Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-18T19:08:10Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T02:12:47Z : No. of bitstreams: 1 139864.pdf: 13680720 bytes, checksum: 12f97bfc442bd47b8ac352eff6dff9cb (MD5)

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2013-07-15T23:34:00Z (GMT). No. of bitstreams: 1 225851.pdf: 645112 bytes, checksum: 597fbf14fa35f9cda3918354b6ce8961 (MD5) / O estudo da capacidade de processos se tornou uma ferramenta fundamental do controle estatístico da qualidade, tendo como principal objetivo verificar se a média e a variabilidade do processo estão de acordo com o alvo e os limites de especificação de projeto. A verificação permite o ajuste do processo de maneira que se reduzam as chances da fabricação de produtos defeituosos. Esta produção de produtos defeituosos é calculada com a utilização de índices desenvolvidos para medir a capacidade de processos, onde os mais utilizados são p C e pk C . Estes índices são calculados estimando-se a média e o desvio padrão de dados coletados de amostras do processo, portanto não se sabe com certeza o seu valor real. Neste trabalho foram estimados estes índices de capacidade de processo considerando-se o tamanho da amostra e o risco (probabilidade) do índice ser menor ou igual a aquele estabelecido como ideal. Desta forma foi verificado se o processo é realmente capaz, se o tamanho de amostras coletadas é adequado, se são necessárias algumas alterações no processo (ajuste da média ao alvo e redução da variabilidade) e se a capacidade estabelecida como ideal é alcançável. Foram abordados também os casos de não normalidade e autocorrelação nos dados, situações que precisam de um tratamento para que se possam utilizar os índices corretamente. A aplicação da metodologia de análise utilizada foi realizada através de um estudo de caso em uma indústria do setor automotivo. The study of process capability has become a basic tool of statistical quality control, having as its main objective to verify if the process average and variability are in accordance with the target and the specification limits of the project. The verification allows that if the process was adjusted then the possibilities of the manufacture of defective products will be reduced. The percentage of produced defective products is measured with the use of indices to measure the capacity of processes, where the most common are p C and pk C . These indices are calculated with the estimation of the average and the standard deviation of collected data from samples of the process and therefore its real value is not known with certainty. In this work these process capability indices were estimated considering the sample size and the risk (probability) of the index being less or equal to that established as ideal. In this way it could be verified if the process is really capable in a statistical sense, if the collected sample size is adequate, if some alterations in the process are necessary (adjustment of the average to the target and reduction of the variability) and if the capacity established as ideal is feasible. The presence of non normality and autocorrelation in the data will also be analyzed, situations that require special treatment for the correct use of the indices. The application of methodology proposed here will be tested through a real case study in the automotive industry.

Tese(doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia de Produção. / Made available in DSpace on 2012-10-20T07:35:53Z (GMT). No. of bitstreams: 1 187107.pdf: 1046977 bytes, checksum: 2cdc9b4b4910de064f358d243450188e (MD5) / Nesta tese restringe-se a analisar os gráficos de controle para variáveis contínuas e discretas. Os gráficos de controle convencionais de Shewhart, foram utilizados acrescidos de outros modelos adequados a transformações de observações autocorrelacionadas em observações que sejam independentes e normalmente distribuídas. Os dados utilizados para análise foram coletados na Indústria Têxtil Oeste Ltda., no município de Mondai - SC. As séries analisadas foram o número de ocorrências por tipo de não-conformidade em bobinas no setor de tecelagem (variável discreta e independente) e os valores da gramatura (denier) da fita de ráfia (variável contínua e explicativa) no setor de produção de fitas de polipropileno. Além de se verificar a autocorrelação dos dados, pode-se modelar as variáveis discretas através de modelos de regressão de Poisson e as variáveis contínuas através dos modelos Box e Jenkins e, com os resíduos obtidos utilizar os modelos de função de transferência para se identificar à existência de causalidade. A técnica proposta, de primeiro retirar a autocorrelação dos dados para depois ajustá-los mostrou-se satisfatória estatisticamente. Ao se estudar a autocorrelação dos dados gerou uma nova perspectiva de aprendizagem sobre o processo produtivo através das informações contidas na estrutura de autocorrelação, dos modelos Box e Jenkins e dos modelos de regressão de Poisson, aos quais eram ignorados pelo modelo clássico de monitoramento. A função de transferência empregada posteriormente nos resíduos obtidos permitiu a confirmação da causalidade da gramatura da fita com relação ao tecido produzido. Com isso houve um crescimento de informações para a correta tomada de decisão e pode-se detectar que houve uma melhora nos pontos de saída de controle

Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-17T15:20:44Z (GMT). No. of bitstreams: 0Bitstream added on 2013-07-16T17:52:03Z : No. of bitstreams: 1 176212.pdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / São inúmeros os benefícios trazidos pela utilização de computadores na execução de tarefas diárias. Cada vez mais, novos sistemas são criados com o intuito de prover soluções para os mais variados problemas. No ramo da música não é diferente. Atualmente, músicos vêm utilizando programas de computador para auxiliá-los em tarefas que vão desde a criação automática de partituras, até a composição de novas peças. Neste contexto, procuram-se desenvolver novas técnicas capazes de analisar e processar as ondas sonoras vindas de um instrumento da forma mais eficiente possível. Este trabalho se propõem a desenvolver uma metodologia para verificar se um instrumento musical está afinado. O método estatístico de autocorrelação é utilizado como dispositivo básico para detectar a freqüência e consequentemente altura do som. Devido a fatores apresentados durante o trabalho, em muitos casos, um som de mesma freqüência ao ser executado em dois instrumentos, pode soar afinado em um deles enquanto no outro não. Para evitar este problema, foram criados módulos especiais no sistema, para que as características específicas de cada instrumento pudessem ser consideradas, obtendo assim um melhor resultado.