da Amplitude R- limites de 3 sigma 25/05/14 12 02R d σ=µ R0302R d3dLSC σ+σ=0302 d3d σ−σ 0027,0>α 03R d σ=σ 0LICR = Figura 3.17: Distribuição da Amplitude R- limites de 3 sigma ==<<=− ] Pr[ 0RR LSCRLIC1 σσα (3.63) ( ){ } ( )[ ]3232 d3dWd3d0 +<<−= ,maxPr (3.64) ( ){ } ( ) ] ,Pr[max 0032032 d3dRd3d0 σσσσ =+<<−= = Gráfico de Controle de R- Risco α Fazendo W = R/σ AMPLITUDE RELATIVA {/σo} Ho Verdadeira ( ){ } ( )[ ]03232 nnd3dWd3d01 =+<<−=− |,maxPrα (3.64) Tabela 3.9: Risco α para n 0 =2, 4, e 5 n d 2 3d máx{0, d2-3d3} d2+3d3 α NMAF 2 1,128 0,833 0 3,69 0,0090 111 4 2,059 0,880 0 4,70 0,0050 200 5 2,326 0,864 0 4,92 0,0047 213 [ ]4n704W1 =<=− |,Prα Gráfico de Controlede R- Risco α Ho Verdadeira 25/05/14 13 n W0 2 3 4 5 6 4,50 0,9985 0,9958 0,9920 0,9873 0,9817 4,55 0,9987 0,9963 0,9929 0,9887 0,9837 4,60 0,9989 0,9967 0,9937 0,9899 0,9855 4,65 0,9990 0,9971 0,9944 0,9911 0,9871 4,70 0,9991 0,9974 0,9951 0,9921 0,9885 4,75 0,9992 0,9977 0,9956 0,9930 0,9898 4,80 0,9993 0,9980 0,9962 0,9938 0,9910 4,85 0,9994 0,9982 0,9966 0,9945 0,9920 4,90 0,9995 0,9985 0,9970 0,9952 0,9930 4,95 0,9995 0,9986 0,9974 0,9958 0,9938 0R 704LSC σˆ,= 09950R wLSC σˆ,= ( ) ],Pr[ 0032 704d3dR1 σσα =+<=− Gráfico de Controle de R- Risco α Ho Verdadeira n W0 2 3 4 5 6 4,50 0,9985 0,9958 0,9920 0,9873 0,9817 4,55 0,9987 0,9963 0,9929 0,9887 0,9837 4,60 0,9989 0,9967 0,9937 0,9899 0,9855 4,65 0,9990 0,9971 0,9944 0,9911 0,9871 4,70 0,9991 0,9974 0,9951 0,9921 0,9885 4,75 0,9992 0,9977 0,9956 0,9930 0,9898 4,80 0,9993 0,9980 0,9962 0,9938 0,9910 4,85 0,9994 0,9982 0,9966 0,9945 0,9920 4,90 0,9995 0,9985 0,9970 0,9952 0,9930 4,95 0,9995 0,9986 0,9974 0,9958 0,9938 5,00 0,9996 0,9988 0,9977 0,9963 0,9945 5,05 0,9996 0,9990 0,9980 0,9967 0,9952 5,10 0,9997 0,9991 0,9982 0,9971 0,9958 5,15 0,9997 0,9992 0,9985 0,9975 0,9963 5,20 0,9998 0,9993 0,9987 0,9978 0,9968 5,25 0,9998 0,9994 0,9988 0,9981 0,9972 5,30 0,9998 0,9995 0,9990 0,9983 0,9975 5,35 0,9998 0,9995 0,9991 0,9985 0,9979 5,40 0,9999 0,9996 0,9992 0,9987 0,9981 5,45 0,9999 0,9997 0,9993 0,9989 0,9984 5,50 0,9999 0,9997 0,9994 0,9990 0,9986 0R 305LSC σˆ,= (3.70) 09990R wLSC σˆ,= (3.68) Gráfico de Controle de R- Risco α Ho Verdadeira 25/05/14 14 Gráfico de Controle de R- Poder Pd se σ = λ .σo λ = σ/σo = 2 Ho: σ = σo Ha: σ = λ.σo Amplitude Relativa W para Ho e para Ha (vermelha) Wo W A tabela fornece Pr[W<W0] LSC β α Ho Ha Ho FALSA Gráfico de Controle de R- Poder Pd se σ = λ .σo 4105901462 2 924 2 d3dWPd 32 ,,5n ,,Pr =−=⎥⎦ ⎤ ⎢⎣ ⎡ === + >= (3.66) ( ) =!" # $% & = + >= 0 032 2d3dRW σσ σ σ σ Pr ! !" # $% & +> 2 d3dW 32Pr (3.65) Pd = Pr R > LSCR = d2 +3d3( )σ 0 σ = 2σ 0!" #$= n W0 4 5 6 7 2,40 0,6748 0,5643 0,4663 0,3820 2,45 0,6932 0,5861 0,4899 0,4059 2,50 0,7110 0,6075 0,5132 0,4300 λ = σ/σo = 2 Amplitude Relativa W para Ho e para Ha (vermelha) Wo W A tabela fornece Pr[W<W0] LSC β α Ho Ha λ.σ ο Ho FALSA 25/05/14 15 Gráfico de Controle de R- Poder Pd se σ = λ .σo PdR = Pr W > d2 +3d3 λ ! "# $ %& ! λ = σ/σo (qualquer) Ho FALSA PdR = Pr W = R σ > d2 +3d3( )σ 0 σ σ = λ.σ 0 ! " # $ % &= Gráfico de Controle de R- Poder Pd 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,0 1,5 2,0 2,5 3,0 3,5 4,0 λ Pd n=2 n=3 n=4 n=5 n=9 n=16 Figura 3.18: Curvas do Poder Pd versus λ Ho FALSA 25/05/14 16 EXERCÍCIO 3.3 menos letra f 3.2.3 Gráficos de Controle X e R: Análise do Desempenho Conjunto 000 σσµµ == e :H (3.72) 001 σσµµ ≠≠ e/ou :H (3.73) RXRX ααααα −+= (3.74) [ ]00XXX LSCXLIC1 σσµµα ==<<−= ;Pr (3.75) [ ]0RRR LSCRLIC1 σσα =<<−= Pr (3.76) Para Ho verdadeira: 25/05/14 17 3.2.3 Gráficos de Controle X e R: Análise do Desempenho Conjunto LSCX = µ0 + kσ 0 / 4 (3.77) 2kLIC 00X /σµ −= (3.78) Para Xα =0,0012 k=3,24 Pag. 81 Tabela A1: Área em caudas simétricas da distribuição Normal Padrão 0 Z ~ N (0 ,1 ) - z z z 0,03 0,04 0,05 3,1 0,00175 0,00169 0,00163 3,2 0,00124 0,00120 0,00115 3,3 0,00087 0,00084 0,00081 3,4 0,00060 0,00058 0,00056 3,5 0,00042 0,00040 0,00039 Para n = 4 Então α=0,0024 assim α<0,0027 Xα = 0,0012 e αR = 0,0012 Fazendo n W0 2 3 4 5 5,15 0,9997 0,9992 0,9985 0,9975 5,20 0,9998 0,9993 0,9987 0,9978 5,25 0,9998 0,9994 0,9988 0,9981 5,30 0,9998 0,9995 0,9990 0,9983 5,35 0,9998 0,9995 0,9991 0,9985 5,40 0,9999 0,9996 0,9992 0,9987 5,45 0,9999 0,9997 0,9993 0,9989 5,50 0,9999 0,9997 0,9994 0,9990 0R 255LSC σˆ,= 3.2.3 Gráficos de Controle X e R: Análise do Desempenho Conjunto 099880R wLSC σˆ,= (3.79) Para αR = 0,0012 25/05/14 18 3.2.3.2 Poder conjunto dos gráficos de Controle X e R RXRX PdPdPdPdPd −+= (3.80) ==<−= ],/,Pr[ 62522255w1PdR 1-0,75=0,25 (3.85) n W0 2 3 4 5 2,55 0,9286 0,8315 0,7282 0,6283 2,60 0,9340 0,8429 0,7448 0,6487 2,65 0,9390 0,8537 0,7607 0,6685 2,70 0,9438 0,8640 0,7759 0,6877 5,15 0,9997 0,9992 0,9985 0,9975 5,20 0,9998 0,9993 0,9987 0,9978 5,25 0,9998 0,9994 0,9988 0,9981 5,30 0,9998 0,9995 0,9990 0,9983 5,35 0,9998 0,9995 0,9991 0,9985 PdR = Pr W > d2 +3d3 λ ! "# $ %& Para Ho falsa (µ=µο + δ.σο e σ= λ.σο) : )n/;(N);(NX 000XX λσδσµσµ +≈≈ 3.2.3.2 Poder conjunto dos gráficos de Controle X e R Figura 3.20: Gráfico de Controle de X - ocorrência de um alarme verdadeiro 15 30 45 60 75 90 Minutos 0LM µ= Alarme verdadeiro 00 δσµµ += n/3LSC 00 σµ += n/3LIC 00 σµ −= 00 δσµµ += 0LM µ= 25/05/14 19 3.2.3.2 Poder conjunto dos gráficos de Controle X e R λδ− /)nk( λδ+− /)nk( λδ− /n Figura 3.21: Determinação do Poder do Gráfico de Controle de X Calculem o Z de LIC, LSC e µo 3.2.3.2 Poder conjunto dos gráficos de Controle X e R RXRX PdPdPdPdPd −+= (3.80) ===>+==<= ];LSCXPr[];LICXPr[Pd 11X11XX σσµµσσµµ ]n/kXPr[]n/kXPr[ 0000 σµσµ +>+−<= =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −+ >+⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −− <= n/ n/k ZPr n/ n/k ZPr 1 100 1 100 σ µσµ σ µσµ (3.82) =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ +−+ >+⎥ ⎦ ⎤ ⎢ ⎣ ⎡ +−− <= n/ )(n/kZPr n/ )(n/kZPr 1 0000 1 0000 σ δσµσµ σ δσµσµ = Pr Z < µ0 − kσ 0 / n − (µ0 +δσ 0 ) λ.σ 0 / n " # $ % & '+Pr Z > µ0 + kσ 0 / n − (µ0 +δσ 0 ) λ.σ 0 / n " # $ % & '= ]/)nk(ZPr[]/)nk(ZPr[ λδλδ −>++−<= 25/05/14 20 3.2.3.2 Poder conjunto dos gráficos de Controle X e R RXRX PdPdPdPdPd −+= (3.80) ===>+==<= ];LSCXPr[];LICXPr[Pd 11X11XX σσµµσσµµ ]/)nk(ZPr[]/)nk(ZPr[ λδλδ −>++−<= (3.82) Pdx = Pr[Z < −(k +δ n ) / λ]+Pr[Z < (−k +δ n ) / λ] Tabela A2: Distribuição Normal Padrão Acumulada Z~N(0,1) z -0,04 -0,03 -0,02 -0,01 0,00 z 0,00734 0,00755 0,00776 0,00798 0,00820 -2,4 0,00964 0,00990 0,01017 0,01044 0,01072 -2,3 0,01255 0,01287 0,01321 0,01355 0,01390 -2,2 0,01618 0,01659 0,01700 0,01743 0,01786 -2,1 0,02068 0,02118 0,02169 0,02222 0,02275 -2,0 3.2.3.2 Poder conjunto dos gráficos de Controle X e R Exemplo A: No nosso exemplo para α=0,0024 (k=3,24 e W = W(0,9988)= 5,25). Suponha que a média do processo aumentou de 0,5 desvios-padrão (δ =0,5) e o desvio-padrão dobrou (λ=2). Então, para n=4, ]12,12/)45,024,3(Pr[ ]12,22/)45,024,3(Pr{ ]/)(Pr[]/)(Pr[ −=+−<+ +−=×+−<= +−<++−<= Z Z nkZnkZPd X λδλδ = 0,1314 + 0,0170 = 0,1484 (3.84) Tabela A2: Distribuição Normal Padrão Acumulada Z~N(0,1) z -0,04 -0,03 -0,02 -0,01 0,00 z 0,00734 0,00755 0,00776 0,00798 0,00820 -2,4 0,00964 0,00990 0,01017 0,01044 0,01072 -2,3 0,01255 0,01287 0,01321 0,01355 0,01390 -2,2 0,01618 0,01659 0,01700 0,01743 0,01786 -2,1 0,02068 0,02118 0,02169 0,02222 0,02275 -2,0 25/05/14 21 3.2.3.2 Poder conjunto dos gráficosde Controle X e R Exemplo A: Suponha que a média do processo aumentou de 0,5 desvios-padrão (δ =0,5) e o desvio-padrão dobrou (λ=2). Então, para n=4, ==<−= ],/,Pr[ 62522255w1PdR 1-0,75=0,25 (3.85) n W0 2 3 4 5 6 2,50 0,9229 0,8195 0,7110 0,6075 0,5132 2,55 0,9286 0,8315 0,7282 0,6283 0,5364 2,60 0,9340 0,8429 0,7448 0,6487 0,5592 2,65 0,9390 0,8537 0,7607 0,6685 0,5816 2,70 0,9438 0,8640 0,7759 0,6877 0,6036 3.2.3.2 Poder conjunto dos gráficos de Controle X e R Exemplo A: Suponha que a média do processo aumentou de 0,5 desvios-padrão (δ =0,5) e o desvio-padrão dobrou (λ=2). Então, para n=4, ]12,12/)45,024,3(Pr[ ]12,22/)45,024,3(Pr{ ]/)(Pr[]/)(Pr[ −=+−<+ +−=×+−<= +−<++−<= Z Z nkZnkZPd X λδλδ = 0,1314 + 0,0170 = 0,1484 (3.84) 25,075,01]2/25,5Pr[1 =−=<−= wPd R (3.85) Pd=0,1484+0,25–0,25×0,1484=0,3613. 25/05/14 22 EXERCÍCIO 3.3 letra f LISTA 4 – PRÓXIMA AULA ATÉ 3.8 (menos item c-1 do 3.6)
Compartilhar