CADERNOS DO IME – Série Estatística

Universidade do Estado do Rio de Janeiro - UERJ

ISSN impresso 1413-9022 / ISSN on-line 2317-4536 - v. 39, p.1 - 16, 2015
DOI: 10.12957/cadest.2015.20255

ANÁLISE DO DESEMPENHO DE CARTAS DE

CONTROLE DA VARIÂNCIA COM PARÂMETRO
ESTIMADO CONSIDERANDO A SIGNIFICÂNCIA
PRÁTICA

Pedro Carlos Oprime

Universidade Federal de São Carlos
[email protected]

Gilberto Miller Devós Ganga

Universidade Federal de São Carlos
[email protected]

Damaris Serigatto Vicentin

Universidade Federal de São Carlos
[email protected]

Resumo
O objetivo deste artigo foi analisar os efeitos da significância prática e da estimativa dos
parâmetros em cartas de controle que monitorem a variância dos processos. Os métodos
utilizados foram a modelagem e simulação, visando encontrar soluções numéricas de tal
problemática. A modelagem e a simulação foram realizadas no ambiente do Software
Maple. Os resultados alcançados neste artigo considerando a significância prática
trazem vantagens em cartarelação às cartas tradicionais, pois possibilita poucos sinais
de alarmes falsos detectados pelas cartas. As análises também mostraram o efeito do
aumento de tamanho da amostra na capacidade dessas cartas em discriminar os estados
de fora de controle do processo considerando a significância prática.
Palavras-chave: Controle Estatístico de Processo, Significância prática, Cartas de
controle 𝑆 2 , Parâmetro estimado.
Cadernos do IME – Série Estatística Análise do Desempenho de Cartas de Contrôle...

1. Introdução
O Controle Estatístico de Processo (CEP) compreende um conjunto de técnicas
estatísticas utilizadas no monitoramento sistemático dos processos produtivos a fim de
contribuir para a fabricação de produtos ou serviços que atendam aos requisitos dos
clientes (CASTAGLIOLA; VÄNNMAN, 2008). A essência do CEP é monitorar a
variação inerente dos processos, denominada de variação natural, e distingui-las das
causas especiais, que em geral são identificáveis (JURAN, 1982; MONTGOMERY,
2009).

Um ponto central no estudo da variabilidade é a determinação, em termos

estatísticos, dos erros relativos aos processos decisórios sobre o controle do processo, tais
como o falso positivo (erro tipo I –α) e falso negativo (erro tipo II – β). Tais erros, quando
não determinados corretamente, afetam o desempenho das cartas de controle e podem
trazer consequências negativas para a produtividade e qualidade dos processos
produtivos. Portanto, o desempenho do CEP é afetado por julgamentos errôneos sobre o
real estado do processo e cabe aos instrumentos estatísticos do CEP mitigar esses erros
(MONTGOMERY, 2009).

Um processo é considerado estável ou sob controle (In Control - IC), se as

estatísticas plotadas nas cartas de controle flutuarem dentro dos limites de controle
(influenciado apenas por causas comuns) previamente determinados na Fase I da
implantação das cartas de controle. Nestas situações, supõe-se que não há causas especiais
que interfiram no processo. No entanto, quando as estatísticas estiverem situadas fora dos
limites de controle, ou com alguma tendência não aleatória, este pode ser um sinal de que
o processo possa estar fora de controle (Out of Control - OOC) e pode ser necessária uma
ação corretiva no processo, tal como sugerido por Jensen et al. (2006). Quando uma causa
especial é detectada, a ação normal é interromper o processo de modo a identificar e
eliminar a causa especial. Isso fará com que o processo mantenha a estabilidade. Contudo,
em algumas situações, isso pode acarretar em custos financeiros, tempo, recursos e
oportunidades de melhoria.

Entretanto, nem sempre é economicamente viável agir sobre pequenos desvios no

parâmetro estatístico monitorado (WOODALL, 1985; MONTGOMERY, 2009).
Woodall (1985) introduziu o conceito de significância prática, considerando exatamente

2
Cadernos do IME – Série Estatística Oprime, Ganga & Vicentin

o sentido prático dos conceitos clássicos das cartas de Shewhart, propondo uma ampliação
dos limites de controle. A incorporação do conceito de significância prática atende às
especificações de engenharia e as necessidades dos clientes, com o menor custo possível.
Em outras palavras, de modo prático, representa uma expansão dos limites de controle
respeitando a relação de custo-benefício. Para tanto, Montgomery (2009) ressalta a
importância de ter em consideração a questão da significância prática no projeto das cartas
de controle. Pesquisas tem flexibilizado os parâmetros de projeto das cartas de controle
com o objetivo de melhorar o seu desempenho e reduzir custos da sua operacionalização.
Costa (1998) avalia que o desempenho das cartas de controle 𝑋̅/𝑅 melhora conforme os
seus parâmetros variam, enquanto que Magalhães et al. (2001) propõem a seleção dos
parâmetros de modo a reduzir os custos do processo. Portanto, a ideia de adotar
parâmetros variáveis das cartas ao invés da abordagem clássica de torná-los fixos não é
nova, e é recomendada. Costa (1998) em seu artigo, tratou a flexibilização do tamanho e
dos intervalos de tomada das amostras, e propôs além da região central e de ação um
limite de alerta para os processos, possibilitando detectar de modo mais rápido desvios
na média decorrentes de causas especiais.

A implantação das cartas de controle estatístico de processo passa por duas fases,
conforme indicado por Montgomery (2009) e Jensen et al. (2006). É na chamada Fase I
que são estabelecidos os limites de controle. No caso da carta clássica de Shewhart 𝑋̅/S e
𝑋̅/R, o controle é realizado por meio da estimativa dos parâmetros estatísticos da média
(µ) e desvio padrão (σ). Uma fragilidade dessas cartas de controle é supor que os
parâmetros estatísticos sejam conhecidos, o que na prática nem sempre é verdade. Isso
afeta substancialmente a eficiência dessas cartas.

Esse problema foi estudado pelos principais autores da área (CHAO; CHENG,
1996; CHEN; CHENG, 1998; JENSEN et al., 2006; CASTAGLIOLA et al., 2009;
CASTAGLIOLA; MARAVELAKIS, 2011; CASTAGLIOLA; CELANO; FICHERA,
2013). Nesses estudos o objetivo foi melhorar o desempenho das cartas de controle,
redimensionando os procedimentos de cálculo dos limites de controle utilizados
correntemente.

Nesse contexto, o objetivo deste artigo foi analisar os efeitos da significância

prática e da estimativa dos parâmetros em cartas de controle que monitorem a variância

3
Cadernos do IME – Série Estatística Análise do Desempenho de Cartas de Contrôle...

dos processos. O método utilizado foi a modelagem (BERTRAND; FRANSOO, 2002)

visando propor soluções numéricas de tal problemática. A modelagem numérica foi
realizada no ambiente do Software Maple, versão 13.

O artigo foi estruturado em cinco seções. A Seção 2 traz um breve resumo

conceitual sobre cartas de controle e significância prática. A Seção 3 descreve as
propriedades das cartas de controle S2 (CS2) com σ0 estimado. A Seção 4 trata do
desempenho das CS2 considerando a significância prática e σ0 estimado. A Seção 5
apresenta a modelagem e simulação numéricas realizadas, bem como os resultados
alcançados. Por fim, a Seção 6 apresenta as considerações finais do estudo realizado.

2. Revisão de Literatura

2.1 Conceitos fundamentais das cartas de controle

A carta de controle é uma das principais técnicas utilizadas no CEP, dada sua
suposta simplicidade operacional. Quando os parâmetros de uma determinada
característica da qualidade são desconhecidos, a carta de controle é, normalmente,
construído em duas fases. Na Fase I (fase pré-prospectiva) são estimados os limites de
controle estatístico. Na carta tradicional de Shewhart, em geral, são extraídas 25 amostras
de tamanho cinco (n=5) para estimativa dos parâmetros do processo e dos limites de
controle estatístico. Na Fase II, com a carta já definido, novas amostras são retiradas e
diz-se que o processo está estável quando o resultado da característica observada é plotado
entre os limites de controle. Caso contrário, tem-se que o processo perdeu sua condição
de estabilidade e está sujeito à ação de causas especiais (JENSEN et al., 2006).

Um problema atual de pesquisa é estudar o desempenho das cartas de controle

(por meio do valor esperado do ARL – Average Run Length) sabendo-se que os
parâmetros estatísticos dos processos são estimados na Fase I. Apesar de alguns trabalhos
que tratam do problema terem sido publicados na segunda metade da década de noventa,
é a partir de 2006 que um significativo número de estudos tem surgido tratando dos efeitos
da estimativa de parâmetros estatístico no desempenho da carta de controle.

Chen (1997) foi um dos primeiros autores a estudar o desempenho de gráficos de

controle da média amostral quando a média 𝜇 e o desvio padrão 𝜎 são desconhecidos. O
principal resultado ressaltado pelo autor foi mostrar a inadequação do número e tamanho

4
Cadernos do IME – Série Estatística Oprime, Ganga & Vicentin

de amostras tradicionalmente utilizados na estimativa dos limites de controle para esse

tipo de gráfico. Posteriormente, outros autores estudaram o mesmo problema, tais como
Zhang e Castagliola (2011) propondo novos parâmetros para o cálculo dos limites de
controle. Os efeitos da estimativa de parâmetros no desempenho de gráficos de controle
por atributo foram estudados Braun (1999), Castagliola e Wu (2012) e Castagliola et al.
(2014); por sua vez, Maravelakis e Castagliola (2009), Maravelakis (2011) estudaram os
efeitos da estimativa de parâmetros em gráficos de controle da Média Móvel Ponderada
Exponencialmente e gráficos de somas acumuladas, conhecido como gráficos de
CUSUM.

O uso de estimativas dos parâmetros pode ocasionar piora no desempenho das

cartas de controle, quando comparados com o desempenho das cartas construídos com
parâmetros realmente conhecidos. Jensen et al. (2006) apresentam o problema de modo
prático. Para os autores, o desempenho das cartas de controle é extremamente afetado
pela estimativa dos parâmetros estatísticos realizados na Fase I.

2.2 Significância prática das cartas de controle

Partindo-se da premissa de que o objetivo de um sistema de controle de processo

é a tomada de decisões que resultem em ganhos econômicos sobre o processo, é possível
equilibrar as consequências destas decisões sobre o mesmo considerando duas situações:
(a) tomar uma ação quando não é necessário (supercontrole), versus (b) não tomar uma
ação quando se é necessário (falta de controle). Assim, é possível utilizar o conceito de
significância prática para tomar decisões economicamente viáveis sobre a condição de
processo. De acordo com Woodall (1985) existe a necessidade de reagir na presença de
causas especiais. No entanto, esta decisão é tomada apenas quando essa causa especial
apresente um impacto suficiente que seja economicamente viável removê-la, a fim de
melhorar os indicadores de qualidade. As abordagens Vp (variação de parâmetros)
encontradas em Costa (1998) e Magalhães et al. (2001) ajustaram os parâmetros das
cartas de controle para melhorar os respectivos desempenhos e reduzir custos
operacionais do processo em termos do tamanho médio da amostragem.

Essa questão é tão significativa que a AIAG (1991) considera, no seu guia de
implantação do controle estatístico de processo, a significância prática. Segundo o
Manual do CEP da AIAG, todo processo está sujeito a ser classificado segundo a sua

5
Cadernos do IME – Série Estatística Análise do Desempenho de Cartas de Contrôle...

capacidade em atender aos limites de especificação da engenharia. Deste modo, um

processo pode ser classificado dentro de um dos quatro casos, como mostra o Quadro 1.

Quadro 1 – Classificação de um Processo

Aderência às necessidades do produto Sob Controle (IC) Fora de Controle (OOC)
Aceitável Caso 1 - é a situação Caso 3 - o processo
ideal atende os requisitos de
modo aceitável, mas não
está sob controle
(significância prática)
Não aceitável Caso 2 - processo que Caso 4 - o processo não
não atende aos está sob controle nem é
requisitos do produto, aceitável.
tem variação excessiva
de causas comuns
Fonte: AIAG (1991).

No caso 3, sob certas circunstâncias, os clientes podem permitir que o gestor opere
o processo nos seguintes casos: i) o cliente é insensível à variação da característica da
qualidade dentro da especificação; ii) a economia envolvida em agir sobre as causas
especiais excede o benefício aos clientes; e iii) A causa especial é identificada e tem sido
documentada.

Do ponto de vista econômico (recomenda-se consultar o trabalho de Magalhães et

al., 2001, que trata de design econômicos das cartas de controle) o excesso de
intervenções sobre o processo decorrentes de falsos alarmes é danoso para a
produtividade. Adotando a mesma linha de raciocínio, não é conveniente a ação sobre
pequenos desvios no parâmetro monitorado estatisticamente, mesmo tendo na carta uma
identificação de alarme de causa especial.

3. As propriedades das cartas de controle 𝐒 𝟐 com 𝛔𝟎 estimado

Suponha que (𝑋𝑖,1 , … , 𝑋𝑖,𝑛 ) sejam variáveis aleatórias, e 𝑖 = 1,2, . . 𝑚, sejam

amostras independentes extraídas de um processo na Fase I, com 𝜎0 não conhecido, em
que 𝑖 identifica o subgrupo. Quando o processo está sob controle (IC), para 𝜎1 = 𝛿𝜎0,
tem-se que 𝛿 = 1, e quando o processo está fora de controle (OOC), 𝛿 > 1. Deste modo,
H0: 𝜎1 2 = 𝜎0 2 (IC), e H1: 𝜎1 2 > 𝜎0 2 (OOC). No estado IC, quando o desvio padrão é
conhecido,
𝑠𝑖2 ∈ {(0; 𝑘𝜎02 ) = (0; 𝐿𝑆𝐶)} (1)

6
Cadernos do IME – Série Estatística Oprime, Ganga & Vicentin

Em que LSC é o Limite Superior de Controle e 𝑘 é uma constante. Para 𝜎0 não

conhecido, o estado de IC do processo ocorre quando
̂ )}, em que (0; 𝐿𝑆𝐶
𝑠𝑖2 ∈ {(0; 𝑘𝜎̂02 ) = (0; 𝐿𝑆𝐶 ̂ ) é a estimativa de LSC. Assume-se que

(𝑋𝑖,1 , … , 𝑋𝑖,𝑛 ), 𝑖 = 1,2, . . 𝑚, são amostras independentes da variável

𝑋𝑖,𝑗 ~𝑁𝑜𝑟𝑚𝑎𝑙(𝜇0 ; 𝜎0 ). A estimativa de 𝜎0 é obtida por:
1
𝜎̂0 2 = 𝑚 ∑𝑚 2
𝑖=1 𝑠𝑖 (2)

1 2
𝑠𝑖2 = 𝑛−1 ∑𝑛𝑗=1(𝑥𝑖𝑗 − 𝑥̅𝑖 ) (3)

Na Fase II, amostras de tamanho 𝑛 são extraídas, e 𝑠𝑖2 são calculadas de

̂ )) ou 𝛼 = 1 − 𝑃𝑟 (𝑠𝑖2 ∈
{𝑋𝑖,1 , 𝑋𝑖,2 , . . , 𝑋𝑖,𝑛 }. O erro tipo I é 𝛼 = 𝑃𝑟 (𝑋̅ ∉ (0, 𝐿𝑆𝐶

̂ )). Sendo que probabilidade do erro tipo I depende da estimativa da variancia e,

(0, 𝐿𝑆𝐶

por conseguinte, dos limites de controle, 𝑃𝑟(𝛼|𝜎̂0 2 ). Para um processo que está OOC,
̂ 𝑠2 = 𝑘𝜎̂02 .
𝜎1 = 𝛿𝜎0 , para 𝛿 > 1, e a estimativa do limite de controle será obtida por 𝐿𝑆𝐶

Para o estado de controle IC, pode-se escrever a seguinte Expressão 4:

2 ̂
𝑠 (𝑛−1) 𝐿𝑆𝐶 (𝑛−1)
𝑃𝑟(𝑠𝑖2 ≤ ̂
𝐿𝑆𝐶 ) = 𝑃𝑟 ( 𝑖 𝜎2 ≤ ) (4)
𝜎2 1 1

Desenvolve-se essa Expressão 5 seguindo os passos a seguir:

𝑠𝑖2 (𝑛−1) ̂02 (𝑛−1)

𝑘𝜎 2 ̂02 (𝑛−1)
𝑘𝜎
𝑃𝑟 ( ≤ ) = 𝑃𝑟 (𝑋𝑛−1 ≤ ) (5)
𝜎12 𝜎12 𝜎12

2 𝑠𝑖2 (𝑛−1)
Em que 𝑋𝑛−1 = é o valor da distribuição de probabilidade do Qui-
𝜎12

̂2
𝜎
quadrado. Como 𝜎12 = 𝛿 2 𝜎02 e 𝑈 = 𝜎02 , pode-se escrever a Expressão 6:
0

𝑘𝑈 (𝑛−1)
𝑃𝑟(𝑠𝑖2 ≤ 𝐿𝑆𝐶) = 𝑃𝑟 (𝑋𝑛−1
2
≤ ) (6)
𝛿2

̂ )) quando 𝛿 = 1. Assim 𝛼 = 1 −
Sendo o erro tipo I 𝛼 = 1 − 𝑃𝑟 (𝑠𝑖2 ∈ (0, 𝐿𝑆𝐶

𝑃𝑟(𝑋 2 ≤ 𝑘𝑈 (𝑛 − 1)), resultando na Expressão 7

𝛼 = 1 − 𝐹𝑋 2 (𝑘𝑈 (𝑛 − 1)) (7)

7
Cadernos do IME – Série Estatística Análise do Desempenho de Cartas de Contrôle...

̂ )) quando 𝛿 > 1. Assim, tem-se a

O erro tipo II é 𝛽 = 𝑃𝑟 (𝑠𝑖2 ∈ (0, 𝐿𝑆𝐶

Expressão 8:

2 𝑘𝑈 (𝑛−1) 2 𝑘𝑈 (𝑛−1)
𝛽 = 𝑃𝑟 (𝑋𝑛−1 ≤ ) = 𝐹𝑋 2 (𝑋𝑛−1 ≤ ) (8)
𝛿2 𝛿2

A função de distribuição de probabilidade de 𝑈 é 𝑓(𝑢) = 𝑚(𝑛 − 1) 𝑓𝑋 2 (𝑚(𝑛 −

1)𝑢). A incondicional ARL é dada pela Expressão 9:
∞ 1
𝐴𝑅𝐿 = ∫0 𝑓(𝑢) 𝑑𝑢 (9)
1−𝛽

Resultando na Expressão 10, a seguir:

∞ 1
𝐴𝑅𝐿(𝑚, 𝑛, 𝛿) = ∫0 2 ≤𝑘𝑈 (𝑛−1))
𝑚(𝑛 − 1) 𝑓𝑋 2 (𝑚(𝑛 − 1)𝑢) 𝑑𝑢 (10)
1−𝐹𝑋2 (𝑋𝑛−1
𝛿2

Em que 𝑓𝑋 2 é a função densidade de probabilidade da Distribuição Qui-quadrado

com 𝑚(𝑛 − 1) graus de liberdade.

4. Desempenho da carta de controle 𝑺𝟐 considerando a significância prática e 𝝈𝟎

estimado

Suponha que (𝑋𝑖,1 , … , 𝑋𝑖,𝑛 ) são variáveis aleatórias, 𝑖 = 1,2, . . 𝑚, de uma amostra
independente tomadas na Fase I, com 𝜎0 dsconhecido, em que 𝑖 representa o número do
subgrupo e ∆ é a mudança admissível em 𝜎0 . Quando o processo está em estado de
controle (IC), para 𝜎1 = (𝛿 + ∆)𝜎0, tem-se 𝛿 = 1 e ∆≥ 0.
Então, quando processo está OOC, tem-se que 𝛿 > 1. Assim, H0: 𝜎1 ≤ (𝜎0 +
∆𝜎0 ) (IC), e H1: 𝜎1 > (𝜎0 + ∆𝜎0 ) (OOC). Em IC quando o desvio padrão é conhecido,
tem-se a seguinte relação, ilustrada na Equação 11:
𝑠𝑖2 ∈ {(0; 𝐾(𝜎02 + ∆2 𝜎02 ) = (0; 𝐿𝑆𝐶)} (11)
Em que LSC é o Limite Superior de Controle e K é uma constante. Para 𝜎0 não
̂ )}.
conhecido IC ocorre quando 𝑠𝑖2 ∈ {(0; 𝐾(𝜎̂02 + ∆2 𝜎02 ) = (0; 𝐿𝑆𝐶
Na Fase II, amostras de tamanho 𝑛 são tomadas, e 𝑠𝑖2 é calculado de
̂ )) ou 𝛼 = 1 − 𝑃𝑟 (𝑠𝑖2 ∈
{𝑋𝑖,1 , 𝑋𝑖,2 , . . , 𝑋𝑖,𝑛 }. O erro tipo I é 𝛼 = 𝑃𝑟 (𝑋̅ ∉ (0, 𝐿𝑆𝐶

̂ )). Para um processo que está OOC, 𝜎1 = 𝛿𝜎0 , para 𝛿 > 1, e a estimativa do
(0, 𝐿𝑆𝐶
̂ = 𝐾(𝜎̂02 + ∆2 𝜎02 ).
limite de controle será 𝐿𝑆𝐶

8
Cadernos do IME – Série Estatística Oprime, Ganga & Vicentin

Para o estado de controle IC, pode-se escrever a Expressão 12:

2 ̂
̂ ) = 𝑃𝑟 (𝑠𝑖 (𝑛−1)
𝑃𝑟(𝑠𝑖2 ≤ 𝐿𝑆𝐶 ≤
𝐿𝑆𝐶 (𝑛−1)
) (12)
𝜎2 𝜎2 1 1

Desenvolvendo essa expressão, obtem-se a Expressão 13:

𝑠𝑖2 (𝑛−1) ̂02 +∆2 𝜎02 ). (𝑛−1)

𝐾(𝜎 2 ̂02 +∆2 𝜎02 ). (𝑛−1)
𝐾(𝜎
𝑃𝑟 ( ≤ ) = 𝑃𝑟 (𝑋𝑛−1 ≤ ) (13)
𝜎12 𝜎12 𝜎12

Como 𝜎12 = 𝛿 2 𝜎02 , a Equação 13 é descrita pela Expressão 14:

2 ̂02 +∆2 𝜎02 ). (𝑛−1)

𝐾(𝜎 2 ̂02 (𝑛−1)+𝐾∆2 𝜎02 (𝑛−1)
𝐾𝜎
𝑃𝑟 (𝑋𝑛−1 ≤ ) = 𝑃𝑟 (𝑋𝑛−1 ≤ ) (14)
𝛿 2 𝜎02 𝛿 2 𝜎02

̂2
𝜎
Se 𝑈 = 𝜎02 , tem-se a seguinte Expressão 15:
0

2 ̂02 (𝑛−1)
𝐾𝜎 𝐾𝜎02 (𝑛−1) 2 𝐾𝑈(𝑛−1) 𝐾∆2 (𝑛−1)
𝑃𝑟 (𝑋𝑛−1 ≤ + ) = 𝑃𝑟 (𝑋𝑛−1 ≤ + ) (15)
𝛿 2 𝜎02 𝛿 2 𝜎02 𝛿2 𝛿2

̂ )), quando 𝛿 = 1. Assim, 𝛼 =

O erro tipo I será então 𝛼 = 1 − 𝑃𝑟 (𝑠𝑖2 ∈ (0, 𝐿𝑆𝐶

̂ ))
1 − 𝑃𝑟[𝑋 2 ≤ 𝐾𝑈 (𝑛 − 1) + 𝐾∆2 (𝑛 − 1)]. E, o erro tipo II é 𝛽 = 𝑃𝑟 (𝑠𝑖2 ∈ (0, 𝐿𝑆𝐶

quando 𝛿 > 1. Portanto, foi obtida a seguinte Expressão 16 para o erro tipo II:

2 𝐾𝑈(𝑛−1) 𝐾∆2 (𝑛−1) 2 𝐾𝑈 (𝑛−1)+𝐾∆2 (𝑛−1)

𝛽 = (𝑋𝑛−1 ≤ + ) = 𝐹𝑋 2 (𝑋𝑛−1 ≤ ) (16)
𝛿2 𝛿2 𝛿2

A incondicional ARL é uma função 𝑝(∆, 𝑈, 𝑚, 𝑛, 𝛿) e obtida pela Expressão 17:

∞ 1
𝐴𝑅𝐿(∆, 𝑚, 𝑛, 𝛿) = ∫0 𝑚(𝑛 − 1) 𝑓𝑋 2 (𝑚(𝑛 − 1)𝑢) 𝑑𝑢 (17)
1−𝑝(∆,𝑈,𝑚,𝑛,𝛿)

Esta é similar a Expressão 18:

∞ 1
𝐴𝑅𝐿(∆, 𝑚, 𝑛, 𝛿) = ∫0 2
2 ≤𝐾𝑈 (𝑛−1)+𝐾∆ (𝑛−1))
𝑚(𝑛 − 1) 𝑓𝑋 2 (𝑚(𝑛 − 1)𝑑𝑢) (18)
1−𝐹𝑋2 (𝑋𝑛−1
𝛿2

5. Análise numérica

a. Métodos numéricos
A análise do desempenho das cartas de variância com parâmetro estimado e
considerando a significância prática foi realizado por meio do Software Maple, versão 13.
A solução numérica da função matemática do ARL é dada pela Expressão 18. Esta

9
Cadernos do IME – Série Estatística Análise do Desempenho de Cartas de Contrôle...

expressão foi obtida pela construção do programa conforme o Quadro 2 mostrado a

seguir.

Quadro 2 – Construção do programa

Em que 𝑚 é o número de amostras retiradas na Fase I de tamanho 𝑛; 𝐾 é uma

constante; Δ representa a significância prática e 𝛿 é o desvio da variância populacional.

Fixou-se 𝐾 = 3, 𝛿 = {0; 1,15; 1,30; 1,50; 1,75}, ∆= {0; 0,50} e variou-se 𝑚, 𝑛. A

seção a seguir apresenta os resultados obtidos por métodos numéricos.

b. Resultados numéricos

A Tabela 1 mostra o desempenho das cartas de controle 𝑆 2 considerando que a

variância seja desconhecida e estimada na Fase I da implantação da carta de controle. É
também considerado que haja uma significância prática denominada de Δ com
implicações econômicas sobre o processo.

Tabela 1 - Desempenho da carta de controle com significância prática e parâmetro estimado para Δ =
0,50, 𝑚 = 20 e 𝛿 = [1,05; 1,10; 1,15; 1,20; 1,25; 1,30; 1,35]
Δ = 0,50
δ
m n Desempenho 1,00 1,05 1,10 1,15 1,20 1,25 1,30 1,35
ARL 54,61 36,790 26,230 19,590 15,190 12,160 10,000 8,410
Pa(Ho) 0,982 0,973 0,962 0,949 0,934 0,918 0,900 0,881
3 1-Pa(Ho) 0,018 0,027 0,038 0,051 0,066 0,082 0,100 0,119
ARL 316,36 158,350 87,830 53,560 34,900 24,110 17,490 13,210
20 Pa(Ho) 0,997 0,994 0,989 0,981 0,971 0,959 0,943 0,924
5 1-Pa(Ho) 0,003 0,006 0,011 0,019 0,029 0,041 0,057 0,076
ARL 9903 426,670 205,420 187,670 171,760 89,740 51,400 32,600
Pa(Ho) 0,9999 0,998 0,995 0,995 0,994 0,989 0,981 0,969
9 1-Pa(Ho) 0,0001 0,002 0,005 0,005 0,006 0,011 0,019 0,031

10
Cadernos do IME – Série Estatística Oprime, Ganga & Vicentin

Observa-se na Tabela 1 que a probabilidade de aceitar Ho, diminuiu conforme o

desvio 𝛿 na variância aumenta. Por outro lado, a probabilidade de rejeitar Ho aumenta.
Se aumentar 𝑛 = 3 para 𝑛 = 5 e n = 9, a probabilidade de aceitar Ho aumenta. Se
considerar que para 1 + ∆> 𝛿 é uma situação aceitável do ponto de vista econômico,
deseja-se então que a carta de controle tenha a maior probabilidade de não rejeitar Ho.
Para essa mesma configuração da Tabela 1, 𝑚 = 20 𝑒 𝑛 = (3, 5, 9), porém Δ = 0, os
valores obtidos para Average Run Lenght foram: 𝐴𝑅𝐿 = (25,8; 84,2; 809,7). Esses
seriam os resultados de um gráfico de controle tradicional para a variância. Observe que
os resultados mostrados na Tabela 1 considerando a significância prática é mais vantajosa.

A Tabela 2 mostra o comportamento da carta de controle de 𝑆 2 quando ∆< 𝛿.

Quando o processo está na condição de 1 + ∆< 𝛿, é desejável que a probabilidade de não
rejeitar Ho seja a menor possível, em contrapartida, que ARL seja pequeno, e a
probabilidade de rejeitar Ho seja a maior possível (1-Pa(Ho)).

Quando se compara as Tabelas 1 e 2 observa-se que a probabilidade de rejeitar Ho

aumenta, e essa condição melhora a medida que a amostra 𝑛 é aumentada. Em uma
condição de significância prática, o aumento do tamanho da amostra possibilita melhorar
a capacidade da carta de controle discriminar a condição de um processo aceitável de uma
condição inaceitável. De modo mais específico, observe que para 𝛿 > 1,50, o ARL<5,55,
como pode ser observado na Tabela 2, para m=20 e n=3.

Tabela 2 - Desempenho da carta de controle com significância prática e parâmetro estimado para Δ =
0,50, 𝑚 = 20 e 𝛿 = [1,50; 1,55; 1,60; 1,65; 1,70; 1,75; 1,80]

Δ = 0,50
δ
m n Desempenho 1,50 1,55 1,60 1,65 1,70 1,75 1,80
ARL 5,55 4,96 4,48 4,091 3,76 3,48 3,25
Pa(Ho) 0,820 0,798 0,777 0,756 0,734 0,713 0,692
3 1-Pa(Ho) 0,180 0,202 0,223 0,244 0,266 0,287 0,308
ARL 6,860 5,790 4,980 4,280 3,890 3,300 3,000
20 Pa(Ho) 0,854 0,827 0,799 0,766 0,743 0,697 0,667
5 1-Pa(Ho) 0,146 0,173 0,201 0,234 0,257 0,303 0,333
ARL 10,74 8,18 6,44 5,23 4,35 3,70 3,21
Pa(Ho) 0,854 0,827 0,799 0,766 0,743 0,697 0,667
9 1-Pa(Ho) 0,093 0,122 0,155 0,191 0,229 0,270 0,312

11
Cadernos do IME – Série Estatística Análise do Desempenho de Cartas de Contrôle...

Figura 1 - Comparação do desempenho da carta de variância para n=3 e n=9

Δ =0,5 m=20
1,00
0,95
0,90
0,85
Probabilidade de aceitar H0

0,80
0,75
0,70
0,65
0,60
0,55
0,50
0,45 n=3
0,40
0,35 n=9
0,30
0,25
0,20
0,15
0,10
0,05
0,00
2,25

3,15

4,05

4,95

5,85
1,05
1,35
1,65
1,95

2,57
2,87

3,45
3,75

4,35
4,65

5,25
5,55

6,15
6,45
6,75
7,05
7,35
7,65
7,95
8,25
8,55
8,85
δ

Tabela 3: Valores da constante K quando ∆= 0,5 e 𝛿 = 1.

m, n K ARL
3 54.61
m=20, n=3 4 235.7
4.3 371.1
3 316.3
m=20, n=5 3.05 358.8
3.06 367.9
2 122.9
m=20, n=9 2.2 276.6
2.27 370.07

Tradicionalmente os gráficos de controle são teoricamente projetados para um

erro de falso positivo de 0,27%, quando em estado de controle. Para o gráfico da
variância, considerando a significância prática, os valores de K são diferentes do valor
tradicionalmente utilizado, de K=3, para um erro de falso positivo de 0,27%. Para um
erro de 0,27%, o ARL seria 370,4. Desta forma, na Tabela 3 são ilustrados alguns valores
do ARL para diferentes valores de K. Por exemplo, para m=20 e n=5, um valor
recomendado seria K=3,06; e, para m=20 e n=9, recomenda-se K=2,27.
Um exemplo que contextualize a vantagem ao usar a significância prática é o
processo de estampagem de materiais metálicos. Por exemplo, a conformação por
estampagem do prato do freio a tambor de veículos leves. Essa peça tem várias

12
Cadernos do IME – Série Estatística Oprime, Ganga & Vicentin

características crítica funcionais e de segurança do sistema de freio, tais como furos, raios
e ângulos. Esse processo de fabricação tem pequena variabilidade instantânea, vou seja,
o desvio padrão de pequenas amostras é muito pequeno, e quando comparada a
capabilidade de máquina em relação as especificações de engenharia, essa é muito alta,
acima 1,68. Assim, cartas de controle tradicionais (conforme a abordagem proposta por
Shewhart), são inadequadas para situações que ocorram pequenas mudanças na variância.
Isso equivale dizer que do ponto de vista prático (custo benefício), não compensaria
interromper o processo para atuar sobre causas especiais. Nesse caso, o uso de gráficos
de controle com significância prática implica em uma solução gerencial que compatibilize
o clássico trade-off entre qualidade de conformação e o custo de inspeção, por exemplo.

6. Conclusão
O objetivo do artigo foi analisar os efeitos da significância prática e da estimativa
dos parâmetros em cartas de controle que monitorem a variância dos processos. Em
termos conceituais, o propósito do uso de cartas de controle com significância prática é
diminuir os custos de intervenções que do ponto de vista prático não são viáveis.

Nos casos em que o desvio padrão de processos de fabricação com características

críticas funcionais da qualidade de produtos é aumentada em (𝛿 − 1), e com uma
magnitude inferior ao máximo tolerável, ∆, a probabilididade de aceitar Ho aumenta com
o incremento no tamanho da amostra, 𝑛. Por outro lado, quando (δ-1)> ∆, a probabilidade
de aceitar Ho reduz a medida que 𝑛 aumenta. Assim, a modelagem desenvolvida neste
artigo considerou o conceito de significância prática, possibilitando, dessa forma,
dimensionar de modo mais econômico o processo de controle estatístico de processo,
reduzindo o número e tamanho da amostra, 𝑚, 𝑛.

Esses resultados são observados nas Tabelas 1 e 2, indicando que o aumento do

tamanho da amostra implica diretamente na melhoria da capacidade de discriminar uma
situação desejável de outra não desejável do processo. Esse comportamento era esperado
de forma intuitiva, mas por meio dos métodos números aplicados foi possível, calibrar
de forma mais precisa o tamanho da amostra em função de Δ, ou seja, da significância
prática.

A abordagem da significância para cartas de controle é semelhante ao da inspeção

de amostras por amostragem de aceitação. A ideia é que o produto deva ser produzido a

13
Cadernos do IME – Série Estatística Análise do Desempenho de Cartas de Contrôle...

partir de um processo com um determinável nível aceitável de variação de um dado

parâmetro estatístico.

Poder-se-ia considerar que há tanto o risco do fabricante ou gestor interronper o

processo sem uma justificativa econômica, quanto o consumidor receber um produto que
não atenda os objetivos de qualidade total do produto.

Este artigo pode servir de apoio prático para gestores que busquem monitorar a
variabilidade do processo. Para tanto é necessário admitir que os requisitos dos clientes
envolvidos na análise estejam satisfeitos e que a mudança no desvio padrão (ou variância)
seja menor que o pleiteado pelo cliente. Assim, foi proposto um procedimento para
calcular os limites de controle que impliquem em melhores números de amostragem e
tamanhos de amostra e que garantam o menor erro tipo I e II.

Recomenda-se que as empresas passem a utilizar o conceito de significância

prática quando do planejamento do sistema de controle dos processos. Por outro lado, é
necessário que a academia, de forma específica, os centros de formação em Engenharia
Industrial e de Produção incorporem esta nova abordagem no conteúdo programático das
disciplinas de engenharia da qualidade.

Referências
AIAG/ASQC. Fundamental statistical process control reference manual.Troy, MI: AIAG. 1991.

BERTRAND, J. W. M.; FRANSOO, J. Operations management research methodologies using quantitative

modeling. International Journal of Operations and Production Management, v. 22, n.2, p. 241-264,
2002.

BRAUN, W. J. Run length distributions for estimated attributes charts. Metrika, v. 50, p. 121-129, 1999.

CASTAGLIOLA, P.; CELANO, G.; FICHERA, S. Comparison of the 𝑋̅ Chart and the t Chart when the
Parameters are Estimated. Quality Technology & Quantitative Management, v. 10, p.1-16, 2013.

CASTAGLIOLA, P.; MARAVELAKIS, P. A CUSUM Control Chart for Monitoring the Variance when
Parameters are Estimated. Journal of Statistical Planning and Inference, v. 141, n. 4, p. 1463-1478, 2011.

CASTAGLIOLA, P.; VÄNNMAN, K. Average run length when monitoring capability indices using
EWMA. Quality and Reliability Engineering International, v. 24, p. 941-955, 2008.

CASTAGLIOLA, P.; WU, S. Design of the c and np Charts when the Parameters are Estimated.
International Journal of Reliability, Quality and Safety Engineering, v. 19, n. 2, 2012.

CASTAGLIOLA, P.; WU, S.; KHOO, M.B.C.; CHAKRABORTI, S. Synthetic Phase II Shewhart-type
Attributes Control Charts when Process Parameters are Estimated. Quality and Reliability Engineering
International, v. 30, n. 3, p. 315-335, 2014.

14
Cadernos do IME – Série Estatística Oprime, Ganga & Vicentin

CHAO, M. T.; CHENG, S. W. Semicircle control chart for variables data. Quality Engineering, v.8, p.
441-446, 1996.

CHEN, G. The mean and standard deviation of the run length distribution of 𝑋̅ charts when control limits
are estimated. Statistica Sinica, v. 7, p. 789-798, 1997.

CHEN, G.; CHENG, S. W. Max Chart: Combining X-BAR chart and S CHART. Statistica Sinica, v. 8, p.
263-271, 1998.

COSTA, A. F. B. Join 𝑋̅ and R charts with variable parameters. IIE Transactions, v.30, p. 505-514, 1998.

JENSEN, W.A., JONES-FARMER, L.A., CHAM P, C.W., WOODALL, W.H. Effects of parameter
estimation on control chart properties: a literature review, Journal of Quality Technology, v. 38, p. 349–
364, 2006.

JURAN, J.M. A qualidade desde o projeto. São Paulo: Thomson, 1992.

MAGALHAES, M. S.; EPPRECHT, E. K.; COSTA, A. F. B. Economic design of a Vp 𝑋̅ chart.

International Journal Production Economics, v. 74, p. 191-200, 2001.

MARAVELAKIS, P.; CASTAGLIOLA, P. An EWMA Chart for Monitoring the Process Standard
Deviation when Parameters are Estimated. Computational Statistics & Data Analysis, v. 53, n. 7, p. 2653-
2664, 2009.

MARAVELAKIS, P.E. Measurement Error Effect on the CUSUM Control Chart, Journal of Applied
Statistics, 2011.

MONTGOMERY, D.C. Introduction to statistical quality control. New York: John Wiley & Sons. 2009.

WOODALL, W.H. The statistical design of quality control charts. Journal of the Royal Statistical
Society, v.34, p. 155-160, 1985. Series D (The Statistician)

ZHANG, Y.; CASTAGLIOLA, P. Impact of the Process Parameters Estimation on the VSI X¯ Chart. In:
International Conference on Reliability and Quality in Design, 17. Proceedings…,p.354-358, ISBN: 978-
0-9763486-7-2, Vancouver, BC, Canada, August 2011.

15
Cadernos do IME – Série Estatística Análise do Desempenho de Cartas de Contrôle...

PERFORMANCE ANALYSIS OF VARIANCE CONTROL

CHARTS WITH ESTIMAED PARAMETER
CONSIDERING THE PRACTICE SIGNIFICANCE

Abstract
The goal of this study is to analyze the effects of the practical significance and the
parameters estimation in control charts to monitor the variance of processes. Numerical
solutions were determined by performing modeling and simulation methods using the
Maple Software environment. Experimental results showed that the obtained control
charts using the practical significance detected less false positive signals compared to
traditional charts. Another advantage refers to the higher discrimination of out-of-
control states in processes when increasing the samples size.
Key-words: Statistical Process Control, Practical significance, 𝑆 2 Control charts,
Estimated parameter.

16