Control Oe Statistic o Quali Dade 10

UNIVERSIDADE DO ALGARVE
Instituto Superior de Engenharia

Departamento de Engenharia Alimentar

Controlo Estatstico da Qualidade

Eduardo Esteves
Departamento de Engenharia Alimentar

E. Esteves, DEA ISE Universidade do Algarve, Faro, 2009

Prefcio

Estes Apontamentos constituem o texto de apoio s aulas terico-prticas da disciplina de Gesto
da Qualidade da Licenciatura em Engenharia Alimentar (Departamento de Engenharia Alimentar
do Instituto Superior de Engenharia da Universidade do Algarve).
Apesar dos esforos em corrigir os erros que possivelmente esta verso ainda inclui (ainda que
tenha corrigido aqueles que os alunos de anos anteriores apontaram), os comentrios e
correces de muitos leitores sero, com certeza, mais e melhores do que apenas os meus por
isso
Proponho a citao deste trabalho como: Esteves, E. (2009) Controlo Estatstico da Qualidade.
Departamento de Engenharia Alimentar, Instituto Superior de Engenharia da Universidade do
Algarve, Faro, 54 p. [disponvel online em http://w3.ualg.pt/~eesteves, consultado em data].
Controlo Estatstico da Qualidade 3

E. Esteves, Dept. Engenharia Alimentar Instituto Superior Engenharia, Universidade do Algarve, 2009
ndice
QUALIDADE E CONTROLO ESTATSTICO DA QUALIDADE (CEQ)............................ 5
MOMENTOS E METODOLOGIAS DE CONTROLO, CARACTERSTICAS DA
QUALIDADE ................................................................................................................................ 5
GRFICOS (OU CARTAS) DE CONTROLO.......................................................................... 5
GRFICOS DE CONTROLO POR VARIVEIS.................................................................... 6
INTRODUO ................................................................................................................................ 6
DISTRIBUIO DE PROBABILIDADES NORMAL (REVISO).............................................................. 7
ELABORAO DE GRFICOS DE CONTROLO POR VARIVEIS................................ 8
DECISES PREPARATRIAS PARA A ELABORAO DE GRFICOS DE CONTROLO POR VARIVEIS ... 8
CLCULO DA LINHA CENTRAL....................................................................................................... 8
CLCULO DOS LIMITES DE CONTROLO........................................................................................... 8
GESTO DE PROCESSOS ATRAVS DE GRFICOS DE CONTROLO POR
VARIVEIS ................................................................................................................................ 10
REGRAS DE DECISO PARA (INTERPRETAO DE) GRFICOS DE CONTROLO................................ 10
INTERPRETAO (COMPLEMENTAR) DOS GRFICOS DE CONTROLO............................................. 11
ERROS NA INFERNCIA A PARTIR DE GRFICOS DE CONTROLO POR VARIVEIS ........................... 12
ALGUMAS PRECAUES NA ANLISE DE GRFICOS DE CONTROLO POR VARIVEIS..................... 13
GRFICOS DE CONTROLO POR ATRIBUTOS................................................................. 13
INTRODUO .............................................................................................................................. 13
DISTRIBUIES DE PROBABILIDADE BINOMIAL E DE POISSON..................................................... 14
ELABORAO DOS GRFICOS DE CONTROLO POR ATRIBUTOS.......................... 14
PREPARAO DOS GRFICOS DE CONTROLO POR ATRIBUTOS ...................................................... 14
CLCULO DA LINHA CENTRAL E DOS LIMITES DE CONTROLO....................................................... 15
GESTO DE PROCESSOS ATRAVS DE GRFICOS DE CONTROLO POR
ATRIBUTOS ............................................................................................................................... 15
INTERPRETAO DE GRFICOS DE CONTROLO POR ATRIBUTOS ................................................... 15
ALGUMAS PRECAUES NA ANLISE DE GRFICOS DE CONTROLO POR ATRIBUTOS .................... 16
VANTAGENS E DESVANTAGENS DOS GRFICOS DE CONTROLO POR ATRIBUTOS RELATIVAMENTE
AOS GRFICOS DE CONTROLO POR VARIVEIS............................................................................. 16
CURVAS CARACTERSTICAS DE OPERAO................................................................ 16
INTRODUO .............................................................................................................................. 16
CURVAS CO, GRFICOS DE CONTROLO POR VARIVEIS E O ERRO DE TIPO II... ........................... 17
ELABORAO DA CURVA CO PARA GRFICOS DE CONTROLO DA MDIA.................................... 17
INTERPRETAO DAS CURVAS CO PARA GRFICOS DE CONTROLO DAS MDIAS......................... 18
EFEITO DE N SOBRE INFERNCIA ................................................................................................. 18

ELABORAO DE CURVAS CO PARA GRFICOS DE CONTROLO DE P............................................ 19
GRFICOS DE CONTROLO (SUMRIO)............................................................................ 21
PLANOS DE AMOSTRAGEM PARA ACEITAO (PAA)................................................ 21
INTRODUO .............................................................................................................................. 21
OS PAA, A FORMAO DOS LOTES E A SELECO DA AMOSTRA................................................. 21
VANTAGENS E DESVANTAGENS DOS PAA................................................................................... 22
PAA POR ATRIBUTOS............................................................................................................. 22
PAA POR ATRIBUTOS E A CURVA CO IDEAL............................................................................ 24
RISCOS DO PRODUTOR E DO CONSUMIDOR.............................................................................. 24
ELABORAO DE CURVAS CO PARA PAA POR ATRIBUTOS.................................... 25
EFEITO DE N E C SOBRE PAA POR ATRIBUTOS ............................................................................. 25
PAA POR ATRIBUTOS NORMALIZADOS.......................................................................... 26
ANSI/ASQC Z1.4 E O AQL ....................................................................................................... 26
IMPLEMENTAO DE ANSI/ASQC Z1.4..................................................................................... 27
REGRAS DE ALTERAO ENTRE TIPOS DE INSPECO (ANSI/ASQC Z1.4)................................. 28
PAA POR VARIVEIS.............................................................................................................. 32
VANTAGENS/DESVANTAGENS DOS PAA POR VARIVEIS............................................................ 32
PAA POR VARIVEIS DE TIPO II ........................................................................................ 32
ELABORAO E IMPLEMENTAO DE PAA PARA ESPECIFICAO NICA................................... 32
ELABORAO E IMPLEMENTAO DE PAA PARA DUPLA ESPECIFICAO................................... 33
PAA POR VARIVEIS DE TIPO I.......................................................................................... 35
MTODO-K.................................................................................................................................. 36
MTODO-M................................................................................................................................ 37
PAA POR VARIVEIS NORMALIZADOS ........................................................................... 39
IMPLEMENTAO DE ANSI/ASQC Z1.9..................................................................................... 40
PLANOS DE AMOSTRAGEM PARA ACEITAO (SUMRIO)..................................... 42
BIBLIOGRAFIA......................................................................................................................... 42
EXERCCIOS.............................................................................................................................. 43
SOLUO DOS EXERCCIOS................................................................................................ 53

Qualidade e Controlo Estatstico da Qualidade (CEQ)
A qualidade de um produto ou servio a adequao desse produto ou servio para a utilizao
pretendida pelo consumidor (ou cliente, ou utente, ou utilizador) (Mitra, 1993). A definio
normalizada (ISO 9000: 2000) : grau de satisfao de requisitos dado por um conjunto de
caractersticas intrnsecas. Juran & Gryna (1991) distinguem trs componentes da qualidade:
1) Qualidade da concepo (design); 2) Qualidade da conformidade; e 3) Qualidade do
desempenho (performance). no contexto do segundo componente que se desenvolve o controlo
estatstico da qualidade.
Simplisticamente, poder pensar-se em CEQ como a combinao dum sistema usado para
manter determinado (desejado) nvel de qualidade (Controlo da Qualidade) com um conjunto
de mtodos para elaborar concluses vlidas a partir de dados amostrais (Estatstica). O CEQ
a totalidade dos meios e actividades atravs das quais uma empresa agro-alimentar pretende
eliminar, em todas as fases do processo produtivo, as causas que originam defeitos (Riveras
Vilas, 1995).
Mas o CEQ mais do que: 1) a actividade inspectora; ou 2) verificar se processo est conforme
com um dado requisito ou especificao! Produzir com qualidade ou controlar a qualidade de
produo? O CEQ um meio de prescindir de CEQ!. Quando controlar? Sempre que
possvel melhorar a qualidade (ou poupar tempo/dinheiro); O que controlar? As causas da
variabilidade do processo ou dos defeitos; Quem controla? Os trabalhadores e os responsveis;
Onde e como? Na recepo da matria-prima; durante o processo de produo ou fabricao;
e/ou no controlo do produto final. A norma ISO 11462-1: 2001 auxilia a implementao dum
sistema de controlo estatstico da qualidade.
Momentos e Metodologias de Controlo, Caractersticas da qualidade
Existem dois momentos de controlo: 1) Controlo de fabricao (durante o processo
produtivo); e 2) Controlo final do produto, entre operaes de fabricao ou de recepo de
matrias-primas. No primeiro caso, utilizam-se os grficos de controlo, enquanto no segundo
caso recorre-se aos planos de amostragem para aceitao (PAA).
Entende-se que caractersticas da qualidade so as propriedades dum produto (alimentar) que lhe
conferem uma certa qualidade. No Dicionrio da Lngua Portuguesa (6 Edio, Porto Editora)
pode ler-se:
qualidade, s.f. propriedade ou condio natural de uma pessoa ou coisa que a distingue
das outras; () valor; caracterstica essencial; aptido; atributo; () particularidade; ().
Existem vrias classificaes possveis das caractersticas da qualidade, em CEQ utilizaremos
uma classificao em dois tipos: Variveis (caractersticas mensurveis e que podem ser
expressas numericamente); e Atributos (caractersticas que se podem classificar como
conformes ou no-conformes com determinada(s) especificaes, i.e. no-defeituoso ou
defeituoso).
Grficos (ou cartas) de controlo
Os grficos (ou cartas) de controlo, devidos aos trabalhos de Walter A. Shewart na dcada de
1920, permitem controlar um processo produtivo atravs da recolha sucessiva de amostras do
produto e da confrontao da informao obtida a partir dessas amostras com as especificaes
pretendidas (resumidas no grfico de controlo, Fig. 1), ou seja, grosso modo os grficos de
controlo permitem a monitorizao da qualidade do processo produtivo.

1 2 3 4 5 6 7 8 9 10 11 12 13
Amostra
C
a
r
a
c
t
e
r
s
t
i
c
a

d
a

Q
u
a
l
i
d
a
d
e
Limite Superior
Limite Inferior
Linha Central

Fig. 1 Grfico de controlo-tipo. Representam-se as sucessivas amostras do processo produtivo (pontos
e linhas) conjuntamente com o nvel desejado/especificado de qualidade (linha contnua) e os limites
superior e inferior de controlo (linha tracejada). Enquanto a informao extrada das amostras se
encontrar entre os limites, pode-se considerar que o processo est controlado, i.e. est a produzir-se
com a qualidade mdia pretendida.

Admitindo que existe alguma variabilidade nas caractersticas (da qualidade) dum produto, essa
variao pode ter duas origens. Pode ser, por um lado, devida a "causas naturais", i.e. ao Acaso
inerente a todos os processos. Por outro lado, poder estar relacionada com causas identificveis
(mquinas desreguladas, falta-de-ateno dos operadores, deficincias da matria-prima, etc.). A
magnitude da variao originada por estas causas superior quela devida ao Acaso (que
possvel descrever estatisticamente). Portanto, a variao ser observvel num grfico apropriado
(grfico de controlo) e responsvel pela classificao dum processo como fora-de-controlo!
Representando, em conjunto, a informao relativa s sucessivas amostras, a qualidade mdia
desejada/especificada e os limites de controlo, e interpretando os grficos recorrendo a regras de
anlise/deciso possvel controlar, monitorizando, a qualidade do processo (de fabricao) em
anlise!
As normas internacionais ISO 7870-1: 2007, ISO 7873: 1993, ISO 8258-Corr. 1: 1993 e ISO
11462-1: 2001 abordam vrios aspectos gerais e tcnicos relativos aos grficos de controlo
(nestes apontamentos usaremos a designao grficos de controlo em vez de cartas de controlo
pois julgo ser uma traduo mais adequada do original em ingls control charts).
Em virtude dos tipos de variveis considerados em CEQ, possvel elaborar grficos de controlo
apropriados para situaes (processos produtivos) em que se pretende controlar a qualidade de
variveis ou atributos: grficos de controlo por variveis e por atributos, respectivamente.
Grficos de controlo por variveis
Introduo
Se a caracterstica da qualidade for uma varivel e se representarem as mdias das amostras, x ,
ento teremos um grfico de controlo das mdias (grficos de

x ) que permitem controlar o
nvel mdio da caracterstica de qualidade no processo. Por outro lado, se se representarem as

amplitudes das amostras, R, ento teremos grficos de controlo das amplitudes (grficos de R)
que permitem controlar a variabilidade da caracterstica de qualidade no processo
1
.
Distribuio de probabilidades normal (reviso)
Consideraremos que aplicvel na maioria das situaes relativas ao controlo da qualidade por
variveis a distribuio de probabilidades normal. A elaborao de grficos de controlo por
variveis, que se apresentam mais frente, assenta sobre e utiliza conceitos relacionados com a
distribuio normal A funo densidade de probabilidade da curva normal dada por
] 2 ) ( exp[ ) 2 ( 1 ) (
2 2
= x x f , em que e so, respectivamente a mdia e o desvio-
padro. Esta funo definida por e para valores - < x < +. Cerca de 99,7 % da rea
total sob esta curva encontra-se entre os limites + 3 . Essa rea a representao grfica da
probabilidade duma varivel X tomar valores entre 3 e + 3 (Fig. 2).

Fig. 2 Representao da funo densidade de probabilidades da distribuio normal (tambm
denominada Curva normal ou Curva de Gauss). A funo est centrada na mdia e a forma da
curva determinada pelo desvio-padro .

Considerando que ( ) n N X
2
, e recorrendo a Z distribuio normal reduzida
2
, ( ) 1 , 0 N Z
podemos calcular os limites de controlo para k amostras de tamanho n, de modo similar aos
limites de confiana ou recorrendo a valores tabelados (d
2
, A, A
2
, D
3
e D
4
no Quadro 1).

1
possvel representar outros parmetros do processo, e.g. desvio-padro, sendo que a designao desses grficos
de controlo anloga.
2
A distribuio normal reduzida Z extremamente til para estudar situaes em que a varivel em causa se
distribui de acordo com a curva normal pois, atravs da transformao ) ( = X Z , possvel reduzir
qualquer varivel X N (,
2
) a uma nova varivel Z N (0,1), cujas probabilidades esto tabeladas. No caso da
mdia amostral ( ) n N X
2
, a transformao ) / ( ) ( n X Z = . A importncia desta distribuio de
probabilidades estende-se por vrios tpicos do CEQ relativos a caractersticas da qualidade mensurveis
(variveis), nomeadamente os grficos de controlo (a seguir) e os planos de amostragem para aceitao (mais
frente nestes apontamentos). No entanto, a utilizao de Z pressupe o conhecimento do desvio-padro das
observaes, .

Elaborao de grficos de controlo por variveis
Decises preparatrias para a elaborao de grficos de controlo por variveis
A elaborao de grficos de controlo por variveis deve considerar o seguinte: 1 definir
claramente o objectivo do controlo da qualidade e a varivel a controlar; 2 definir o tamanho das
amostras, ou seja, o n de itens/produtos a amostrar (geralmente n=5), e a frequncia de
amostragem (que depende do ritmo de produo) devem seleccionar-se aleatoriamente
3
, ao
acaso, da produo os elementos da amostra (cada amostra deve ser homognea, embora se
deva permitir variabilidade entre amostras); 3 elaborar formulrios para aquisio dos dados; 4
determinar mtodo de medio; e 5 elaborar o grfico de controlo.
No que se segue, consideraremos duas situaes em que se utilizam os grficos de controlo por
variveis: as especificaes do produto (agro-alimentar) so conhecidas; ou no.
Clculo da linha central
Quando se conhece a qualidade mdia do processo, , e/ou a sua variabilidade, (i.e.
existem especificaes), a linha central (LC) nos grficos de x e de R obtm-se atravs de:
LC = (no grfico de x ) (1)

2
LC d = (no grfico de R) (2)
No caso em que e/ou so desconhecidos, possvel obter a linha central (LC) nos grficos
de controlo das mdias e das amplitudes a partir de
i
x e R
i
de cada uma das k amostras, ou seja,
para a amostra i, a mdia
i
x
i
x
i
x
n
= (3)
e, por conseguinte, a linha central ser a mdias das mdias

x
i
LC x
k
= = (no grfico de x ) (4).

Analogamente, para a amostra i obtm-se a respectiva amplitude R
i

max min
i
i i
R x x = (5)
e, ento, a linha central ser

R
i
LC R
k
= = (no grfico de R) (6).

Clculo dos limites de controlo
Os limites superiores (LSC) e inferiores (LIC) para grficos de x , com e conhecidos, obtm-

3
Para garantir a aleatoriedade, todos os itens/produtos devem ter igual probabilidade de serem escolhidas para
integrar uma dada amostra.

se atravs de:
LSC z
n
= + (7)
LIC z
n
= (8)
em que o valor de z (na prtica, z=1, 2 ou 3) reflecte o grau de confiana na qualidade mdia dos
produtos (para z = 1 de cerca de 68%, para z = 2 de aproximadamente 95% enquanto que para
z = 3 ronda os 99,9%). Quando interessam apenas os limites para z=3, possvel usar as
seguintes equaes:
LSC A = + (9)
LIC A = (10)
em n A 3 = se pode obter do Quadro 1 para o tamanho da amostra n pretendido. No caso dos
grficos de R, e conhecendo o desvio-padro , os limites superior e inferior de controlo podem
calcular-se atravs de:

3 2
d z d LSC + = (11)

3 2
d z d LIC = (12)
em que d
2
e d
3
, se obtm do Quadro 1. Para z=3, os limites de controlo determinam-se atravs de

2
LSC D = (13)

1
LIC D = (14)
sendo que os valores de
3 2 1
3d d D = e
3 2 2
3d d D + = se obtm-se do Quadro 1.
Se, porventura, e/ou so desconhecidos e sabendo que a melhor estimativa do desvio-padro
dada por
2
d R = ento, os limites de controlo para os grficos de x , podem calcular-se
pelas equaes:

2
R
LSC x z
d n
= + (15)

2
R
LIC x z
d n
= (16)
em que d
2
se obtm do Quadro 1. Considerando apenas z = 3, as equaes anteriores podem
tomar a seguinte forma:

2
LSC x A R = + (17)

2
LIC x A R = (18)
sendo que A
2
se pode obter do Quadro 1. No caso dos grficos de R, com e/ou
desconhecidos, os limites de controlo obtm-se recorrendo s equaes:

|
|
\
|
+ =
2
3
d
R
d z R LSC (19)


|
|
\
|
=
2
3
d
R
d z R LIC (20)
em que d
2
e d
3
, se obtm do Quadro 1. Se se considerar z=3, ento

4
LSC R D = (21)

3
LIC R D = (22)
uma vez que
2 3 3
3 1 d d D = e
2 3 4
3 1 d d D + = se podem obter do Quadro 1.
Por vezes est pr-definido mas no se conhece mais nenhum parmetro do processo, logo ser
necessrio conjugar as equaes mais adequadas. Por exemplo, pretende-se uma determinada
qualidade mdia mas desconhece-se , ento poder recorrer-se s equaes (15) a (18),
substituindo x por . Deve elaborar-se um grfico de x (e/ou R) para cada varivel em estudo!

Quadro 1 - Valores de constantes teis para a elaborao de grficos de controlo por variveis.
n A A
2
A
3
d
2
1/d
2
d
3
D
1
D
2
D
3
D
4
2 2,121 1,881 2,659 1,128 0,8865 0,853 0,000 3,686 0,000 3,267
3 1,732 1,023 1,954 1,693 0,5907 0,888 0,000 4,358 0,000 2,574
4 1,500 0,729 1,628 2,059 0,4857 0,880 0,000 4,698 0,000 2,282
5 1,342 0,577 1,427 2,326 0,4299 0,864 0,000 4,918 0,000 2,114
6 1,225 0,483 1,287 2,534 0,3946 0,848 0,000 5,078 0,000 2,004
7 1,134 0,419 1,182 2,704 0,3698 0,833 0,204 5,204 0,076 1,924
8 1,061 0,373 1,099 2,847 0,3512 0,820 0,388 5,306 0,136 1,864
9 1,000 0,337 1,032 2,970 0,3367 0,808 0,547 5,393 0,184 1,816
10 0,949 0,308 0,975 3,078 0,3249 0,797 0,687 5,469 0,223 1,777
11 0,905 0,285 0,927 3,173 0,3152 0,787 0,811 5,535 0,256 1,744
12 0,866 0,266 0,886 3,258 0,3069 0,778 0,922 5,594 0,283 1,717
13 0,832 0,249 0,850 3,336 0,2998 0,770 1,025 5,647 0,307 1,693
14 0,802 0,235 0,817 3,407 0,2935 0,763 1,118 5,696 0,328 1,672
15 0,775 0,223 0,789 3,472 0,2880 0,756 1,203 5,741 0,347 1,653
16 0,750 0,212 0,763 3,532 0,2831 0,750 1,282 5,782 0,363 1,637
17 0,728 0,203 0,739 3,588 0,2787 0,744 1,356 5,820 0,378 1,622
18 0,707 0,194 0,718 3,640 0,2747 0,739 1,424 5,856 0,391 1,608
19 0,688 0,187 0,698 3,689 0,2711 0,734 1,487 5,891 0,403 1,597
20 0,671 0,180 0,680 3,735 0,2677 0,729 1,549 5,921 0,415 1,585
21 0,655 0,173 0,663 3,778 0,2647 0,724 1,605 5,951 0,425 1,575
22 0,640 0,167 0,647 3,819 0,2618 0,720 1,659 5,979 0,434 1,566
23 0,626 0,162 0,633 3,858 0,2592 0,716 1,710 6,006 0,443 1,557
24 0,612 0,157 0,619 3,895 0,2567 0,712 1,759 6,031 0,451 1,548
25 0,600 0,153 0,606 3,931 0,2544 0,708 1,806 6,056 0,459 4,541
Grficos das mdias
(limites) (linha central) (limites)
Grficos das amplitudes

Gesto de processos atravs de grficos de controlo por variveis
Regras de deciso para (interpretao de) grficos de controlo
A interpretao dos resultados que se vo representando num grfico de controlo facilitada
pela utilizao sucessiva das seguintes cinco regras (e posteriormente dos casos especiais
descritos na Fig. 4). Assim, considera-se que um processo est fora de controlo quando:
1 Regra um simples ponto fica fora dos limites de controlo para z = 3;
2 Regra do mesmo lado da linha central, dois de trs pontos consecutivos ficam
fora dos limites de aviso (z = 2);

3 Regra do mesmo lado da linha central, quatro de cinco pontos consecutivos
ficam fora dos limites para z = 1;
4 Regra oito ou mais pontos consecutivos ficam do mesmo lado da linha central;
5 Regra os pontos representados no grfico mostram tendncias (ascendentes ou
descendentes).
Interpretao (complementar) dos grficos de controlo
Para alm destas regras (de aplicao sucessiva), existem algumas situaes particulares que
reflectem que o processo est fora-de-controlo (ainda que no se apliquem as regras anteriores).
Alguns efeitos observveis nos grficos de controlo e possveis causas esto ilustrados na Fig. 3.

1 2 3 4 5 6 7 8 9 10 11 12 13
Amostra
C
a
r
a
c
t
e
r
s
t
i
c
a

d
a

Q
u
a
l
i
d
a
d
e

(a)

1 2 3 4 5 6 7 8 9 10 11 12 13
Amostra
C
a
r
a
c
t
e
r
s
t
i
c
a

d
a

Q
u
a
l
i
d
a
d
e

(b)
1 2 3 4 5 6 7 8 9 10 11 12 13
Amostra
C
a
r
a
c
t
e
r
s
t
i
c
a

d
a

Q
u
a
l
i
d
a
d
e

(c)
Fig. 3 Ilustraes de situaes que, por um lado, apesar de eventualmente cumprirem as regras
mencionadas anteriormente, ainda assim indicam que o processo est provavelmente fora-de-controlo;
ou ento, permitem perceber as (provveis) causas que justificam a classificao do processo como
fora-de-controlo. Legenda: (a) Efeito: Salto; Causas: a) alterao na qualidade da matria-prima, b)
alterao inadvertida ou intencional no processo, c) mudana de operador, d) erro na calibrao, falha
dum componente ou avaria do equipamento de medio. (b) Efeito: Padro cclico; Causas: a)
alteraes cclicas das condies ambientais, b) alteraes sazonais da matria-prima, c) rotao ou
fadiga-descanso do operador. (c) Efeito: Concentrao de pontos perto dos limites ; Causas: a)
representao de resultados de mais de um operador ou equipamento ou matria-prima.

Erros na inferncia a partir de grficos de controlo por variveis
As concluses que se obtm dos grficos de controlo no esto isentas de erro (em virtude dos
pressupostos e tcnicas usadas, nomeadamente a utilizao de amostras e respectivas
estatsticas). Distinguem-se dois tipos de erro na inferncia estatstica, erros de tipo I e de tipo II
(Fig. 4).
A utilizao simultnea das 5 regras de deciso para interpretao de grficos de controlo,
aumenta a probabilidade de se cometerem erros de tipo I. De facto, essa probabilidade dada
por:

1
1 (1 )
k
I i
i

=
=
(23)
em que
I
a probabilidade total de cometer um erro de tipo I, k o nmero de regras
independentes usadas,

indica o produto de parcelas (como indica o somatrio) e
i
a
probabilidade de cometer erro de tipo I quando se usa cada das regras i.

Fig. 4 Ilustrao das probabilidades associadas aos erros de tipo I e II (respectivamente no painel da
esquerda e da direira). Erros de Tipo I so aqueles que resultam na concluso errada de que o processo
est-fora de controlo (rejeita-se uma H
0
verdadeira). Os Erros de Tipo II acontecem quando se conclui
erradamente que um processo est sob controlo (ou seja, no se rejeita H
0
que falsa). As
probabilidades de se cometerem estes erros so, respectivamente, e .

Assim, as regras de deciso devem ser usadas sucessivamente: se no se aplicar a 1 regra
situao em estudo, tenta-se a 2 regra, e assim em diante at 5 regra (e situaes

complementares). Se nenhuma se aplicar, e se no forem evidentes outros efeitos nos grficos de
controlo, ento pode-se afirmar que o processo est sob controlo!
Algumas precaues na anlise de grficos de controlo por variveis
1) Quando se utilizam simultaneamente grficos de x e de R, melhor comear por analisar os
grficos de R (e s depois os grficos de x ), porque os limites de controlo dos grficos de x
dependem da variabilidade do processo. S no caso da variabilidade do processo estar sob
controlo que aqueles limites tm algum significado.
2) Determinar a forma da distribuio das observaes individuais antes de comparar a
variabilidade do processo com as especificaes. A normalidade no deve ser assumida, apesar
de, em muitas situaes, a distribuio de probabilidades normal ser adequada para descrever o
processo em anlise.
3) No caso de mquinas automticas, o grfico de R bastante uniforme (em virtude da preciso
da mquina) e o que varia a qualidade mdia (que observvel no grfico de x ). Portanto,
no faz grande sentido analisar o grfico de R!
Grficos de controlo por atributos
Introduo
Os grficos de controlo permitem monitorizar (grosso modo acompanhar, medindo,) um
processo produtivo. Contudo, nem sempre interessam as caractersticas da qualidade que se
podem medir (ou seja, as variveis). habitual utilizarem-se atributos para o controlo da
qualidade. Um Atributo uma caracterstica da qualidade para a qual no se especifica um valor
numrico e que se classifica como conforme ou no-conforme com determinada especificao.
Uma caracterstica da qualidade que no cumpra (ou atinja) certa especificao (ou padro)
designa-se no-conformidade, ou defeito. Um produto ou servio com uma, ou mais, no-
conformidade(s) designa-se, por isso, no-conforme ou defeituoso.
Consideram-se os seguintes tipos de grficos de controlo por atributos: Grficos de p (para a
proporo de defeituosos) e de np (para o nmero de defeituosos), que se baseiam na distribuio
de probabilidades Binomial; e Grficos de c (para o nmero de defeitos, quando n constante) e
de u (para o nmero de defeitos por unidade e para n varivel) que recorrem distribuio de
probabilidades de Poisson. Nestes apontamentos, sero pormenorizados os casos dos grficos de
p e de np.
Como no controlo da qualidade por variveis, os grficos de controlo por atributos permitem
controlar um processo produtivo atravs da recolha sucessiva de amostras do produto e da
confrontao da informao obtida a partir dessas amostras com as especificaes pretendidas
(cf. Fig. 1). A diferena reside na informao que representada e analisada.
Nestes grficos de controlo (por atributos), as caractersticas da qualidade so representadas, por
exemplo, pela proporo de itens no-conformes (ou defeituosos), nos grficos de p, ou pelo seu
nmero (nos grficos de np). , assim, possvel controlar a qualidade dum processo produtivo
confrontando a informao extrada das amostras com a linha central (que representa a
qualidade pretendida) e com os limites de controlo. A interpretao e anlise destes grficos
por atributos so em tudo similares quelas referidas a propsito do controlo por variveis
(incluindo as regras de deciso e casos particulares, cf. Fig. 3).

Os objectivos dos grficos de p para o controlo da qualidade podero ser: 1) Controlar a
qualidade de uma ou mais caractersticas de um produto, ou mesmo de uma mquina, operador
ou departamento; 2) Providenciar uma imagem, uma indicao do estado geral da qualidade de
um processo; ou 3) Providenciar informao que permite melhorar a qualidade de um produto ou
servio. No caso dos grficos de np, a sua utilizao permite estudar casos em que temos
informao relativa ao nmero de elementos no-conformes observados directamente das
amostras.
Distribuies de probabilidade Binomial e de Poisson
A distribuio de probabilidades binomial est relacionada com provas aleatrias de
Bernoulli. Considerem-se n provas aleatrias independentes em que os resultados possveis (em
cada prova) so "sucesso" ou "falha" com probabilidade p e (1 p) de ocorrerem,
respectivamente. Em CEQ, consideraremos que sucesso defeituoso. A funo densidade
de probabilidade de x sucessos (ou defeituosos) em n tentativas (ou produtos) dada por:
( ) (1 )
n x n x
x
P x C p p

= (24)
Uma varivel frequentemente usada em CEQ a proporo de itens defeituosos (ou fraco de
no-conformes) p duma amostra de tamanho n, ou seja:

x
p
n
= (25)
Como p Binomial (n, p) prova-se que o valor mdio e a varincia so, respectivamente:
( ) E p p = (26)
n p p p V ) 1 ( ) ( = (27)
A distribuio terica de probabilidades de Poisson deriva da binomial e usada para
modelar eventos, aleatrios e independentes, que so raros (isto , a probabilidade de ocorrer um
evento favorvel, ou "sucesso" ou defeituoso, p, reduzida np 5). A funo densidade de
probabilidades desta distribuio :
( )
!
x
P x e
x

= (28)
em que n p = . Sendo que se pode considerar como o n (mdio) de defeituosos que ocorrem
num determinado intervalo de tempo, espao ou volume. O valor mdio e a varincia desta
distribuio so iguais, isto , ( ) ( ) E p Var p n p = = = .
Elaborao dos grficos de controlo por atributos
Preparao dos grficos de controlo por atributos
No caso dos grficos de controlo de p e de np, as etapas para a sua elaborao so: 1) Seleccionar
objectivos; 2) Determinar o tamanho da amostra n (geralmente n>50 nos grficos de p e n4 nos
grficos de np) e o intervalo de amostragem (n deve ser suficientemente grande para permitir

recolher elementos com e sem defeito; o intervalo entre amostras funo do ritmo de produo
e custo da amostragem, entre outros factores); 3) Obter e registar os dados num formulrio
adequado ( necessrio esclarecer o modo de classificao manual, automtica ou electrnica
e registar outros dados relevantes); 4) Calcular a linha central e limites de controlo (ver adiante);
e 5) Implementar o grfico de controlo por atributos.
Clculo da linha central e dos limites de controlo
A linha central (LC) nos grficos de p e np, sem padro definido e para k amostras, obtm-se
respectivamente, atravs de:

n k
x
k
p
p LC
i i
= = =

(29)

k
x
p n LC
i
= = (30)
Os respectivos limites de controlo para z = 1, 2 (limites de aviso) ou 3 (limites de controlo)
calculam-se a partir das equaes

(1 ) p p
LSC p z
n
= + (31)

(1 ) p p
LIC p z
n
= (32)
para os grficos de p, e recorrendo s equaes
(1 ) LSC np z np p = + (33)
(1 ) LIC np z np p = (34)
no caso dos grficos de np. Nestas equaes, podem utilizar-se valores
conhecidos/especificados da LC em vez de p ou np , i.e. respectivamente
0
p e
0
p n , consoante
o tipo de grfico em elaborao.
Nos grficos de p, calcula-se a proporo de no-conformes para cada amostra

x
i
p
i
n
= (35)
em que x
i
o n de defeituosos numa dada amostra de n elementos, e representa-se essa
informao contra a qualidade pretendida (LC) e os limites de controlo, obtidos pelas equaes
(29), (31) e (32).
Gesto de processos atravs de grficos de controlo por atributos
Interpretao de grficos de controlo por atributos
Para se decidir se um processo se encontra sob controlo, ou no, aplicam-se as cinco regras
para anlise de grficos de controlo estudadas para os grficos de controlo por variveis (ver

pginas anteriores) e consideram, ainda, os casos especiais: Padro cclico; e Tendncia.
As causas mais comuns para estes dois casos especiais so, respectivamente, as mudanas
regulares nos fornecimentos, e necessidade de maior controlo ou ajustamentos no processo
(tendncia crescente) ou diminuio do controlo (tendncia decrescente).
Algumas precaues na anlise de grficos de controlo por atributos
1) Cuidado com as amostras de tamanho pequeno (nos grficos de p), uma vez que o intervalo
entre limites tende a ser maior quando n mais pequeno e, assim, o processo fica sempre sob
controlo;
2) Interpretar com cuidado sempre que cada ponto no grfico de p se refere a vrias
caractersticas da qualidade (combinadas). Em caso de dvida, elaborar grficos de p separados
para cada caracterstica.
Vantagens e desvantagens dos grficos de controlo por atributos relativamente
aos grficos de controlo por variveis
As vantagens dos grficos de controlo por atributos relativamente aos grficos de controlo por
variveis so: 1) Algumas qualidades (ou caractersticas da qualidade) s podem ser observadas
como atributos (por exemplo, o sabor de um alimento); 2) Noutros casos, mais fcil, barato e
rpido considerar atributos em vez de variveis; 3) Podem integrar-se vrias caractersticas da
qualidade no mesmo grfico de controlo por atributos; e 4) So mais teis em nveis superiores
de gesto.
Quanto s desvantagens, salientam-se as seguintes: 1) Os atributos fornecem informao sobre a
conformidade, mas no do grau do desvio; e 2) Geralmente, os grficos por variveis fornecem
mais informao acerca do processo e so mais teis para optimizao do processo.
Curvas caractersticas de operao
Introduo
As curvas caractersticas de operao (Curvas CO) so diagramas que permitem analisar o
desempenho das tcnicas estatsticas usadas em controlo da qualidade.
Por um lado, podem medir a habilidade dos grficos de controlo para detectar alteraes nos
parmetros do processo (e.g. mdia, x ,

ou fraco de defeituosos, p). Especificamente, um
diagrama de disperso da probabilidade do erro de tipo II () contra a variao dos valores do
parmetro do processo relativamente ao valor-alvo ou nominal (LC) quando o processo estava
sob controlo (ver Fig. 6). Por outro lado, permitem avaliar a performance, ou o poder
discriminatrio, dos planos de amostragem para a aceitao em face de lotes com diferentes
graus de itens defeituosos.
Abordaremos, a seguir, a aplicao das curvas caractersticas de operao (Curvas CO) aos
grficos de controlo (por atributos e variveis). Mais frente nestes apontamentos, a utilidade
das Curvas CO para avaliar o desempenho de planos de amostragem para aceitao ser estudada
com maior pormenor.

Curvas CO, Grficos de controlo por variveis e o Erro de tipo II...
Sabendo que a probabilidade de erro de tipo II, ento uma alterao da qualidade mdia do
processo, LC, relativamente verdadeira qualidade mdia, , corresponderia probabilidade
(graficamente essa probabilidade corresponde a uma rea, como se ilustra na Fig. 5). A
probabilidade de se concluir (erradamente!) que o processo est sob controlo, apesar da mdia se
ter alterado de 120 para 125, equivalente a obter a rea sombreada. Essa rea corresponde
probabilidade de cometer um erro de tipo II, ou seja, = 1 (p
1
+ p
2
).

Fig. 5 Representao esquemtica da probabilidade de se cometerem erros de tipo II (), ou seja, de
se aceitar uma hiptese nula falsa. A rea a cinzento ilustra essa probabilidade. Neste caso, a LC e os
limites de controlo no se ajustam realidade (descrita pela curva normal com mdia ). No contexto
dos grficos de controlo, isso significa aceitar como controlado um processo que no o est!
Elaborao da Curva CO para grficos de controlo da mdia
A elaborao das Curvas CO, para analisar grficos de controlo de x por exemplo, baseia-se no
clculo da probabilidade para alteraes dos valores do parmetro do processo (e.g. a mdia)
relativamente situao actual. Pode resumir-se aos seguintes passos:
1) Determinar a linha central (LC) e os limites de controlo LSC e LIC (para z = 3);
2) Calcular as probabilidades p
1
e p
2
(Fig. 5) para cada um dos valores
i
x escolhidos
arbitrariamente
4
, sabendo que
5
para o LSC (z=3) se tem:

4
A elaborao dos grficos de controlo por variveis (e.g. grficos das mdias) baseia-se em conceitos relacionados
com a distribuio de probabilidades normal.



n
x LSC
z
i
=
3
1
(36)
e que se pode determinar a probabilidade p
1
(ou seja, a rea acima de LSC na Fig. 5) a partir da
tabela de probabilidades acumuladas da distribuio normal reduzida ou, no Excel para
Windows, atravs da funo =1-dist.normp(arg) em que arg o valor de z
1
.
Para o LIC (z=3) tem-se ento que:

n
x LIC
z
i
=
3
2
(37)
e obtm-se p
2
(ou seja, a rea abaixo de LIC na Fig. 5) no Excel atravs de
=dist.normp(arg) em que arg o valor de z
2
.
3) Logo, para cada
i
x a probabilidade de se concluir (erradamente!) que o processo est sob
controlo, , :

1 2
1 ( ) p p = + (38)
4) Com base nos diversos valores da probabilidade calculados para cada
i
x pode elaborar-se a
curva CO, i.e. o diagrama de disperso entre
i
x e (Fig. 6).
Interpretao das Curvas CO para grficos de controlo das mdias
A Curva CO permite conhecer a probabilidade de no se detectarem as alteraes ao processo
(e.g. mdia) com o grfico de controlo (da mdia) utilizado. Recorrendo a um exemplo simples
(ilustrado na Fig. 6), em que LC=120, =8 e n=5, poderiam estudar-se dois cenrios:
Se a mdia do processo se alterar para
i
x =121, ento a probabilidade de, atravs do
grfico de

x , no se detectar essa modificao 99,62%.
Se, pelo contrrio, a mdia se alterar para
i
x =141, a probabilidade do grfico de x no
detectar aquela alterao de apenas 0,21%.
Ao invs, poderia elaborar-se a curva CO para o segmento de valores de
i
x < x ou ou LC.
Efeito de n sobre inferncia
Se os restantes parmetros do processo se mantiverem constantes, pode diminuir-se a
probabilidade , aumentando o tamanho da amostra n, pois desse modo se diminui a amplitude
entre limites de controlo (como se observa na Fig. 7).

5
Quando se desconhece , pode-se usar o desvio-padro da amostra s ou ento
2
d R .

0
0.2
0.4
0.6
0.8
1
120 130 140 150
parmetro do processo (e.g. mdia)
P
(
n
o
-
d
e
t
e
c
o
)

o
u

Fig. 6 Curva caracterstica de operao (Curva CO) para grficos de controlo por variveis. a
probabilidade de se cometer um erro de tipo II, ou seja, a probabilidade relacionada com a no-rejeio
de uma H
0
falsa, e os parmetros (do processo) podem ser a mdia, a amplitude, etc.

n = 5 n = 15
Fig. 7 Ilustrao da relao entre o tamanho da amostra n e a probabilidade de se cometerem erros de
tipo II (representada pelas reas a cinzento) em grficos de controlo das mdias (com =150 e =25).
Elaborao de Curvas CO para grficos de controlo de p
Considere-se um grfico de p, em que LSC, LIC (ambos para z=3) e LC esto estabelecidos. Se a
proporo mdia de defeituosos se alterasse para
i
p

a Prob{Erro de tipo II} ou dada por:
Pr( | ) Pr( | )
i i i i
p LSC p p LIC p = < (39)
ou ento por,

Pr( | ) Pr( | )
i i i i
x n LSC p x n LIC p = < (40)
em que
i
p a proporo de defeituosos, x
i
o nmero de defeituosos
6
e n o tamanho da
amostra. Mas, como x
i
sempre inteiro, ajustam-se os clculos atravs de:

LSC n r =
1
e de
(
LIC n r =
2

em que

LSC n designa o maior inteiro nLSC (e.g.

4 9 , 4 = ) e
(
LIC n corresponde ao
menor inteiro nLIC (por exemplo,
(
4 2 , 3 = ). Assim, pode calcular-se a probabilidade de no
se detectar uma alterao no processo, , de acordo com:

1 2 1 2
Pr( ) Pr( )
i i
p p x r x r = = (41)
para cada valor de
i
p escolhido arbitrariamente. Na Fig. 9, apresenta-se a Curva CO resultante.

0
0,2
0,4
0,6
0,8
1
0,06 0,16 0,26 0,36 0,46
Fraco no-conformes
P
(
n
o
-
d
e
t
e
c
t
a
r
)

Fig. 8 Curva caracterstica de operao (Curva CO) para grficos de controlo por atributos (neste caso
grficos de p).

Na realidade, as probabilidades de x defeituosos numa amostra cuja proporo mdia de
defeituosas p , p
1
e p
2
, so dadas por:

1
1 1
1
0
(1 )
r
r r x x
x
x
p C p p

=
=
(42)

2
2 2
2
0
(1 )
r
r r x x
x
x
p C p p

=
=
(43).
Os valores de p
1
e p
2
podem obter-se no Excel para Windows atravs da funo
=distrbinom(arg1;arg2;arg3;verdadeiro) em que arg1 r
1
ou r
2
(consoante se esteja

6
Em que x
i
resultado duma v.a. discreta X ~ Binomial(n,p) (vd. Seco Distribuies de probabilidades Binomial e
de Poisson).


a calcular p
1
ou p
2
), arg2 o tamanho da amostra n e arg3
i
p

(a

proporo mdia de
defeituosos escolhida arbitrariamente).
Grficos de controlo (Sumrio)
Os grficos de controlo por variveis (e.g. mdia) ou por atributos (e.g. proporo de
defeituosos), destinam-se a monitorizar processos produtivos ou prestaes de servios.
Permitem avaliar estatisticamente se esse processo est, ou no, sob controlo, ou seja, se se
est a produzir ou prestar um servio com certa e determinada qualidade e dentro de
determinados limites de qualidade (ou especificaes).
Por outro lado, possvel medir a sensibilidade desses grficos de controlo a eventuais
alteraes, inadvertidas ou intencionais, dos parmetros do processo (e.g. mdia, fraco de
defeituosos, etc.). Para esse fim, utilizam-se curvas caractersticas de operao (Curva CO), isto
, diagramas de disperso de versus parmetro do processo. Os clculos subjacentes s Curvas
CO permitem determinar a probabilidade de no-deteco, pelos grficos de controlo actuais,
de modificaes dos parmetros dos processos.
Planos de amostragem para aceitao (PAA)
Introduo
A recepo de matrias-primas, o controlo entre operaes de fabricao ou o controlo final do
produto so momentos do controlo da qualidade. Quando o propsito da inspeco aceitar,
ou rejeitar, um (lote de) produto com base na sua conformidade com um padro ou especificao
usual designar-se o procedimento como amostragem para aceitao. A deciso de aceitar, ou
rejeitar, um lote pode ser baseada em trs tipos de inspeco: Inspeco a 0% (quando a
histria do fornecedor favorvel ou no existe justificao econmica para inspeccionar o
lote); Inspeco a 100% (quando est envolvido um componente extremamente crtico ou o
nico fornecedor entrega matria-prima de qualidade varivel); ou Planos de Amostragem para
Aceitao (que permitem ultrapassar dificuldades dos tipos anteriores).
Assim, os Planos de Amostragem para Aceitao (PAA) so um grupo de metodologias teis
para: 1) Aceitao de matria-prima; 2) Inspeco do produto em certas fases da produo; ou 3)
Inspeco final do produto acabado. Os PAA so utilizados para tomar uma deciso acerca da
aceitao, ou rejeio, de um lote e no para estimar a sua qualidade, e no pretendem controlar,
directamente, a qualidade do produto! Consideraremos dois tipos de PAA: por variveis; e por
atributos.
Os PAA, a formao dos lotes e a seleco da amostra
O modo como o lote constitudo influencia o PAA. Assim, necessrio considerar trs
condies importantes, i.e. os lotes devem ser homogneos, constitudos por elevado nmero de
elementos e devem estar arrumados de modo a facilitar a seleco das unidades da amostra.
Os critrios de seleco da amostra so extremamente importantes para assegurar a validade do
trabalho de inspeco, por isso, os elementos da amostra tm de ser seleccionados
aleatoriamente, por exemplo, atravs de amostragem com critrio aleatrio simples ou

estratificado
7
). Os vcios mais comuns na seleco de amostras so: 1) amostrar sempre a
mesma posio em todas as unidades; 2) conhecer o produto e seleccionar apenas os defeituosos;
3) ignorar partes do lote que so inconvenientes de amostrar; e 4) decidir por um critrio
aleatrio estratificado quando no se sabe se o lote , ou no, homogneo.
Vantagens e desvantagens dos PAA
Quando comparados com a inspeco a 100%, os PAA tm as seguintes vantagens: o custo
inferior (em produto, pessoal, etc.); menor a manipulao do produto; so aplicveis quando a
anlise destrutiva; o erro de inspeco menor; e a rejeio de lotes inteiros em virtude do
nmero de defeituosos motivao para o fornecedor melhorar a qualidade da matria-prima.
Importantes desvantagens dos PAA so necessitar de maior planificao e documentao do que
a inspeco a 100% e existir o risco de aceitar lotes maus (Erro de tipo II) e de rejeitar lotes
bons (Erro de tipo I):

Alternativas verdadeiras
Concluses a partir da
amostra
H
0

(lote "bom")
H
1
(lote "mau")
H
0
(deciso: aceitar o lote)
Concluso correcta!
Erro de tipo II
(probabilidade de ocorrer
ou risco do consumidor)
H
1
(deciso: rejeitar o lote)

Erro de tipo I
(probabilidade de ocorrer ou
risco do produtor)
Concluso correcta!

PAA por atributos
No caso dos planos de amostragem por atributos, pretende-se aceitar (ou rejeitar) um lote com
base na anlise da proporo (ou nmero) de elementos defeituosos relativamente a um valor-
padro. Nestes apontamentos, vamos abordar com maior pormenor os casos em que se usam
planos de amostragem para aceitao (PAA) simples (Fig. 10). Contudo, a extenso deste tpico
para casos de PAA duplos relativamente fcil (Fig. 11).
A implementao dum Plano de Amostragem para Aceitao (PAA) por atributos corresponde
a: 1 Dum lote com N unidades, seleccionar aleatoriamente uma amostra de n elementos; e 2 Se
o nmero de itens defeituosos na amostra x
i
c (nmero de aceitao) pr-estabelecido aceita-se
o lote. Se, pelo contrrio, x
i
> c rejeita-se o lote
8
(Fig. 10).
O nmero de aceitao c est associado ao conceito de nvel de qualidade aceitvel (Acceptable
Quality Level ou AQL, no original em ingls). AQL a proporo mxima de defeituosos

7
O critrio aleatrio estratificado utiliza-se no caso de lotes no-homogneos (quando as unidades do lote resultam
de mquinas ou operadores diferentes, por exemplo).
8
No caso de PAA duplo/mltiplo, considera-se tambm o nmero de rejeio r para alm de c (ver esquema na
pgina seguinte).

aceitvel. Por outro lado, possvel definir o nvel de qualidade limitante (ou Limiting Quality
Level, LQL, em ingls) como a proporo de defeituosos na amostra que no aceitvel
9
e que,
por isso, determina a rejeio do lote pelo PAA. A aceitao, ou rejeio dos lotes est
relacionada com a fraco de defeituosos no lote p e com a probabilidade de aceitao P
a
.

Fig. 9 Esquema dos planos de amostragem por atributos simples.

Fig. 10 Esquema dos planos de amostragem por atributos duplos.

9
Quando expressa em % usualmente referida por Lot Tolerance Percent Defective (LTPD) nos manuais em ingls.

PAA por atributos e a Curva CO ideal
Como vimos anteriormente, as curvas caractersticas de operao (Curvas CO) tambm podem
medir o poder discriminatrio dos PAA relativamente aos lotes que so submetidos a inspeco
(vide pgina 16 e seguintes). A Curva CO ideal numa situao de amostragem para aceitao
seria do gnero daquela ilustrada na Fig. 11. Uma determinada fraco de defeituosos p
0
era
suficiente para distinguir sempre os lotes bons dos lotes maus! Infelizmente, na prtica isso
no acontece! De facto, em virtude de se analisarem amostras (e no os lotes por inteiro) o
sucesso dos PAA depende das probabilidades e , respectivamente!

0
0,2
0,4
0,6
0,8
1
0 0,05 0,1 0,15
Fraco defeituosos (p)
P
r
o
b
a
b
i
l
i
d
a
d
e

d
e

a
c
e
i
t
a
o

(
P
a
)
p
0

Fig. 11 Curva caracterstica de operao (Curva CO) ideal. Todos os lotes com uma fraco de
defeituosos inferior a uma dada proporo p
0
seriam aceites, enquanto os lotes com maior proporo de
defeituosos seriam rejeitados.
Riscos do Produtor e do Consumidor
A probabilidade dum PAA rejeitar um lote bom o Risco do Produtor est associada a
determinado AQL pr-estabelecido. Por outro lado, a probabilidade de se aceitar um lote
mau o Risco do Consumidor
10
est relacionada com LQL.
Podemos calcular aquelas probabilidades atravs de:

AQL A
P
|
1 = (42)

LQL A
P
|
= (43)
em que P
A
a probabilidade de aceitao (associada a AQL ou LQL) e se calcula recorrendo s
probabilidades acumuladas da distribuio binomial (ou de Poisson).
Com o PAA ilustrado na Fig. 12, a probabilidade de se rejeitar um lote com 1% de unidades
defeituosas, um lote "bom", de 1,4%, isto ,
AQL A
P
|
1 = . Por outro lado, o risco de aceitar

10
Alguns autores referem-se a e como risco do fornecedor e risco do comprador respectivamente.

um lote com 10% de itens no-conformes, um lote "mau", de 11,2%, ou seja
LQL A
P
|
= .

0
0,2
0,4
0,6
0,8
1
0 0,05 0,1 0,15 0,2
Fraco no-conformes p
P
r
o
b
a
b
i
l
i
d
a
d
e

d
e

a
c
e
i
t
a
o

(
P
a
)
}
{

Fig. 12 Curva caracterstica de operao (Curva CO) para um plano de amostragem para aceitao por
atributos em que N=2000, n=50, c=2, AQL=0,02 e LQL=0,10.
Elaborao de Curvas CO para PAA por atributos
A elaborao de Curvas CO do tipo B (que consideram processos contnuos e nos quais N>10n)
similar construo de curvas CO para grficos por atributos
11
. A probabilidade de aceitao
P
A
dum lote com x
i
defeituosos pode calcular-se recorrendo distribuio de probabilidades
binomial para valores, escolhidos arbitrariamente, da proporo de defeituosos p. De facto,

= =
c
x
x c x x
c i A
p p C c x P
0
) 1 ( ) Pr( (44)
i.e., P
A
a probabilidade de ocorrerem at c defeituosos numa amostra de n elementos
considerando uma fraco mdia de defeituosos no lote p. No Excel corresponde a usar a
funo =distrbinom(arg1;arg2;arg3;verdadeiro) em que arg1 c, arg2 n e arg3
p.
12

Efeito de n e c sobre PAA por atributos
Ilustra-se na Fig. 13 a influncia do tamanho da amostra n ou do nmero de aceitao c sobre as
Curvas CO e por conseguinte sobre os PAA por atributos quando a dimenso dos lotes N
(constante) muito superior ao tamanho n das amostras.

11
As curvas CO do tipo A elaboram-se para lotes individuais com tamanho finito e recorrem a conceitos
relacionados com a distribuio de probabilidades hipergeomtrica.
12
Nos casos, em que p muito reduzida e/ou N grande, pode-se recorrer distribuio de probabilidades de
Poisson. Assim, sabendo que =np, a probabilidade de aceitar um lote com um nmero x
i
de defeituosos pode-se
obter no Excel atravs de =poisson(arg1;arg2;verdadeiro) em que arg1 x
i
e arg2 np.

0
0.2
0.4
0.6
0.8
1
0 0.1 0.2 0.3
Proporo defeituosos
P
a
c=0
c=1
c=2
c=3
n=50
0
0.2
0.4
0.6
0.8
1
0 0.1 0.2 0.3
Fraco no-conformes
P
a
n=50
n=100
n=200

c=2
Fig. 13 Influncia do nmero de aceitao c ( esquerda para n=50) e do tamanho da amostra n (
direita para c=2) sobre a forma das curvas caractersticas de operao (Curvas CO).
PAA por atributos normalizados
Os planos de amostragem normalizados representam uma diminuio considervel do trabalho
de preparao e estudo das Curvas CO, sob diferentes condies, para adaptao do PAA aos
critrios de qualidade que a empresa pretende seguir.
As caractersticas especficas dum plano de amostragem dependem, em parte, do(s) aspecto(s) da
qualidade que se pretendem considerar, e.g. os planos amostragem para anlise microbiolgica
de alimentos (vd. Apontamentos das disciplinas de Microbiologia de Alimentos e/ou Anlise
Microbiolgica de Alimentos).
Em contexto industrial, os planos desenvolvidos pelo American National Standards Institute e
pela American Society for Quality Control, denominados ANSI/ASQC Z1.4: 2003, American
National Standard Sampling Procedures and Tables for the Inspection by Attributes, so
provavelmente dos mais usados mundialmente (a nvel do processo industrial). Estes planos
podem aplicar-se numa variedade de situaes, como por exemplo, amostragem para aceitao
de matrias-primas, componentes ou do produto final, operaes de manuteno, procedimentos
administrativos, etc.
Os PAA definidos pela norma ANSI/ASQC Z1.4 derivam dos planos de amostragem do Exrcito
Americano, Military Standard 105E (Tabelas MIL-STD), desenvolvidos durante a 2 Guerra
Mundial. Das vrias alteraes quela verso, a de 1971 foi adoptada pelo ANSI como
ANSI/ASQC Z1.4. Esta norma revista regularmente e, em 2003, tomou a forma actual. Em
1974, a International Organization for Standardization (ISO) adoptou a norma ANSI/ASQC
Z1.4 com pequenas alteraes e editou as normas ISO 2859-1: 1989 e ISO 2859-2:1985 (estas
so as verses mais recentes). Enquanto as Tabelas MIL-STD so planos de amostragem, para
aceitar ou rejeitar um lote, as normas ANSI/ASQC Z1.4 e ISO 2859 so sistemas de
amostragem, que providenciam regras para seleco do plano de amostragem mais apropriado
situao em anlise.
ANSI/ASQC Z1.4 e o AQL
A parte mais importante da norma ANSI/ASQC Z1.4: 2003 o AQL Acceptable Quality Level,
i.e., a percentagem mxima de no-conformes que, para o fim de inspeco, pode ser
considerada satisfatria como mdia do processo (normalmente definida no contrato pela
autoridade responsvel!). usual considerarem-se diferentes valores de AQL consoante o grau
de (importncia) da no-conformidade, ou seja, usar: AQL 0,1% para no-conformidades

crticas; AQL = 1% quando as no-conformidades so graves; ou AQL = 2 a 4% se os defeitos
so menos graves.
Implementao de ANSI/ASQC Z1.4
A implementao da norma ANSI/ASQC Z1.4 pode resumir-se nos seguintes passos:
1) Definir AQL;
2) Seleccionar a priori o nvel geral de inspeco: do menos rigoroso (I) ao mais rigoroso (III) (
comum utilizar inicialmente o Nvel II)
13
. A norma ANZI/ASQC Z1.4 recorre a trs nveis gerais
e quatro nveis especiais de inspeco (Fig. 14);
0
0,2
0,4
0,6
0,8
1
0 0,025 0,05 0,075 0,1 0,125 0,15 0,175 0,2
Proporo no-conformes
P
r
o
b
a
b
i
l
i
d
a
d
e

d
e

a
c
e
i
t
a
o

(
P
a
)
Nvel I
Nvel II
Nvel III
II
III
AQL LQL

Fig. 14 Na Norma ANSI/ASQC Z1.4. existem trs nveis gerais de inspeco, Nveis I a III e quatro
nveis especiais de inspeco, S-1 a S-4 (que se aplicam nos casos em que n reduzido). Aqueles
nveis determinam curvas CO diferentes que representam o "rigor" dos planos de amostragem,
nomeadamente para diminuir o "risco de consumidor para um mesmo "risco do produtor" .

3) A partir da dimenso do lote N e do nvel geral de inspeco, determinar o cdigo (Quadro 2);
4) Escolher o tipo de PAA (simples, duplo, mltiplo)
14
;
5) Para o tipo de PAA, cdigo e tipo de inspeco (normal, reforada ou reduzida), identificar o
plano de amostragem, designadamente o tamanho da amostra n e o nmero de aceitao c
(quadros 3 a 5)
15
;
6) Para um PAA simples: dum lote de N unidades, seleccionar uma amostra de n elementos; se

13
Enquanto o nvel geral de inspeco seleccionado a priori, os tipos de inspeco so ditados pelos resultados do
processo de inspeco (ver Regras de alterao entre tipos de inspeco).
14
Nestes apontamentos, apenas vamos considerar os casos que envolvem PAA simples.
15
E, tambm, o n de rejeio r para PAA duplos ou mltiplos.

nessa amostra o n de defeituosos x
i
c aceitar o lote, caso contrrio (x
i
> c) rejeitar o lote
16
. O
tipo de inspeco varia ao longo do tempo em resposta aos resultados da aplicao do PAA
(ver mais frente).

Quadro 2 Cdigos a utilizar nas tabelas MIL-STD 105E (quadros seguintes) em funo da dimenso do
lote e nvel de inspeco. As normas ANSI/ASQC Z1.4 e ISO 2859 tambm utilizam estes quadros.
I II III S-1 S-2 S-3 S-4
2 a 8 A A B A A A A
9 a 15 A B C A A A A
16 a 25 B C D A A B B
26 a 50 C D E A B B C
51 a 90 C E F B B C C
91 a 150 D F G B B C D
151 a 280 E G H B C D E
281 a 500 F H J B C D E
501 a 1200 G J K C C E F
1201 a 3200 H K L C D E G
3201 a 10000 J L M C D F G
10001 a 35000 K M N C D F H
35001 a 150000 L N P D E G J
150001 a 500000 M P Q D E G J
500001 e mais N Q R D E H K
Dimenso do lote N
Nveis gerais de inspeco Nveis especiais de inspeco

Regras de alterao entre tipos de inspeco (ANSI/ASQC Z1.4)
No diagrama da Fig. 15, as setas indicam as possveis alteraes no tipo de inspeco a aplicar e
que derivam dos resultados do processo de inspeco.

Iniciar

Inspeco
reduzida

Inspeco
normal

Inspeco
reforada

Se 10 lotes

consecutivos

no - rejeitados

Suspender inspeco!

5 lotes consecutivos

aceites

1 lote rejeitado

10 lotes consecutivos

aceites

2 de 5 lotes cons ecutivos

rejeitados

Fig. 15 Diagrama das principais regras de alterao entre tipos de inspeco quando se utiliza a
normal ANSI/ASQC Z1.4 (ou ISO 2859-1/2).

16
Por outro lado, para PAA duplos, se na 1 amostra c < x
i
< r, seleccionar "nova amostra" e se novamente nesta
amostra c < x
i
< r, aceitar o lote mas no prximo lote "aumentar" nvel de inspeco!




PAA por variveis
Os PAA por variveis so usados quando interessa decidir acerca da aceitao (ou rejeio) de
um lote com base em caracterstica(s) da qualidade mensurvel(is) (isto , considerando uma
varivel). Pressupem que a distribuio de probabilidades da varivel conhecida (por
exemplo, distribuio de probabilidades normal).
Existem PAA por variveis de dois tipos: de TIPO I, que relacionando a mdia da amostra x , o
desvio-padro e a fraco de no-conformes p permitem decidir sobre a aceitao, ou rejeio,
dum lote; e de TIPO II, que consideram directamente os parmetros do processo, por exemplo
a mdia x , para decidir sobre a aceitao de um lote (teis para decidir sobre lote com base na
qualidade mdia).
Para os PAA por variveis recordem-se, ainda, os conceitos de Risco do produtor, , de
Acceptable Quality Level (AQL), de Risco do consumidor () e de Limiting Quality Level
(LQL) referidos a propsito dos PAA por atributos e das Curvas CO.
Vantagens/Desvantagens dos PAA por variveis
Entre as vantagens destes planos relativamente aos PAA por atributos, salientem-se: 1)
necessitam de amostras de tamanho menor (para nveis comparveis de , AQL, e LQL); 2)
providenciam mais informao (relativamente ao grau de no-conformidade); e 3) so mais
teis para a optimizao do processo.
As desvantagens relativamente aos PAA por atributos so: 1) cada caracterstica requer um PAA
distinto; 2) os custos administrativos e de inspeco so geralmente superiores; e 3) necessrio
conhecer (ou estimar) a distribuio da varivel no processo.
PAA por variveis de TIPO II
Elaborao e Implementao de PAA para especificao nica
Num dado processo, sabe-se que ) , ( n N X e conhece-se a variabilidade da varivel
(caracterstica da qualidade mensurvel). Os parmetros dum plano de amostragem (simples)
deste tipo so o tamanho da amostra n e o limite de aceitao
A
X (inferior ou superior). Assim,
dum lote com N unidades, selecciona-se aleatoriamente uma amostra de n elementos e para esses
elementos obtm-se a mdia da amostra x da varivel. No caso de se estabelecer um limite de
aceitao inferior (
AI
X ), se
AI
X x < ento rejeita-se o lote; pelo contrrio, se
AI
X x , aceita-se
o lote (o inverso se decidia para um limite superior
AS
X em vez de
AI
X ).
De facto, deseja-se aceitar lotes de boa qualidade mdia
1
X com probabilidade 1 e aceitar
lotes de m qualidade mdia
2
X com probabilidade [ou seja, a Curva CO deste plano dever
passar pelos pontos (
1
X , 1 ) e (
2
X , ), ver Fig. 17]. Recorrendo distribuio normal
reduzida podemos obter os valores de Z correspondentes s probabilidades pretendidas:

|
|
\
|

=
n
X X
Z
A
1
(46)


|
|
\
|

=
n
X X
Z
A
2
(47)
Resolvendo simultaneamente ambas as equaes, obtm-se o tamanho da amostra n
arredondando por excesso ao inteiro mais prximo o resultado dado por:

2
2 1
) (
(
=
X X
Z Z
n

(48)
Substituindo esta expresso numa das anteriores, temos que o limite de aceitao dado por:

Z Z
X Z X Z
X
A
=
2 1
(49)

Fig. 16 Curva caracterstica de operao (Curva CO) para planos de amostragem por variveis de tipo
II com especificao nica (neste caso limite superior).

Assim, o PAA a implementar dever ser: 1) Obter amostra aleatria de n elementos; 2) Calcular
a

mdia da amostra x ; 3) A consequente deciso sobre o destino do lote depende de
A
X ser o
limite inferior ou superior de especificao. Se
2 1
X X > , ento limite superior e, por isso,
utiliza-se Z
e Z
e se
A
x X > rejeita-se o lote. Pelo contrrio, se
2 1
X X < , ento limite
inferior e, por isso, considera-se Z
e Z
e a regra de deciso ser: se

A
x X < rejeita-se o lote
(Fig. 17). Os valores absolutos de Z
e de Z
podem obter-se no Excel usando

=ABS(INV.NORMP(arg)), em que arg so ou , respectivamente.
Elaborao e Implementao de PAA para dupla especificao
Sabe-se que ) , ( n N X , conhece-se do processo e os parmetros de um plano deste tipo
(simples) sero o tamanho da amostra n e os limites de aceitao inferior
AI
X e superior
AS
X .
De um lote com N unidades, selecciona-se aleatoriamente uma amostra de n elementos. Se
AI
X x
AS
X ento aceita-se o lote; caso contrrio, rejeita-se o lote.


Fig. 17 Ilustrao dos conceitos usados num plano de amostragem para aceitao (PAA) por variveis
de tipo II e com uma nica especificao (neste caso, ilustra-se uma situao que envolve um limite
inferior). A linha tracejada vertical limita uma zona de aceitao ( direita da linha, i.e. para
AI
X X > ) e
duas reas que correspondem s probabilidades e ("condies iniciais" relativamente aos riscos do
produtor e do consumidor, respectivamente).

Neste contexto, pretende-se aceitar lotes de boa qualidade mdia
1
X com probabilidade 1
e aceitar lotes em que a m qualidade mdia inferior a
I
X
2
ou superior a
S
X
2
com
probabilidade [a Curva CO deste plano dever passar pelos pontos (
1
X ,1 ), (
I
X
2
, ) e
(
S
X
2
,

)]. Admitindo-se que x se distribui normalmente e que
1
X o ponto intermdio entre
I
X
2
e
S
X
2
, podem obter-se as seguintes equaes:

|
|
\
|

=
n
X X
Z
AS
1
2
(50)

|
|
\
|

=
n
X X
Z
AI
1
2
(51)

|
|
\
|

=
n
X X
Z
I AI
2
(52)

|
|
\
|

=
n
X X
Z
S AS
2
(53)
que resolvidas (simultaneamente) permitem obter os parmetros deste PAA (n e
AI
X e
AS
X ). Os
valores absolutos de Z
/2
e Z
podem obter-se usando =ABS(INV.NORMP(arg)) no Excel,

em que arg
/2
ou , respectivamente. A Fig. 18 ilustra os clculos apresentados acima.



Fig. 18 Ilustrao dos conceitos envolvidos num PAA por variveis de tipo II e dupla especificao (ver
legenda da figura anterior).
PAA por variveis de TIPO I
Estes PAA pressupem que a varivel se distribui normalmente, ou seja, se X N (,), e
resultam da interligao entre a qualidade mdia desejada no lote , a informao que se
obtm a partir da mdia duma amostra x desse lote e a fraco aceitvel de defeituosos p no
lote. Estes PAA esto na base da Norma ANSI/ASQC Z1.9. Por exemplo, no caso de um limite
inferior a relao entre p, e est ilustrada na Fig. 19.

Fig. 19 Ilustrao da relao entre a qualidade mdia (), a variabilidade () da varivel X (relacionada
com a forma da curva) e a proporo de defeituosos no lote (p), a rea esquerda de L.

Por outras palavras, o limite inferior L define uma rea (probabilidade) p que corresponde
fraco de no-conformes aceitvel. Comparando a mdia da amostra x com aquele limite
possvel decidir aceitar, ou rejeitar, um determinado lote.
Estes PAA por variveis podem obter-se atravs de duas formas ou procedimentos: Mtodo-k; ou
Mtodo-M.

Mtodo-k
Utilizam-se nos casos em que se estabelece apenas um limite, ou superior U ou inferior L. Seja
v.a. X N (,). Deseja-se aceitar lotes de boa qualidade (i.e. com proporo de defeituosos
p
1
) com probabilidade 1 e aceitar lotes de m qualidade (i.e. com p
2
) com probabilidade .
A Curva CO deste plano dever passar pelos pontos (p
1
, 1 ) e (p
2
, ).
Recorrendo ao nomograma (Fig. 20) pode obter-se, com facilidade mas de forma aproximada
(veja-se a verso matemtica mais frente), o tamanho da amostra n e o valor crtico k da
proporo de defeituosos p. Para tal, desenhar no nomograma as linhas que unem os pontos p
1
e
p
2
no eixo esquerda com os pontos 1 e no eixo direita, respectivamente. A interseco
permite obter k e n (que se l no eixo em baixo ou em cima, consoante se conhea, ou no, o
desvio-padro )
17
.
Ento, para uma amostra de tamanho n do lote em apreciao com mdia x , calcular Z
L
ou Z
U
:

L x
Z
L
= (54)

x U
Z
U
= (55)
consoante o limite de especificao pretendido seja inferior (Z
L
) ou superior (Z
U
) (a distribuio
normal reduzida Z deriva da distribuio normal e quanto maior Z, menor p).
Do lote em apreciao seleccionar uma amostra aleatria de n elementos. Nessa amostra,
calcular Z
L
ou Z
U
a partir da mdia x de valores da varivel (caracterstica da qualidade). Se Z
k, aceitar o lote (i.e. a mdia suficientemente distante do limite de especificao para
assegurar que a proporo de defeituosos p do lote satisfatria); caso contrrio rejeitar o lote.
Matematicamente, para AQL (p
1
), LQL (p
2
), risco do produtor () e risco do consumidor ()
determinados, os parmetros k e n dum PAA (de tipo I) obtm-se, considerando os valores
absolutos de z
i
(que se podem obter no Excel com =ABS(INV.NORMP(arg) vd. pg.
anterior) e conhecido, atravs de:

Z Z
Z Z Z Z
k
P P
+
+
=
1 2
(56)

2
2 1
|
|
\
|
+
=
P P
Z Z
Z Z
n

(57)
No caso de no se conhecer o desvio-padro , ento o tamanho da amostra n calcula-se usando:

|
|
\
|
+
|
|
\
|
+
=
2
1
2
2
2 1
k
Z Z
Z Z
n
P P

(58)
Os resultados para n devem ser arredondados, por excesso, ao nmero inteiro mais prximo. Na
Fig. 21 ilustra-se a relao entre a probabilidade de aceitao P
A
, Z
L
e k.

17
Quando desconhecido seguir curva de k at topo do grfico; caso contrrio, desenhar linha recta vertical do
ponto k at base. Se desconhecido, pode ser substitudo por s (desvio-padro da amostra, calculado com
denominador n 1) nas equaes apresentadas para obter Z
L
e Z
U
sem prejuzo de maior no rigor dos resultados.


Fig. 20 Nomograma para obteno do tamanho da amostra n e do valor crtico k a partir das
probabilidades p
1
, p
2
, e previamente estabelecidas (adaptado de Montegomery, 2005).
Mtodo-M
Este mtodo pode usar-se nos casos com especificao nica (apenas um limite) ou dupla
especificao (quando esto envolvidos dois limites).
Nas condies enunciadas anteriormente, obtm-se um PAA simples de parmetros n e M da
seguinte forma: de modo similar ao descrito para o Mtodo-k, obtm-se n e k a partir do
nomograma (Fig. 20) ou atravs das equaes (56) a (58); depois determina-se, da Fig. 22, a
proporo mxima permitida de defeituosos M, da interseco da curva para n com a recta
vertical de abcissa igual a:

|
|
\
|
=
1
1
2
1
'
n
n k
k (59)
Tambm se pode calcular M considerando que ( ) ) 1 ( Pr > = n n k Z M , o que atravs do

Excel para Windows se obtm atravs de =1-DIST.NORMP(arg), em que arg o resultado
de ) 1 ( n n k .

Fig. 21 Ilustrao dos princpios-base do mtodo-k de obteno de PAA por variveis. Na prtica, o
mtodo utiliza uma transformao de varivel (reduo de X em Z) para a obteno de n e k. Legenda:
P
A
Probabilidade de aceitao dum lote (tendo em considerao as condies pretendidas AQL, LQL,
e ); Z
L
varivel que se obtm de x ; e k que se calcula com a equao 56 ou se obtm da Fig. 21.

Fig. 22 Grfico que permite obter a proporo mxima admitida de defeituosos na amostra, M, a partir
do tamanho da amostra n (curvas na figura) e da abcissa k (ver texto para mais detalhes) (adaptado de
Montegomery, 2005).

Ento, para uma amostra (do lote em apreciao) de tamanho n e mdia

x , calcular Z
L
e/ou Z
U

de acordo com as equaes (54) ou (55) consoante o limite de especificao pretendido seja
inferior (Z
L
), superior (Z
U
), ou ambos. Obter, a partir da Fig. 23, os valores aproximados de
L
p
e/ou
U
p (a proporo estimada de produtos defeituosos na amostra). Doutro modo, possvel
calcular
L
p e
U
p atravs de
) ) 1 ( Pr( > = n n Z Z p
L L
(60)
) ) 1 ( Pr( > = n n Z Z p
U U
(61)
Estas probabilidades (propores) podem obter-se no Excel para Windows atravs de =1-
DIST.NORMP(arg), em que arg ) 1 ( n n Z
L
ou ) 1 ( n n Z
U
, respectivamente.
Sendo assim, do lote em apreciao seleccionar uma amostra aleatria de n elementos. Nessa
amostra, calcular Z
L
e/ou Z
U
a partir da mdia x

de valores da varivel (caracterstica da
qualidade) e dos valores de Z
L
e/ou Z
U
determinar as propores
L
p e/ou
U
p .
Se se considerar apenas um limite, ento rejeitar o lote sob inspeco se
L
p ou
U
p > M. Caso
contrrio, aceitar o lote. No caso de dupla especificao, rejeitar o lote se (
L
p +
U
p ) > M. Pelo
contrrio, se (
L
p +
U
p ) M ento aceitar o lote.

Fig. 23 Grfico que permite obter o valor aproximado da proporo estimada de produtos defeituosos
na amostra, p , para combinaes de Z (curvas na figura) e n (abcissas) (adapt.de Montegomery, 2005).
PAA por variveis normalizados
A norma ANSI/ASQC Z1.9: 2003, constitui a verso civil dos Military Standards 414 (Tabelas
MIL-STD 414) desenvolvidas pelo exrcito americano em 1957 e que, entretanto, foram
adoptadas internacionalmente como ISO 3951: 1999. O sistema de amostragem ANSI/ASQC
Z1.9 difere daquelas tabelas militares em alguns aspectos, designadamente nas categorias dos

lotes, nveis de inspeco
18
e Curvas CO, para se conformar com as caractersticas da norma
ANSI/ASQC Z1.4 (ou MIL-STD 105E) de utilizao comum. Uma parte importante desta norma
tambm o AQL.
Implementao de ANSI/ASQC Z1.9
A definio do PAA por variveis a partir da norma ANSI/ASQC Z1.9 similar descrita para
os planos derivados de ANSI/ASQC Z1.4. Contudo os parmetros dos PAA por variveis so o
tamanho da amostra n e o valor crtico k ou a fraco de no-conformes mxima aceitvel
M. A organizao (e implementao) dos planos MIL-STD 414 (que esto na base da norma
ANSI/ASQC Z1.9) est representada na Fig. 24.
Os Quadros 6 e 7, de utilizao similar apresentada para a norma ANSI/ASQC Z1.4, permitem
obter os PAA para lotes de dimenso N e tomando em considerao o AQL pretendido.

Variabilidade Variabilidade Variabilidade
desconhecida desconhecida conhecida
(mtodo desvio-padro) (mtodo da amplitude)
Especificao nica Dupla especificao
Procedimento 1 Procedimento 2 Procedimento 2
(Mtodo-k ) (Mtodo-M) (Mtodo-M)

Fig. 24 Organizao dos planos de amostragem MIL-STD 414.

Neste contexto, obter do Quadro 6 o cdigo a partir da dimenso do lote e do nvel de inspeco
(S3, S4 e I a III). No Quadro 7, conjugar aquele cdigo com o AQL
19
pretendido e determinar n,
o tamanho da amostra, e k, a proporo crtica de defeituosos. Ento, para uma amostra do lote
de n elementos com mdia x , calcular Z
L
ou Z
U
(consoante se trate dum limite inferior ou
superior,

respectivamente). Se Z k aceitar o lote. Caso contrrio, ou seja, Z < k, rejeitar o lote.
A aceitabilidade, ou no, dum lote pode ser decidida de outro modo. No caso de especificao
nica, um lote satisfaz o critrio de aceitabilidade se ) ( max s k x ou ) ( min s k x + , em que
x a mdia amostral, max e min correspondem a um valor mximo ou mnimo,
respectivamente, da varivel em apreciao, k se obtm do Quadro 7 (para um dado AQL e do
nvel de inspeco) e s o desvio-padro amostral das determinaes na amostra. Por outro lado,
em caso de requisito duplo, o lote aceite se ) ( max s k x e ) ( min s k x + .

18
Os nveis de inspeco originais em MIL-STD 414 (de I a V) foram revistos para se equivalerem aos nveis
indicados pela norma ANSI/ASQC Z1.4 (ou seja, passaram a designar-se S3, S4, I, II e III, respectivamente). Foram
adoptadas as regras de alterao entre tipos de inspeco definidas para a norma ANSI/ASQC Z1.4.
19
Se, porventura, o AQL pretendido no constar do quadro a norma inclui um quadro para a respectiva converso.

A norma ANSI/ASQC Z1.9 inclui ainda tabelas para a determinao de M (que no se
apresentam aqui) e, por conseguinte, permite a utilizao do Mtodo-M para especificar PAA
para situaes com dupla especificao.

Quadro 6 Cdigos a usar nas Tabelas MIL-STD 414 (quadro seguinte) em funo da dimenso do lote
e nvel (especial, S3 e S4, e geral, I a III) de inspeco. No havendo outras indicaes (contratuais,
legais, etc.) usar nvel geral II (adaptado de Mitra, 1993 e Ramos Pires, 2004).
Nveis de inspeco
Dimenso do lote S3 S4 I II III
2 a 8 B B B B C
9 a 15 B B B B D
16 a 25 B B B C E
26 a 50 B B C D F
51 a 90 B B D E G
91 a 150 B C E F H
131 a 280 B D F G I
281 a 400 C E G H J
401 a 500 C E G I J
501 a 1200 D F H J K
1201 a 3200 E G I K L
3201 a 10000 F H J L M
10001 a 35000 G I K M N
35001 a 150000 H J L N P
150001 a 500000 H K M P P
500001 e acima H K N P P

Quadro 7 Valores crticos k em funo do tamanho da amostra n e de AQL (em %) para inspeco de
tipo normal (ver a partir do topo) e de tipo reforada (ver a partir da base) de lotes para aceitao, em
casos com uma nica especificao (adaptado de Montgomery, 1985).
0,040 0,065 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10,00 15,00
Cdigo n k k k k k k k k k k k k k k
B 3 1,12 0,958 0,765 0,566 0,341
C 4 1,45 1,34 1,17 1,01 0,814 0,617 0,393
D 5 1,65 1,53 1,40 1,24 1,07 0,874 0,675 0,455
E 7 2,00 1,88 1,75 1,62 1,50 1,33 1,15 0,955 0,755 0,536
F 10 2,24 2,11 1,98 1,84 1,72 1,58 1,41 1,23 1,03 0,828 0,611
G 15 2,64 2,53 2,42 2,32 2,20 20,60 1,91 1,79 1,65 1,47 1,30 1,09 0,886 0,664
H 20 2,69 2,58 2,47 2,36 2,24 2,11 1,96 1,82 1,69 1,51 1,33 1,12 0,917 0,695
I 25 2,72 2,61 2,50 2,40 2,26 2,14 1,98 1,85 1,72 1,53 1,35 1,14 0,936 0,712
J 30 2,73 2,61 2,51 2,41 2,28 2,15 2,00 1,86 1,73 1,55 1,36 1,15 0,946 0,723
K 35 2,77 2,65 2,54 2,45 2,31 2,18 2,03 1,89 1,76 1,57 1,39 1,18 0,969 0,745
L 40 2,77 2,66 2,55 2,44 2,31 2,18 2,03 1,89 1,76 1,58 1,39 1,18 0,971 0,746
M 50 2,83 2,71 2,60 2,50 2,35 2,22 2,08 1,93 1,80 1,61 1,42 1,21 1,00 0,774
N 75 2,90 2,77 2,66 2,55 2,41 2,27 2,12 1,98 1,84 1,65 1,46 1,24 1,03 0,804
P 100 2,92 2,80 2,69 2,58 2,43 2,29 2,14 2,00 1,86 1,67 1,48 1,26 1,05 0,819
O 150 2,96 2,84 2,73 2,61 2,47 2,33 2,18 2,03 1,89 1,70 1,51 1,29 1,07 0,841
Q 200 2,97 2,85 2,73 2,62 2,47 2,33 2,18 2,04 1,89 1,70 1,51 1,29 1,07 0,845
0,065 0,10 0,15 0,25 0,40 0,65 1,00 1,50 2,50 4,00 6,50 10,00 15,00
Nvel de Qualidade Aceitvel para inspeco reforada (AQL, %)
Nvel de Qualidade Aceitvel para inspeco normal (AQL, %)


Planos de Amostragem para Aceitao (Sumrio)
Os Planos de Amostragem para Aceitao (PAA), que constituem um conjunto de metodologias
de Controlo Estatstico da Qualidade, permitem decidir sobre a aceitao, ou no, de um lote (de
matria-prima, por exemplo) com base na inspeco (e anlise estatstica) de amostra(s). Da
inspeco de lotes com base em PAA por atributos (e.g. para a proporo de defeituosos) ou por
variveis (e.g. para a mdia) possvel decidir se a fraco de no-conformes em determinado
lote , ou no, aceitvel ou, ento, se a qualidade mdia de determinada caracterstica do lote
superior, e/ou inferior, ao limite especificado previamente.
possvel, avaliar o poder discriminatrio dos PAA atravs de curvas CO, considerando os
parmetros AQL e LQL, e os riscos do produtor e do consumidor". Contudo, existem planos
normalizados que substituem a preparao e estudo das curvas CO para cada PAA, facilitando o
estabelecimento de um plano de amostragem apropriado.
Bibliografia
20

Duret, D. & Pillet, M. (2009) Qualidade na produo. Da ISO 9000 ao Seis Sigma. LIDEL
Edies Tcnicas Lda., Lisboa (ND).
Esteves, E. (2004) Controlo estatstico da qualidade de produtos alimentares: grficos de
controlo. Tecnoviso, Revista de Divulgao Tecnolgica, 16: 20-23
Esteves, E. (2005) Controlo estatstico da qualidade de produtos alimentares: planos de
amostragem para a aceitao. Tecnoviso, Revista de Divulgao Tecnolgica, 17: 13-17
Fey, R. & Gigue, J.M. (1983) Princpios da gesto da qualidade. Fundao Calouste
Gulbenkian, Lisboa.
ISO (1989) ISO standards handbook 3. Statistical methods. 3rd Edition, International
Organization for Standardization, Switzerland.
Juran, J.M. & Gryna, F.M. (1991) Controle da qualidade: componentes bsicos da funo
qualidade. Volumes I IX. McGraw-Hill/Makron, So Paulo.
Juran, J.M.; Gryna, F.M. & Bingham Jr., R.S. (1959) Quality Control Handbook. 3rd Edition,
McGraw-Hill Book Co., NY.
Mitra, A. (1993) Fundamentals of quality control and improvement. Macmillan Publishing
Company, USA.
Montegomery, D.C. (2005) Introduction to statistical quality control. 5th Edition, John Wiley &
Sons, New York.
Ramos Pires; S. (2004) Qualidade. Sistemas de Gesto da Qualidade. 3 Edio, Edies Slabo
Lda., Lisboa.
Rivera Vilas, L.M. (1995) Gestion de la calidad agroalimentaria. Ediciones Mundi-Prensa & A.
Madrid Vicente, Ediciones, Mxico & Madrid.

20
Disponvel na Biblioteca Central do Campus da Penha, Universidade do Algarve, Faro (salvo outra indicao).

Exerccios

Capitulo I Grficos de controlo por variveis (grficos de x e de R)

1. A experincia de vrios anos de laborao de uma fbrica permite afirmar que os pontos de
fuso de uma determinada substncia tm uma distribuio normal com =335 C e =21 C. Da
produo diria retirada uma amostra de n=9 elementos e determinados os pontos de fuso de
cada um dos elementos da amostra. As mdias das amostras dos ltimos 28 dias de laborao da
fbrica so as seguintes:
Dia x Dia x Dia x Dia x
1 340 8 339 15 334 22 345
2 328 9 336 16 310 23 330
3 342 10 317 17 325 24 332
4 335 11 337 18 338 25 351
5 351 12 350 19 326 26 344
6 340 13 339 20 328 27 328
7 323 14 355 21 340 28 333
a) Construa um grfico de controlo da mdia, que inclua os valores da linha central (LC) e dos
limites superior e inferior de controlo (LSC e LIC, respectivamente) para z=1, 2 e 3 desvios-
padro.
b) Represente cada mdia por um ponto no grfico anterior. Identifique pontos que indiciem que
o processo est fora-de-controlo.
c) Um trabalhador da fbrica sugeriu que se poupava tempo se as mdias dirias fossem
representadas no grfico apenas uma vez por semana e que nessa altura se verificariam quais os
pontos que durante a semana tinham ficado fora de controlo. Qual a sua opinio sobre esta
sugesto do trabalhador?

2. Para um determinado processo de embalagem de salsichas, sabe-se, da experincia passada,
que o comprimento das embalagens tem uma distribuio normal com =280 mm e =2 mm. O
processo monitorizado de hora a hora, retirando-se amostras aleatrias de 4 elementos e
representado as mdias das amostras num grfico de controlo.
a) Construa um grfico de controlo do processo, indicando os valores da LC, e de LSC e LIC
para z=1, 2 e 3.
b) Os valores de comprimento (em mm) das amostras retiradas aleatoriamente na primeira hora
de laborao da fbrica esto includos na tabela seguinte:
Amostra 1 279,3 280,1 279,4 281,0
Amostra 2 280,2 277,5 282,4 280,5
Amostra 3 277,0 278,6 280,3 278,5
Amostra 4 277,6 279,2 277,3 280,4
Amostra 5 275,8 274,7 277,9 276,0
Calcule e represente as mdias das amostras num grfico de controlo. Algum dos valores
calculados est fora-de-controlo em relao mdia do processo? Comente.

3. Numa determinada fbrica, os pesos da pasta de peixe por lata distribuem-se normalmente
com =1,5 g. Os pesos mdios por lata tm uma variao maior quando se ligam as mquinas,
mas esta variao tende a diminuir ao longo do processo. O peso mdio desejvel de =375 g.
Durante o enchimento das latas, em cada hora so seleccionadas aleatoriamente seis latas, o peso
do produto registado e calculada a mdia de cada amostra.
a) Construa o grfico de controlo para a mdia do peso de pasta por lata, utilizando z=1, 2 e 3
desvios-padro para os limites de controlo. Indique no grfico os valores da LC e dos limites
LSC e LIC:
b) As mdias das amostras correspondentes ao intervalo entre a 25 e 32 hora de laborao
foram as seguintes:
Hora 25 26 27 28 29 30 31 32
x (em g) 374,2 375,1 374,9 376,3 376,2 376,6 376,7 377,2

Represente estas mdias no grfico de controlo. O processo est sob controlo no perodo
amostrado? O grfico d outras informaes sobre o processo? Explique.
c) Se se decidir aumentar o tamanho da amostra para n=12, as concluses retiradas na alnea
anterior seriam diferentes? Explique.

4. Numa fbrica de compotas necessrio que o produto no encha totalmente os frascos porque,
durante a colocao automtica da tampa, parte do produto pode verter. De experincias
anteriores, um espao de 5,4 a 5,5 mm parece ser ideal. As mquinas de enchimento foram
calibradas de modo a que esta especificao fosse cumprida. Com base nas 13 amostras de n=4
elementos apresentadas a seguir, calcule LC, LSC e LIC de um grfico de x . Analise o grfico
obtido.
Amostra 1 5,35 5,30 5,75 5,55
Amostra 2 5,55 5,35 5,48 5,75
Amostra 3 5,47 5,25 5,45 5,50
Amostra 4 5,40 5,37 5,65 5,60
Amostra 5 5,85 5,55 5,65 5,75
Amostra 6 5,50 5,63 5,35 5,40
Amostra 7 5,35 5,65 5,50 5,25
Amostra 8 5,30 5,60 5,25 5,45
Amostra 9 5,35 5,69 5,50 5,72
Amostra 10 5,20 5,05 5,35 5,38
Amostra 11 5,30 5,45 5,45 5,40
Amostra 12 5,20 5,52 5,55 5,47
Amostra 13 5,52 5,25 5,55 5,30

5. Com os dados do exerccio 4 construa um grfico de R. Analise o grfico obtido.

6. Numa linha de produo de azeitonas de conserva, pretende-se instalar o controlo
microbiolgico. Para o efeito, foram retiradas de 20 em 20 minutos, 16 amostras de tamanho
n=5. A contagem da flora mesfila total foi feita em placas de agar, tendo-se encontrado o
nmero de colnias (10
2
) indicado na tabela seguinte:


Amostra 1 5 5 3 6 4 Amostra 9 10 7 9 12 9
Amostra 2 7 5 6 4 7 Amostra 10 5 4 2 4 3
Amostra 3 4 6 5 8 6 Amostra 11 6 8 5 4 6
Amostra 4 8 7 8 4 6 Amostra 12 7 6 10 5 7
Amostra 5 6 8 6 4 2 Amostra 13 4 6 7 5 8
Amostra 6 5 5 8 0 0 Amostra 14 7 9 6 7 8
Amostra 7 7 9 6 0 5 Amostra 15 8 6 6 7 8
Amostra 8 8 6 4 6 5 Amostra 16 7 9 6 10 7

a) Com os dados da tabela, construa grficos de controlo de mdias e amplitudes. Qual lhe
parece mais utilizvel na situao considerada?
b) No grfico que considera mais adequado, como interpreta os valores encontrados?

7. Pretende-se estabelecer grficos de controlo de mdias e amplitudes para controlar o peso de
embalagens de feijo congelado. As embalagens devem pesar cerca de 400 g, mas no se
conhecem as especificaes exactas. Recolheram-se 10 amostras preliminares do seguinte modo:
durante a fase de enchimento, retiraram-se e pesaram-se 5 embalagens consecutivas; tendo-se
repetido esta recolha de
1
/
2
em
1
/
2
hora. Na tabela seguinte esto includos os resultados obtidos:
#1 #2 #3 #4 #5 #6 #7 #8 #9 #10
410 400 400 400 400 350 390 400 420 400
400 380 390 410 410 370 400 410 420 410
400 390 410 410 400 400 430 400 420 410
410 400 410 400 410 380 420 390 410 400
430 420 390 400 340 360 400 430 420 380

a) Com os valores obtidos nas 10 amostras estabelea as especificaes para o peso das
embalagens.
b) Construa e analise os grficos de controlo das mdias e das amplitudes.

Captulo II Grficos de controlo por atributos (grficos de p e de np)

1. Numa determinada fbrica, o sumo de laranja empacotado em cartes. Estas embalagens so
obtidas numa mquina fazendo rodar um rolo de carto e ajustando um fundo de metal ao carto
enrolado. Por inspeco das embalagens j prontas possvel determinar se o fundo est bem
ajustado ao carto e se as margens deste ficaram bem coladas. Esta inspeco fundamental
porque o nico modo de prevenir que durante o enchimento dos cartes o lquido no verta, o
que acontecer se, por acaso, as colagens das embalagens no ficarem bem feitas.
Para atingir este objectivo realizada uma amostragem para monitorizar o nmero de cartes
no-conformes que so produzidos diariamente. Assim, em cada dia so retiradas,
aleatoriamente, amostras de n=50 cartes, de meia em meia hora, e os cartes so classificados
em conformes e no-conformes. Um total de 30 amostras seleccionado por dia.

a) Construa o grfico de p (da fraco de no-conformes) com os dados da tabela seguinte e
verifique se o processo est sob controlo.
Amostra n Cartes no-conformes Amostra n Cartes no-conformes
1 12 16 8
2 15 17 10
3 8 18 5
4 10 19 13
5 4 20 11
6 7 21 20
7 16 22 18
8 9 23 24
9 14 24 15
10 10 25 9
11 5 26 12
12 6 27 7
13 17 28 13
14 12 29 9
15 22 30 6

b) Depois de se obter o grfico, tentou-se averiguar a razo para as amostras #15 e #23 estarem
fora-de-controlo, concluindo-se que na meia hora antes da amostra #15 ter sido retirada tinha
havido uma substituio do rolo de carto e que no intervalo de tempo em que se recolheram as
amostras #21, #22 e #23 tinha havido uma substituio temporria dum operrio no controlo da
mquina. Elabore um novo grfico de p, excluindo os valores referentes s amostras #15, #21,
#22 e #23. Comente os resultados obtidos.

c) Ao engenheiro mecnico responsvel pelo equipamento da fbrica foi-lhe solicitado, pelo
director de produo, que fizesse ajustamentos na mquina de modo a tentar diminuir a
proporo de defeituosos. Depois desses ajustamentos, foram retiradas 24 amostras de n=50
cartes e o n de no-conformes contado em cada amostra. A tabela seguinte resume os
resultados obtidos. Construa um grfico de p com os limites utilizados na alnea b) e comente os
resultados.
Amostra n Cartes no-conformes Amostra n Cartes no-conformes
1 9 13 3
2 6 14 6
3 12 15 5
4 5 16 4
5 6 17 8
6 4 18 5
7 5 19 6
8 3 20 7
9 7 21 5
10 6 22 6
11 2 23 3
12 4 24 4


d) Construa um novo grfico de p com as especificaes calculadas com base nos dados das
amostras retiradas depois do ajustamento da mquina. Comente os resultados.
2. Repita a alnea d) do problema anterior mas utilizando grficos de np. Compare e comente os
resultados obtidos nos dois tipos de grficos.

3. Numa fbrica de enlatamento de sardinha, pretende-se controlar o nmero de latas mal
cravadas utilizando grficos de controlo por atributos. Com esse objectivo, foi retirada
diariamente uma amostra de tamanho n=100 durante 10 dias consecutivos. Os dados obtidos
esto includos na tabela seguinte:
Dia 1 2 3 4 5 6 7 8 9 10
N defeituosos 3 2 6 2 7 2 1 2 0 5

Estabelea um grfico de controlo para o processo de cravao de latas e comente os resultados.

4. Numa determinada fbrica, as garrafas de plstico de sumo de fruta devem conter um certo
volume de lquido. Garrafas com volumes superiores a um dado valor so consideradas no-
conformes. O processo controlado com grficos de np, utilizando amostras de tamanho n=100
e uma linha central de p =0,02.
a) Calcule os limites superiores e inferiores de controlo para este grfico.
b) Analise as seguintes dez amostras retiradas para controlo estatstico. Verifique se o processo
de fabrico est sob controlo.
Amostra n N de no-conformes
1 5
2 2
3 3
4 8
5 4
6 1
7 2
8 6
9 3
10 4

5. Numa fbrica de garrafas de vidro para refrigerantes realizada regularmente uma inspeco
ao produto final. Decidiu-se estabelecer como objectivo de produo uma proporo de 3% de
unidades no-conformes. Diariamente, 20 amostras de 100 unidades cada so seleccionadas de
20 em 20 minutos e em cada amostra contado o nmero de garrafas no-conformes (x
i
).
Analise dados obtidos que se incluem na tabela seguinte:
Amostra n x
i
Amostra n x
i
Amostra n x
i
Amostra n x
i

1 4 6 4 11 9 16 5
2 2 7 3 12 3 17 3
3 5 8 9 13 3 18 1
4 3 9 5 14 4 19 4
5 6 10 6 15 2 20 3

Captulo III Curvas caractersticas de Operao (Curvas CO) e grficos de controlo

1. Construiu-se um grfico de controlo da mdia para monitorizar o processo de produo de
embalagens de iogurte de fruta, designadamente para estudar o volume mdio das embalagens.
Amostras de n=5 embalagens foram seleccionadas aleatoriamente da linha de produo de 1 hora
em 1 hora. A mdia do processo igual a 120 ml, com desvio-padro de 8 ml.
a) Construa a Curva CO para situaes de incremento da mdia do processo (ou seja para
aumentos do volume mdio das embalagens).
b) Qual a probabilidade de se detectar a alterao do processo se a mdia x aumentar para
i
x =125 ml? E se aumentar para
i
x =145 ml, qual a probabilidade de no se detectar essa
modificao?
c) E se se pretendesse estudar a sensibilidade do grfico de controlo de x a diminuies da mdia
como fazer? Construa a Curva CO para diminuies da mdia e comente.

2. Com a informao do exerccio 2, alnea a) do captulo I [=280 mm, LSC
3
=283 mm,
LIC
3
=277 mm e n=4], construa a Curva CO do grfico de controlo para estudar a sensibilidade a
aumentos da mdia do processo. Qual a probabilidade de no se detectar uma alterao da
mdia para
i
x =283 mm?

3. Recuperem-se os dados do exerccio 3 do captulo I, designadamente a resoluo da alnea a).
a) Elabore a Curva CO para aquele grfico de controlo da x que permita estudar a sua
"habilidade" para detectar incrementos mdia.
b) Se a mdia aumentasse inadvertidamente para
i
x =375,5 g, qual seria a probabilidade do
grfico de controlo da mdia detectar essa alterao?

4. A percentagem mdia de frascos defeituosos numa linha de produo de 6,7%. Sabendo que,
a partir de amostras de n=50 frascos, se calcularam os limites LSC3=0,173 e LIC3=0. Construa a
Curva CO e determine qual a probabilidade de se detectar uma alterao da fraco de
defeituosos de 6,7% para 8%.

5. Observa-se que a proporo mdia de cabos no-conformes produzidos pela "Fbrica de
Cabos do Sul" de 3,33%, em amostras de 100 cabos. O departamento de controlo de qualidade
tem elaborado grficos de controlo de p com os seguintes limites: LSC3=0,0872 e LIC3=0.
a) Construa a Curva CO para este grfico de p.
b) Se a fraco de cabos defeituosos aumentasse para 7,5% qual seria a probabilidade dessa
modificao no ser detectada pelo grfico de p na primeira amostra retirada a seguir
alterao?

6. Uma companhia produz "diskettes" de 3,5 polegadas para computadores. Amostras aleatrias
de n=200 "diskettes" tm sido seleccionadas e o nmero de defeituosas em cada amostra
anotado. A partir de 25 amostras foi possvel estabelecer que a proporo mdia de "diskettes"

defeituosas de cerca de 0,0221 e os limites LSC
3
=0,0533 e LIC
3
=0. Construa a curva CO para
esse grfico de controlo de p.
a) Se a proporo de no-conformes aumentasse para 2,7% qual seria a probabilidade de se
detectar essa alterao?
b) E se aumentasse para 3% qual seria a probabilidade de no se detectar essa modificao?

Captulo IV Planos Amostragem para Aceitao por atributos

1. Pretende-se classificar a qualidade de um lote de N=2000 unidades utilizando um plano de
amostragem simples com n=50 e c=2.
a) Construa a Curva CO deste plano de amostragem recorrendo s probabilidades acumuladas da
distribuio Binomial.
b) Se o lote a ser inspeccionado incluir 1% de unidades defeituosas, qual a probabilidade de ser
aceite?
c) E se a percentagem de defeituosos for de 5%?
d) Como varia a probabilidade de aceitao medida que a qualidade do lote mais baixa?
e) Se AQL=0,01 e LQL=0,11, qual o "risco do fornecedor" e o "risco do comprador"?
f) Repita os clculos anteriores utilizando a distribuio de Poisson.

2. Considere um lote de tamanho N=2000 e trs planos de amostragem simples: n=50, n=100 e
n=200. Para um nmero de aceitao c=2 em todos os planos, construa as trs curvas de
aceitao no mesmo grfico. Calcule a probabilidade de aceitao para cada um dos planos se no
lote amostrado 2% dos elementos forem classificados como no-conformes. Qual a influncia
do tamanho da amostra?

3. Foram considerados quatro planos de amostragem simples para inspeccionar a qualidade de
um lote de tamanho N=2000. Nos quatro planos, o tamanho da amostra constante (n=50), mas
o valor do nmero de aceitao varia entre 0 e 3. Construa as curvas CO relativas aos quatro
planos de amostragem considerados e represente-as no mesmo grfico.
a) Qual a influncia do nmero de aceitao em planos com n constante?
b) Para um AQL de 0,5% qual o "risco do produtor" quando c=3?
c) No plano em que c=0, qual o "risco do produtor" para um AQL de 0,5%?
d) Para planos com o mesmo tamanho de amostra, qual a influncia da variao do nmero de
aceitao?

4. Considere um plano de amostragem com N=1500, n=150 e c=3. Construa a curva CO. Para
um AQL de 0,05% e um LQL de 6% descreva a proteco oferecida por este plano para os nveis
de qualidade considerados.


5. Considere, agora, um plano de amostragem com N=1500, n=200 e c=3. Construa a curva CO.
Para os mesmos nveis de qualidade do problema anterior, compare a proteco oferecida por
este plano relativamente conferida pelo plano descrito no problema anterior.

6. Suponha que o risco desejvel para o produtor de 3% e que para o consumidor de 6%.
Qual dos planos descritos no dois problemas anteriores parece melhor? Explique as razes da
escolha.

7. Pretende-se inspeccionar lotes de tamanho N=2000 utilizando um plano de amostragem
simples.
a) Se o AQL estabelecido por contrato for de 0,65% e a inspeco for de tipo normal, estabelea
um plano de amostragem a partir das tabelas MIL-STD 105.
b) Repita os clculos para um AQL=0,065.

8. Dez lotes de N=400 foram inspeccionados segundo o sistema de amostragem ISO 2859
(correspondente ao sistema da norma ANSI/ASQC Z1.4). Pretende-se elaborar planos de
amostragem simples e uma inspeco de tipo normal com AQL=1%. A tabela seguinte resume
os resultados da inspeco de 10 lotes consecutivos:
Lote n N de no-conformes
1 1
2 0
3 2
4 3
5 1
6 1
7 0
8 1
9 1
10 2

a) Que tipo de inspeco foi utilizada para o lote n 6?
b) Que tipo de inspeco foi utilizada para os lotes n
os
9 e 10?
c) Qual seria o tipo de inspeco, se existisse um outro lote para ser amostrado (lote n 11)?

9. Determinado fornecedor vende a mercadoria em lotes de N=3000 unidades. O AQL para o seu
produto foi estabelecido em 1%. O comprador decidiu fazer uma inspeco de nvel geral II.
Com base no sistema de amostragem da norma ANSI/ASQC Z1.4, estabelea o plano de
amostragem simples inicial.

10. Repita o exerccio anterior, supondo que a confiana que o comprador tem na qualidade do
produto fornecido suficientemente grande para que se possa fazer uma inspeco reduzida.
Compare os planos obtidos.


11. Um produto fornecido em lotes de N=10000 unidades. Pretende-se realizar inspeco
normal, estabelecendo planos de amostragem simples com AQL=0,1%.
a) Utilizando o sistema da norma ANSI/ASQC Z1.4, estabelea os planos de amostragem para
um nvel geral II de inspeco.
b) Repita a alnea anterior, supondo que o comprador pretende realizar inspeco de nvel III
porque a "histria" anterior do fornecedor no lhe merece confiana.

12. Numa fbrica pretende-se utilizar o sistema de amostragem da norma ANSI/ASQC Z1.4 para
realizar a inspeco final a um determinado produto, armazenado em lotes de N=5000 unidades.
A fbrica utiliza um nvel geral de inspeco II e um AQL de 0,65%.
a) Indique os planos de amostragem simples para aquele nvel de inspeco.
b) Em 10 amostras de outros tantos lotes consecutivos inspeccionados, foram detectados os
seguintes nmeros de unidades defeituosas: 0, 1, 0, 3, 0, 4, 5, 4, 2 e 0. Que sequncia de planos
de inspeco foi utilizada?
c) Represente graficamente as curvas CO relativas aos planos de amostragem obtidos na alnea
anterior.

Captulo V Planos de Amostragem para Aceitao por variveis

1. Para uma fbrica necessrio que um determinado produto contenha uma quantidade de sdio
igual ou inferior a 0,3 ppm. O produto vendido em lotes. Em cada lote necessrio fazer
anlises qumicas numa amostra, e consoante a mdia da amostra, aceitar ou rejeitar o lote.
Pretende-se que lotes em que a mdia de sdio seja 0,3 ppm tenham uma probabilidade de
aceitao de 95% e que lotes em que a mdia seja 0,4 ppm tenham uma probabilidade de
aceitao de 10%. Dado que o desvio-padro do processo de fabrico do produto igual a 0,10
ppm, estabelea um plano de amostragem que satisfaa as condies estabelecidas. |z
|=1,645;
|z
|=1,282.

2. Um produto qumico embalado e distribudo em recipientes de metal. Suponha-se que uma
grande quantidade deste produto vai ser comprada por uma fbrica, cujos responsveis
pretendem s aceitar o produto aps conhecerem os resultados obtidos por amostragem. O
comprador pretende que a densidade mdia do produto no seja inferior a 0,150 g cm
-2
. Lotes
com esta quantidade devem ter uma probabilidade de aceitao de 0,95, mas lotes em que a
densidade mdia seja de 0,145 g cm
-2
apenas em 10% dos casos devem ser aceites. Sabendo que
o desvio-padro das densidades do produto de 0,004 g cm
-2
, estabelea um plano de
amostragem que satisfaa aquelas condies.

3. O nitrato de amnio distribudo em sacos de 500 kg. O limite inferior das especificaes
definidas para a sua utilizao por uma determinada fbrica de 13% de azoto no produto. Sabe-
se que a concentrao de azoto nos sacos tem uma distribuio normal com um desvio-padro de
1,5%. Estabelea um plano de amostragem que satisfaa as seguintes condies: lotes cuja mdia
seja 2,5 desvios-padro acima do limite inferior das especificaes devem ser aceites com uma

probabilidade de 0,95; lotes cuja mdia seja 1,5 desvios-padro acima do limite inferior das
especificaes devem ser aceites com uma probabilidade de 0,1.

4. O peso das embalagens de um produto deve estar compreendida entre dois valores. Supondo
que se pretende que a probabilidade de aceitao dos lotes cujas mdias sejam iguais ou
inferiores 45 g ou iguais ou superiores a 47 g seja de 0,1 e que o risco do produtor seja de 0,05,
estabelea um plano de amostragem para a varivel peso (sabendo que o desvio-padro do
processo 0,6 g). |z
/2
|=1,96; |z
|=1,28

5. A percentagem de protena de origem vegetal num determinado produto deve estar
compreendida entre dois valores-limite. Pretende-se que lotes cuja percentagem mdia de
protena seja inferior a 25% ou superior a 35% tenham uma probabilidade de aceitao de 9% e
que lotes cuja percentagem mdia de protena seja de 30% sejam aceites em 95% dos casos.
Sabendo que a distribuio da percentagem de protena normal com desvio-padro igual a 2%,
estabelea um plano de amostragem para esta varivel e explique o modo de operao desse
plano. |z
/2
|=1,96; |z
|=1,34.

6. Uma fbrica de lacticnios pretende que uma determinada marca de queijo seja produzida com
uma percentagem de gordura que no exceda um dado valor. Nas inspeces realizadas ao
produto final, lotes cuja percentagem mdia de gordura seja de 40% devem ter uma
probabilidade de aceitao de 97%; lotes cuja mdia de gordura seja de 45% apenas devem ter
uma probabilidade de aceitao de 2%. Se o desvio-padro do processo for de 3%, estabelea um
plano de amostragem e indique como deve ser feita a implementao do plano. |z
|=1,88;
|z
|=2,05.

7. Determinada empresa adquire a um dado fornecedor, sacos de matria-prima com, pelo
menos, 100 kg de produto. Lotes com 2% de sacos com peso inferior quele devem ser aceites
com uma probabilidade de 98%. Contudo, devem aceitar-se lotes em que 12% dos sacos tenham
menos de 100 kg apenas em 10% das ocasies. De acordo com o fornecedor, o peso dos sacos
varia com desvio-padro igual a 8 kg. |z
p1
|=2,055; |z
p2
|=1,175; |z
|=1,405; |z
|=1,282.
a) Quais so os parmetros dum plano de amostragem para aceitao que esteja de acordo coma
as condies enunciadas acima.
b) Suponha que se recebeu para estudo uma amostra de dez sacos proveniente dum lote sujeito a
inspeco e que o peso mdio nessa amostra foi de 110 kg. O que decidir acerca do lote?

8. A carne de atum recebida por determinada conserveira deve conter, no mximo, 1 ppm de
mercrio por imperativo legal. Sabe-se que a concentrao daquele composto na carne varia com
desvio-padro igual a 0,04 ppm. Devem aceitar-se 99% dos lotes de atuns em que apenas 1% dos
animais contm mais de 1 ppm. Pelo contrrio, lotes em que 5% dos atuns apresentam teores de
mercrio superiores a 1 ppm devem ser rejeitados em 95% das ocasies. Os riscos do produtor e
consumidor devem ser de 1% e 5% respectivamente. |z
p1
|=|z
|=2,326; |z
p2
|=|z
|=1,645.
a) Obtenha o PAA para este caso.

b) Duma amostra de atuns proveniente dum lote em apreciao obteve-se um contedo mdio de
mercrio de 0,94 ppm. O que se deve decidir acerca desse lote?
c) Numa outra ocasio, o teor mdio de mercrio numa amostra foi de 0,89 ppm. Deve aceitar-se
ou rejeitar-se o lote inspeccionado?

9. Repita o exerccio anterior utilizando o mtodo-M.

10. Determinada empresa produz cereais para o pequeno-almoo em embalagens de 450 g. De
acordo com as especificaes do produto, o contedo em sdio deve variar entre 0,3 e 1,1%
(sabe-se que o desvio-padro do teor em sdio igual a 0,18%). As embalagens so expedidas
em lotes de 100 unidades.
a) Para AQL=1%, =5% e LQL==10% estabelea um plano de amostragem para aceitao.
|z
p1
|=2,326; |z
|=1,645; |z
p2
|=|z
|=1,282.
b) Numa amostra, obteve-se um teor mdio de sdio de 0,679%. O que decidir acerca do lote?
c) Numa outra ocasio, o contedo de sdio numa amostra foi de 0,4%. Deve aceitar-se ou
rejeitar-se o lote inspeccionado?
Soluo dos Exerccios
Capitulo I Grficos de controlo por variveis (grficos de x e de R)
1. a) LC=335C; LSC=342C 349C 356C (para z=1, 2 ou 3 respectivamente); LIC=328C 321C 314C
(para z=1, 2 ou 3 respectivamente).
2. a) LC=280mm; LSC=281mm 282mm 283mm (para z=1, 2 ou 3 respectivamente); LIC=279mm
278mm 277mm (para z=1, 2 ou 3 respectivamente).
3. a) LC=375,0g; LSC=375,6g 376,2g 376,8g (para z=1, 2 ou 3 respectivamente); LIC=374,4g 373,8g
373,2g (para z=1, 2 ou 3 respectivamente). Se n=12 ento mantm-se LC=375g, mas LSC=375,4g 375,9g
376,3g (para z=1, 2 ou 3 respectivamente) e LIC=374,6g 374,1g 373,7g (para z=1, 2 ou 3
respectivamente).
4. LC=5,46 mm, LSC(3)=5,698 mm, LIC(3)=5,226 mm. 5. LC=0,324 mm; LSC(3)=0,739 mm; LIC(3)=0
mm.
6. a) Para o grfico de x : LC=6,1x10
2
colnias; LSC(3)=8,6x10
2
colnias; LIC(3)=3,5 x10
2
colnias.
Para o grfico de R: LC=4,4 x10
2
colnias; LSC=9,4 x10
2
colnias; LIC=0 x10
2
colnias.
7. a) Peso mdio das latas 400,8 g. b) Para o grfico de x : LC=400,8 g; LSC=420,4 g; LIC=381,2 g. c)
Para o grfico de R: LC=34 g; LSC=78,9 g; LIC=0 g.

Capitulo II Grficos de controlo por atributos (grficos de p e de np)
1. a) LC=0,2313; LSC=0,2909 0,3506 0,4102 (respectivamente para z=1, 2 ou 3); LIC= 0,1717 0,1121
0,0524 (respectivamente para z=1, 2 ou 3). b) LC=0,2023; LSC=0,2591 0,3159, 0,3727 (para z=1, 2 ou
3); LIC=0,1455 0,0887 0,0319 (para z=1, 2 ou 3). d) LC=0,1092; LSC=0,1533 0,1974 0,2415 (para z=1,
2 ou 3); LIC=0,0651 0,0209 e 0 (para z=1, 2 ou 3).
2. LC=5,5; LSC=7,7; 9,9; 12,1 (respectivamente para z=1, 2 ou 3); LIC= 3,3; 1,0; 0 (respectivamente para
z=1, 2 ou 3).
3. Para um grfico de np: LC=3; LSC=4,7; 6,4; 8,1 (para z=1, 2 ou 3); LIC= 1,3; 0; 0 (para z=1, 2 ou 3).

4. a) LSC=3; 5; 6 (para z=1, 2 ou 3); LIC=1; 0; 0 (para z=1, 2 ou 3). b) LC=2; limites como anteriores.
5. Para um grfico de p: LC=0,0300; LSC=0,0471 0,0641 0,0812 (z=1, 2, 3); LIC=0,0129 0 0 (z=1, 2, 3).

Capitulo III Curvas caractersticas de Operao (Curvas CO)
1. b) 1-(
i
x =125 ml)=0,0544 e (
i
x =145 ml)=3,4 x 10
-5
. 2. (
i
x =283 mm)=0,5.
3. b) 1-(
i
x
i
=375,5 g)=0,0146. 4. 1-(
i
p =8%)=0,0321
5. b) (
i
p =7,5%)=0,6614 6. a) 1-(
i
p =2,7%)=0,0270. b) (
i
p =3%)=0,9549

Capitulo IV Planos de Amostragem para Aceitao por atributos
1. b) P(a)=0,9862. b) P(a)=0,5405. e) =0,0138 e =0,0763 (Binomial) f) =0,0144 e =0,0884
(Poisson).
2. Para P(a)=0,9216; 0,6767 e 0,2352 (para n=50,100, 200 respectivamente e considerando a distribuio
Binomial).
3. b) =0,0001. c) =0,2217. 4. =0,0071 e =0,0186. 5. =0,0187 e =0,0018.
6. Com o PAA da alnea 4) obtm-se =0,6577 e =0,0212. Com o PAA da alnea 5) =0,8488 e
=0,0023.
7. a) n=125, c=2, r=1. b) n=125, c=14. 8. a) Reforada. b) Reforada e Normal. c) Normal.
9. Para N=3000, o PAA de nvel II dever ser: seleccionar amostras de n=125 unidades, determinar x
i
, se
x
i
< 3 aceitar o lote e se x
i
> 4 rejeitar o lote.
10. Para N=3000, o PAA de nvel I dever ser: seleccionar amostras de n=20 elementos, determinar x
i
, se
x
i
= 0 aceitar o lote e se x
i
11. a) Para N=10000, os PAA devero ser: nvel II - seleccionar amostras de n=125 elementos, determinar
x
i
, se x
i
= 0 aceitar o lote e se x
i
> 1 rejeitar o lote; b) para um nvel III - seleccionar amostras de n=315
unidades, determinar x
i
, se x
i
<1 aceitar o lote e se x
i
12. a) n=200, c=3 (Inspeco Normal); n=200 e c=2 (Reforada); n=80 e c=1 (Reduzida).

Capitulo V Planos de Amostragem para Aceitao por variveis
1. n=9,
AS
X =0,36 ppm. 2. n=6,
AI
X =0,1472 g cm
-2
. 3. n=9,
AI
X =0,159 (i.e. 15,9%).
4. n=4,
AI
X =45,4 g e
AS
X =46,6 g (variam ligeiramente com opo de resoluo).
5. n=2,
AI
X =0,272 (i.e. 27,2%) e
AS
X =0,328 (i.e. 32,8%). 6. n=6,
AS
X =0,424% (i.e. 42,4%).
7. a) n=10 e k=1,595 b) Rejeitar o lote (porque Z
L
=1,250 < k).
8. a) n=35 e k=1,928 (graficamente) ou n=34 e k=1,927 (matematicamente)
b) Rejeitar o lote (porque Z
U
=1,500 < k). c) Aceitar o lote (Z
U
=2,75 > k).
9. a) n=34 e M=0,025 b) Rejeitar o lote (porque p
U
=0,046 > M). c) Aceitar o lote (porque p
U
=0 << M).
10. a) n=8 e M=0,0315. b) Aceitar o lote (porque p
U
+p
L
=0,0184 < M). c) Rejeitar o lote (uma vez que
p
U
+p
L
=0,2763 >> M).

Control Oe Statistic o Quali Dade 10

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Control Oe Statistic o Quali Dade 10

Uploaded by

Copyright:

Available Formats

UNIVERSIDADE DO ALGARVE

Instituto Superior de Engenharia

= = (no grfico de x ) (4).

= = (no grfico de R) (6).

e a regra de deciso ser: se

podem obter-se no Excel usando

podem obter-se usando =ABS(INV.NORMP(arg)) no Excel,

You might also like