Professional Documents
Culture Documents
atividades antrpicas. Como consequncia, tem-se observado expressiva queda na qualidade das
guas superficiais para o consumo humano, o que prejudica a sobrevivncia e a qualidade de
vida da populao. Para conseguir uma avaliao de forma eficiente e rpida dos parmetros que
classificam a gua foram utilizadas tcnicas de controle estatstico do processo. Este trabalho
surgiu da necessidade de monitoramento contnuo de alguns parmetros relacionados a gua
fornecida no abastecimento da cidade de Campina Grande. Que devem estar sob legislao do
Ministrio da Sade, Portaria N 2.914/2011, que estabelece procedimentos de controle e de
vigilncia da gua para consumo humano. Assim, empregou modelos de Series temporais para
adquirir uma estrutura sem a presena de autocorrelao, posteriormente aplicando grficos de
controle individuais de Shewhart, mdia mvel exponencialmente ponderada (EWMA), soma
acumulativa (CUSUM). Evitando a ocorrncia de falsos alarmes importante salientar que o
grfico de EWMA apresentou melhor desempenho, no monitoramento das guas, devido a sua
eficincia, pois sensvel as pequenas variaes na reduo ou aumento dos nveis do pH e
turbidez. As anlises foram realizadas por meio do software R com auxlio do pacote forecast.
459
460
Nordeste. Esse sistema de abastecimento urbano administrado pela CAGEPA Companhia de guas e Esgotos do Estado da Paraba, empresa pblica estadual.
Figura 1 -
461
que as reaes de HCO-3 e CO-3 com gua, acarreta em maiores pH. Quando o pH
aproxima-se de 9 ocorrem absoro de gs carbnico das guas no processo da
fotossntese (ZUIN, LORIATTI, MATHEUS, 2009).
No Brasil, os padres de potabilidade foram definidos pelo Ministrio da Sade,
atravs de portaria n 2.914 de 12 de dezembro de 2011. Esta portaria estabeleceu os
procedimentos e responsabilidades relativos ao controle e vigilncia daqualidade da
guaparao consumo humano e seu padro de potabilidade.
2.2
O grfico de controle, numa viso geral, composto por LIC e LSC, limites inferior e
superior de controle, respectivamente, determinados estatisticamente, a partir da mdia, e
as amplitudes das amostras so funo da variabilidade do processo. Em seguida, as
equaes 1, 2 e 3, que mostram o limite superior, linha mdia e limite inferior de controle
(HENNIG, 2011):
= + 3
= ,
462
(1)
(2)
= 3
(3)
(4)
Os grficos de controle de Shewhart fornecem uma anlise simples dos dados, sendo
de fcil adaptao e integrao com prticas de controle j existentes nos laboratrios
(SILVA, 2006). Nestes grficos h baixa probabilidade de falsos alarmes e melhor
capacidade de identificao de erros analticos, por esse motivo so utilizados para uma
grande gama de processos (FOLLADOR, 2010).
2.4
= "( ) = ( ) + ,
(5)
%
(6)
,,
= '( )0, ( +) +
(7)
463
| |
.
/=
,
2
2
(8)
(9)
6 = 8 + (1 8))8 + (1 8)6; ,,
(10)
(11)
ou desta forma:
(12)
exponencialmente ser menor o peso com que aparece na expresso 6 . Caso seja
desenvolvida toda expresso, apenas o valor da caracterstica prevista 6 , que foi adotado,
ir aparecer ao lado de todas as caractersticas da qualidade real. De acordo com a
equao 13.
6 = 8 + (1 8)8 + (1 8); 8 ; + (1 8)< 8 < +
+(1 8) ? 8 + (1 8) 6 .
(13)
(14)
Como a mdia mvel exponencial ponderada (EWMA) considera como uma mdia
ponderada todas as amostras (@ = 1) remotas e correntes, o grfico EWMA insensvel
hiptese de normalidade, ou seja, torna o grfico ideal para ser usado em medidas
individuais (SILVA, 2004).
Se as amostras so variveis aleatrias independentes com varincia / ; ento a
varincia de 6 , de acordo com a equao 15.
/B;C = / ; D
;?
E )1 (1 8); ,.
(15)
(;?)
)1 (1 8); ,,
= ,
= /G
(;?)
)1 (1 8); ,.
(16)
(17)
(18)
Normalidade e autocorrelao
Para a utilizao de qualquer tipo de grfico de controle duas suposies devem ser
atendidas. A primeira suposio e que os dados sejam normalmente distribudos. A
segunda a independncia das amostras no apresentem nenhum tipo de correlao.
465
(19)
2.6.2 Autocorrelao
Para a aplicao dos grficos de controle necessrio que os dados atendam a
suposio de independncia entre si, sendo de extrema importncia a investigao da
autocorrelao do grupo de informaes. A presena da autocorrelao compromete o
desempenho dos grficos de controle, no sentido em que se podem confundir as causas
especiais e comuns no processo.
Segundo Montgomery (2004), para contornar o problema da autocorrelao pode-se
utilizar uma amostra menos frequente acarretando um aumento no tempo para detectar
uma variao real do processo.
Dentro do controle estatstico de processo existem dois princpios bsicos para
contornar autocorrelao. O primeiro determina uma abordagem dos dados originais, mas
devem-se ajustar os limites de controle para absorver a autocorrelao, sendo denominado
de alargamento dos limites. O segundo princpio defende uma abordagem de plotagem
dos resduos do modelo de srie temporal no grfico de controle (ARAJO, 2010). Esse
modelo ser adotado neste trabalho, devido a seu desempenho superior, para evitar
alarmes falsos e remover a autocorrelao dos dados.
466
cde(fg ,fghi )
j(fg )
(20)
khi
glm (fg f)(fghi f)
khi
glm (fg f)
(21)
(22)
467
2.7
(23)
0.4
ACF
7.0
-0.2
0.0
7.2
0.2
7.4
pH
7.6
0.6
0.8
7.8
1.0
10
15
20
Perodo amostral
Figura 2 -
468
25
30
35
10
15
Lag
0.4
ACF
0.2
3
1
-0.2
0.0
Turbidez (uT)
0.6
0.8
1.0
10
15
20
25
30
35
Perodo amostral
Figura 3 -
10
15
Lag
0.8
0.6
ACF
-1
-0.2
-2
0.0
0.2
0.4
1
0
-1
-3
-2
1.0
NORM QQ PLOT
10
15
Normal Quantiles
Lag
Figura 4 -
469
0.0
0.2
0.4
UCL
-0.4
-0.2
CL
LCL
1
12
15
18
21
24
27
30
33
36
amostras
Number of groups = 36
Center = 0.001228942 LCL = -0.4883469 Number beyond limits = 1
StdDev = 0.1631919
UCL = 0.4908048 Number violating runs = 1
Figura 5 -
Grfico de Cusum
4
2
-4
-2
Above target
Belowtarget
Cumulative Sum
UDB
LDB
1
12
15
18
21
24
27
30
33
36
amostras
Number of groups = 36
Center = 0.001228942
StdDev = 0.1631919
Figura 6 -
470
0.2
-0.2
0.0
UCL
LCL
-0.4
GroupSummary Statistics
0.4
Grfico de EWMA
12
15
18
21
24
27
30
33
36
amostras
Number of groups = 36
Center = 0.001228942
StdDev = 0.1631919
Figura 7 -
471
resduo
0.4
0.2
ACF
-2
-1
-0.2
0.0
1
-1
0.6
0.8
1.0
NORM QQ PLOT
10
Normal Quantiles
Figura 8 -
15
Lag
2
0
UCL
CL
-1
G
roupsum
m
arystatistics
Grfico de Shewhart
LCL
1
12
15
18
21
24
27
30
33
36
amostras
Number of groups = 36
Center = 0.01608297
LCL = -1.214736
StdDev = 0.4102731
UCL = 1.246902
Figura 9 -
472
Abovetarget
UDB
-5
Belowtarget
Cum
ulativeSum
10
Grfico de Cusum
LDB
1
12
15
18
21
24
27
30
33
36
amostras
Figura 10 -
Number of groups = 36
Center = 0.01608297
StdDev = 0.4102731
Com relao ao grfico de CUSUM para a Turbidez (Figura 10), observa-se que nos
pontos 5 ao 8, os valores tiveram uma mudana sbita de comportamento, ou seja, uma
causa especial est agindo no processoe estar sob a ao de causas especiais, cabendo a
investigao da causa desta perturbao no processo (podendo ser atribudo a falha do
analista, duplicata da amostra, entre outros fatores), levando necessidade de aes
corretivas com objetivo de levar o processo estabilidade em seguida aps o ponto 28, a
uma oscilao menor que esperada em torno do eixo 0.
2
1
UCL
0
GroupSum
m
aryStatistics
Grfico de EWM A
-1
LCL
12
15
18
21
24
27
30
33
36
amostras
Number of groups = 36
Center = 0.01608297
StdDev = 0.4102731
Figura 11 -
473
Concluses
O grau de comprometimento da qualidade da gua no abastecimento da cidade de
Campina Grande baixo, pois apenas a varivel Turbidez apresentou uma nica amostra
igual ao limite estipulado pela Portaria de n 2914/2011 do Ministrio da Sade, que dispe
sobre a classificao dos corpos de gua potvel; A varivel Turbidez apresentou-se em
alguns pontos de controle elevada variabilidade dos dados, com exceo do pH, que
apresentou uma distribuio normal ao nvel de 5% de significncia. As variveis pH e
turbidez apresentaram-se amostras auto-correlacionadas, no atendendo as suposies de
independncia das amostras.
Para tratar a autocorrelao foi aplicado um modelo ARIMA e posteriormente
grficos de controle aos resduos do modelo. A metodologia utilizada permitiu definir
algumas consideraes importantes, tais como uma proposta de monitoramento do nvel
do pH e Turbidez da gua da cidade de Campina Grande, atravs do Controle Estatstico
474
Agradecimentos
Os autores agradecem Universidade Federal Rural de Pernambuco pelo apoio.
CRUZ, D. V.; CUNHA FILHO, M.; FALCO, A. P. S. T.Statistical process control
applied to monitoring and Phwater turbidity no supply Campina Grande- PB. Rev.
Mat.Estat. So Paulo, v.32, n.4, p.459-477, 2014.
ABSTRACT: The hydrological cycles have been significantly altered due to human activities. As
a consequence, it has been observed a significant drop in the quality of surface water for human
consumption, which impairs the survival and quality of life. To get an assessment so efficient and
fast parameters that classify water techniques of statistical process control were used. This work
arose from the need for continuous monitoring of some parameters related to water supply
provided in the city of Campina Grande. That legislation should be under the Ministry of Health,
Ordinance No. 2914/2011 laying down procedures for control and surveillance of water for
human consumption. Thus, employed temporal Series models to acquire a structure without the
presence of autocorrelation, later applying graphs and individual control Shewhart,
exponentially weighted moving average (EWMA), cumulative sum (CUSUM). Avoiding the
occurrence of false alarms is important to note that the EWMA chart performed better in water
quality monitoring, because of its efficiency, it is sensitive to small variations in the reduction or
increase in the levels of pH and turbidity. Analyses were performed using the R software package
to aid the forecast.
Referncias
ALBUQUERQUE, A. A.; FIRMINO, M. B. M.; CURI, W. F - Uso racional de energia no
bombeamento de gua em sistemas de abastecimento, via programao no-linear. In: IV
SEREASEMINRIO
HISPANO-BRASILEIRO
SOBRE
SISTEMAS
DE
Rev. Bras. Biom., So Paulo, v.32, n.4, p.459-477, 2014
475
476
477