Prof. Dr.

Miguel Angel Uribe Opazo- Estatístico 12

CAPÍTULO II
GRÁFICOS DE CONTROLE
1.- INTRODUÇÃO
Quando é fabricado um produto (bem ou serviço), as características deste produto irão
apresentar uma variabilidade inevitável, devido a variação sofrida pelos fatores que compõem
o processo produtivo. Estas variações podem resultar de diferença entre máquinas, mudanças
nas condições ambientais, variação entre lotes de matérias-primas diferença entre
fornecedores, entre outras. Apesar de um esforço considerável ser especificamente
direcionado para controlar a variabilidade em cada um desses fatores, existirá sempre a
variabilidade no produto acabado de cada processo de uma empresa. Portanto, é importante
que esta variabilidade também seja controlada, para que possam ser fabricados produtos de
boa qualidade.
É importante verificar a estabilidade do processo, já que processos instáveis
provavelmente irão resultar em produtos defeituosos, perda de produção, baixa qualidade e,
de modo geral, em perda da confiança do cliente.
Em 1924 Shewardt, um estatístico americano apresentou os chamados Gráficos de
Controle ou Cartas de Controle, como um método para a análise e ajuste da variação de um
processo em função do tempo. Descreviam o processo considerando duas características
fundamentais: CENTRALIZAÇÃO - determinada pela média - e DISPERSÃO - verificada
pelo desvio-padrão ou amplitude.
De um modo geral podemos dividir os Gráficos de Controle em dois grandes grupos:
i.- Gráficos de Controle para Variáveis;
ii.- Gráficos de Controle para Atributos.
Chamaremos de:
VARIÁVEIS - dados que podem ser medidos, ou sofrem variação contínua, tais
como, resistência à tração dureza, uma dimensão, etc...
ATRIBUTOS - dados que só podem ser contados ou classificados, tais como,
passa/não passa, claro/escuro, com trinca/sem trinca, etc...

1.2 EscoIha dos Limites de Controle

De um modo geral os limites de controle são determinados para k = 3-sigma.
µ ± 3σ .
Em algumas circunstâncias admite-se 4-sigma, quando os custos de investigação de
um alarme falso forem muito grandes.
Usaremos 2-sigma quando a análise das possíveis causas do aparecimento de fatores
especiais de variação for simples, com um mínimo de tempo perdido e quando o custo de
produção de artigos defeituosos for alto.

1.3 Análise dos Gráficos de Controle

Existem dois tipos de causas para a variação na qualidade dos produtos resultante de
um processo:
• Causas Comuns ou Aleatórias.- A variação provocadas por causas comuns, também
conhecida como variabilidade natural do processo, é inerente ao processo considerado e
estará presente mesmo que todas as operações sejam executadas empregando métodos
padronizados. Quando apenas as causas comuns estão atuando em um processo, a
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 13

quantidade de variabilidade se mantém em uma faixa estável, conhecida como faixa

característica do processo. Neste caso, dizemos que o processo está sob controle
estatístico, apresentando um comportamento estável e previsível.
• Causas Especiais ou Fatores Particulares de Processo.- Surgem esporadicamente,
devido a uma situação particular que faz com que o processo se comporte de um modo
completamente diferente do usual, o que pode resultar em um deslocamento de seu nível
de qualidade. Quando um processo está operando sob a atuação de causas especiais de
variação dizemos que ele está fora de controle estatístico e neste caso sua variabilidade
geralmente é bem maior do que a variabilidade natural. As causas especiais de variação
devem ser, de modo geral, localizadas e eliminadas, e além disto devem ser adotadas
medidas para evitar sua reincidência. Alguns exemplos de causas especiais de variação
são a admissão de um novo operador, a utilização de um novo tipo de matéria-prima e o
descumprimento de padrões operacionais.
Os gráficos de controle são instrumentos para o monitoramento da variabilidade e para
a avaliação da estabilidade de um processo. Um gráfico de controle permite a distinção entre
os dois tipos de causa de variação, ou seja, nos informa se o processo está ou não sob controle
estatístico. É importante destacar que um gráfico de controle não “descobre” quais são as
causas especiais de variação que estão atuando em um processo fora de controle estatístico,
mas ele processa e dispõe informações que podem ser utilizadas na identificação destas
causas.
Um gráfico de controle consiste de:
- Uma linha média (LM) que representa o valor médio da característica da qualidade
correspondente à situação do processo sob controle, isto é, sob a atuação de apenas causas de
variação aleatórias;
- Um par de limites de controle, representados um abaixo (limite inferior de controle –LIC)
e outro acima (limite superior de controle –LSC) da linha média. Os limites de controles são
determinados de forma que, se o processo está sob controle, praticamente todos os pontos
traçados no gráfico estarão entre as linhas, formando uma nuvem aleatória de pontos
distribuídos em torno da linha média. Os valores da característica da qualidade traçada no
gráfico indicam então a situação do processo no que diz respeito ao controle estatístico.
Em qualquer uma das circunstâncias abaixo descritas devemos considerar que o
Processo esta Fora de Controle Estatístico.

Os arranjos típicos que os pontos podem apresentar são:

1.3.1 – Variação Extrema
Anomalia é reconhecida em gráficos de controle por meio de um único ponto ou mais
fora dos limites. Torna-se necessário uma pesquisa para detectar as causas e condições que
geraram este(s) ponto(s). Os aparecimentos das anomalias podem ter varias origens, entre
elas, erros em medições e cálculos, condições de temperatura e pressão, ajustes feitos de
forma errada e depois corrigidos, inicio ou fim de operações (ver Figura 17, no Anexo 1).

1.3.2 – Desvios
Embora neste caso os pontos estão dentro dos limites de controle, o processo esta fora
de controle estatístico. São situações como, 6 a 8 pontos numa seqüência acima ou abaixo da
linha media, qualquer grupo de 4 de 5 pontos consecutivos na região de 2 e 3- sigmas, 2 de 3
pontos consecutivos próximos a qualquer limite de controle, 10 de 11 pontos consecutivos
estão abaixo ou acima da linha media,...
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 14

As causas geralmente podem ser associadas a diferentes tipos de materiais, mudança

de operador ou de inspetor, outro equipamento de inspeção, de máquinas ou de ajuste (ver
Figura 18, no Anexo 1).

1.3.3 – Tendência
A tendência de pontos em gráficos e a contínua movimentação para cima ou para
baixo, por pontos consecutivos ou não.
Geralmente a tendência e causada por desgaste de ferramentas, de dispositivos de
posicionamento e de travamento, por defeitos de temperatura e de umidade, por deterioração
de reagentes, por acumulação de poeira, por folgas em fixações e em furos. (ver Figura 19, no
Anexo 1).

1.3.4 – Ciclos
Ciclos são arranjos que se repetem mostrando picos e vales. São indicativos de causas
atribuíveis afetando periodicamente processos. Geralmente esses comportamentos esta
associada com efeitos sazonais, razoem mecânicas diferenças causadas por desvios, etc. A
ciclicidade também pode provir de desgaste, excentricidade, fadiga, troca de operadores. No
caso da amplitude pode indicar rotação de dispositivo de fixação, medidores ou moldes, uso
excessivo da ferramenta ou ferramenta cega (ver Figura 20, no Anexo 1).

1.3.5 - Falta de Variabilidade

E verificada quando os pontos permanecem muito próximos da linha central. As
causas para tal comportamento são seleção imprópria de subgrupos de amostras e medições
tendenciosas. Exemplo: medições tendenciosas - obtidas ou por equipamento não apropriado
para medir dimensões de interesse ou por inspetores que não sabem como efetuar as medições
informando dessa forma esse arranjo de pontos (ver Figura 21, no Anexo 1).

1.3.6 - Variabilidade Excessiva

Ou flutuação errática é caracterizada por altos e baixos dos pontos no gráfico. As
causas para esse arranjo são um tanto difícil de se identificar. Podem existir causas diferentes
agindo em épocas diferentes no processo considerado. Em tais situações sempre é útil
enumerar diversos fatores conhecidos desse processo, relacionados com operadores,
maquinas, materiais, equipamentos de ensaio, dispositivos, medidores, etc. Devem ser
considerados ainda os problemas de ajustes freqüentes de maquinas ou tipos diferentes de
materiais sendo processados (ver Figura 22, no Anexo 1).

1.3.7 – Observações Complementares

É importante ter presente que não se esgotaram todas as possibilidades do processo
estar fora de controle. A maneira de verificar os casos acima e outros é lembrar que existe
uma curva normal associada ao gráfico e que ela sempre devera estar caracterizada na
distribuição dos pontos em todo gráfico.
Caso houver suspeita de que mais de uma causa influencia o processo, as
modificações deverão ser implantadas gradativamente, a partir daquela mais importante.

2. – GRÁFICOS DE CONTROLE PARA VARIÁVEIS

Nos gráficos de controle por variáveis e melhor iniciar o estudo a partir da
DISPERSÃO, para após verificar a CENTRALIZAÇÃO.
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 15

2.1 – Cartas Existentes

Um resumo geral da utilização das cartas de variáveis é apresentado no Quadro 1 a seguir:
Quadro 1. Resumo das vantagens e desvantagens do gráficos de controle estatístico
GRÁFICO VANTAGENS DESVANTAGENS
X eR Apresenta facilidade na elaboração dos Indica com menor segurança
cálculos. a variabilidade do processo
X eS Indica com menor segurança a Apresenta mais dificuldade
variabilidade do processo. computacional
~ Apresenta maior facilidade no Controle A mediana é um estimador
X eR
contínuo do processo: não há necessidade mais fraco que a média.
de cálculos.
X e AM É indicado para casos de medições Não são tão sensíveis à
dispendiosas e demoradas. alterações do processo
quanto as outras cartas.

2.2 – Gráfico X e R (Média e Amplitude)

Para a construção de gráficos de controle, consideremos m amostras preliminares,
onde m é usual considerar 20 ou 25, pelo menos. Cada uma das amostras conte n observações
da característica da qualidade considerada. Estas amostras, conhecidas como Subgrupos
racionais, deverão ser extraídas quando se acredita que o processo esteja sob controle e com
as condições de operação mantida tão uniforme quanto possível.
Costuma-se trabalhar com o gráfico X e R para casos em que o tamanho da amostra n
seja menor que 6, caso contrário utiliza-se o gráfico X e S. Apresentamos a seguir as
expressões para o cálculo dos limites de controle dos gráficos X e R.
Gráfico da Média X :
LSCX= X + A2* R
LMCX = X
LICX = X – A2* R
Gráfico da Amplitude R:
LSCR = D4* R
LMCR = R
LICR = D3* R
em que:
1 n
X = ∑ Xi ,
m i =1
sendo X i : é a média da i-ésima amostra para i =1,2,...,m;
1 n
R= ∑ Ri ,
m i =1
sendo, Ri : é a amplitude (diferença entre o maior e o menor valor) para i =1,2,...,m; e
os valores de A2, D3 e D4 são obtidos de pesquisar na tabela adequada em função de n,
disponível no Anexo 2.
Para traçar os limites de controle, marcar o eixo vertical do lado esquerdo com os
valores X e R e o eixo horizontal com os números das amostras. Traçar linhas cheias para
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 16

representar LSC, LMC e LIC.

Após construção do gráfico de controle, devemos analisar o comportamento dos
pontos nos gráficos X e R e verificar se o processo está sob controle estatístico. Caso seja
necessário, recalcular os limites dos gráficos após o abandono de pontos fora de controle. Em
alguns casos será preciso coletar novas amostras. Será importante repetir este procedimento
até que o estado de controle seja atingido.
Se verificarmos que o estado de controle alcançado é adequado ao processo, tendo em
vista considerações técnicas e econômicas (os pontos estão dentro dos limites de controle e
não apresenta as causas especiais de variação apresentada na Seção 1.3), adotaremos os
gráficos para o controle atual e futuro do processo. Em caso contrário, conduzir ações de
melhoria até que seja atingido o nível de qualidade desejado para o processo.

Exemplo 1 ( Gráfico X - R)
Um determinado tipo de rosca produzido por uma indústria de autopeças é submetido
a uma operação de usinagem em um torno de comando numérico computadorizado. O
diâmetro primitivo usinado da rosca é uma das principais características da qualidade de
interesse para a empresa. Para avaliar a estabilidade estatística do processo de usinagem, em
relação a esta variável, a indústria pretende passar a utilizar os gráficos de controle X - R. A
Tabela 1 apresenta 25 amostras de tamanho 5 do diâmetro das peças, que foram coletadas
para a implantação dos gráficos de controle.
Tabela 1. Diâmetros (mm) de roscas produzidas por uma indústria de autopeças
Amostra i Xi1 Xi2 Xi3 Xi4 Xi5 X Ri
1 7,10 7,09 7,10 7,105 7,105 7,101 0,01
2 7,10 7,10 7,095 7,105 7,10 7,10 0,01
3 7,12 7,105 7,10 7,12 7,10 7,09 0,02
4 7,115 7,12 7,115 7,115 7,12 7,117 0,005
5 7,09 7,095 7,11 7,12 7,105 7,104 0,03
6 7,11 7,10 7,105 7,10 7,10 7,103 0,01
7 7,105 7,095 7,1 7,105 7,085 7,098 0,02
8 7,10 7,115 7,095 7,105 7,125 7,108 0,03
9 7,065 7,09 7,11 7,105 7,105 7,095 0,045
10 7,125 7,13 7,095 7,10 7,115 7,113 0,035
11 7,105 7,10 7,11 7,095 7,075 7,098 0,04
12 7,10 7,11 7,085 7,09 7,08 7,093 0,03
13 7,115 7,09 7,085 7,09 7,11 7,098 0,03
14 7,095 7,09 7,095 7,10 7,08 7,092 0,02
15 7,11 7,07 7,095 7,10 7,11 7,097 0,04
16 7,07 7,075 7,08 7,10 7,09 7,083 0,03
17 7,09 7,13 7,10 7,11 7,10 7,106 0,04
18 7,10 7,10 7,09 7,095 7,08 7,093 0,02
19 7,08 7,07 7,09 7,11 7,10 7,09 0,04
20 7,10 7,11 7,07 7,11 7,11 7,10 0,04
21 7,095 7,105 7,095 7,095 7,10 7,098 0,01
22 7,105 7,07 7,11 7,11 7,11 7,101 0,04
23 7,10 7,10 7,11 7,11 7,105 7,104 0,01
24 7,10 7,105 7,11 7,11 7,08 7,10 0,03
25 7,12 7,115 7,13 7,13 7,115 7,118 0,02
Média X 7,101 R =0,0262
 Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 17

Como o cálculo dos limites do gráfico de controle X depende do emprego de uma

estimativa do desvio padrão do processo, obtida por meio da amplitude média R , é
aconselhável construir e analisar, em primeiro lugar, o gráfico de controle R. Se este gráfico
indicar que o processo não esta sobre controle em relação a variabilidade, o gráfico X ainda
não deve ser construído e interpretado. Isto acontece porque a estimativa do desvio padrão
σ utilizada na construção do gráfico X deve ser proveniente de um processo sob controle
quanto à variabilidade .
A partir dos dados da Tabela 1, são calculados os seguintes valores para os limites de
controle do gráfico R.
LSC = D4* R = 2,115*( 0,0262) = 0,05541
LM = R = 0,00262
LIC = D3* R = 0* ( 0,0262) = 0.
Em que, D3 e D4 foram obtidas da Tabela do Anexo 2.
O gráfico de controle R, no qual já foram lançados os m = 25 valores amostrais da
amplitude Ri, é apresentado na Figura abaixo. Como nenhum dos pontos extrapola os limites
de controle e não há evidencia de alguma configuração não aleatória dos pontos em torno da
linha média, é possível concluir que o processo está sob controle no que diz respeito a
variabilidade.
A partir dos dados da Tabela 1, são calculados os seguintes valores para os limites de
controle do gráfico X .
LSC = X + A2* R = 7,101 + 0,577*(0,0262) = 7,1161
LM = X = 7,101
LIC = X - A2* R = 7,101 - 0,577*(0,0262) = 7,0859.
Em que, A2 foi obtida da Tabela do Anexo 2.
O gráfico de controle X , no qual já foram lançados os m = 25 valores amostrais da
amplitude Ri, é apresentado na Figura 2.1. Observando o gráfico, percebemos que existem três
pontos (amostras 4, 16 e 25) fora dos limites de controle.
X b a r / R C h a r t f o r X i1 - X i5

7 ,1 25 1
7 ,1 20 1
Sample Mean

7 ,1 15 3 ,0 S L = 7 ,1 1 6
7 ,1 10
7 ,1 05
7 ,1 00 X = 7 ,1 0 1
7 ,0 95
7 ,0 90
7 ,0 85 -3 ,0 S L = 7 ,0 8 6
7 ,0 80 1
S u b g ro u p 0 5 10 15 20 25

0 ,0 6
3 ,0 S L = 0 ,0 5 4 9 8
0 ,0 5
Sample Range

0 ,0 4
0 ,0 3
R = 0 ,0 2 6 0 0
0 ,0 2
0 ,0 1
0 ,0 0 -3 ,0 S L = 0 ,0 0 E + 0

Figura 2.1. Gráfico X - R das medidas de roscas (diâmetro em mm) produzidas por uma
indústria de autopeças
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 18

UTILIZANDO O MINITAB

Control Charts
Xvar-R
Stat

Subgroups across rows of:

2.3 Gráfico X e S (Média e Desvio Padrão)

Normalmente, o gráfico X é utilizado com o objeto de controlar a média do processo,
enquanto o gráfico S é empregado para o controle da variabilidade do processo considerado.
Os dois gráficos devem ser empregados simultaneamente, conforme descreveremos nesta
seção.
É evidente que o procedimento usando o desvio padrão da amostra e muito mais
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 19

eficiente estatisticamente. Veja-se na Seção 2.6 que elucidara esta afirmação. Alem disto, para
a determinação de S, implica em treinamento e calculadoras apropriadas. Apresenta-se a
seguir as expressões para o cálculo dos limites de controle dos gráficos X e S.
Gráfico da Média X :
LSCX = X +A3* s
LMCX = X
LICX = X – A3* s
Gráfico do Desvio Padrão S:
LSCs = B4* s
LMCs = s
LICs = B3* s ,
sendo:
1 n
X = ∑ Xi ,
m i =1
em que X i : a média da i-ésima amostra, para i =1,2,...,m;
1 n
s = ∑ Si ,
m i =1
em que Si , é o desvio padrão da i-ésima amostra, para i =1,2,...,m;

1 n
Si = ∑ ( X ij − X i ) 2 ;
n − 1 j =1
Os valores de A3, B3 e B4 são obtidos de pesquisa em tabela adequada disponível no Anexo 2.
~
2.4 Gráfico X e R (Mediana e Amplitude)
Em certos casos é interessante adotar este procedimento uma vez que facilita muito ao
operador na locação de ponto intermediário, após a ordenação dos dados. Para construir a
Carta correspondente composta por dois gráficos, adotam-se como limites:
Gráfico da Mediana:
~
LSCX= X + A2* R
~
LMCX= X
~
LICX = X – A2* R
Gráfico da Amplitude:
LSCR = D4* R
LMCR= R
LICR = D3* R ,
~
Em que: X é a média das medianas de cada amostra e os valores de A2, D3 e D4 são obtidos
de pesquisa em tabela adequada, disponível no Anexo 2.

2.5 Carta X individual e AM

Muitas vezes as amostras utilizadas na construção dos gráficos de controle têm
tamanhos unitários, isto é, n = 1. Dois exemplos de situações onde as amostras consistem de
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 20

uma única unidade são:

• Emprego da inspeção automatizada, onde toda unidade produzida é avaliada.
• Processo para os quais a taxa de produção é baixa, não sendo então conveniente
permitir que tamanhos amostrais superiores a um se acumulem para que a
análise dos resultados possa ser efetuada.
Os gráficos de controle utilizados para n = 1 são denominados GRÁFICOS PARA
MEDIDAS INDIVIDUAIS.
Para construir a carta correspondente composta por dois gráficos, adota-se como:
X : a média dos valores individuais;
AMi: é a amplitude móvel de duas observações sucessivas para estimar a
variabilidade do processo:
AMi = | Xi – Xi-1 |.

Apresentaremos a seguir as expressões para o cálculo dos limites de controle dos

gráficos X e AM.
Gráfico X:
LSCX = X + 3 AM /d2
LMCX = X
LICX = X – 3 AM /d2
Gráfico AM:
LSCAM = D4 AM
LMCR = AM
LICR = D3 AM
onde, AM é a amplitude móvel média, d2 , D3 e D4 devem ser obtido da tabela do Anexo 2,
para n = 2, já que o gráfico é baseado em uma amplitude móvel de n = 2.

Exemplo 2
Uma substância química, cuja produção envolvia a realização de reações químicas muito
lentas, era produzida em uma indústria por meio de um processo descontínuo em bateladas
(corridas). Uma das características da qualidade de interesse desta substância era seu teor de
pureza, o qual devia ser superior a 85%, segundo as especificações do mercado. A indústria
desejava implementar gráficos de controle para o monitoramento da estabilidade do processo
produtivo, em relação a essa característica da qualidade. No entanto, como cada batelada da
substância demorava várias horas para ser fabricada, a taxa de produção era muito baixa para
permitir a utilização de tamanhos amostrais superiores a 1. Em vista deste fato, a indústria
decidiu utilizar os gráficos de controle para medidas individuais.
O teor de pureza medido para 24 bateladas da substância é apresentado na Tabela 2,
que mostra também os valores da amplitude móvel AMi de suas observações sucessivas.
Tabela 2. Medidas do Teor de Pureza da Substância Química
Número da Teor de Pureza (%) Amplitude Móvel
Amostra i Xi AMi
1 92,9 -
2 94,9 2,0
3 89,8 5,1
4 95,2 5,4
5 92,8 2,4
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 21

6 92,2 0,6
7 88,3 3,9
8 90,4 2,1
9 89,1 1,3
10 90,7 1,6
11 93,0 2,3
12 93,9 0,9
13 94,8 0,9
14 96,4 1,6
15 91,4 5,0
16 89,2 2,2
17 93,7 4,5
18 90,8 2,9
19 91,8 1,0
20 93,1 1,3
21 89,9 3,2
22 93,4 3,5
23 87,2 6,2
24 92,2 5,0
Médias X = 91,96 AM = 2,82
Gráfico AM:
A partir dos dados da Tabela 2, foram calculados os seguintes valores para os limites
de controle do gráfico AM:
LSCAM = D4* AM = (3,267)*(2,82) = 9,21
LMCAM = AM = 2,82
LICAM = D3 AM =0*(2,82) =0
Em que, D3 e D4 foram obtidos da tabela do Anexo 2, para n = 2.
O gráfico de controle AM, no qual já foram lançados os m = 23 valores amostrais da
amplitude móvel AMi, está apresentado na Figura 2.2. Como nenhum dos pontos extrapolou
os limites de controle, foi possível concluir que o processo estava sob controle no que diz
respeito à variabilidade. A seguir foi construído o gráfico de controle para as medidas
individuais do teor de pureza da substância química.

Moving Range Chart for Teor

10
3,0SL=9,219
Moving Range

R=2,822

0 -3,0SL=0,00E+00

0 5 10 15 20 25
Observation Number

Figura 2.2. Gráfico de controle AM para as medidas individuais do teor de pureza da

Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 22

substância química.

Gráfico X:
A partir dos dados da Tabela 2, foram calculados os seguintes valores para os limites
de controle do gráfico X:
LSCX = X + 3* AM /d2 = 91,96 + 3*(2,82/1,128)= 99,46
LMCX = X = 91,96
LICX = X – 3* AM /d2 = 91,96 – 3*(2,82/1,128)= 84,46.
Como foi utilizada uma amplitude móvel de duas observações, então d2 foi obtido da tabela
do Anexo 2, para n = 2.
O gráfico de controle para as médias individuais, no qual já foram lançados os m =
24 valores de Xi da Tabela 2, está apresentado na Figura 2.3. Observando o gráfico, os
técnicos da industria não perceberam indicações de falta de controle do processo.

I Chart for Teor

100
3,0SL=99,47
Individual Value

95

X=91,96
90

85
-3,0SL=84,46

0 5 10 15 20 25
Observation Number

Figura 2.3. Gráfico de controle X para as medidas individuais do teor de pureza da substância
química
Como as capacidades do processo em atender às especificações também estão
adequadas, os dois gráficos construídos passaram a ser utilizado para o controle atual e futuro
do processo de produção da substância química.
I and MR Chart for Teor

100 3,0SL=99,47
Individual Value

95
X=91,96
90

85 -3,0SL=84,46

Subgroup 0 5 10 15 20 25

10
3,0SL=9,219
Moving Range

R=2,822

0 -3,0SL=0,00E+0
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 23

Figura 2.4. Gráfico de controle X -AM para as medidas individuais do teor de pureza da
substância química.

Utilizando o MINITAB temos:

STAT
Control Charts
I-MR

Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 24

2.6 Eficiência de R em relação S

Em estudos realizados verificou-se a eficiência de R comparada a S, constatando-se
que o tamanho da amostra fator preponderante nas determinações de tal eficiência.

n Eficiência Relativa
2 1
3 0,992
4 0.975
5 0,955
6 0,930
10 0,850

Em razão de tal fato, costuma-se retirar amostras tamanho 4, 5 e no máximo 6 usando

a amplitude R. Embora mais trabalhoso, a partir do tamanho 6 e conveniente adotar-se as
cartas associadas ao desvio padrão amostral S.
Exercícios
1. O fornecimento de energia elétrica em alta voltagem é necessário, para ter uma potencia de
350V. Uma amostra de 4 unidades é selecionada diariamente, e colocada em um gráfico de
controle. Os dados são apresentados a seguir, sendo que correspondem as diferenças entre a
voltagem registrada, e s voltagem nominal multiplicada por 10. Isto é,
Xi = (Voltagem observada –350)*10.
Amostra 1 2 3 4 5 6 7 8 9 10
X1 6 10 7 8 9 12 16 7 9 15
X2 9 4 8 9 10 11 10 5 7 16
X3 10 6 10 6 7 10 8 10 8 10
X4 15 11 5 13 13 10 9 4 12 13

Amostra 11 12 13 14 15 16 17 18 19 20
X1 8 6 16 7 11 15 9 15 8 14
X2 12 13 9 13 7 10 8 7 6 15
X3 14 9 13 10 10 11 12 10 9 12
X4 16 11 15 12 16 14 10 11 12 16
Faça os Gráfico de controle X - R .O processo esta sobre controle estatístico?

2. . Em uma fabrica de médias, 200 pares são analisados diariamente. No 25 dias úteis de um
mês obtiveram-se os seguintes números de pares defeituosos. O processo está sobre controle
Estatístico?
Amostra 1 2 3 4 5 6 7 8 9 10 11 12 13
Defeituosos 13 8 10 15 12 9 6 4 7 11 14 10 7

Amostra 14 15 16 17 18 19 20 21 22 23 24 25
Defeituosos 9 12 13 8 11 9 12 15 11 8 6 10
Prof. Dr. Miguel Angel Uribe Opazo- Estatístico 25