Método de estimativa dos limites da carta de controle não paramétrica que monitora simultaneamente a média e variância

• Autor(a) principal: González, Mario Orestes Aguirre
• Data de Publicação: 2016
• Outros Autores: Oprime, Pedro Carlos, Toledo, José Carlos, Chakraborti, Subha
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/32992
• topic: Carta de controle não paramétrica; Determinação de limites de controle; Controle estatístico de processo

Os gráficos de controle clássicos para variáveis contínuas monitoram, separadamente, as medidas de posição central e de dispersão, conhecidas também como medidas de locação e escala. O monitoramento desses parâmetros tem como pressuposto que a distribuição de probabilidade dos dados seja conhecida e siga o padrão normal, o que, em situações práticas, nem sempre ocorre. Para isso foram desenvolvidos os chamados gráficos de controle não paramétricos. Este trabalho tem como objetivo desenvolver um método para determinar os limites de controle estatístico de gráficos de controle com distribuição de probabilidade desconhecida e que monitore simultaneamente as medidas de locação e escala. O método de pesquisa utilizado integra técnicas de experimentos computacionais com técnicas de planejamento de experimentos. Assim, foi possível: i) determinar os limites de controle de gráficos não paramétricos que monitorem simultaneamente as medidas de posição e escala para situações particulares; ii) a partir dos limites de controle calculados, estimar os erros tipo I e tipo II; e iii) comparar o desempenho desses gráficos com as cartas de controle estatístico de Shewhart para diferentes combinações de amostras (m, n) nas fases I e II. O método proposto foi aplicado em um processo de manufatura com o objetivo de identificar a combinação que minimize os erros tipo I e II. Com base nos resultados, observou-se que o gráfico de controle não paramétrico tem desempenho superior aos gráficos tradicionais de Shewhart quando a distribuição de probabilidade dos dados é assimétrica