Resultados

1.1-Plotar os dados para as mdias e amplitude em uma srie

temporal.

Presso
Presso
5-Dec 13-Dec 21-Dec 29-Dec 6-Jan 14-Jan
1-Dec 9-Dec 17-Dec 25-Dec 2-Jan 10-Jan 18-Jan
Dia/Ms

Amplitude
Amplitude
5-Dec 13-Dec 21-Dec 29-Dec 6-Jan 14-Jan
1-Dec 9-Dec 17-Dec 25-Dec 2-Jan 10-Jan 18-Jan
Dia/Ms

1.2- O engenheiro decidiu usar os primeiros 12 subgrupos para

calcular os limites de controle. Porque ele assim o fez? Faa como
ele e use os 12 subgrupos para calcular os limites de controle para
as cartas da mdia e da amplitude.
Provavelmente ele fez isso com receio de que os dados seguintes no
estivesse sobre controle, pois possvel observar no grfico da questo
anterior uma maior variao no valor da mdia dos pontos seguintes.
 Presso
Presso
LSC
LIC
2-Dec 5-Dec 8-Dec 11-Dec 14-Dec 17-Dec
1-Dec 4-Dec 7-Dec 10-Dec 13-Dec 16-Dec LC

Dia/Ms

Amplitude
Amplitude
LSC
LIC
2-Dec 5-Dec 8-Dec 11-Dec 14-Dec 17-Dec
LC
1-Dec 4-Dec 7-Dec 10-Dec 13-Dec 16-Dec
Dia/Ms

LSC LIC
57,883 62,787 52,978
X 33 83 83
17,977

R 8,5 5 0

1.3- Agora, use todos os 24 subgrupos para calcular os limites de

controle das cartas da mdia e da amplitude.

Presso
Presso
LSC
LIC
5-Dec 13-Dec 21-Dec 29-Dec 6-Jan 14-Jan
1-Dec 9-Dec 17-Dec 25-Dec 2-Jan 10-Jan 18-Jan LC

Dia/Ms

Amplitude
Amplitude
LSC
LIC
5-Dec 13-Dec 21-Dec 29-Dec 6-Jan 14-Jan
1-Dec 9-Dec 17-Dec 25-Dec 2-Jan 10-Jan 18-Jan LC

Dia/Ms
 LSC LIC
57,241 62,602 51,880
X67 96 38
9,2916 19,651
67
R 88 0

1.4- Qual o efeito que os pontos fora de controle tem sobre

limites encontrados no item 3 considerando a carta da mdia?

0.35

0.3

0.25

0.2

0.15

0.1

0.05

0
40 45 50 55 60 65 70 75 80

1.2 1.3 UCL 1.2

UCL 1.3 LCL 1.2 LCL 1.3

Podemos observa a diferena entre as gaussianas da mdia, contudo

para avaliar o efeito dos pontos fora de controle devemos ver a
probabilidade de uma amostra estar entre os valores dos limites de
controle.
P( 51,88 < x < 52,98) = 0,055
P(62,60 < x < 62,79) = 0,008
Assim a probabilidade que o valor de uma amostra esteja entre as
diferenas dos limites de controle aproximadamente 6,3%, tendo essa
probabilidade um valor baixa a nvel de engenharia podemos dizer que os
pontos fora de controle no apresenta efeito significativo nos limites de
controle.
1.5- Qual o efeito que os pontos fora de controle tem sobre os
limites encontrados no item 3 considerando a carta da amplitude?
 0.1

0.09

0.08

0.07

0.06

0.05

0.04

0.03

0.02

0.01

0
0 5 10 15 20 25

1.2 1.3 UCL 1.2

LCL 1.2 UCL 1.3 LCL 1.3

As duas gaussianas so bastante similares, de forma semelhante ao

realizado no caso da mdia devemos avaliar a probabilidade de se ter um
valor entre a diferena do limites de controle.
P( 17,98 < x < 19,65) = 0,016
Como os limites inferiores so o mesmo temos apena a probabilidade
dos limites superiores, e o seu valor foi de 1,6% e novamente temos que os
pontos fora de controle no tem influncia significativa sobre os limites de
controle da amplitude.
 t 1
t
Z t = (1) x t j+ ( 1 ) Z 0 .
t
2.1- Mostre que
j=0

Z t = x t + ( 1 ) Z t 1 (1)

Z t 1= x t1 + ( 1 ) Z t2 (2)

Z t 2= x t2 + ( 1 ) Z t3 (3)

Substituindo a Equao 2 na 1.

Z t = x t + ( 1 ) [ xt 1+ ( 1 ) Zt 2 ] (4)

2
Z t = x t + ( 1 ) xt 1+ (1 ) Z t 2(5)

Substituindo a Equao 3 na 5.
2
Z t = x t + (1) x t1+ ( 1 ) [ x t2 + ( 1 ) Z t3 ](6)

2 3
Z t = x t + ( 1 ) xt 1+ ( 1 ) x t2 + ( 1 ) Z t3 (7)

Reescrevendo a Equao 7 temos:

0 1 2 3
Z t =( 1) xt + (1) x t1 + ( 1 ) x t 2 + ( 1 ) Z t3

t 1
t
Z t = (1) x t j+ ( 1 ) Z 0
t

j=0

2.2- Determine a varincia 2zt.

Aplicando o operador varincia na varivel Zt

[ ]
t1
Var ( Z t ) =Var ( 1 )t x t j + ( 1 )t Z0
j=0

[ ]
t1
Var ( Z t ) =Var ( 1 )t x t j +Var [ ( 1 )t Z0 ] (1)
j=0

Sendo o segundo termo do lado direito da Equao 1 constante e

sabendo que a varincia de uma constante zero, temos:

[ ]
t1
Var ( Z t ) =2 Var ( 1 )t xt j
j =0
 t1
Var ( Z t ) =
2
Var [ ( 1 )t x t j ]
j=0

t1
Var ( Z t ) =
2
( 1 )2 t Var [ x t j ]
j=0

t1
2t
Var ( Z t ) = t ( 1 )
2 2

j=0

2
Somatrios de n termos de uma PG, onde a1=1 e q=( 1 ) ,
portanto

a1 (1qn )
S n=
(1q)

Assim:

Var ( Z t ) = 2 2
1
[ 1( 1 ) ]
2t

[ 1 (1 )2 ]

2 2 [ 1( 1 )2t ]
Var ( Z t ) =
[ 11+2 2 ]

2 2 [ 1( 1 )2t ]
Var ( Z t ) =
(2)

2 2 [ 1( 1 )2t ]
Var ( Z t ) =
(2)

Var ( Z t ) = 2
(2 )
[ 1( 1 )2 t ]

2.3- Calcule os limites de controle caso o valor de t tenda para

infinito.
Sendo definido a varincia na questo anterior e considerando os
limites de 3 temos:

Limite superior de controle

LSC = 0 +3
[ 1( 1 )2t ] 2

Limite inferior de controle

 LIC=03

[ 1 (1 )2 t ] 2

Quando t tende a infinito o valor do termo [ 1( 1 )2 t ] tende para

1 e os limites de controle tornam-se.

LSC = 0 + L

2

LIC=0L

2

2.4- Porque tal carta insensvel normalidade? Qual a

consequncia disso?
Como essa carta leva em considerao as amostras anteriores o seu
valor de n acaba tornando ela insensvel normalidade, a consequncia
disso que para valores de n grande muitas das distribuies se aproxima
de uma distribuio normal e assim essa carta acaba sendo independente
do tipo de distribuio.
3- Qual a(s) interface(s) entre o controle automtico de processo
(CAP) do tipo feedback e o controle estatstico do processo (CEP)?
Mencionar os pontos de confluncia e de divergncia e montar um
diagrama com os dois procedimentos em conjunto.
Tanto o controle estatstico do processo (CEP) quanto o controle
automtico do processo (CAP) tem objetivo fazer com que o processo seja
realizado de forma que as especificaes do mesmo sejam atendidas.
Contudo, o CAP estar voltado para o controle de variveis especificas que se
desejam manter em determinados valores, set point, no caso do CEP ele
apresenta uma viso mais global do processo acompanhando se o mesmo
estar sobre controle estatstico.
Essas duas tcnicas apresentam alguns pontos divergentes como por
exemplo no CAP temos a ao corretiva feita instantaneamente realizada, a
partir do ponto que o sensor capaz de mensurar e transmitir uma variao
na varivel controlada para o controlador, no caso do CEP a ao corretiva
s realizada a partir do ponto que o nosso processo no mais
considerado em controle estatstico, ou seja, permitido uma variao no
valor medido contudo que obedea as condies implementadas pelo CEP.
Um exemplo, Figura 1, de uma ao conjunta do CEP e CAP, um
caso de um misturador que alimentado por duas substancias A e B, sendo
a alimentao de B controlada por CAP devido a sua grande influncia na
viscosidade, um viscosmetro utilizado para medir a viscosidade da
mistura e de acordo com o valor obtido aberto ou fechado a vlvula da
alimentao de B, O CEP implementado de forma de verifica se o processo
estar sobre controle, dessa forma caso o viscosmetro tenho de alguma
forma sua calibrao alterada o CEP ser capaz de observar o efeito desse
acontecimento no processo, algo que o CAP no seria capaz de observar.
 Figura 1 Exemplo de CAP e CEP em conjunto.

4-Assumindo que as variveis de importncia a serem controladas

pelo CEP so correlacionadas, ento:
4.1- possvel construir uma carta para cada varivel?
No, pois sendo essas variveis correlacionadas suas covarincias
apresentam valores diferente de zero.
4.2- Se a resposta de 4.1 for negativa, o que pode ser feito para
implementar o CEP?
Deve-se montar a matriz das covarincias e escalonar essa matriz
para eliminar as correlaes, gerando assim novas variveis que so
combinaes lineares das variveis correlacionadas do processo, em
seguida pode ser observado que uma varivel exercesse maior influncia no
processo, ento deve-se elabora uma carta de controle para ela.
5- Considere uma carta de controle baseada em um simples e no
ponderada mdia mvel. Calcule os limites para tal carta.
Tendo sido coletados observaes individuais, denotadas por
x 1 , x 2 , , xi , a mdia mvel de tamanho w no instante i definido por:

x i + x i1+ + x iw+1
M i=
w

Aplicando a varincia:

x i + x i1+ + x iw+1
n )
V ( M i ) =V

i
1
V ( Mi ) =
w2
V (x j )
j=iw+1
 i
1
V ( Mi ) =
w2
2
j=iw+1

1 2
V ( Mi ) =
w

Considerando 0 o valor da mdia central, podemos calcular os

limites de controle de 3 para Mi :

3
LSC= o +
n
3
LIC=o
n
6- Considere a carta EWMA.
6.1- Pode-se afirmar que tal carta fornece uma estimativa da mdia
do processo no tempo t+1?
Sim, a EWMA pode fornecer uma previso de onde estar mdia do
processo no tempo de t + 1, essa previso dado por z i no perodo de
tempo de t +1. Assim a EWMA pode ser usada como base de um algoritmo
dinmico para o controle do processo.
6.2- Se existe uma mdia alvo do processo, possvel usar a
estimativa dada pela EWMA da mdia do processo para fins de
ajuste do processo? Se for possvel, indicar como?
Supondo que a mdia do processo apresente uma tendncia de se
afastar uniformemente do alvo, o desempenho da previso da EWMA pode
ser melhorado, note que:

z i= x i+ (1 ) z i1=z i1 + ( x iz i1 )

Considerando 1 como previso da mdia do processo no perodo ,

podemos pensar 1 como erro de previso para o perodo . Assim:
z i=z i1 + ei

Portanto, a EWMA para o perodo igual a EWMA para o perodo 1,

mais uma frao do erro de previso para a mdia do perodo .
Acrescentando um segundo termo a ltima equao:
i
z i=z i1 + 1 e i + 2 e j
j=1

onde 1 e 2 so constantes que ponderam o erro no tempo i

e a soma dos erros acumulados at o tempo i . Considerando

 ei=eiei1 como a primeira diferena dos erros, ento chega-se a
seguinte modificao de EWMA:
i
z i=z i1 + 1 e i + 2 e j + 3 ei
j=1

Note que nessa equao emprica de controle, a EWMA para o perodo

i igual estimativa corrente da mdia mais um termo proporcional ao
erro, mais um termo relacionado soma dos erros, mais um termo
relacionado primeira diferena dos erros. Os parmetros 1 , 2 e 3
devem ser escolhidos para dar o melhor desempenho previso.