Relatório Final da disciplina de Controlo de Qualidade e Fiabilidade
Transcrição
Relatório Final da disciplina de Controlo de Qualidade e Fiabilidade
Relatório Final da disciplina de Controlo de Qualidade e Fiabilidade Matemática e Ciências da Computação Engenharia Agro-alimentar Paulo Infante Ano Lectivo 2003/2004 Índice • Relatório Crítico de Leccionação • Relatório Crítico de Leccionação em Inglês • Programa Detalhado e Informação da Disciplina • Programa Detalhado e Informação da Disciplina em Inglês • Programa Resumido da Disciplina • Programa Resumido da Disciplina em Inglês • Sumários das Aulas • Algum Material de Apoio às Aulas Teóricas • Algum Material de Apoio às Aulas Práticas • Provas de Avaliação • Resultados da Avaliação • Inquérito Anónimo Realizado aos Alunos Relatório Crítico de Leccionação Controlo de Qualidade e Fiabilidade Matemática e Ciências da Computação e Engenharia Agro-alimentar Ano Lectivo 2003/2004 Relatório Crítico de Leccionação A disciplina de Controlo de Qualidade e Fiabilidade é ministrada aos Cursos de Licenciatura em Matemática e Ciências da Computação e Engenharia Agro-alimentar. Funciona também para os alunos inscritos em Controlo de Qualidade dos Cursos mais antigos (Ensino de Matemática, Matemática Aplicada, Matemática, Análise Matemática e Probabilidades e Estatística). Trata-se de uma disciplina semestral, sendo leccionada no 8º Semestre. Sendo uma disciplina nova (embora com vários pontos comuns à disciplina de Controlo de Qualidade anteriormente leccionada), houve necessidade de construir todo um suporte em torno do Programa aprovado pela Comissão de Curso, o qual foi globalmente cumprido. Podemos afirmar que os objectivos inicialmente propostos foram atingidos. Todo o material de apoio foi colocado à disposição dos alunos numa página própria da disciplina na Internet. Esta página servia também para informações aos alunos e disponibilização dos sumários das aulas. Pensamos que se trata de uma medida a fomentar, pois num semestre lectivo, e para um número médio de alunos (que participaram nas aulas e que se submeteram a alguma prova de avaliação) inferior a 40, esta página teve mais de 1300 visitas, o que demonstra a importância da informação aí disponibilizada. Relativamente ao curso de Matemática e Ciências da Computação, esta disciplina tem como disciplinas precedentes as disciplinas de Probabilidades e Estatística I (antiga Introdução à Probabilidade) e de Probabilidades e Estatística II (antiga Introdução à Estatística), leccionadas no 3º e 4º semestres respectivamente, e que funcionam como seu suporte de base em termos teóricos e metodológicos. No início do semestre fez-se uma revisão de conhecimentos básicos fundamentais. Houve necessidade de leccionar alguma matéria como se fosse a primeira vez devido à turma ser muito heterogénea. Em 1 parte, esta heterogeneidade pode ser explicada pelo facto dos alunos frequentarem as disciplinas base em anos lectivos distintos. Por exemplo, grande parte dos estudantes não tinham ainda abordado o teste qui-quadrado de ajustamento e o teste de Kolmogorov-Smirnov. Pensamos que, com as revisões curriculares levadas a cabo no ano lectivo anterior, tal situação poderá ser corrigida no próximo ano lectivo ou daqui a dois anos. Consequentemente, para uma primeira parte do Programa foi necessário mais algum tempo de leccionação do que o inicialmente previsto. No que concerne à sua carga horária semanal, esta disciplina tem 3 horas de aulas teóricas e 2 horas de aulas práticas. Tem, assim, por semana, um total de 5 horas, correspondendo-lhe 7 ECTS. Esta carga horária parece-nos insuficiente, tendo em conta o potencial desta disciplina e o tipo de abordagens que se podem levar a cabo. Pensamos, inclusive, que numa disciplina com uma vertente eminentemente prática, como pensamos ser o caso desta, se justificava um número de horas práticas superior ao número de horas teóricas. É, assim, difícil colocar em prática a perspectiva que defendemos de que o Professor deve ensinar a pensar e ensinar a aprender. Refira-se, com base em alguma experiência que temos do ensino deste tipo de matérias, que esta é uma disciplina muito atractiva para os alunos e da qual estes esperam muito, mas que pelos conhecimentos anteriores, capacidade de análise e sentido crítico que requer, se torna muito exigente. Decidimos, assim, reduzir alguma profundidade relativamente a um ou outro tópico, procurando dar apenas uma visão panorâmica, enquanto que outros foram mais aprofundados, até porque por muito que se leccione, fica sempre, e cada vez mais, muito por leccionar. Este é um dos pontos que nos irá merecer alguma reflexão em cada ano lectivo. Refira-se, ainda, que se pretendeu dar uma perspectiva do potencial da Investigação nesta área, no contexto da Investigação Científica desenvolvida pelo Docente, procurando não só estimular o aluno e dar-lhe uma ideia do que é e o que se pode fazer em Investigação, mas também dar-lhe um tipo de abordagem diferente da usual. Estando esta disciplina integrada nos Curricula de Engenharia Agro-Alimentar (na prática, com alunos potenciais a partir de 2005/2006), será necessário reflectir um pouco sobre como abordar determinadas matérias, pois são alunos com formações diferentes e com perspectivas e objectivos diferentes. Neste caso, apenas existe uma disciplina suporte base em termos teóricos e metodológicos, a disciplina de Estatística 2 que é leccionada no 6º semestre daquele curso. A questão não se colocou este ano lectivo, pois não se inscreveu à disciplina ninguém daquele curso, até porque se trata de uma disciplina que aparece num curso novo e numa fase curricular avançada. O programa desta disciplina deve incluir também a utilização efectiva de software estatístico. Neste ano optámos por ministrar algumas noções da folha de cálculo EXCEL, importante para solucionar variadas questões em Controlo de Qualidade e pouco conhecida pelos nossos alunos. Contudo, vimo-nos obrigado a limitar um pouco o uso do computador pelo facto de estarem inscritos muitos alunos, o que implicaria falta de condições físicas, quer ao nível do número de computadores quer ao nível das infraestruturas. Aliás, como planeámos um pouco as aulas em função desse número de inscritos, ficámos um pouco limitados na nossa acção, embora tivéssemos adaptado a posteriori o planeamento da disciplina em função do número de alunos que habitualmente assistiam às aulas. Pensamos que o facto dos alunos se poderem inscrever a todas as disciplinas levanta algumas questões importantes relacionadas com o planeamento e funcionamento das aulas, tipo de abordagens a determinadas matérias, avaliação, marcação de salas para testes, entre outros. O esquema de avaliação foi o usualmente utilizado na anterior disciplina de Controlo de Qualidade. Os alunos podiam optar por Avaliação Contínua ou por Avaliação por Exame Final. No sistema de Avaliação Contínua foram realizadas duas provas de avaliação. O sistema de Avaliação por Exame Final consistiu na realização de dois exames na época normal, onde o aluno optava por um, e dum exame em época de recurso. Mais uma vez pudemos concluir que o trabalho desenvolvido pelos alunos fora das aulas constitui um aspecto muito importante, pois quase todas as notas mais relevantes foram obtidas por alunos que passaram pela Avaliação Contínua. Apesar de termos disponibilizado um horário para, de uma forma complementar e menos formal, esclarecer dúvidas e aprofundar matérias, a verdade é que muito poucos alunos apareceram, aumentando um pouco nos 2 ou 3 dias que antecederam cada prova de avaliação. Em particular, registámos alguma utilização do e-mail para esclarecimento de dúvidas. Parece-nos de salientar que, excepto nas duas semanas finais, o número de alunos que assistiram às aulas se manteve constante durante todo o ano lectivo, sendo aproximadamente igual ao número de alunos que consideramos avaliáveis. Pensamos que tal é revelador do interesse pela disciplina e da empatia entre alunos e docente, 3 podendo-se confirmar através dos resultados de um inquérito anónimo realizado aos alunos. Refira-se que mais de 90% dos alunos que responderam ao inquérito avaliaram globalmente o docente com notas de Bom ou Muito Bom. Relativamente às aulas práticas, refira-se que foram criadas folhas de exercícios e fornecidas as respectivas soluções, procurando incentivar-se o trabalho do aluno em casa. Na parte da Fiabilidade, pela sua vertente mais teórica, justificava-se um menor número de exercícios e optou-se por os ditar na aula. Houve a preocupação de adoptar exercícios capazes de estimular os alunos, desenvolver o seu raciocínio e criar neles o gosto pela disciplina. Pensamos que tais folhas podem ser melhoradas no próximo ano lectivo através da introdução de novos exercícios num ou noutro tópico e, eventualmente, na reformulação de um ou outro exercício que nos pareceu menos conseguido. No desenrolar das aulas práticas procurou-se corresponder às expectativas do Processo de Bolonha. Procurámos, sempre que possível, que os alunos dinamizassem as aulas, apesar de alguma resistência inicial. Fomentou-se as dúvidas carteira a carteira e a resolução do exercício individualmente pelo aluno. Ainda em relação às aulas, optámos por aulas teórico-práticas (respeitando a carga horária estabelecida) de modo a que os tópicos fossem abordados muito pouco tempo após a sua introdução ao nível teórico, permitindo não haver praticamente desfasamento entre a parte teórica e a sua aplicação prática. Finalmente, podemos considerar que os resultados finais, em termos de aprovações e reprovações, foram bastante satisfatórios. Se tivermos como referência o número de inscritos na disciplina (algo que, com o actual sistema de inscrições não nos parece fazer qualquer sentido), a percentagem de aprovações foi igual a 23,4%. Tomando como referência o número de alunos que compareceram a toda a avaliação contínua e a algum dos exames, o que nós designamos por alunos avaliáveis (33), a percentagem de aprovações foi igual a 66,7%. O Docente _______________________________ (Professor Auxiliar) 4 Relatório Crítico de Leccionação em Inglês Quality Control and Reliability Mathematics and Computer Science and Agro-Alimentar Engineering 2003/2004 Critical Report Quality Control and Reliability is lectured to Mathematics and Computer Science and Agro-Alimentar Engineering. This is a semester course, being lectured at 8th semester and it comes to substitute Quality Control that was lectured in previous years to old Mathematic courses (Education, Applied Mathematics, Mathematics, Mathematical Analysis and Probabilities and Statistics). Because it is a new course (although with some common points to Quality Control) we had necessity to construct all the needed support around the Program approved for the Course Commission, which globally was fulfilled. We can say that the objectives initially considered had been reached. The whole support material was available to the students in an internet page. This page also provides information to the students including the summaries of the lessons. We think that it should be a measure to implement because in about a period of learning semester, and for an average number of students (that had participated in the lessons and in some evaluation test) lesser than 40, this page had more than 1300 visits, which demonstrates the importance of the information encountered there. Relatively to Mathematics and Computer Science, this course has a theoretical and methodological support on Probability and Statistics I (previously Introduction to Probability) and on Probability and Statistics II (previously Introduction to Statistics) lectured in the 3rd and 4th semester, respectively. In the beginning of the semester we made a revision of the basic statistical methods, but we had necessity to lecture some points as if it was the first time because our students had attended to the support courses in different school years. For example, a great part of the students did not know the chisquare and the Kolmogorov-Smirnov goodness of fit tests. We think that, with the curricular revisions taken in the previous school year, such situation could be corrected in the next school year or in the next two years. Therefore, some topics of the Program were lectured slowly than the initially foreseen. 1 In that it concerns to its workload, this course has 3 hours of theoretical lessons and 2 hours of practical lessons. It has, thus, per week, a total of 5 hours, corresponding to it 7 ECTS. In our opinion, this workload seems to be insufficient if we have into account the different points of the program that we could explore in a course with this potential. We think, also, that in a practical course, as we think to be the case of this, it justified a number of practical lessons greater than the theoretical ones. Such becomes difficult to place in practical the perspective that we defend of that the Professor should teach to think and teach to learn. We can say, according to some experience that we have in teaching the topics included in the program of this course which is very attractive and from which the students expect very much, that it comes very demanding by previously knowledge’s required, the capacity of analysis and the critical sense inherent. Therefore we had necessity to reduce some depth relatively to one or other topic, looking to give only one panoramic vision, even because no matter how much we teach, it is always, and each time more, much for teaching. This is one of the points that deserve some reflection in each academic year. We had intended to give a perspective of the potential research in this area, in the context of the scientific research developed by us. We looked for not only to stimulate the students and give an idea of what it is and what we can do in scientific research but also to give a different perspective of the usual one. Because this course is integrated in Agro-Alimentar Engineering Curricula (in the practical one, with potential students in 2005/2006), it will be necessary to think a little on how to board different topics since students have different formation and different perspectives and objectives. In this case it has a theoretical and methodological support only on Statistics lectured in the 6th semester. The question did not take place in this academic year because no registration occurred, since it appears in an advanced phase of a new course. The program of this disciplines should also includes the effective use of statistical software. In this year we opted to EXCEL, important to solve different questions in Quality Control and little known by our students. However, we saw ourselves obliged to limit the use of the computer since we expected many students and it would imply a lack of physical conditions (number of computers and infrastructures). Moreover, as we planned the lessons in function of the number of expected students, we were a little limited. Even so, we had adapted a posteriori the lessons planning in function of the 2 number of students that usually attended to the lessons. We think that the fact of the students be able to inscribe to all that they want raises some important questions related with the planning and functioning of the lessons, the way we board some topics, the evaluation, the classrooms reserve for tests, among others. The assessment method was the usually used in the past in Quality Control. The students should opt between continuous evaluation and evaluation for final exam. The continuous evaluation scheme consisted in two tests. In the final exam scheme, the students choose to attend to one of two calls at normal time and accomplish one exam at appeal time. One more time we could conclude that the work developed by the students outside the class constitutes a very important aspect since almost all the good marks had been gotten by students that had opted by continuous evaluation. Although we had presented a schedule for students complementary and less formal form support, to clarify some questions and eventually to deep some topics, the truth is that few students had appeared, with a relative increase when it misses 2 or 3 days to accomplish each test. Particularly, we noted some use of the email by the students in order to solve some questions. We must point out that, with the exception of the last two weeks, the number of students that attended to the lessons stayed almost constant during the whole semester, being approximately equal to the number of students which we consider available. We think that it reflects the interest of the course and the empathy between students and professor which we can confirm through the results of an anonymous inquiry carried out by us in the second test of continuous evaluation and in the two calls of the exam at normal time. The results of this inquiry show that more than 90% of the students that answered to the inquiry evaluated globally the Professor with notes of Good or Very Good. Relatively to the practical lessons, we must point out that were created different exercises and the respective solutions had been supplied, looking for to stimulate the student’s homework. In Reliability part, because it’s more theoretical, we think that lesser exercises were needed and we opted to dictate it in the lessons. We had the concern of adopt exercises capable to stimulate the students and creating in them the incentive and the taste for this course. We think that such exercises can be improved in the next academic year through the introduction of new exercises in one or other topic and, eventually, with the suppression of others with inferior pedagogical quality. 3 In uncurling of the lessons, we also tried to correspond to the ideas of the Bologna Process. We looked that, when it was possible, the students put animation on the lessons, although some initial resistance. We fomented the individually questions wallet to wallet and the resolution of the exercises by the students. Still in relation to the lessons, we opted by theoretical-practical lessons (respecting the established workload) in order that the topics were boarded very little time after its theoretical introduction, allowing a great proximity between the theoretical subjects and its practical application. Finally, we can consider the final results, in terms of approbation or reprobation, very satisfactory. If we have the number of inscribed students to the course as reference (something that, with the actual system of registrations doesn’t seem to make much sense), the percentage of approbation was equal to 23.4%. Taking as reference the number of students that attended to all continuous evaluation and to some of the exams, what we assign the available students (33) the percentage of approbations was equal to 66.7%. The Responsible _______________________________ (Assistant Professor) 4 Programa Detalhado e Informação da Disciplina UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE Ano lectivo 2003/2004 • LICENCIATURA EM MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO e ENGENHARIA AGRO-ALIMENTAR • 8º Semestre • Carga horária: 3 T + 2 P • 7 ECTS • Docente: Paulo Infante – [email protected] • Todas as informações relativas à disciplina podem ser consultadas através do link: http://www.ensino.uevora.pt/cqf OBJECTIVOS Fornecer aos alunos, com base em conhecimentos anteriores de probabilidades e estatística, uma perspectiva prática da sua aplicação em diferentes áreas, tais como a indústria e os serviços, em que o controlo de qualidade e a fiabilidade assumem um papel relevante, numa perspectiva essencialmente estatística, sem menosprezar os aspectos de natureza económica. PROGRAMA 1. Introdução ao Controlo de Qualidade • Conceitos • Aplicações • Importância • Fases de aplicação • Custos • Software estatístico 2. Distribuição Normal • Teorema do limite central (Recapitulação) • Teste do qui-quadrado e teste de Kolmogorov-Smirnov (Recapitulação) • Papel de probabilidade • Recta de Henry • Estimação da média e do desvio padrão 3. Distribuições Amostrais • Médias • Amplitudes • Desvios padrões 4. Controlo por variáveis • Carta de controlo para a média • Carta de controlo para a amplitude • Carta de controlo para o desvio padrão • Cálculo de probabilidades associadas às cartas • Erros de tipo I e II • Outras cartas de controlo • Eficácia das cartas de controlo 5. Controlo por atributos • Carta de controlo para o número de peças defeituosas • Carta de controlo para a proporção de peças defeituosas • Carta de controlo para o número de defeitos por unidade • Eficácia das diferentes cartas de controlo 6. Controlo na recepção • Custos de inspecção a 100%. • Amostragem • Lotes – Amostras • Nível de qualidade aceitável • Risco do fornecedor • Risco do cliente 7. Planos de Amostragem • Simples • Dupla • Múltipla • Controlo normal • Controlo reforçado • Controlo reduzido 8. Tabelas • Tabelas MIL STD 105 D • Tabelas MIL STD 414 • Cálculo de probabilidades associadas 9. Métodos de amostragem • Métodos periódicos • Métodos não periódicos • Métodos não adaptativos • Métodos adaptativos 10. Optimização em controlo de qualidade • Custos envolvidos • Grandezas optimizantes • Minimização de um custo total médio 11. Fiabilidade • Distribuições de tempos de vida • Função de fiabilidade • Taxa de risco • Taxa cumulativa de risco • Sistemas em série • Sistemas em paralelo 12. Políticas de inspecção de sistemas • Tipos de inspecção • Políticas periódicas • Custo total médio por ciclo • Minimização de custos • Políticas não periódicas OSERVAÇÕES: ¾ Pré-requisitos (não são precedências): Probabilidades e Estatística I e Probabilidades e Estatística II ¾ O programa desta disciplina pode incluir a utilização do software estatístico SPSS e da folha de cálculo EXCEL. AVALIAÇÃO Nesta disciplina, os alunos podem optar por dois tipos de avaliação: 1. Avaliação Contínua a. O regime de avaliação contínua consiste na realização de 2 Frequências. b. A primeira Frequência a realizar em 17 de Abril de 2004 c. A segunda Frequência a realizar em 29 de Maio de 2004 d. A matéria para avaliação em cada Frequência será definida nas aulas teóricas uma semana antes da data prevista para a realização da frequência. e. Em cada Frequência o aluno(a) terá que ter uma nota superior ou igual a 8 valores. Caso a nota seja inferior a 8 valores na primeira Frequência, o aluno(a) opta automaticamente pelo regime de avaliação por Exame Final e caso a nota seja inferior a 8 valores na segunda Frequência o aluno reprova à disciplina. f. A nota final será a média aritmética das notas obtidas nas duas frequências. g. A apreciação do desempenho do aluno durante as aulas poderá, se daí resultar benefício para o aluno, alterar a nota final. h. Para obter aprovação à disciplina a nota final deverá ser igual ou superior a 9.5 valores. i. Caso o aluno(a) não realize uma das Frequências, opta automaticamente pelo regime de avaliação por Exame Final. 2. Exame Final a. O regime de avaliação por Exame Final, em época normal, consiste na realização de duas chamadas, optando o aluno(a) por ir a uma só chamada. b. A primeira chamada realizar-se-á em 17 de Junho de 2004 e a segunda chamada realizar-se-á em 25 de Junho de 2004. c. A nota final será a da prova de exame e terá de ser igual ou superior a 9.5 valores para obter aprovação à disciplina. d. A matéria para avaliação será toda aquela leccionada durante o semestre. e. O Exame de Recurso realizar-se-á em 8 de Julho de 2004. f. O Exame de Época Especial realizar-se-á em 16 de Setembro de 2004. OBSERVAÇÕES: ¾ As Frequências e os Exames são provas sem consulta, podendo os alunos utilizar tabelas estatísticas fornecidos para o efeito. ¾ Os alunos podem utilizar máquina de calcular (pessoal e intransmissível). BIBLIOGRAFIA • Barlow, R. E.; Proschan, F. (1996) – Mathematical Theory of Reliability, SIAM. • Controle Statistique de la Qualité (1967) - Institut de Statistique des Universités de Paris. • Duncan, A. J. (1986) - Quality control and Industrial Statistics, 5th ed., Irwin, Illinois. • Infante, P. (1997) – Optimização em Controlo Estatístico de Qualidade, PAPCC – Trabalho de Síntese, Universidade de Évora. • Infante, P. (2003) – Métodos de Amostragem em Controlo de Qualidade, Tese de Doutoramento, Universidade de Évora. • Juran, J. M. (1974) – Quality Control Handbook, McGraw-Hill, 3rd ed.. • Montgomery, D.C. (2002) – Introduction to Statistical Quality Control, 4th ed., John Wiley. • Rodrigues Dias, J. (1981) – Cartas de Controlo de Qualidade nas Indústrias Agro-Alimentares, Jornadas de Informação Agrária 81 (JIA 81), Universidade de Évora, 26 pp. • Rodrigues Dias, J. (1983) – Importância do Controlo Estatístico de Qualidade na Vida das Empresas, Economia e Sociologia, nº 36, pp 53-66. • Rodrigues Dias, J. (1987) – Políticas de Inspecção de Sistemas, Tese de Doutoramento, Universidade de Évora. • Rodrigues Dias, J. (1990) – A New Approximation for the Inspection Period of Systems with Different Failure Rates”, EJOR, European Journal of Operational Research 45, pp 219-223. • Ryan, T. P. (2000) – Statistical Methods for Quality Improvement, John Wiley. • Ushakov, I. A. (1994) – Handbook of Reliability Engineering, John Wiley. • Wadsworth, H. M.; Stephens, K. S.; Godfrey, A. B. (2001) – Modern Methods for Quality Control and Improvement, 2nd Edition, John Wiley. ATENDIMENTO AOS ALUNOS Segundas-feiras: 10h-11h Quintas-feiras: 16h-17h ¾ O docente apresenta total disponibilidade para responder a qualquer dúvida por email. Programa Detalhado e Informação da Disciplina em Inglês UNIVERSITY OF ÉVORA – Department of Mathematics QUALITY CONTROL AND RELIABILITY 2003/2004 • MATHEMATICS AND COMPUTER SCIENCES and Agro-Alimentar Engineering • 8th Semester • Work load: 3 T + 2 P • 7 ECTS • Professor: Paulo Infante – [email protected] • All of the information about the course can be consulted through the link: http://www.ensino.uevora.pt/cqf OBJECTIVES To provide the students, on basis of previous knowledge of probability and statistics, a practical perspective of its application in different areas, such as the industry and the services, where the quality control and the reliability assume an important role, in a perspective essentially statistics, without undervalue economic aspects. PROGRAM CONTENTS 1. Introduction to Quality Control • Concepts • Applications • Importance • Application Phases • Costs • Statistical Software 2. Normal Distribution • Central limit Theorem (Recapitulation) • The Chi-square and the Kolmogorov-Smirnov goodness of fit tests (Recapitulation) • Probability paper • Henry straight line • Estimation of the mean and standard deviation 3. Sampling Distributions • Mean • Range • Standard deviation 4. Control Charts for Variables • The Control chart for the sample mean • The Control chart for the range • The Control chart for the standard deviation • Calculation of probabilities • Type I and type II errors • Other control charts • Operating-characteristic curves 5. Control Charts for Attributes • The control chart for fraction nonconforming • The control chart for nonconformities • The control chart for the number of defects in a unit of product • Operating-characteristic curves 6. Acceptance Sampling • Costs of 100% inspection • Sampling • Lot – Samples • Acceptance quality level • Vendor’s risk • Consumer’s risk 7. Sampling Plans • Single sampling • Double sampling • Multiple sampling • Normal inspection • Tightened inspection • Reduced inspection 8. Tables • Military Standard 105 D • Military Standard 414 • Calculation of associate probabilities 9. Sampling Methods • Periodic sampling procedures • Non periodic sampling procedures • Adaptive sampling procedures • Non adaptive sampling procedures 10. Optimization in Quality Control • Costs • Optimization parameters • Minimizing an expected total cost 11. Reliability • Lifetime distributions • Reliability function • Hazard rate • Cumulative hazard rate • Series systems • Redundant sytems 12. Inspection Policies of Systems • Different inspection types • Periodic policies • Expected total cost during a cycle • Costs minimization • Non periodic policies OSERVATIONS: ¾ Per-requisites (not precedences): Probabilidades e Estatística I e Probabilidades e Estatística II ¾ This program can include EXCEL and the statistical software SPSS. ASSESSMENT METHODS In this course, the students can opt between two evaluation methods: 1. Continuous Evaluation a. The regimen of continuous evaluation consists in 2 Partial Tests. b. The matter for evaluation in each Partial Test will be defined in the lecture classes one week before the date foreseen for the accomplishment of the partial test. c. In each Partial Test the student must have a score greater or equal to 8 values. Case of score is less than 8 values in the first Partial Test, the student automatically opts to the evaluation regimen of Final Exam and case of score is less than 8 values in the second Partial Test the student reproves. d. The final score will be the arithmetic mean of the scores on both tests. e. The student’s performance during the lessons can modify the final score, if it benefits the student f. To get approbation to the course the final score must be greater or equal than 9.5 values. g. Case the student doesn't attend to one of the Partial Tests automatically opts to the regimen of evaluation for Final Exam. 2. Final Exam a. In the Final Exam evaluation regimen, at normal time, the student chooses to attend to one of two calls. b. The final score will be the one of the exam proof and the student must have a score greater or equal than 9.5 to obtain approval to the course. c. The matter for evaluation will be that whole lectured during the semester. d. There will be one Appeal Exam and one Exam at Special Time. OBSERVATIONS: ¾ The Partial Tests and the Final Exams are proofs without consultation. The students can use statistical tables supplied for the professor. ¾ The students should use a personal calculator. BIBLIOGRAPHY • Barlow, R. E.; Proschan, F. (1996) – Mathematical Theory of Reliability, SIAM. • Controle Statistique de la Qualité (1967) - Institut de Statistique des Universités de Paris. • Duncan, A. J. (1986) - Quality control and Industrial Statistics, 5th ed., Irwin, Illinois. • Infante, P. (1997) – Optimização em Controlo Estatístico de Qualidade, PAPCC – Trabalho de Síntese, Universidade de Évora. • Infante, P. (2003) – Métodos de Amostragem em Controlo de Qualidade, Tese de Doutoramento, Universidade de Évora. • Juran, J. M. (1974) – Quality Control Handbook, McGraw-Hill, 3rd ed.. • Montgomery, D.C. (2002) – Introduction to Statistical Quality Control, 4th ed., John Wiley. • Rodrigues Dias, J. (1981) – Cartas de Controlo de Qualidade nas Indústrias Agro-Alimentares, Jornadas de Informação Agrária 81 (JIA 81), Universidade de Évora, 26 pp. • Rodrigues Dias, J. (1983) – Importância do Controlo Estatístico de Qualidade na Vida das Empresas, Economia e Sociologia, nº 36, pp 53-66. • Rodrigues Dias, J. (1987) – Políticas de Inspecção de Sistemas, Tese de Doutoramento, Universidade de Évora. • Rodrigues Dias, J. (1990) – A New Approximation for the Inspection Period of Systems with Different Failure Rates”, EJOR, European Journal of Operational Research 45, pp 219-223. • Ryan, T. P. (2000) – Statistical Methods for Quality Improvement, John Wiley. • Ushakov, I. A. (1994) – Handbook of Reliability Engineering, John Wiley. • Wadsworth, H. M.; Stephens, K. S.; Godfrey, A. B. (2001) – Modern Methods for Quality Control and Improvement, 2nd Edition, John Wiley. STUDENTS SUPPORT Monday: 10h-11h Thursday: 16h-17h The professor presents total availability to answer to any doubt for email. Programa Resumido da Disciplina • • • • • • • • • • • • Introdução ao controlo de qualidade: conceitos, fases e custos; software estatístico. Distribuição normal: recapitulação; recta de Henry. Distribuições amostrais: médias, amplitudes e desvios padrões Controlo por variáveis: cartas de controlo para a média, amplitude e desvio padrão; erros de tipo I e II; eficácia das cartas; outras cartas de controlo. Controlo por atributos: cartas de controlo para o número de peças defeituosas, proporção de peças defeituosas e número de defeitos por unidade; eficácia das cartas. Controlo na recepção: lotes e amostras; nível de qualidade aceitável; risco do fornecedor; risco do cliente. Planos de amostragem: diferentes tipos e níveis de amostragem. Tabelas: tabelas MIL STD 105 D e MIL STD 414. Métodos de amostragem: periódicos, não periódicos, adaptativos e não adaptativos. Optimização em controlo de qualidade: custos envolvidos e sua minimização. Fiabilidade: tempos de vida e taxas de risco; sistemas em série e paralelo. Políticas de inspecção de sistemas: diferentes tipos e custos; optimização. Programa Resumido da Disciplina em Inglês • • • • • • • • • • • • Introduction to Quality Control: concepts, phases and costs; statistical software. Normal distribution: recapitulation; Henry straight line. Sampling distributions: mean; range and standard deviation. Control charts for variables: control charts for the sample mean, control charts for the range and control charts for the standard deviation; type I and type II errors; operating-characteristic curve; other control charts. Control charts for attributes: control charts for nonconformities, control charts for fraction of defectives and control charts for the number of defects in a unit of product; operating-characteristic curve. Acceptance sampling: lots and samples; acceptance quality level; vendor’s risk; consumer’s risk. Sampling plans: different types and levels. Tables: MIL STD 105 D and MIL STD 414 Sampling methods: periodic, non periodic, adaptive and non adaptive. Optimization in quality control: involved costs and its minimization. Reliability: lifetime distributions and hazard rates; series systems and redundant systems. Systems inspection policies: different inspection types and costs; optimization. Sumários Lição Nº 1 – 16/02/04 Apresentação genérica do Programa e da Bibliografia. Considerações gerais sobre o modo de funcionamento das aulas. Definição do método de avaliação da disciplina. Marcação das datas dos testes e do horário de atendimento aos alunos. Introdução ao Controlo de Qualidade: contextualização, conceitos básicos, importância, custos e aplicações. Causas aleatórias e causas assinaláveis. As diferentes fases de aplicação do controlo de qualidade. Lição Nº 2 – 19/02/04 Estatística Descritiva (recapitulação): agrupamento dos dados e formação de classes; frequências e tábuas de distribuição de frequências; representações gráficas. Estimação da média e do desvio padrão. Distribuição Normal. Teste do qui-quadrado e recta de Henry. Exercício de aplicação. Lição Nº 3 – 26/02/04 Estatística Descritiva (recapitulação): mediana; moda; medidas de assimetria e de achatamento. Cálculo empírico de probabilidades. Estimação da média e do desvio padrão pela recta de Henry. Teste de Kolmogorov-Smirnov. Continuação do exercício de aplicação. Lição Nº 4 – 1/03/04 Teorema do limite central. Distribuição amostral de médias e de amplitudes. Intervalos de confiança para a amplitude. Cartas de controlo do tipo Shewhart: princípios estatísticos fundamentais. Erro do tipo I e erro do tipo II. Cartas de controlo por variáveis. Carta de controlo para a média e carta de controlo para a amplitude. Estimação da média e do desvio padrão na fase inicial do processo. Interpretação das cartas de controlo. Exemplos e exercícios de aplicação. Lição Nº 5 – 4/03/04 Limites de controlo provisórios. Algumas considerações sobre a fase inicial de controlo do processo. Limites de controlo para a produção futura. Limites de aviso. Cálculo de probabilidades associadas à carta de controlo para a média. Distribuição Binomial (recapitulação). Lição Nº 6 – 8/03/04 Breve referência e algumas considerações sobre regras de controlo suplementares. Principais padrões não aleatórios associados às cartas de controlo. Exemplos. Curvas de eficácia para alterações da média e do desvio padrão. Distribuição Geométrica (recapitulação). Número médio de amostras até detecção (ARL). Exercícios de aplicação. Lição Nº 7 – 11/03/04 Algumas considerações sobre a distribuição do número de amostras até ao aparecimento de um ponto fora dos limites de controlo (RL). Cálculo de probabilidades associadas à carta de controlo para a média usando a distribuição geométrica. Limites naturais de tolerância e limites de especificação. Exemplos. Capacidade do processo em produzir dentro das especificações. Exercícios. Lição Nº 8 – 15/03/04 Processos centrados e não centrados. Exemplo. Índices de capacidade do processo. Interpretação. Exemplos de aplicação. Exercícios. Carta de controlo para o desvio padrão. Estimação do desvio padrão na fase inicial. Lição Nº 9 – 18/03/04 Exercícios envolvendo análise de cartas de controlo na fase inicial, análise de capacidade do processo e cartas para médias e desvio padrão. Cartas para medidas individuais: carta X e carta MR (amplitudes móveis). Estimação do desvio padrão através das amplitudes móveis. Exemplo de aplicação. Lição Nº 10 – 22/03/04 Algumas considerações sobre questões de amostragem vs questões de estimação. Introdução ao controlo por atributos. Carta para a proporção de elementos defeituosos (Carta p) e carta para o número de elementos defeituosos (carta np). Limites provisórios e limites standard. Questões relacionadas com a definição do tamanho das amostras. Curvas de eficácia. Exemplos e exercícios de aplicação. Aproximação da distribuição binomial pela distribuição normal. Lição Nº 11 – 25/03/04 Exercícios sobre a carta p. Carta para o número de defeitos por unidade (carta c). Exemplos de aplicação. Alteração da unidade de inspecção numa carta c. Carta para o número médio de defeitos por unidade inspeccionada (carta u). Lição Nº 12 – 29/03/04 Exercícios sobre a carta c e sobre a carta u. Aproximação da distribuição de Poisson pela distribuição normal. Amostras de tamanhos variáveis. Exemplos e exercícios de aplicação. Controlo por atributos vs controlo por variáveis. Lição Nº 13 – 01/04/04 Princípios básicos das cartas de controlo CUSUM e EWMA. Exemplos de aplicação. Exercícios. Lição Nº 14 – 15/04/04 Aula Laboratorial. Lição Nº 15 – 19/04/04 Controlo na recepção. Amostragem por aceitação. Lotes e amostras. Planos de controlo por atributos: conceito de plano de amostragem simples e de plano de amostragem duplo. Conceitos de nível de qualidade aceitável, risco do fornecedor e risco do cliente. Tabelas MIL STD 105. Controlo normal, controlo reduzido e controlo reforçado. Critérios de passagem entre os diferentes tipos de controlo. Exemplos e exercícios de aplicação utilizando planos de amostragem simples. Lição Nº 16 – 22/04/04 Planos de amostragem duplos. Número médio de elementos inspeccionados por lote. Exemplos e exercícios de aplicação utilizando planos de amostragem duplos. Lição Nº 17 – 26/04/04 Cálculo de probabilidades associadas a planos de amostragem duplos. Breve referência a curvas de eficácia associadas aos planos de amostragem. Inspecção rectificativa: conceito, obtenção do número médio de elementos inspeccionados por lote e do nível médio de qualidade de saída. Planos de controlo por variáveis. Vantagens e desvantagens dos planos de controlo por variáveis. Tabelas MIL STD 414. Exemplos de aplicação. Caso em que a variabilidade é conhecida: Forma 1, Forma 2, um só limite de especificação e dois limites de especificação com um e dois níveis de qualidade aceitável. Exercícios. Caso em que a variabilidade é desconhecida – método do desvio padrão: Forma 1, Forma 2, um só limite de especificação e dois limites de especificação com um e dois níveis de qualidade aceitável. Exercícios. Lição Nº 18 – 29/04/04 Caso em que a variabilidade é desconhecida – método da amplitude: Forma 1, Forma 2, um só limite de especificação e dois limites de especificação com um e dois níveis de qualidade aceitável. Exercícios. Breve referência a outros planos e esquemas de amostragem: Dodge-Romig, amostragem contínua (CSP-1) e lotes alternados (skip-lot). Inspecção a 100% vs planos de amostragem. Lição Nº 19 – 03/05/04 Algumas considerações sobre a primeira frequência. Introdução à Fiabilidade: conceitos de tempo de vida, fiabilidade, taxa de risco e de taça cumulativa de risco. Relações entre a função de fiabilidade, função densidade, função distribuição, taxa de risco e taxa cumulativa de risco. Exemplos e exercícios de aplicação. Lição Nº 20 – 06/05/04 Modelos de tempos de vida de sistemas. Modelo Exponencial e Modelo Weibull: função densidade, função de distribuição, função de fiabilidade, taxa de risco, falta de memória, valor médio e variância. Exemplos e exercícios de aplicação. Lição Nº 21 – 10/05/04 Continuação dos exercícios da aula anterior. Outros modelos de tempos de vida de sistemas: normal, lognormal, Hjorth. Sistemas em série: função de fiabilidade, taxa de risco, exemplos e exercícios de aplicação. Lição Nº 22 – 13/05/04 Sistemas em paralelo: função de fiabilidade, taxa de risco, exemplos e exercícios de aplicação. Redundância activa e redundância passiva. Sistemas com componentes em série e em paralelo. Exemplos e exercícios de aplicação. Lição Nº 23 – 17/05/04 Políticas de Inspecção de sistemas. Tipos de Inspecções: determinísticas e aleatórias, periódicas e não periódicas, perfeitas e imperfeitas. Conceito de ciclo. Custo total médio por ciclo. Número médio de inspecções e tempo médio de detecção. Minimização do custo total médio por ciclo quando se consideram inspecções periódicas. Obtenção de uma aproximação para o período de amostragem. Exemplos e exercícios de aplicação. Lição Nº 24 – 20/05/04 Obtenção de uma outra aproximação para o período de inspecção. Inspecções não periódicas: política de risco constante. Exemplos e exercícios de aplicação. Lição Nº 25 – 31/05/04 Optimização em Controlo de Qualidade: custos envolvidos, grandezas optimizantes, número médio de amostras inspeccionadas e período médio de mau funcionamento. Métodos de amostragem em controlo de qualidade: método periódico clássico, métodos de intervalos predefinidos e métodos adaptativos. Lição Nº 26 – 03/06/04 Aula de dúvidas. Algum Material de Apoio Às Aulas Teóricas Generalidades sobre o Controlo de Qualidade Controlo de Qualidade e Fiabilidade Matemática e Ciências da Computação 2003/04 1 Qualidade Indústria, serviços, ..., vida Factor determinante na selecção de produtos e serviços Papel fundamental nas estratégias competitivas de muitas empresas Sobrevivência de muitas empresas ⇒ qualidade permanentemente melhorada 2 Preocupação com a “Qualidade” APQ – Associação Portuguesa para a Qualidade EOQ – European Organization for Quality EFQM – European Foundation for Quality Management DECO – Associação de Defesa do Consumidor Certificação Níveis de Excelência .... 3 Crescente de Importância Shewhart (1930) Duncan (1956) Controlo de qualidade começa a assumir um papel importante Controlo de qualidade começa a assumir importância do ponto de vista dos decisores empresariais Introdução de normas e consequente adopção a nível mundial (MIL STD, ISO) 4 Qualidade Preço Quantidade Nível óptimo de qualidade Controlo Estatístico de Qualidade Controlo total (integrado) de qualidade (ex: TQM) Recursos humanos Relações com fornecedores Introdução de novos produtos Gestão dos processos produtivos Enfoque do cliente 5 Senso comum Um produto tem qualidade quando satisfaz uma ou mais características que nele se pretende encontrar Qualidade tem a ver com: “materiais” métodos máquinas medidas mão-de-obra ... 6 Variabilidade Intrínseca ( “natural”) Causas aleatórias – inerentes ao processo Não Intrínseca Causas assinaláveis – detectadas e eliminadas Redução da variabilidade - Uma das chaves para melhorar a qualidade de um produto 7 Avaliar uma ou mais características: Índole Quantitativa – Controlo por Variáveis Qualidade expressa por um número (mensurável) (ex: volume, peso, diâmetro, resistência,...) Índole Qualitativa – Controlo por Atributos Proporção de elementos defeituosos (possui ou não determinado atributo – defeituoso ou não defeituoso) (ex: sabor, cor, aspecto,...) Número de defeitos por unidade 8 Controlo de Qualidade Conhecer o nível da qualidade Corrigir / melhorar a qualidade Perspectiva: preventiva / correctiva não punitiva 9 Controlo Estatístico de Qualidade Controlo estatístico do processo (SPC) Delineamento experimental Amostragem por aceitação Análise se capacidade do processo 10 Fases do Controlo de Qualidade “Matérias Primas” ... Controlo de Qualidade na recepção durante a produção na comercialização Produto Final 11 Na Recepção Verificar se o que está recebendo corresponde ao nível de qualidade que acordou com o fornecedor Impossibilidade prática (custos, tempo, testes destrutivos, ...) de analisar todos os produtos (inspecção a 100%) Analisar amostras, definindo regras e limites de aceitação (e de rejeição) da qualidade da produção em causa Planos de Controlo (MIL STD 105D / MIL STD 414 12 Na Recepção N ⇒n ⇒ NQA n Maior (menor) convicção do cliente, obtida a partir de dados anteriores, menor (maior) é a exigência ao nível da dimensão das amostras extraídas, associada ao controlo dito reduzido (reforçado). Risco fornecedor (cliente rejeitar um lote bom) Risco do Cliente (aceitar um lote mau) 13 Durante a Produção (de um qualquer bem ou serviço) Fase inicial Verificar se está sob controlo e se a qualidade corresponde ou não ao que foi previamente definido Fase de normal funcionamento Detectar eventuais alterações como resultado do aparecimento de causas assinaláveis 14 Durante a Produção • Sistema (produtivo) ⇒ ⇒ Vigilância ⇒ Obtenção de (produção defeituosa) Amostras Falhas T v.a. Cartas de Controlo • Distinguir entre causas aleatórias e causas assinaláveis • Avaliar o desempenho do processo ao longo do tempo • Estimar parâmetros 15 Aplicações das Cartas de Controlo Indústria Saúde Área financeira Laboratórios clínicos Desempenho atlético Educação Engenharia Civil Ecologia Leis ... “quase tudo” 16 Fase de Normal Funcionamento Distribuição Normal – grande parte das aplicações práticas – Teorema do Limite Central Processo está sob controlo? Erro de 1ª espécie (falso alarme) Erro de 2ª espécie (considerar que está sob controlo quando, de facto, não está) Quando recolher as amostras? Quantos elementos analisar? Quais os limites das cartas? Optimização 17 Na Comercialização Eventualmente aquando da constituição de lotes O produtor deverá ter uma informação final global do produto que está colocando no mercado. Cliente (ou consumidor) tem uma palavra importante, que poderá ser decisiva para a aceitação do produto Reflexos directos, imediatos ou não, no sucesso do produtor Destinatário: fábrica, departamento, grande público Em certo sentido, esta terceira fase pode considerar-se como sendo coincidente com a primeira – Fecha-se o ciclo. 18 MÉTODOS DE AMOSTRAGEM EM CONTROLO DE QUALIDADE Controlo de Qualidade e Fiabilidade Introdução • Sistema (produtivo) ⇒ Falhas X~N(µ, σ) ⇒ Vigilância ⇒ Obtenção de (produção defeituosa) Amostras x, R, s, p, c T v.a. Cartas de Controlo • Distinguir entre causas aleatórias e causas assinaláveis • Avaliar o desempenho do processo ao longo do tempo • Estimar parâmetros Métodos de Amostragem 2 Introdução (continuação) Controlo de Qualidade Carta de controlo para a média Questões? Quando Inspeccionar? Qual o Tamanho das Amostras? Quais os Limites de Controlo? Métodos de Amostragem 3 Procedimentos de Amostragem Clássico Carta com limites fixos (“3-sigma”), amostras de tamanho fixo (4 a 9) retiradas periodicamente. Parâmetros Predefinidos Parâmetros fixos, mas não constantes durante o controlo do processo. Os seus valores são obtidos no início do processo produtivo, não sendo actualizados. Parâmetros Adaptativos Pelo menos um parâmetro varia em função dos valores da estatística amostral. Informação do estado do processo actualizada em cada instante de amostragem. (VSI, VSS, VSSI, VP, DP, VSIFT, VSSIFT, DPVSI, SPRT,...) Métodos de Amostragem 4 Um Critério de Comparabilidade Condições iguais sob controlo: Número Médio de Falso Alarmes Número Médio de Amostras Número Médio de Elementos Analisados QAATS AATSP − AATSNP = × 100% AATSP Medida da Redução Relativa no AATS, quando se utiliza um Prodedimento Não Periódico . Métodos de Amostragem 7 Método VSS L W 0 -W -L n2>n>n1 n1 n2 n1 2Φ ( L )( n 2 − n ) + n − n1 W=Φ − 2 n n ( ) 2 1 −1 VSS (a) - (n1, n2)=(2, 25); W=1.5032 Métodos de Amostragem 8 Método VSI L W 0 -W -L d2>d>d1 d1 d2 d1 2Φ (L )(d1 − d ) + d − d 2 W = Φ −1 2(d1 − d 2 ) VSI (b)- (d1, d2)=(0.015, 1.5); W=0.9572 Métodos de Amostragem 9 Outros Métodos Adaptativos VSSI – Alterna um longo intervalo de amostragem com uma amostra pequena e um pequeno intervalo de amostragem com uma amostra grande VSSI (a)- (d1, d2)=(0.015, 1.394); (n1, n2)=(1, 15); W=1.0633 VP – Estatísticas amostrais representadas numa carta de controlo com dois limites de aviso (superiores e inferiores) e dois limites de controlo (superiores e inferiores). Tem-se L1>L>L2 e W1>W2, onde i=1 se a última amostra é pequena e i=2 se a última amostra é grande. VP (a) - (d1, d2)=(0.015, 1.394); (n1, n2)=(1, 15); (L1, L2)=(6.0000, 2.5953); (W1, W2)=(1.0676; 1.0527) Métodos de Amostragem 10 Valores dos Parâmetros para Estudo Comparativo Método de Amostragem Parâmetros VSI (a) (d1, d2)=(0.015, 2.0); W=0.6665 VSI (b) (d1, d2)=(0.015, 1.5); W=0.9572 VSI (c) (d1, d2)=(0.015, 1.2); W=1.3689 VSS (a) (n1, n2)=(2, 25); W=1.5032 VSS (b) (n1, n2)=(3, 15); W=1.3757 VSS (c) (n1, n2)=(4, 9); W=1.2754 VSSI (a) (d1, d2)=(0.015, 1.394); (n1, n2)=(1, 15); W=1.0633 VSSI (b) (d1, d2)=(0.015, 1.281); (n1, n2)=(3, 12); W=1.2151 VSSI (c) (d1, d2)=(0.015, 1.328); (n1, n2)=(4, 8); W=1.1454 VP (a) (d1, d2)=(0.015, 1.394); (n1, n2)=(1, 15); (L1, L2)=(6.0000, 2.5953); (W1, W2)=(1.0676; 1.0527) VP (b) (d1, d2)=(0.015, 1.281); (n1, n2)=(3, 12); (L1, L2)=(6.0000, 2.5078); (W1, W2)=(1.2206; 1.1961) VP (c) (d1, d2)=(0.015, 1.328); (n1, n2)=(4, 8); (L1, L2)=(6.0000, 2.5491); (W1, W2)=(1.1504; 1.1309) Métodos de Amostragem 11 Método Adaptativo RD Instantes de amostragem são obtidos através de (Rodrigues Dias (1999)): t i +1 = t i + kφ ( u i ) u i = ( mi − µ 0 ) n σ 0 , ti mi φ(u) K - t 0 = 0, t1 = kφ(0) instante de inspecção de ordem i φ ( u ) = 1 exp − u 2 2π 2 média da amostra de ordem i função densidade da distribuição normal reduzida constante de escala Métodos de Amostragem 12 Estudo de Robustez Comparação entre FSI e RD por forma a que o intervalo médio de amostragem sob controlo seja o mesmo. Distribuição normal contaminada – X∩ p% N(µ0, σ0) Desvios padrões amostrais, SE, estimados com base em 200 000 p=0.01; 0.05; 0.10; 0.20, 1.00 ; σ0=1.5; 3 valores simulados de cada estatística Caso 1 – Normalidade Assumida – Limites de controlo iguais a ±3SE. Caso 2 – Normalidade Não Assumida – Limites de controlo determinados com base em 200 000 amostras por forma a que uma proporção específica das observações caísse dentro dos limites de controlo (99.73%) Métodos de Amostragem 14 Estudo de Robustez Distribuição de Burr X ∩Burr(c=2, k’=5) - α3=1.22 α4=5.83 n=1 Caso 1 – Normalidade Assumida – Limites simétricos Caso 2 – Normalidade Não Assumida - Limites de controlo com simetria probabilística (Yourstone and Zimmer (1992)) AATS obtido para as diferentes populações considerando diferentes aumentos e diminuições da média Métodos de Amostragem 15 Alguns Resultados do Estudo de Robustez Q1 = AATSP − AATSRD .100% AATSRD λ= | µ1 − µ 0 | σE Caso 1- Normalidade Assumida % cont. 0 Q1 AATS(RD) Q1 Q1 Q1 Q1 λ 2 3 4 0 1 2 3 4 .01 25.28 101.04 91.56 15.60 .01 25.28 101.04 91.56 15.60 34.81 2.88 .78 .60 369.56 34.81 2.88 .78 .60 25.27 101.74 91.19 15.24 -2.53 24.64 112.04 91.19 10.73 34.43 2.88 .78 .60 128.02 31.33 2.99 .78 .61 25.20 102.76 91.19 14.91 -3.22 24.39 116.07 89.48 8.48 34.09 2.90 .78 .60 136.48 29.07 3.05 .79 .61 25.22 103.11 91.43 15.10 -1.55 24.94 107.43 90.20 12.25 34.14 2.89 .78 .60 205.79 31.96 2.96 .79 .60 -.08 -.35 AATS(RD) 306.84 50 λ 1 AATS(RD) 339.33 20 σ=3.0 0 AATS(RD) 369.56 5 σ=1.5 -.36 AATS(RD) 305.75 Métodos de Amostragem 16 Alguns Resultados do Estudo de Robustez Caso 2- Normalidade Não Assumida Q1 Distrib. Alteração da Burr média AATS(RD) c=2; k=5 α3=1.22 α4=5.83 c=3; k=4 α3=.68 α4=4.04 c=3; k=6 α3=.48 α4=3.38 Aumento Redução Aumento Redução Aumento Redução λ 0 .5 1.0 1.5 2.0 3.0 4.0 5.0 Q1 -.72 -.47 10.58 40.21 100.96 318.25 168.44 18.07 AATS(RD) 372.57 403.01 147.32 47.90 14.54 1.44 .62 .58 Q1 -.72 14.06 31.41 42.45 38.05 7.76 -8.57 -12.71 AATS(RD) 372.57 26.38 5.89 2.12 1.13 .67 .60 .58 Q1 -.24 4.07 22.60 61.82 127.15 201.80 56.21 -4.33 AATS(RD) 371.44 216.68 62.7 18.49 5.23 .89 .60 .58 Q1 -.24 7.31 26.05 51.15 67.58 36.58 -.17 -11.07 AATS(RD) 371.44 87.74 17.81 4.77 1.82 .73 .60 .58 Q1 .02 4.71 23.33 60.97 119.58 159.86 40.00 -6.42 AATS(RD) 370.49 196.02 53.45 14.68 4.29 .85 .60 .58 Q1 .02 7.13 25.84 52.89 74.11 45.47 2.18 -10.75 AATS(RD) 370.49 97.27 20.24 5.37 1.97 .74 .60 .58 Métodos de Amostragem 17 Menor Intervalo Imposto Variações Relativas do AATS (d1=0.015) Valores de d1 Valores de λ 0.05 0.00 0.25 0.50 0.75 1.00 1.25 1.50 1.75 2.00 2.50 3.00 0,0 0,0 0,1 0,3 0,7 0,9 0,7 0,4 0,2 0,0 0,0 0.10 0,1 0,2 0,5 1,5 3,0 3,5 2,4 1,1 0,2 -0,4 -0,5 0.25 0,7 1,2 3,5 8,6 15,6 17,3 11,7 5,5 1,9 -0,3 -0,5 0.50 3,2 5,3 12,7 27,9 45,7 46,6 29,5 13,2 4,0 -1,1 -1,5 Métodos de Amostragem 19 Método RD: Algumas Conclusões Melhor que o esquema periódico na detecção de alterações pequenas e moderadas. Mais eficaz que outros esquemas adaptativos na detecção de alterações moderadas da média. Robusto em situações de afastamento da normalidade e quando o menor intervalo de amostragem é limitado. Métodos de Amostragem 20 Uma Nova Metodologia: Intervalos Diferentes Predefinidos Instantes de Amostragem ti obtidos através de (Rodrigues Dias (2002)): H(t i ) = i∆H H(t i +1 ) = (i + 1)∆H ti = R −1 H(t) = t h(t)dt − taxa cumulativa de risco ∫0 R(t) = exp − H(t) − funçao de fiabilidade [ ] [exp(−i∆H)] t0 = 0 se IFR → ti+1-ti < ti-t i-1 se DFR→ ti+1-tk>ti-ti-1 se h(t) = c.te → ti+1-ti=ti-ti-1 Métodos de Amostragem 21 Valor de ∆H ∆H obtido por forma a que o número médio de amostras até à falha seja igual nos dois métodos Ni , Nd - número de amostras, incluindo a 1ª após a falha (intervalos iguais, diferentes) 1 E( N d ) = 1 − exp(− ∆H ) 1 E(N i ) = E(N d ) → ∆H = − ln 1 − E(N ) i Métodos de Amostragem P ∆H ≅ E (T ) 23 Alguns Resultados (Caso δ=3) QAATS = AATSP − AATSIP × 100% AATSP P / E(T) λ 0.25 0.50 1.00 1.50 2.00 3.00 0.0001 22.6 14.6 7.3 4.5 3.2 2.9 0.001 43.5 29.7 15.4 9.5 6.9 6.2 0.005 62.0 45.9 25.5 16.0 11.6 10.5 0.01 69.8 53.8 31.3 19.9 14.5 13.1 0.02 76.7 61.9 37.9 24.6 18.0 16.3 0.05 84.4 72.0 47.8 32.1 23.8 21.6 0.1 88.8 78.7 55.8 38.7 29.0 26.4 Métodos de Amostragem 24 Intervalos Predefinidos: Algumas Conclusões As reduções no AATS tornam-se mais acentuadas com o aumento da taxa de risco. Melhor quanto menor a alteração do processo. Melhor quanto menor o número de amostras analisadas no período de controlo. Sempre melhor que o esquema periódico (o que não acontece com os esquemas adaptativos) Mais rápido na detecção que os esquemas adaptativos para alterações pequenas e grandes. Métodos de Amostragem 25 λ 0.125 0.250 0.500 0.750 1.000 1.250 1.500 1.750 2.000 3.000 RD 1,8 VSI(a) VSI(c) 3,0 11,6 37,3 58,4 61,2 42,2 5,1 -38,4 -72,6 -98,5 2,6 10,0 33,4 55,2 63,3 53,2 27,4 -4,4 -29,9 -49,2 1,8 7,2 25,4 45,8 58,0 55,7 39,0 15,4 -4,3 -19,7 VSS(a) 4,7 34,3 74,2 67,4 42,9 VSS(b) 2,0 17,6 58,7 66,0 52,9 27,2 VSS(c) 0,7 VSSI(a) 5,5 31,4 74,1 71,4 46,4 10,2 -29,3 -60,2 -73,2 -47,7 3,6 21,0 66,0 77,7 69,1 51,5 28,4 4,0 -14,5 -27,7 2,8 13,7 49,7 71,4 71,2 56,9 33,1 5,8 -15,8 -32,3 Intervalos Adaptativos VSI(b) VSSI(b) VSSI(c) VP(a) VP(b) VP(c) 7,0 24,2 42,7 53,6 51,8 37,5 16,7 -1,1 -15,1 5,6 -37,1 -70,7 -81,4 -18,6 -4,7 -28,7 -34,2 6,3 30,5 45,5 43,1 29,1 10,0 -4,9 -9,0 -2,3 33,5 62,4 80,6 71,8 46,2 9,7 -29,9 -61,0 -74,1 -49,4 24,7 52,7 77,7 79,3 69,0 51,2 27,7 2,8 -16,3 -30,1 12,9 35,1 66,4 76,2 71,7 56,5 32,2 4,3 -18,0 -33,8 Intervalos Predefinidos Weibull δ=2.0 33,9 26,7 15,4 4,0 2,9 2,2 1,7 1,5 δ=3.0 51,3 43,5 29,7 20,9 15,4 11,9 9,5 7,9 6,9 6,2 δ=4.0 62,7 54,3 40,6 31,1 24,7 20,4 17,2 14,9 13,5 12,5 δ=5.0 68,2 61,7 48,8 39,4 32,8 28,0 24,5 21,9 20,2 19,1 δ=7.0 76,5 71,1 60,1 51,5 45,1 40,3 36,6 33,8 32,0 30,8 9,2 5,9 λ= -0,2 µ0 −µ1 σ0 AATSP −AATSNP QAATS = ×100% AATSP Burr c=4.8737 v=6.15784 65,9 59,5 46,9 37,6 31,2 26,5 23,1 20,6 19,0 17,9 c=3 v=1 32,6 29,5 21,2 15,1 11,1 8,3 6,2 4,6 3,6 2,8 Métodos de Amostragem 26 Método Combinado de Amostragem Instantes de Amostragem t i+1 = t RD i+1 t 0 = 0, t1 = +t 2 IP i+1 = t RD i + kφ ( ui ) + R exp ( −i∆H − ∆H) 2 −1 kφ ( 0 ) + R −1 exp ( ∆H) 2 Tempo de Vida Weibull ( ) 1/ δ 1/ δ 1/ δ 2π i − ( i − 1) α ( ∆H) + k exp −ui2 / 2 ∆ti = 2 2π Métodos de Amostragem 27 Método Combinado: cálculo dos valores dos parâmetros 2π α ( ∆H) 1/ δ ∆t 1 = +k 2 2π Mesmas condições durante o período de controlo: número médio de falsos alarmes número médio de amostras número médio de itens k= Φ ( β π ) 2 L − 0.5 1 ∆H = E(T) Métodos de Amostragem 28 Influência do Tamanho da Amostra QAATS δ=4 70 60 50 40 30 20 10 0 0 0,5 1 1,5 2 2,5 3 λ n=1 n=3 n=5 Métodos de Amostragem n=8 n=15 30 Período Médio de Mau Funcionamento (AATS) 70 QAATS 55 40 25 10 -5 0 0,5 1 1,5 2 2,5 3 δ= 4 δ= 5 δ= 7 λ δ= 0 . 8 δ= 1 δ= 2 δ= 3 Métodos de Amostragem 31 Comparação com VSI λ 0.25 0.50 δ 0.75 1.00 1.25 1.50 1.75 2.00 3.00 VSI (b) – (d1=0.015; d2=1.5) 0.8 -9,9 -31,8 -73,5 -95,9 -53,3 -8,0 15,5 26,1 30,8 1.0 -7,2 -31,8 -75,3 -98,4 -56,1 -9,5 14,7 25,1 30,1 2.0 11,7 -10,9 -47,9 -66,5 -32,9 5,3 24,6 33,3 37,2 3.0 24,5 -7,1 21,6 36,0 41,8 45,0 4.0 30,6 16,7 9,2 32,2 43,0 47,6 50,0 5.0 34,9 22,8 5,7 -0,9 19,3 38,4 47,5 51,1 53,1 7.0 39,7 30,0 16,3 12,4 30,2 45,1 52,0 55,0 56,2 7,3 -21,7 -34,0 -5,2 -13,5 Métodos de Amostragem QAATS = AATSVSI −AATSC ×100% AATSVSI 32 Número Médio de Amostras sob Controlo 8 7 6 QN 5 4 3 2 1 0 P /E(T)=0,001 P /E(T)=0,005 δ=0,8 P /E(T)=0,01 δ=3 P /E(T)=0,05 δ=5 Métodos de Amostragem 34 Esquema Combinado: Algumas Conclusões Sempre melhor que o esquema periódico em sistemas com taxas de risco crescentes (o que não acontece com os outros esquemas adaptativos). Reduções muito significativas (superiores a 50%) 50% no AATS para diferentes alterações da média. Muito bom desempenho para diferentes dimensões amostrais. Globalmente mais eficiente que o método VSI em sistemas com taxas de risco crescentes. Redução no número médio de amostras analisadas sob controlo (superiores a 5%) – acentua-se com os aumentos de P e de δ. Métodos de Amostragem 41 Algum Material de Apoio Às Aulas Práticas UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 1 Considere a seguinte tábua de distribuição de frequências relativa a um determinado lote de 1524 fichas, em que se considerou uma dada grandeza mensurável X - diâmetro das fichas (microns). a) Reflicta sobre o modo como foi elaborada a tábua de distribuição de frequências. b) Esboce o histograma e o polígono de frequências absolutas e relativas. c) Esboce o polígono de frequências acumuladas (ogiva) absolutas e relativas. d) Que tipo de distribuição de X será eventualmente sugerido pelos gráficos anteriores? e) Determine a média, a mediana e a moda. f) Determine o desvio padrão. g) Classifique a distribuição quanto à assimetria e ao achatamento. h) Calcule a percentagem (probabilidade) de valores: __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 1 i. menores que 2481; ii. maiores que 2481; iii. entre 2471 e 2541; iv. entre 2465 e 2512. i) Havendo uma tolerância inferior Ti e uma tolerância superior Ts, como determinaria a percentagem de elementos não defeituosos? j) Analise a hipótese da distribuição de X ser normal (ou aproximadamente normal), usando: i. a recta de Henry; ii. o teste Qui-Quadrado. Classes <2431 [2431, 2441) [2441, 2451) [2451, 2461) [2561, 2471) [2471, 2481) [2481, 2491) [2491, 2501) [2501, 2511) [2511, 2521) [2521, 2531) [2531, 2541) [2541, 2551) [2551, 2561) [2561, 2571) >2571 ni Probabilidades 0 1 4 13 43 144 235 300 300 235 144 69 26 8 2 0 1524 9,2E-05 0,000572 0,003017 0,011705 0,036164 0,081949 0,147458 0,199104 0,200761 0,160522 0,095647 0,042826 0,015242 0,004005 0,000794 0,000142 nei (ni-nei)^2/nei 0,140266 0,871272 4,598542 17,838611 55,114633 124,890001 224,725546 303,434287 305,960304 244,635923 145,765840 65,267183 23,228963 6,102921 1,209688 0,216020 5 13 43 144 235 300 300 235 144 69 26 10 5,610079 17,838611 55,114633 124,890001 224,725546 303,434287 305,960304 244,635923 145,765840 65,267183 23,228963 7,528630 0,066344 1,312443 2,662893 2,924110 0,469748 0,038869 0,116111 0,379548 0,021392 0,213490 0,330563 0,811259 Qui-quadrado= 9,346770 1524 0,4059 k) Estime os parâmetros da distribuição de X a partir da recta de Henry. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 2 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 1 __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 3 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 1 l) Suponha que apenas tinha uma amostra de 20 valores da mesma população: 2445 2480 2508 2530 2560 2472 2555 2465 2500 2512 2530 2525 2460 2520 2465 2505 2490 2540 2520 2490 Para testar a normalidade da distribuição aplicou-se o teste de Kolmogorov-Smirnov. Reflicta sobre como se obtiveram as tabelas (a) e (b) e conclua. (a) xi ni 2445 2460 2465 2472 2480 2490 2500 2505 2508 2512 2520 2525 2530 2540 2555 2560 S(x) 1 1 2 1 1 2 1 1 1 1 2 1 2 1 1 1 0,05 0,10 0,20 0,25 0,30 0,40 0,45 0,50 0,55 0,60 0,70 0,75 0,85 0,90 0,95 1,00 F(x) 0,0013 0,0135 0,0257 0,0572 0,1235 0,2638 0,4581 0,5627 0,6239 0,7007 0,8283 0,8870 0,9297 0,9772 0,9974 0,9989 20 D- D+ 0,0013 0,0365 0,0743 0,1428 0,1265 0,0362 0,0581 0,1127 0,1239 0,1507 0,2283 0,1870 0,1797 0,1272 0,0974 0,0489 0,0487 0,0865 0,1743 0,1928 0,1765 0,1362 0,0081 0,0627 0,0739 0,1007 0,1283 0,1370 0,0797 0,0772 0,0474 0,0011 0,2283 0,1928 D- D+ (b) xi 2445 2460 2465 2472 2480 2490 2500 2505 2508 2512 2520 2525 2530 2540 2555 2560 ni S(x) 1 1 2 1 1 2 1 1 1 1 2 1 2 1 1 1 20 0,05 0,10 0,20 0,25 0,30 0,40 0,45 0,50 0,55 0,60 0,70 0,75 0,85 0,90 0,95 1,00 F(x) 0,0350 0,0889 0,1164 0,1643 0,2328 0,3371 0,4557 0,5173 0,5541 0,6024 0,6939 0,7459 0,7928 0,8697 0,9440 0,9594 0,0350 0,0389 0,0164 0,0357 0,0172 0,0371 0,0557 0,0673 0,0541 0,0524 0,0939 0,0459 0,0428 0,0197 0,0440 0,0094 0,0150 0,0111 0,0836 0,0857 0,0672 0,0629 0,0057 0,0173 0,0041 0,0024 0,0061 0,0041 0,0572 0,0303 0,0060 0,0406 0,0939 0,0857 __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 4 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 2 2. Relativamente aos dados do exercício anterior: a) Calcule a probabilidade do diâmetro médio de uma amostra de 4 fichas ser inferior a 2516. b) Calcule a probabilidade do diâmetro médio ser inferior a 2516, considerando agora uma amostra de 9 fichas. c) Obtenha intervalos de confiança a 95%, 95.44%, 99.73% e 99.8 % para o diâmetro médio das fichas, considerando amostras de tamanhos 4 e 9. d) Obtenha intervalos de confiança a 95% e 99% para a amplitude do diâmetro das fichas, considerando amostras de tamanhos 4 e 9. e) Obtenha os intervalos de confiança pedidos na alínea anterior, considerando a distribuição das amplitude aproximadamente normal. Que conclui? f) Comente a proposição: “A probabilidade da amplitude de uma amostra de 9 fichas ser superior a 95 microns é inferior a 0.05.”. 3. Suponha que, para controlar o valor médio de uma determinada grandeza num processo produtivo, usa uma carta de controlo para a média. a) Diga como na fase inicial do processo pode estimar a respectiva média. b) Calcule, em termos genéricos, os limites de controlo e de aviso da respectiva carta. c) Comente a proposição: “Como a média de uma amostra é menor que o limite superior de controlo, então o desvio padrão do processo mantém-se.”. d) Calcule a probabilidade de ter: i) Um valor da média de uma amostra entre os limites de aviso e de controlo. ii) Dois valores consecutivos entre aqueles limites. iii) Um valor acima do LSC e a seguir um valor entre os limites superiores de aviso e de controlo. iv) Em três amostras consecutivas ter 2 médias entre os limites de aviso e de controlo de um só lado da linha central. v) Em 5 amostras consecutivas ter 4 médias de um dos lados dos limites situados a um desvio padrão da linha central. vi) Oito médias consecutivas acima da linha central. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 2 e) Suponha que o desvio padrão do processo produtivo duplicou. Calcule, para amostras de tamanhos 4 e 9, as probabilidades das respectivas médias estarem fora dos limites de controlo. Que comentários lhe merecem os resultados obtidos? f) Resolva a alínea anterior, supondo que tinha ocorrido uma alteração da média de magnitude λ=1. 4. As figuras (a)-(e) descrevem o comportamento da distribuição de uma dada característica da qualidade ao longo do tempo. Diga, justificando, quais as cartas de médias e amplitudes, representadas nas figuras 1-5, que correspondem a cada um. 5. A p a r t i r d e u m d e t e r m i __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 2 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 2 nado processo de produção de fontes de alimentação retiraram-se 20 amostras de dimensão 5, sendo medida a tensão de saída de cada fonte analisada. No quadro seguinte apresentam-se as médias e as amplitudes obtidas. Nº amostra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Média 104 105 104 106 102 105 106 104 105 103 102 105 104 105 106 102 105 103 103 102 2081 Amplitude 2 11 4 3 7 2 4 3 4 2 3 4 5 3 5 2 4 2 4 5 79 a) Calcule as linhas centrais e os limites de controlo apropriados para controlar a futura produção. b) Assumindo que a tensão de saída segue uma distribuição normal, estime o desvio padrão do processo. c) Obtenha os limites de tolerância natural do processo. d) Estime a percentagem de produtos não conformes, caso as especificações tenham sido fixadas em 103±4. e) Como poderia reduzir a percentagem de fontes que não estão de acordo com as especificações? 6. Suponha que na fase inicial de um processo produtivo se utilizaram 30 amostras de dimensão 5, sendo a média das médias e a média das amplitudes iguais a 101.5 cm e 12.5 cm, respectivamente. a) Deduza as expressões e calcule os limites de controlo das cartas das médias e das amplitudes. b) Suponha que pretendia testar a hipótese de, nessa fase inicial, a produção ser normal, com média 100 cm e desvio padrão 5 cm. Que poderia concluir, usando o teste do quiquadrado, sabendo que 30% dos valores são inferiores a 100 cm e 60% iguais ou maiores que 100 cm e inferiores ao limite superior de aviso? c) Admita agora que, após correcções e ajustamentos feitos no processo produtivo, a média passou a ser 100 cm e o desvio padrão 5 cm. i) Calcule os novos limites de controlo das cartas das médias e das amplitudes, continuando a considerar n=5. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 3 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 2 ii) Mantendo-se o processo sob controlo, calcule a probabilidade de obter em 4 médias consecutivas: 1. A primeira amostra entre o limite superior de aviso e o limite superior de controlo. 2. As 3 primeiras amostras acima da linha central. 3. Três de entre elas estarem do mesmo lado da linha central. iii) Calcule o número médio de amostras a analisar até obter um falso alarme. d) Que comentários lhe merecem as seguintes seqüências de médias amostrais: i) 117.0, 99.9, 100.2, 106.5, 107.9, 112.0, 109.9. ii) 97.5, 93.5, 108.5, 93.8. e) Suponha agora que o processo produtivo, devido a uma causa assinalável, sofreu uma alteração na média, passando esta a ser igual a 110 cm, mantendo-se o desvio padrão. i) Calcule o número médio de amostras até detectar essa alteração através da carta das médias. ii) Calcule a probabilidade da alteração ser detectada apenas na 3ª amostra analisada após esta ter ocorrido. iii) Calcule a probabilidade da alteração ser detectada nas primeiras 4 amostras analisadas após esta ter ocorrido. iv) Refaça as sub-alíneas anteriores, considerando amostras de tamanho 9. f) Esboce as curvas de eficácia da carta de médias, considerando amostras de dimensão 5 e 9. g) Considere agora que a média se mantém, mas que o desvio padrão aumenta para 7.5 cm. i) Qual o número médio de amostras até ter um ponto fora dos limites de controlo da carta das médias? ii) Admitindo que retira as amostras de duas em duas horas e que o custo de mau funcionamento por hora é igual a 100, determine um limite inferior para o custo médio de mau funcionamento quando utiliza apenas uma carta de controlo para a média. iii) No contexto descrito na subalínea anterior, obtenha um limite superior aproximado para o custo médio de mau funcionamento se utilizar as duas __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 4 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 2 cartas (médias e amplitudes) simultaneamente. Que comentários lhe merecem os resultados obtidos? h) Que comentários lhe merecem as seguintes sequências de amplitudes: i) 1.5, 2.0, 1.8, 1.0. ii) 18.8, 9.0, 16.0, 18.9, 10.0, 18.0, 18.3. 7. Suponha que, para controlar uma determinada característica, usa amostras de dimensão 4 e simultaneamente uma carta de controlo para a média e uma carta de controlo para o desvio padrão, cujos limites e linhas centrais são dados por: Carta X Carta S LSC 710 18.080 C 700 7.979 LIC 690 0 Admita, ainda, que o processo está sob controlo estatístico e que a característica da qualidade segue uma distribuição normal. a) Estime a média e o desvio padrão do processo. b) Caso pretendesse usar uma carta para amplitudes em vez da carta para o desvio padrão, quais seriam a linha central e os limites de controlo desta? c) Sabendo que as especificações foram colocadas em 705±15, que conclusões pode tirar relativamente à capacidade do processo produzir itens dentro das especificações? d) Calcule a probabilidade de ocorrer um falso alarme na carta de controlo para a média. e) Admita que a média do processo se alterou para 698 e que o desvio padrão simultaneamente se alterou para 12. Determine o número médio de amostras necessárias para detectar esta alteração quando usa apenas a carta de médias. f) Calcule a probabilidade da alteração anterior não ser detectada pela carta de controlo para a média nas duas primeiras amostras analisadas após esta ter ocorrido. 8. Num determinado processo são retiradas periodicamente amostras de 8 elementos, sendo medida uma certa característica da qualidade do produto e calculada a média e a amplitude de cada amostra. Após a observação de 50 amostras, obteve-se __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 5 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 2 50 ∑x i =1 i = 2000 e 50 ∑R i = 250 . i=1 a) Esboce as cartas de controlo para a média e para a amplitude. b) Admitindo que todas as amostras estão dentro dos limites, quais são os limites de tolerância natural do processo? c) Com base num intervalo de confiança para a amplitude, comente a proposição: “O erro de 1ª espécie associado à carta das amplitudes é inferior a 1 em 100.”. d) Caso as especificações tenham sido fixadas em 41±5, que conclusões se podem tirar relativamente à capacidade do processo produzir elementos dentro dessas especificações? E se a média pudesse ser ajustada para 41? e) Admita que os produtos cuja característica da qualidade está acima do limite superior de especificação podem ser aproveitados, enquanto que aqueles cuja característica analisada se encontra abaixo do limite inferior de especificação são considerados sucata. Calcule a percentagem de produtos que são considerados sucata. f) Caso a média do processo pudesse ser ajustada para µ=41, qual seria o efeito na percentagem de produtos que seriam considerados sucata? E na percentagem de produtos que, embora fora das especificações, podiam ainda ser aproveitados? 9. Os dados seguintes correspondem a 15 leituras da viscosidade de uma determinada tinta utilizada para a pintura de aviões, cada uma correspondente a um lote. Lote 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Viscosidade 3375 3305 3400 3381 3346 3402 3368 3327 3349 3320 3362 3300 3354 3312 3384 a) Estabeleça as cartas de controlo para a amplitude móvel e para as medições individuais da viscosidade. Que pode concluir relativamente ao estado do processo? b) Estime a média e o desvio padrão do processo. c) Admita que 10 novos lotes foram observados, tendo-se obtido os seguintes valores para a viscosidade: 3350; 3325; 3340; 3327; 3465; 3450; 3470; 3429; 3449; 3503. Retire as conclusões que entender convenientes. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 6 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Soluções dos Exercícios da Folha 2 (Controlo por Variáveis) 2. a) P ( X4 < 2516 ) = 0.9292 b) P ( X9 < 2516 ) = 0.9854 c) n=4 n=9 i.c. para X a 95% (2483.4, 2520.6) i.c. para X a 95.44% (2483.0, 2521.0) i.c. para X a 99.73% (2473.5, 2530.5) i.c. para X a 99.8% (2472.6, 2531.4) d) n=4 i.c. para X a 95% (2489.6, 2514.4) i.c. para X a 95.44% (2489.3, 2514.7) i.c. para X a 99.73% (2483.0, 2521.0) i.c. para X a 99.8% (2482.4, 2521.6) n=9 i.c. para R a 95% (11.21, 75.62) i.c. para R a 99% (6.46, 89.11) e) n=4 i.c. para R a 95% (29.45, 89.30) i.c. para R a 99% (22.99, 101.46) n=9 i.c. para R a 95% (6.35, 71.89) i.c. para R a 99% (0.00, 82.18) i.c. para R a 95% (26.34, 86.52) i.c. para R a 99% (16.90, 95.96) e′ verdadeira. f) P (R > 95 ) < P ( W > 4.70 ) = 0.025, pelo que a proposiçao 3. d) i) 0.0429 ii) 0.0018 iii) 0.00003 iv) 0.00135 v) 0.0027 vi) 0.0039 e) 0.1336 f) n= 4 0.1587; n=9 0.5 4. (a) – 2; (b) – 4; (c) – 5; (d) – 1; (e) – 3 5. LSC X = 106.06 a) µˆ = X = 104.00 LIC = 101.94 X LSCR = 7.57 µˆ R = R = 3.58 LIC = 0 R b) σˆ = 1.539 c) LNTS= 108.62 LNTI = 99.38 __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Soluções dos Exercícios da Folha 2 (Controlo por Variáveis) d) p̂ = 0.0262 (26185 ppm) 6. LSC X = 108.71 a) µˆ = X = 101.50 LIC = 94.29 X LSCR = 26.43 µˆ R = R = 12.50 LIC = 0 R b) Como χ2=4.8> χ1;2 0.95 = 3.84 , podemos concluir, ao nível de 5%, que a produção não é normal com média 100 e desvio padrão 5. LSC X = 106.71 c) i) µˆ = 100.00 LIC = 93.29 X ii) 1.) 0.0215 LSCR = 24.59 µˆ R = 11.63 LIC = 0 R 2.) 0.1250 3.) 0.5000 e) i) 1.08 ii) 0.0047 iii) 0.999975 iv) 1.00; 1.8×10-6; 1 g) i) 21.93 ii) 4186 iii) 1124 7. a) µˆ = 700; σˆ = 8.661 LSCR = 40.696 b) µR = 17.832 LIC = 0 X c) p̂ = 0.1355 (135500 ppm); CPk=0.38 d) α=0.0208 e) 8.73 f) 0.7839 8. LSC X = 41.86 µˆ = 40.00 a) LIC = 38.14 X LSCR = 9.32 R = 5.00 LIC = 0.68 R b) LNTS= 45.27 LNTI=34.73 __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 2 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Soluções dos Exercícios da Folha 2 (Controlo por Variáveis) c) i.c. para R a 99% (1.90, 9.24) - Proposição Verdadeira d) p̂ = 0.01164 (11640 ppm) ; ĈPk = 0.76 ; ĈP = 0.95 (4400 ppm) e) p̂L = 0.0113 (1.13%) f) pˆ U = 0.0022 = pˆ L (0.22%) 9. LSC X = 3480.17 a) µˆ = 3352.33 LIC = 3224.48 X LSCMR = 157.12 MR = 48.07 LIC = 0 MR b) µˆ = 3352.33; σˆ = 42.62 __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 3 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 3 10. Considere uma carta de controlo para a proporção de elementos defeituosos de numa determinada produção, com limite inferior de controlo nulo, limite superior de controlo igual a 0.1951 e linha central igual a 0.08. a) Obtenha os limites de controlo e a linha central da carta de controlo equivalente para o número de elementos defeituosos. b) Utilize a aproximação mais adequada para calcular o erro de 1ª espécie associado. c) Calcule o erro de 2ª espécie se a percentagem de elementos defeituosos, devido ao aparecimento de uma causa assinalável, se alterar para 20%. d) Relativamente à alteração referida na alínea anterior: i. Calcule o número médio de amostras a analisar até a detectar. ii. Calcule a probabilidade de ser detectada apenas na 3ª amostra extraída após o aparecimento da causa assinalável. iii. Calcule a probabilidade de ser detectada nas duas primeiras amostras extraídas após o aparecimento da causa assinalável. e) Esboce a curva de eficácia da carta de controlo. f) Se pretender detectar uma alteração da proporção para 0.15 em pelo menos 50% dos casos, qual o tamanho da amostra que deveria utilizar? E em pelo menos 90% dos casos? g) Caso fosse considerado importante ter um limite inferior de controlo positivo, que dimensão amostral deveria ser utilizada? 11. Após se inspeccionarem 20 amostras de 100 interruptores cada, registou-se no quadro seguinte o número de interruptores defeituosos em cada amostra. Nº amostra 1 2 3 4 5 6 7 8 9 10 Nº elementos 7 defeituosos Nº amostra 11 4 1 3 6 8 10 5 2 7 12 13 14 15 16 17 18 19 20 Nº elementos 6 defeituosos 15 0 9 5 1 4 5 7 12 a) Obtenha uma carta p para controlar a futura produção de interruptores. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 3 b) Admita que nas cinco amostras seguintes obteve 5, 6, 4, 6 e 5 interruptores defeituosos. Comente. c) Sabendo que são inspeccionados 200 interruptores por dia, determine a probabilidade de detectar uma alteração da proporção de defeitos para 0,10 no final do terceiro dia após esta ter ocorrido. d) Que alteração na proporção de interruptores defeituosos seria detectada após inspeccionar em média 200 interruptores? 12. Num determinado processo são produzidas correias de borracha em lotes de 2500. Os registos dos últimos 20 lotes produzidos são apresentados no quadro seguinte. Nº lote 1 2 3 4 5 6 7 8 9 10 Nº correias defeituosas 230 435 221 346 230 327 285 311 342 308 Nº lote 11 Nº correias defeituosas 456 394 285 331 198 414 131 269 221 407 12 13 14 15 16 17 18 19 20 a) Calcule os limites provisórios de uma carta de controlo para a proporção de correias defeituosas. b) Se pretender uma carta para a produção futura, como utilizaria a informação anterior para obter a linha central e os limites de controlo? 13. Na fase inicial de um processo produtivo obtiveram-se 140 defeitos em 25 amostras de dimensão 100. a) Esboce uma carta apropriada para analisar, nesta fase, a qualidade através do número de elementos defeituosos. b) Supondo que, após correcções e melhoramentos feitos no processo, a proporção de peças defeituosas passou a ser igual a 5%, ajuste a carta de controlo para a futura produção. c) Determine o erro de 1ª espécie associado a esta carta. d) Relativamente à dimensão das amostras, que aconteceria se considerasse 80 peças? __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 2 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 3 e) Se a percentagem de peças defeituosas se alterar para 17%, determine o número médio de peças a analisar até se questionar sobre a alteração, caso utilize amostras de dimensão 100 e caso utilize amostras de dimensão 80. Comente. 14. No quadro seguinte estão registados o número de defeitos por 1000 metros de cabo telefónico em 20 unidades inspeccionadas. Unidade 1 2 3 4 5 6 7 8 9 10 Nº defeitos 1 1 3 7 8 10 5 13 0 19 Unidade 11 12 13 14 15 16 17 18 19 20 Nº defeitos 24 6 9 11 15 8 3 6 7 4 a) Determine uma carta de controlo apropriada para a futura produção. b) Admita que se considera uma nova unidade de 2500 m de cabo. i. Obtenha a linha central e os limites de controlo da carta adequada para controlar a futura produção baseada no número total de defeitos na nova unidade. ii. Se pretender controlar o número médio de defeitos por cada metro de cabo, quais deverão ser os limites de controlo e a linha central da carta apropriada? 15. Suponha que, na produção de um determinado tipo de unidades de tecido (calças, por exemplo), o número médio de defeitos por unidade é igual a 9. a) Calcule a probabilidade de uma dessas unidades ter pelo menos dois defeitos. b) Calcule a probabilidade de uma dessas unidades ter no máximo um defeito. c) Calcule a probabilidade de em 500 unidades haver pelo menos metade delas com pelo menos 10 defeitos cada uma. d) Obtenha uma carta de controlo apropriada para este caso. e) Admita que o número de defeitos por unidade passou a ser igual a 12 (por exemplo, devido a alteração de matérias-primas). i. Calcule a probabilidade, através de uma unidade inspeccionada, de não detectar a alteração. ii. Calcule o número médio de unidades de tecido a inspeccionar até poder concluir que a qualidade piorou. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 3 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 3 iii. Que distribuições de probabilidade considerou nas duas questões anteriores? Justifique. f) Esboce a curva de eficácia para esta carta de controlo 16. Suponha que em 20 rolos de papel se observaram 320 pequenos defeitos. a) Determine os limites de controlo e a linha central de uma carta de controlo apropriada. b) Comente a afirmação: “A carta de controlo que obteve na alínea anterior pode ser utilizada na futura produção de rolos de papel.”. c) Se num rolo de papel encontrar 23 pequenos defeitos, que considerações poderia fazer? d) No seguimento da alínea anterior, admita que na inspecção de mais 5 rolos de papel se registaram 25, 26, 28, 18, 12 pequenos defeitos, respectivamente. Que considerações poderia fazer? e) Melhoramentos introduzidos no processo permitiram reduzir para 10 o número de pequenos defeitos por rolo. i. Quantos rolos necessitam ser inspeccionados em média até se poder questionar sobre a melhoria da qualidade? ii. Admita que apenas rejeita uma determinada qualidade caso dois pontos consecutivos estejam fora dos limites de controlo. Neste contexto, calcule o número médio de rolos a analisar até se questionar sobre a alteração. iii. Calcule o erro de 1ª espécie quando usa a regra de decisão referida na alínea anterior. Que comentários lhe merecem os resultados obtidos? 17. Uma empresa de manutenção procura melhorar a eficiência do seu trabalho de reparação através do controlo do número de pedidos de manutenção que necessitaram de uma segunda chamada para completar a reparação. No quadro seguinte está registada a informação referente a 15 semanas. Semana 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Pedidos 200 250 250 250 200 200 150 150 150 150 100 100 100 200 200 6 8 9 7 3 4 2 1 0 2 1 0 1 4 5 Nova Visita Reflicta sobre o esquema de controlo adequado para esta situação. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 4 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Soluções dos Exercícios da Folha 3 (Controlo por Atributos) 10. LSC = 9.76 (9) a) np = 4 LIC = 0 b) α ≅0.0081 c) β ≅0.4286 d) i) 1.75 ii) 0.1050 iii) 0.8163 f) n≥150; n≥345 g) n≥104 11. LSC = 0.1213 a) p = 0.0537 LIC = 0 c) 0.0653 d) p=0.1263 12. LSC = 0.1425 a) p = 0.1228 LIC = 0.1031 13. LSC = 12.50 (12) a) np = 5.6 LIC = 0 LSC = 11.54 (11) b) np = 5 LIC = 0 c) α ≅0.0055 (α=0.0043) LSC = 9.85 (9) d) np = 4 ; α ≅0.0081 (α=0.0065) LIC = 0 __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Soluções dos Exercícios da Folha 3 (Controlo por Atributos) e) ARL= 1.06 para n=100; ARL=1.13 para n=80. 14. LSC = 13.35 (13) a) c = 6 LIC = 0 LSC = 26.62 (26) b) i) nc = 15 LIC = 3.38 (4) LSC = 0.0133 ii) u = 0.0060 LIC = 0 15. a) 0.9988 b) 0.0012 c) 0.00135 LSC = 18 d) c = 9 LIC = 0 e) i) 0.9699 ii) 33.22 16. LSC = 28 a) c = 16 LIC = 4 e) i) 97.09 ii) 9425.96 iii) α=5×10-6 __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 2 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 4 18. Na tabela seguinte apresentam-se os cálculos necessários para obter uma carta CUSUM para a média com h=5 e k=0.5 e uma carta EWMA para a média com δ=0.1 e L=2.7, a partir de 30 amostras. As primeiras 20 amostras foram extraídas de um processo com a média µ=10 e desvio padrão σ=1, enquanto que as últimas 10 amostras foram extraídas de um processo com média µ=11 e desvio padrão σ=1. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 xi-(µ0+k) xi 10,45 -0,05 9,63 -0,87 11,54 1,04 11,71 1,21 9,91 -0,59 8,84 -1,66 9,04 -1,46 11,30 0,80 9,89 -0,61 9,35 -1,15 9,59 -0,91 12,02 1,52 8,85 -1,65 10,34 -0,16 9,87 -0,63 10,24 -0,26 8,57 -1,93 11,13 0,63 10,10 -0,40 8,64 -1,86 11,01 0,51 10,45 -0,05 10,55 0,05 10,39 -0,11 10,79 0,29 11,16 0,66 12,32 1,82 11,08 0,58 11,50 1,00 12,26 1,76 C+ (µ0-k)-xi 0,00 -0,95 0,00 -0,13 1,04 -2,04 2,25 -2,21 1,66 -0,41 0,00 0,66 0,00 0,46 0,80 -1,80 0,19 -0,39 0,00 0,15 0,00 -0,09 1,52 -2,52 0,00 0,65 0,00 -0,84 0,00 -0,37 0,00 -0,74 0,00 0,93 0,63 -1,63 0,23 -0,60 0,00 0,86 0,51 -1,51 0,46 -0,95 0,51 -1,05 0,40 -0,89 0,69 -1,29 1,35 -1,66 3,17 -2,82 3,75 -1,58 4,75 -2,00 6,51 -2,76 C0,00 0,00 0,00 0,00 0,00 0,66 1,12 0,00 0,00 0,15 0,06 0,00 0,65 0,00 0,00 0,00 0,93 0,00 0,00 0,86 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 zi 10,05 10,00 10,16 10,31 10,27 10,13 10,02 10,15 10,12 10,05 10,00 10,20 10,07 10,09 10,07 10,09 9,94 10,06 10,06 9,92 10,12 10,09 10,12 10,26 10,40 10,43 10,40 10,67 10,90 11,02 LSC 10,27 10,36 10,42 10,47 10,50 10,52 10,54 10,56 10,57 10,58 10,59 10,59 10,60 10,60 10,61 10,61 10,61 10,61 10,61 10,61 10,62 10,62 10,62 10,62 10,62 10,62 10,62 10,62 10,62 10,62 LIC 9,73 9,64 9,58 9,53 9,50 9,48 9,46 9,44 9,43 9,42 9,41 9,41 9,40 9,40 9,39 9,39 9,39 9,39 9,39 9,39 9,38 9,38 9,38 9,38 9,38 9,38 9,38 9,38 9,38 9,38 a) Reflicta sobre o modo como se obtiveram os valores necessários à obtenção da carta CUSUM. b) Reflicta sobre o modo como se obtiveram os valores necessários à obtenção da carta EWMA. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 4 c) Nas figuras seguintes estão representadas as respectivas cartas CUSUM e EWMA, bem como a carta X. i. Identifique cada carta. ii. Que comentários lhe merecem a observação das referidas cartas? 7,0 5,0 3,0 1,0 -1,0 -3,0 -5,0 -7,0 14 12 10 8 6 4 0 5 10 15 20 25 30 5 10 0 5 10 15 20 25 30 11,5 11,0 10,5 10,0 9,5 9,0 8,5 0 15 20 25 30 19. Os dados seguintes representam observações individuais do peso molecular obtido de hora a hora a partir de um processo químico. 1045 1055 1037 1064 1095 1008 1050 1087 1125 1146 1139 1169 1151 1128 1238 1125 1163 1188 1146 1167 Sabendo que µ0=1050 e que o desvio padrão do processo é igual a 25: a) Obtenha uma carta CUSUM para a média deste processo com h=4 e k=0.5. Comente. b) Obtenha uma carta EWMA para a média deste processo com δ=0.2 e L=3. Comente. 20. Aplique uma carta CUSUM tabular com h=8.01 e k=0.25 e uma carta EWMA com δ=0.2 e L=2.86 aos dados do exercício 9, admitindo que o valor médio da viscosidade a controlar é µ0 = 3350. Retire as conclusões que entender convenientes. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 2 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Soluções dos Exercícios da Folha 4 (Cartas CUSUM e EWMA ) 19. xi xi-(µ0+kσ) 1045 -17,50 1055 -7,50 1037 -25,50 1064 1,50 1095 32,50 1008 -54,50 1050 -12,50 1087 24,50 1125 62,50 1146 83,50 1139 76,50 1169 106,50 1151 88,50 1128 65,50 1238 175,50 1125 62,50 1163 100,50 1188 125,50 1146 83,50 1167 104,50 20. xi 3375 3305 3400 3381 3346 3402 3368 3327 3349 3320 3362 3300 3354 3312 3384 3350 3325 3340 3327 3465 3450 3470 3429 3449 3503 x i-(µ0+kσ) 14,35 -55,65 39,35 20,35 -14,65 41,35 7,35 -33,65 -11,65 -40,65 1,35 -60,65 -6,65 -48,65 23,35 -10,65 -35,65 -20,65 -33,65 104,35 89,35 109,35 68,35 88,35 142,35 C+ (µ0-kσ)-xi 0,00 -7,50 0,00 -17,50 0,00 0,50 1,50 -26,50 34,00 -57,50 0,00 29,50 0,00 -12,50 24,50 -49,50 87,00 -87,50 170,50 -108,50 247,00 -101,50 353,50 -131,50 442,00 -113,50 507,50 -90,50 683,00 -200,50 745,50 -87,50 846,00 -125,50 971,50 -150,50 1055,00 -108,50 1159,50 -129,50 C0,00 0,00 0,50 0,00 0,00 29,50 17,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 zi 1049,00 1050,20 1047,56 1050,85 1059,68 1049,34 1049,47 1056,98 1070,58 1085,67 1096,33 1110,87 1118,89 1120,71 1144,17 1140,34 1144,87 1153,50 1152,00 1155,00 LSC 1065,00 1069,21 1071,47 1072,81 1073,62 1074,13 1074,44 1074,65 1074,77 1074,86 1074,91 1074,94 1074,96 1074,98 1074,98 1074,99 1074,99 1075,00 1075,00 1075,00 LIC 1035,00 1030,79 1028,53 1027,19 1026,38 1025,87 1025,56 1025,35 1025,23 1025,14 1025,09 1025,06 1025,04 1025,02 1025,02 1025,01 1025,01 1025,00 1025,00 1025,00 C+ (µ0-kσ)-x i 14,35 -35,65 0,00 34,35 39,35 -60,65 59,69 -41,65 45,04 -6,65 86,39 -62,65 93,73 -28,65 60,08 12,35 48,42 -9,65 7,77 19,35 9,12 -22,65 0,00 39,35 0,00 -14,65 0,00 27,35 23,35 -44,65 12,69 -10,65 0,00 14,35 0,00 -0,65 0,00 12,35 104,35 -125,65 193,69 -110,65 303,04 -130,65 371,39 -89,65 459,73 -109,65 602,08 -163,65 C0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 2,69 9,69 0,00 16,69 24,69 12,69 0,00 0,00 3,69 13,69 11,69 0,00 0,00 0,00 0,00 0,00 0,00 zi 3355,00 3345,00 3356,00 3361,00 3358,00 3366,80 3367,04 3359,03 3357,03 3349,62 3352,10 3341,68 3344,14 3337,71 3346,97 3347,58 3343,06 3342,45 3339,36 3364,49 3381,59 3399,27 3405,22 3413,97 3431,78 LSC 3374,38 3381,22 3384,90 3387,06 3388,38 3389,21 3389,72 3390,05 3390,26 3390,39 3390,48 3390,53 3390,56 3390,59 3390,60 3390,61 3390,62 3390,62 3390,62 3390,62 3390,62 3390,63 3390,63 3390,63 3390,63 LIC 3325,62 3318,78 3315,10 3312,94 3311,62 3310,79 3310,28 3309,95 3309,74 3309,61 3309,52 3309,47 3309,44 3309,41 3309,40 3309,39 3309,38 3309,38 3309,38 3309,38 3309,38 3309,37 3309,37 3309,37 3309,37 3440 800 3420 600 3400 400 3380 200 3360 3340 0 3320 -200 3300 -400 0 5 10 15 20 25 0 5 10 15 20 25 __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 5 (Controlo na Recepção) 21. Considere que um determinado fornecedor envia a um cliente lotes de 5000 peças, e que entre ambos foi acordado um nível de qualidade aceitável de 0,4%. a) Com base no facto de, num determinado lote, o cliente ter encontrado 3 peças defeituosas num plano de amostragem simples e controlo normal, que decisão tomaria no que concerne à aceitação do referido lote? Justifique. b) Admitindo que num lote existem 50 peças defeituosas, calcule o inerente risco do cliente. c) Estando em controlo normal, passando o nível de qualidade para 2%, qual a probabilidade de introduzir controlo reforçado? d) Caso tenha adoptado um plano de amostragem simples e controlo normal, se em 9 lotes consecutivos aceites o número total de elementos defeituosos fosse igual a 2, acha que o tipo de controlo poderia vir a ser alterado no 10º lote? e) Estabeleça regras de decisão apropriadas admitindo um plano de amostragem dupla e: i) controlo normal; ii) controlo reforçado; iii) controlo reduzido. f) Calcule a probabilidade de passar de um plano duplo e controlo reduzido para um plano duplo e controlo normal. g) Admita que utiliza um plano de amostragem dupla e controlo normal. i) Calcule o número médio de peças a inspeccionar. ii) Se no lote existirem 250 peças defeituosas, calcule o inerente risco do cliente. 22. Suponha que um determinado fornecedor envia a um cliente lotes de 3000 peças e que, entre ambos, foi acordado um nível de qualidade aceitável de 1%. a) Estabeleça regras de decisão quanto à aceitação dos lotes considerando que usa um plano de amostragem: i) simples e controlo normal; ii) simples e controlo reduzido; iii) duplo e controlo normal. b) Diga em que condições, neste contexto, passaria do plano i) para o plano ii) referidos na alínea anterior. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 5 (Controlo na Recepção) c) Admitindo que adopta um plano de amostragem simples e controlo normal e que num lote existem 6 peças defeituosas, calcule o inerente risco do fornecedor. d) Esboce a curva de eficácia do plano de amostragem simples e controlo reforçado. 23. Relativamente ao exercício anterior, suponha que adoptou um plano de amostragem dupla e controlo normal. a) Caso o cliente, nos primeiros 100 elementos inspeccionados de um determinado lote, tenha encontrado 4 peças defeituosas, que decisão tomaria no que concerne à aceitação do lote? Justifique. b) Admita, agora, que a proporção de peças defeituosas em lotes consecutivos submetidos a controlo é igual a 5%. i) Calcule o inerente risco do cliente. ii) Calcule a probabilidade de passar a controlo reforçado, explicitando, então, o respectivo plano de amostragem. 24. Suponha que ao armazém de uma fábrica chegam lotes de 500 peças cada e que entre cliente e fornecedor foi acordado um nível de qualidade aceitável de 1,5%, tendo sido estabelecido um plano de amostragem simples e controlo reduzido. a) Caso numa amostra extraída a proporção de peças defeituosas fosse igual a 1%, que decisão tomaria? b) Calcule a probabilidade de passar a controlo normal, sabendo que a proporção de peças defeituosas num determinado lote é igual a 1,66%. c) Admita que algum tempo depois teve de adoptar controlo reforçado. Caso a proporção de peças defeituosas, num determinado lote, fosse igual a 10,3%, como justificaria, sem efectuar cálculos, a afirmação: “ O risco do cliente é inferior a 10%.” 25. Considere que um determinado fornecedor envia a um cliente lotes de 400 peças e que, entre ambos, foi acordado um nível de qualidade aceitável de 2.5%. a) Caso extraísse uma amostra de dimensão 40 e tivesse 5 peças defeituosas, que decisão poderia tomar? Justifique convenientemente. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 2 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 5 (Controlo na Recepção) b) Comente a proposição: “Caso se se extraísse uma amostra de dimensão 50 de um lote em que a proporção de peças defeituosas fosse 2.7%, a probabilidade de ele ser aceite seria inferior a 95%.”. c) Caso passasse a um plano reduzido apropriado e obtivesse numa amostra de um lote duas peças defeituosas, que pensaria e o que faria? d) Suponha que a proporção de peças defeituosas em lotes consecutivos submetidos a controlo é 12.9%. i) Calcule a probabilidade de rejeitar um primeiro lote. ii) Calcule a probabilidade de passar no máximo, ao fim de 3 lotes, a controlo reforçado, explicitando, então, o respectivo plano de amostragem. 26. O limite de elasticidade mínima de um certo material é fixado em 58000 psi. Um lote de 500 elementos é submetido a controlo adoptando-se um nível de qualidade aceitável igual a 1,5%. Sabe-se, ainda, que σ=3000. a) Estabeleça um plano de amostragem apropriado. b) Considerando que numa amostra se obtiveram os valores 62500, 60500, 68000, 59000, 65500, 62000, 61000, 69000, 58000 e 645000, que decidiria quanto à aceitação do lote? c) Estime a percentagem de produtos defeituosos no lote. 27. No seguimento da alínea anterior, admita que também foi fixado um limite de elasticidade máxima igual a 67000 psi. a) Que decidiria, neste caso, quanto à aceitação do lote? b) Caso fosse adoptado NQA (Ts)=1% e NQA (Ti)=2.5%, e numa amostra tivesse obtido os valores 62500, 60500, 64000, 59000, 65500, 62000, 61000, 60631, 68000, 62000 e 63000, que decisão tomaria? 28. A densidade de uma peça plástica utilizada numa calculadora de bolso está fixada num mínimo de 0.7 g/cm3. Um conjunto de 1000 peças é submetido a controlo, sendo adoptado um nível de qualidade aceitável igual a 2.5%. Retirada uma amostra de dimensão conveniente, obteve-se uma densidade média igual a 0.73 g/cm3 e um desvio padrão igual a 0.0135 g/cm3. a) Que decidiria quanto à aceitação das 1000 peças? __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 3 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Exercícios – Folha 5 (Controlo na Recepção) b) Admita que foi especificado também um limite superior igual a 0.755 g/cm3. i) Adoptando o mesmo nível de qualidade aceitável, qual seria a sua decisão? ii) Supondo que para o limite superior foi adoptado um nível de qualidade aceitável igual a 1.5%, qual seria a sua decisão? 29. O número máximo especificado de rotações por unidade de tempo dum certo equipamento está fixado em 54. Um conjunto de 100 equipamentos é submetido a controlo, sendo adoptado um NQA=0.4%. Considerando que utiliza o método da amplitude e que numa amostra obteve os valores 50, 52, 54, 51, 53, 48, 50, 52, 49 e 51: a) Que decidiria quanto à aceitação do lote? b) No caso de também ser especificado um número mínimo de rotações igual a 47, adoptando aqui um nível de qualidade aceitável de 1%, qual seria a sua decisão? c) Estime as percentagens de equipamentos defeituosos, considerando separadamente o caso da alínea a) e da alínea b) anteriores. 30. A resistência mínima especificada de um determinado equipamento está fixada em 46. Um conjunto de 80 unidades é submetido a controlo, sendo adoptado um NQA de 0.65%. Considere que numa amostra obteve os valores 47, 50, 52, 50, 51, 47, 49, 51, 48 e 50. a) Caso utilizasse o método da amplitude, que decidiria quanto à aceitação do lote? b) Utilizando, ainda, o método da amplitude, admita, agora, que também tinha um limite superior de especificação, igual a 53. Adoptando, relativamente a este limite, um NQA de 1%, qual seria a sua decisão? c) Resolva as alíneas anteriores, caso utilizasse o método do desvio padrão. __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 4 UNIVERSIDADE DE ÉVORA - Departamento de Matemática CONTROLO DE QUALIDADE E FIABILIDADE (2003/04) Soluções dos Exercícios da Folha 5 (Controlo na Recepção) 22. a) i) n=125; A=3, R=4 ii) n=50; A=1; R=4 iii) n1=n2=80; A1=1 e R1=4; A2=4 e R2=5 b) Aceitar 10 lotes consecutivos e nº total de elementos defeituosos não excede 7 e aprovação do cliente. c) 0,013%. 23. a) Continuar a inspeccionar as restantes 60. b) i) 13,6% ii) 0,9985 atendendo a que P(rejeitar o lote | p=0,05)=0,8636. Em controlo reforçado tem-se n1=n2=80; A1=0 e R1=3; A2=3 e R2=4 25. b) Falso c) n=20; A=1; R=4 – aceitar o lote e passar a controlo normal 29. a) Qs=1,80; p̂s =2,19%; M=1,14% - Rejeitar o lote b) Rejeitar o lote ˆ ˆ c) p(a) = 2,19%; p(b) = 2, 21% 30. a) Qi=1,87; p̂i =1,65%; M=2,05% - Aceitar o lote b) Qs=1,87; p̂s =1,65%; Ms=3,23% - Rejeitar o lote c) s=1,72 i) Qi=2,03; p̂i =1,03%; M=2,17% - Aceitar o lote ii) Qs=2,03; p̂s =1,03%; Ms=3,26% - Aceitar o lote __________________________________________________________________________________________ Licenciatura em MATEMÁTICA E CIÊNCIAS DA COMPUTAÇÃO 1 Provas de Avaliação UNIVERSIDADE DE ÉVORA - Departamento de Matemática 1ª Frequência de CONTROLO DE QUALIDADE E FIABILIDADE 17 de Abril de 2004 Notas: • Justifique as respostas de uma forma sucinta. • Indique na primeira página o número de folhas de teste. • Duração: 2h30m 1. Indique um teste estatístico que pode utilizar para testar a normalidade de uma dada distribuição de valores. Apresente os seus traços fundamentais. 2. Suponha que, numa dada estrada nacional, o número médio de multas, por semana, devido a infracções várias, é igual a 25. Admita que recentemente foi efectuada uma campanha publicitária e que, nas 5 semanas seguintes se registaram 26, 18, 12, 16 e 11 multas, respectivamente. Utilizando uma carta de controlo apropriada, diga, justificando em termos analíticos, se a campanha publicitária poderá ter provocado uma diminuição do número médio de multas por semana. 3. Suponha que, na fase inicial de um processo produtivo, após a observação de 25 amostras de dimensão 4, obteve os valores 10.50 e 2.06 para a média das médias das amostras e para a média das amplitudes, respectivamente. a) Obtenha, justificando analiticamente, limites de controlo para uma carta de médias e para uma carta de amplitudes. Como procederia para poder controlar a futura produção? b) Caso o processo esteja sob controlo e as especificações tenham sido fixadas em 10±3, que pode concluir acerca da capacidade do processo produzir elementos dentro destas especificações? 4. Relativamente ao exercício anterior, admita que, após ajustamentos feitos ao processo produtivo, a média passou a ser 10 e o desvio padrão 1. Admita, ainda, que as amostras são retiradas de hora a hora. a) Caso pretendesse substituir a carta de controlo para a amplitude por uma carta de controlo para o desvio padrão, quais seriam a linha central e os limites de controlo apropriados para essa carta? b) Suponha agora que o processo produtivo, devido ao aparecimento de uma causa assinalável, sofreu uma alteração na média, passando esta a ser igual a 8.5. Considerando apenas a carta de médias: i) Comente, sem efectuar cálculos, a proposição: “Em média necessitamos inspeccionar menos de duas amostras até detectar a alteração.” ii) Calcule a probabilidade de ter a alteração detectada antes de terem decorrido 3 horas após o aparecimento da causa assinalável. iii) Caso a alteração da média tenha ocorrido 15 minutos depois de uma dada amostra ter sido inspeccionada, determine o prejuízo esperado (em termos do número de elementos defeituosos produzidos) que resulta deste procedimento de controlo. 5. Admita que para controlar a proporção de interruptores defeituosos, usa amostras de dimensão 200 e uma carta de controlo com linha central igual a 0.04, limite superior de controlo igual a 0.075 e limite inferior de controlo igual a 0.005. a) Descreva, de uma forma sucinta, a fase inicial do controlo na qual foi obtida a estimativa para a proporção de interruptores defeituosos. b) Sabendo que a probabilidade de ter uma proporção inferior ou igual ao limite superior de controlo é igual a 0.9970, determine o erro de 1ª espécie associado a esta carta. c) Suponha que o aparecimento de uma causa assinalável provocou um aumento da proporção de interruptores defeituosos para 10%. Determine o número médio de amostras a inspeccionar até detectar a alteração. 6. Diga, justificando sucintamente, se são verdadeiras ou falsas as seguintes proposições: a) “Quando temos amostras de tamanhos variáveis o procedimento mais correcto é usar cartas de controlo com limites variáveis.” b) “As cartas de controlo CUSUM e EWMA dão o mesmo peso à informação contida nas diferentes amostras.” UNIVERSIDADE DE ÉVORA - Departamento de Matemática 2ª Frequência de CONTROLO DE QUALIDADE E FIABILIDADE 5 de Junho de 2004 Notas: • Justifique as respostas de uma forma sucinta. • Duração: 2h30m 1. Suponha que ao armazém de uma fábrica chegam lotes de 1000 peças cada. a) Caso o cliente, usando amostragem simples e controlo normal, rejeitasse um dos lotes com base no facto de ter encontrado na amostra respectiva 3 peças defeituosas, o que pensaria então do NQA que teria sido acordado entre ele e o fornecedor? b) Admita que foi acordado um NQA igual a 1% e que num determinado lote sujeito a controlo existem 70 peças defeituosas. Comente a proposição: “O risco do cliente é inferior a 10%.”. c) Ainda considerando um NQA igual a 1%, suponha, agora, que adoptou um plano de amostragem dupla e controlo reduzido e que a proporção de peças a inspeccionar em lotes consecutivos submetidos a controlo é igual a 2%. Calcule a probabilidade de passar a controlo normal no máximo ao fim de 3 lotes inspeccionados. 2. A resistência mínima especificada de um determinado equipamento está fixada em 46. Um conjunto de 80 unidades é submetido a controlo, sendo adoptado um NQA de 0.65%. Considere que numa amostra obteve os valores 47, 50, 52, 50, 51, 47, 49, 51, 48 e 50. a) Caso utilizasse o método da amplitude, que decidiria quanto à aceitação do lote? b) Utilizando, ainda, o método da amplitude, admita, agora, que também tinha um limite superior de especificação, igual a 53. Adoptando, relativamente a este limite, um NQA de 1%, qual seria a sua decisão? 3. Suponha que um sistema tem 3 componentes A, B e C, com tempos de vida Weibull, estando A e B em série e estando C em paralelo em relação ao subsistema constituído por A e B. Considere, ainda, que a distribuição do tempo de vida dos três componentes tem o mesmo parâmetro de escala igual a 1000, o tempo médio de vida de cada componente em série é igual a 1000 horas e que a distribuição do tempo de vida do componente C tem um parâmetro de forma igual a 3. a) Qual o tipo de taxa de risco do componente C? Explique o seu significado. b) Justifique a afirmação:”O subsistema em série não envelhece nem rejuvenesce.”. c) Calcule a probabilidade do sistema estar ainda operacional ao fim de 500 horas de utilização. 4. Considere um sistema, sujeito a inspecções periódicas e perfeitas, com taxa de risco constante e cuja fiabilidade para 5000 horas é igual a e −1 . a) Com base numa aproximação para o tempo médio de detecção, obtenha uma solução aproximada para o período de inspecção, com o objectivo de minimizar o custo total médio por ciclo, explicitando as grandezas que achar apropriadas. b) No seguimento da alínea anterior, sabendo que o custo de uma inspecção é igual a 10 e que o custo por unidade de tempo de mau funcionamento é igual a 1000, calcule o número médio de inspecções por ciclo. Deduza analiticamente a expressão que utilizou. 5. Diga, justificando sucintamente, se são verdadeiras ou falsas as seguintes proposições: a) “Num método de amostragem adaptativo a amostragem pode ser periódica.”. b) “A Inspecção rectificativa de lotes conduz a uma melhoria da qualidade dos lotes e a uma redução do número médio de elementos inspeccionados.” Cotação: 1a)1.5 1b)1.5 1c)2.0 2a)1.5 2b)1.5 3a)1.0 3b)1.5 3c)2.5 4a)2.5 4b)2.5 5a)1.0 5b)1.0 UNIVERSIDADE DE ÉVORA - Departamento de Matemática Exame de CONTROLO DE QUALIDADE E FIABILIDADE – 1ª Chamada 17 de Junho de 2004 Notas: • Justifique as respostas de uma forma sucinta. • Duração: 3h 1. Suponha que, na fase inicial de um processo produtivo, a soma das média e das amplitudes de 30 amostras, de dimensão 8, são iguais, respectivamente, a 900 e a 120. a) Obtenha, justificando analiticamente, limites de controlo para uma carta de médias. b) Caso o processo esteja sob controlo e as especificações tenham sido fixadas em 30 ± 5 , que comentários pode fazer relativamente à capacidade do processo produzir elementos dentro dessas especificações? c) Admita que a carta de controlo para a média obtida anteriormente é utilizada para controlar a futura produção e que, como resultado do aparecimento de uma causa assinalável, a média do processo diminuiu uma unidade de desvio padrão. i) Calcule a probabilidade de necessitar analisar pelo menos 3 amostras até detectar a alteração. ii) Se pretender detectar a alteração anterior com uma probabilidade não inferior a 0.5, qual deveria ser a dimensão da sua amostra? 2. No controlo de qualidade por atributos, na fase inicial de um processo produtivo, diga, de uma forma sucinta, como procede para estimar a proporção de elementos defeituosos. 3. Suponha que, na produção de um determinado tipo de unidades de tecido (calças, por exemplo), o número médio de defeitos por unidade é igual a 9. Admita, ainda, que o número médio de defeitos por unidade passou a ser igual a 12 (por exemplo, devido a alteração de matérias-primas). Com base numa carta de controlo apropriada, calcule o número médio de unidades de tecido a inspeccionar até poder concluir que a qualidade piorou. 4. Suponha que, entre cliente e fornecedor, foi acordado um nível de qualidade aceitável de 0,25% e que os produtos são enviados em lotes de 20000 peças. a) Estabeleça um plano de amostragem dupla e controlo normal. b) Tendo passado a controlo reforçado, acha que, após a observação de 4 elementos defeituosos obtidos a partir de amostras convenientes extraídas de 5 lotes consecutivos, poderia passar a controlo normal? Justifique, apresentando um exemplo. 5. Suponha que um sistema tem 3 componentes A, B e C, com tempos de vida Weibull, estando A e B em paralelo e estando C em série em relação ao subsistema constituído por A e B. Considere, ainda, que a distribuição do tempo de vida dos três componentes tem o mesmo parâmetro de escala igual a 1000, o tempo médio de vida do componente C é igual a 1000 horas e que a distribuição do tempo de vida dos componentes A e B tem um parâmetro de forma igual a 4. a) Qual o tipo de taxa de risco do componente C? Explique o seu significado. b) Calcule a probabilidade do sistema não estar operacional ao fim de 1000 horas de utilização. 6. Considere um sistema sujeito a inspecções de hora a hora e cuja taxa de risco é constante e igual a 0.001 horas. Admitindo que existe uma probabilidade igual a 0.2 de uma falha não ser detectada através de uma inspecção, calcule um valor exacto e outro aproximado do respectivo tempo médio de mau funcionamento. 7. Interprete geometricamente, justificando em termos analíticos, o tempo médio de vida de um sistema com base na respectiva função de fiabilidade. 8. Comente a seguinte proposição: “Num método de amostragem com intervalos predefinidos a amostragem não pode ser periódica.”. Cotação: 1a)1.5 1b)1.5 7)1.5 8)1.0 1ci)2.0 1cii)1.5 2)1.0 3)2.0 4a)1.5 4b)1.5 5a)1.0 5b)2.0 6)2.0 UNIVERSIDADE DE ÉVORA - Departamento de Matemática Exame de CONTROLO DE QUALIDADE E FIABILIDADE – 2ª Chamada 25 de Junho de 2004 Notas: • Justifique as respostas de uma forma sucinta. • Duração: 3h 1. Suponha que quer elaborar uma carta de controlo para a média e uma carta de controlo para a amplitude para controlar uma dada característica da qualidade de média 100 e desvio padrão 10, usando amostras de tamanho 9. a) Obtenha, justificando analiticamente, os limites de controlo da carta de amplitudes. b) Admita que, como resultado do aparecimento de uma causa assinalável, a média se alterou para 105 e que o desvio padrão se alterou para 12. Considerando apenas a carta de controlo para a média: i) Calcule o número médio de amostras a analisar até detectar a alteração. ii) Sabendo que o custo de mau funcionamento por hora é igual a 1000 e que utiliza um período de amostragem igual a 2 horas, acha que 18000 é um valor possível para o custo médio de mau funcionamento? 2. Comente a proposição: “Um processo centrado na média tem uma maior capacidade de produzir elementos de acordo com as especificações do que um processo não centrado.” 3. Suponha que a percentagem de elementos defeituosos numa dada produção é igual a 10% e que usa amostras de 50 elementos para a controlar. No caso dessa percentagem passar a ser 15%, qual a probabilidade de encontrar 2 valores consecutivos entre os limites de controlo de uma carta apropriada? 4. Pretendendo controlar o número de defeitos por unidade, diga, de uma forma sucinta, como procede para estimar a linha central de uma carta de controlo apropriada. 5. Suponha que um determinado fornecedor envia a um cliente lotes de 3000 peças e que, entre ambos, foi acordado um nível de qualidade aceitável de 1%. Admita, ainda, que adoptou um plano de amostragem dupla e controlo normal. a) Caso o cliente, nos primeiros 100 elementos inspeccionados de um determinado lote, tenha encontrado 4 peças defeituosas, que decisão tomaria? Justifique. b) Calcule o número médio de elementos a inspeccionar. 6. A resistência especificada de um determinado equipamento está fixada num mínimo igual a 450 e num máximo igual a 520. Sabe-se, ainda, que σ=19. Um conjunto de 100 unidades é submetido a controlo, sendo adoptado um NQA de 1%. Caso, numa amostra apropriada, tivesse obtido uma média igual a 490, qual seria a sua decisão no que concerne à aceitação do lote? 7. Suponha que um sistema tem 4 componentes A, B, C e D, com tempos de vida exponenciais, estando A e B em série, C e D também em série e estando o subsistema constituído por C e D em paralelo em relação ao subsistema constituído por A e B. Considere, ainda, que o tempo médio de vida de cada componente é igual a 10000 horas. a) Obtenha a expressão da função de fiabilidade do sistema. b) Sabendo que o sistema esteve operacional durante 20000 horas, calcule a probabilidade do sistema não ter avarias num serviço de 10000 horas. 8. Para uma política periódica de inspecção, obtenha analiticamente, com base na função de fiabilidade, a expressão do número médio de inspecções (perfeitas e imperfeitas). 9. Diga, em traços gerais, o que entende por método de amostragem adaptativo. Cotação: 1a)1.0 1bi)2.0 8)2.0 9)1.0 1bii)1.5 2)1.5 3)2.5 4)1.0 5a)2.0 5b)1.5 6)1.5 7a)1.5 7b)1.0 UNIVERSIDADE DE ÉVORA - Departamento de Matemática Exame de Recurso CONTROLO DE QUALIDADE E FIABILIDADE 8 de Julho de 2004 Notas: • Justifique as respostas de uma forma sucinta. • Duração: 3h 1. No controlo de qualidade por variáveis, na fase inicial de um processo produtivo, diga, de uma forma sucinta, como procede para estimar a média e o desvio padrão no caso de utilizar uma carta de controlo para a média e outra para a amplitude. 2. Apresente, recorrendo a ilustrações, dois padrões não aleatórios que pode encontrar numa carta de controlo para a média ou para a amplitude, indicando uma possível causa que esteja eventualmente na origem de cada um. 3. Suponha que, na fase de normal funcionamento de um processo produtivo, controla uma determinada característica da qualidade, com média 100 e desvio padrão 5. a) No caso da média se alterar para 105, mantendo-se o desvio padrão, calcule o número médio de amostras a analisar, com base na carta de médias e amostras de tamanho 4, até detectar a alteração. b) Considere que a fábrica estabeleceu dois limites de especificação para a produção iguais a 90 e a 115. Elabore uma carta de controlo para a proporção de elementos defeituosos, admitindo que utiliza amostras de 25 elementos. 4. Suponha que pretende controlar o número de pequenos defeitos em aparelhos de televisão e que ao inspeccionar 15 conjuntos de 6 aparelhos cada encontrou 225 pequenos defeitos. Admita, ainda, que rejeita a produção apenas quando dois valores consecutivos aparecem fora dos limites de controlo. a) Calcule o erro de 1ª espécie associado a uma carta de controlo adequada. b) Se o número de pequenos defeitos passasse a ser 9, devido a uma melhoria da qualidade na matéria-prima, calcule a probabilidade de poder questionar-se sobre a alteração depois de ter inspeccionado, no máximo, 3 conjuntos. 5. Suponha que um determinado fornecedor envia a um cliente lotes de 3000 peças. a) Caso o cliente, usando amostragem simples e controlo reduzido, tivesse passado a controlo normal com base no facto de num lote inspeccionado ter encontrado na amostra respectiva 3 peças defeituosas, o que pensaria então do NQA que teria sido acordado entre ele e o fornecedor? b) Considerando que o NQA acordado foi 1%, admita que adoptou um plano de amostragem dupla e controlo normal e que a proporção de peças defeituosas em lotes consecutivos submetidos a controlo é igual a 5%. Calcule o inerente risco do cliente. 6. Suponha que um sistema tem 3 componentes A, B e C, com tempos de vida exponencial, estando A em paralelo com o sub-sistema constituído por B e C que estão em série. Sabendo que cada componente tem uma fiabilidade de 95% para 1000 horas e que o sistema funciona sem avarias há 500 horas, calcule a probabilidade de ocorrer uma avaria nas próximas 500 horas. 7. Considere um sistema sujeito a inspecções periódicas e perfeitas, sendo C1 o custo de cada inspecção e C2 o custo por unidade de tempo de mau funcionamento. a) Deduza uma solução aproximada para o período de inspecção que minimiza o custo total médio por ciclo. b) Sabendo que o sistema tem uma taxa de risco constante igual a 0.001, C1=1 e C2=100, calcule um valor aproximado para o custo total médio de funcionamento do sistema por unidade de tempo, quando utiliza para período de inspecção o valor obtido através da fórmula deduzida na alínea anterior. 8. Em que se distinguem, no essencial, um procedimento de amostragem com intervalos adaptativos e um procedimento de amostragem com intervalos predefinidos. Cotação: 1)1.5 2)1.5 3a)2.0 3b)2.0 4a)1.5 4b)1.5 5a)1.5 5b)2.0 6)2.5 7a)1.5 7b)1.5 8)1.0 Resultados da Avaliação Notas de Controlo de Qualidade e Fiabilidade (Finais) Número 10551 10862 12552 12598 12604 12783 12816 13618 13628 13698 13890 14135 14500 14776 14936 14978 15112 15271 15341 15347 15654 15670 15752 15814 15839 15924 16091 16122 16201 16273 16298 16354 16378 16497 16671 16752 16763 17014 17558 Nome Ana Filipa da Silva Ramos Estiveira Sonia Andreia Nunes Lopes Rodrigues Dina Maria Fernandes Saraiva Correia Ana Isabel Godinho dos Santos Elisabete Pires Custodio Bajanca José João Sardinha Cabaceira Cristina Isabel Félix Antunes Carla Margarida da Rocha Martins Vera Lúcia dos Santos Marques Bruno Miguel Ferreira das Neves Barata André Guia Martins Pedro Manuel Quitério Marques Firmino Filipa Alexandra Rijo Paixão Sérgio Miguel Tomaz Torrinha Nuno Miguel Costa Marcelo Ana Isabel dos Santos Custódio Ana Patrícia dos Reis Vigário Andrea Sofia Miranda Eduardo Vanda Isabel Faustino Mocho Helena Isabel Martins de Oliveira Nádia Figueiredo Agostinho Marta Andreia Borges Castanheira Silvia Marisa Santos Sousa Elisabete Pereira da Silva Sandra Cristina Lobato Ramos Ana Maria Sousa Reforço Apolinario Emanuel António Geraldes Duarte Matos Rute Jacinta Curião Feiteira Maria João Belchior Martins Vieira Cláudia Marina da Cruz Antunes Francisco Manuel Gomes Saias Claudia Alexandra Santos da Silva Ana Rita Gomes Frazao Carreira Susana Isabel Condeço Nunes Rita Mafalda Comenda da Silva Isidro Janete Cristina Mendes Batista Ana Rita Jeremias Carapinha Catarina Liborio Ferreira Carlos Miguel Andrade dos Santos Curso 1ª Freq. 2ª freq MA MCC MCC MCC MEN MEN 10,0 13,2 MCC MEN 12,2 11,5 MEN 12,6 16,7 MEN 7,5 MEN 12,4 14,2 MCC D MCC MCC 7,5 MCC 6,5 MCC D MCC 4,4 MCC MCC MCC 8,1 16,9 MCC 7,5 D MCC 9,1 10,4 MCC 8,9 MCC 5,8 MCC 5,3 MCC D MCC 6,3 MCC 7,5 MCC 3,4 MCC 9 MCC 14,1 13,7 MCC 9,8 13,3 MCC 5,0 MCC D MCC 5,6 MCC 10,2 MCC 4,1 MCC 4,7 MEN Ex 1 8,0 8,3 11,5 11,8 Ex 2 Recurso Final 1,6 2 2,0 2 4,5 9,5 10 D D 9,5 10 12 5,5 6 12 15 4,3 4 14 9,5 10 D D 7,6 8 14,5 15 F F 2,9 3,8 4 2,0 2 13 9,6 10 10 12 9,6 10 9,8 10 F F 7,9 11,6 12 F 9,9 D 10 15,7 16 11,5 12 5,9 7,9 8 9,5 10 6,1 8,0 8 13,6 14 F 7,2 12,6 13 16,7 17 Frequencies Statistics Notas Finais N Valid Missing Mean Median Mode Std. Deviation Skewness Std. Error of Skewness Kurtosis Std. Error of Kurtosis Minimum Maximum Percentiles 31 0 10,0323 10,0000 10,00 4,07008 -,567 ,421 -,206 ,821 2,00 17,00 2,4000 8,0000 10,0000 13,0000 15,0000 10 25 50 75 90 Notas Finais Valid 2,00 4,00 6,00 8,00 10,00 12,00 13,00 14,00 15,00 16,00 17,00 Total Frequency 3 2 1 3 9 5 2 2 2 1 1 31 Percent 9,7 6,5 3,2 9,7 29,0 16,1 6,5 6,5 6,5 3,2 3,2 100,0 Valid Percent 9,7 6,5 3,2 9,7 29,0 16,1 6,5 6,5 6,5 3,2 3,2 100,0 Cumulative Percent 9,7 16,1 19,4 29,0 58,1 74,2 80,6 87,1 93,5 96,8 100,0 Page 1 Notas Finais 10 8 6 Frequency 4 2 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Notas Finais 20 18 16 14 12 10 8 6 4 2 0 N= 31 Notas Finais Page 2 Inquérito Anónimo Realizado Aos Alunos Proposta de Avaliação do Docente e da Disciplina Controlo de Qualidade e Fiabilidade 2003/2004 Departamento de Matemática da Universidade de Évora Caro aluno, Com o objectivo de melhorar a forma e o conteúdo desta disciplina neste e nos próximos anos, muito lhe agradecíamos se pudesse partilhar a sua opinião sobre o conteúdo e a docência desta disciplina. Nos pontos que a seguir se seguem, avalie, por favor, o Docente e a Disciplina, assinalando com uma cruz a sua opção. Use as seguintes categorias de resposta: A – Muito Bom B – Bom C – Suficiente D – Insuficiente E – Muito insuficiente A) Avaliação da disciplina 1. A adequação do número de horas lectivas desta disciplina é: 2. Na sua opinião, o acesso bibliografia recomendada nesta disciplina é: 3. A correspondência entre conhecimentos avaliados e matéria leccionada é: 4. A adequação dos recursos utilizados para a leccionação desta disciplina 5. Considera a sua assiduidade às aulas desta disciplina A A A A A B B B B B C C C C C D D D D D E E E E E ______ A A A A A A A A A B B B B B B B B B C C C C C C C C C D D D D D D D D D E E E E E E E E E B) Avaliação do Docente 6. Preparação, organização e utilização do tempo de aula 7. Clareza com que o Docente expõe a matéria__ 8. Empenho e entusiasmo mostrados no ensino ________ 9. Aptidão para incentivar e para estimular o interesse dos Alunos 10. Disponibilidade do Docente para esclarecer dúvidas _ 11. Respeito, tolerância e honestidade para com os Alunos 12. Assiduidade e pontualidade do Docente _ 13. Transparência, lealdade e igualdade na avaliação dos Alunos 14. Classificação global do Docente ___ CRÍTICAS / COMENTÁRIOS / SUGESTÕES A) Avaliação da Disciplina Adequação do número de horas lectivas Valid Insuficiente Suficiente Bom Muito Bom Total Frequency 1 5 4 4 14 Percent 7,1 35,7 28,6 28,6 100,0 Valid Percent 7,1 35,7 28,6 28,6 100,0 Cumulative Percent 7,1 42,9 71,4 100,0 40 30 20 Percent 10 0 Insuficiente Suficiente Bom Muito Bom Adequação do número de horas lectivas Acesso à bibliografia recomendada Insuficiente Suficiente Bom Muito Bom Total Percent 28,6 28,6 21,4 21,4 100,0 Valid Percent 28,6 28,6 21,4 21,4 100,0 30 20 10 Percent Valid Frequency 4 4 3 3 14 0 Insuficiente Suficiente Acesso à bibliografia recomendada Bom Muito Bom Cumulative Percent 28,6 57,1 78,6 100,0 Correspondência entre conhecimentos avaliados e matéria leccionada Valid Suficiente Bom Muito Bom Total Frequency 3 7 4 14 Percent 21,4 50,0 28,6 100,0 Valid Percent 21,4 50,0 28,6 100,0 Cumulative Percent 21,4 71,4 100,0 60 50 40 30 20 Percent 10 0 Suficiente Bom Muito Bom Adequação dos recursos utilizados para leccionação Missing Total Suficiente Bom Muito Bom Total System Percent 35,7 28,6 28,6 92,9 7,1 100,0 Valid Percent 38,5 30,8 30,8 100,0 40 30 20 10 Percent Valid Frequency 5 4 4 13 1 14 0 Suficiente Bom Muito Bom Cumulative Percent 38,5 69,2 100,0 Assiduidade do Aluno Suficiente Bom Muito Bom Total Percent 21,4 28,6 50,0 100,0 Valid Percent 21,4 28,6 50,0 100,0 60 50 40 30 20 10 Percent Valid Frequency 3 4 7 14 0 Suficiente Bom Muito Bom Cumulative Percent 21,4 50,0 100,0 B) Avaliação do Docente Preparação, organização e utilização do tempo de aula Valid Frequency 1 1 5 7 14 Muito Insuficiente Suficiente Bom Muito Bom Total Percent 7,1 7,1 35,7 50,0 100,0 Valid Percent 7,1 7,1 35,7 50,0 100,0 Cumulative Percent 7,1 14,3 50,0 100,0 60 50 40 30 Percent 20 10 0 Muito Insuficiente Bom Suficiente Muito Bom Clareza de exposição Suficiente Bom Muito Bom Total Percent 21,4 50,0 28,6 100,0 Valid Percent 21,4 50,0 28,6 100,0 60 50 40 30 20 10 Percent Valid Frequency 3 7 4 14 0 Suficiente Bom Muito Bom Cumulative Percent 21,4 71,4 100,0 Empenho e entusiasmo no ensino Valid Suficiente Bom Muito Bom Total Frequency 1 2 11 14 Percent 7,1 14,3 78,6 100,0 Valid Percent 7,1 14,3 78,6 100,0 Cumulative Percent 7,1 21,4 100,0 100 80 60 40 Percent 20 0 Suficiente Bom Muito Bom Aptidão para incentivar e estimular o interesse dos Alunos Suficiente Bom Muito Bom Total Percent 7,1 42,9 50,0 100,0 Suficiente Bom Valid Percent 7,1 42,9 50,0 100,0 60 50 40 30 20 Percent Valid Frequency 1 6 7 14 10 0 Muito Bom Cumulative Percent 7,1 50,0 100,0 Disponibilidade para esclarecer dúvidas Valid Bom Muito Bom Total Frequency 4 10 14 Percent 28,6 71,4 100,0 Valid Percent 28,6 71,4 100,0 Cumulative Percent 28,6 100,0 80 60 40 Percent 20 0 Bom Muito Bom Respeito, tolerância e honestidade para com os alunos Bom Muito Bom Total Percent 21,4 78,6 100,0 Valid Percent 21,4 78,6 100,0 100 80 60 40 20 Percent Valid Frequency 3 11 14 0 Bom Muito Bom Cumulative Percent 21,4 100,0 Assiduidade e pontualidade Valid Bom Muito Bom Total Frequency 5 9 14 Percent 35,7 64,3 100,0 Valid Percent 35,7 64,3 100,0 Cumulative Percent 35,7 100,0 70 60 50 40 30 Percent 20 10 0 Bom Muito Bom Transparência, lealdade e igualdade na avaliação dos Alunos Suficiente Bom Muito Bom Total Percent 7,1 42,9 50,0 100,0 Valid Percent 7,1 42,9 50,0 100,0 60 50 40 30 20 10 Percent Valid Frequency 1 6 7 14 0 Suficiente Bom Muito Bom Cumulative Percent 7,1 50,0 100,0 Clasificação global do Docente Suficiente Bom Muito Bom Total Percent 7,1 28,6 64,3 100,0 Valid Percent 7,1 28,6 64,3 100,0 Clasificação global do Docente 70 60 50 40 30 20 Percent Valid Frequency 1 4 9 14 10 0 Suficiente Bom Clasificação global do Docente Muito Bom Cumulative Percent 7,1 35,7 100,0