Os ensaios laboratoriais para avaliação técnica ou estudo de material de irrigação envolvem a medição de diversas grandezas, bem como o monitoramento e controle das condições de ensaio. Qualquer sistema de medição e controle naturalmente apresenta instabilidades que podem afetar a qualidade dos resultados de ensaio, implicando em aumento da incerteza no processo de medição. A implementação do Controle Estatístico de Qualidade pode ser promissora para detecção de causas externas de variação, avaliação da variação máxima permitida aos dados de um processo e discriminação das principais componentes de variabilidade de um sistema de medição. Nesse sentido, considerando a hipótese de possibilidade de aprimoramento da qualidade dos resultados de ensaios, a presente pesquisa teve por objetivo utilizar técnicas de controle estatístico de qualidade e análise de sistemas de medição para avaliar o grau de adequação de bancadas de ensaio de emissores de microirrigação, aperfeiçoar os sistemas de medição e controle adotados nas bancadas e diagnosticar a porcentagem de contribuição dos fatores inerentes aos sistemas de medição e controle na variabilidade total das medidas de vazão em ensaios de uniformidade. A pesquisa foi conduzida no Laboratório de Ensaios de Material de Irrigação (LEMI/INCTEI/ ESALQ/USP). Foram elaborados gráficos de controle de Shewhart, média móvel exponencialmente ponderada (MMEP), além de índices de capacidade para o processo de medição da pressão de ensaio, monitoramento de temperatura da água e vazão, consideradas como as variáveis características da qualidade para ensaios de determinação das curvas de vazão em função da pressão de entrada e uniformidade de vazão de emissores de microaspersão e gotejamento. Além disso, realizou-se estudo de repetitividade e reprodutibilidade (Gage RR) do sistema de medição da vazão, para o qual foram utilizadas 10 repetições, sob três turnos de trabalho (manhã, tarde e noite), com 13 emissores na bancada de microaspersão e 25 emissores na bancada de gotejamento. Não houve influência do turno de trabalho nas medidas de vazão obtidas e o aprimoramento do processo de ajuste da pressão de ensaio pela implantação de um controlador proporcional integrativo-derivativo (PID) ao ensaio de microaspersores foi suficientemente detectado pela aplicação dos gráficos de controle. A pressão e temperatura da água se mantiveram estáveis durante cada ensaio, e não foram identificadas causas não aleatórias de variabilidade na rotina de ensaios. O processo de controle e medição da pressão, para as duas bancadas, foi classificado como\"excelente\" quanto ao desempenho e capacidade de se manter entre os limites de especificação e centralização em relação ao valor de referência (alvo desejado). Como esperado, a variabilidade entre emissores foi a componente de maior contribuição na variância total da vazão, correspondendo a 95,47% e 96,77% para microaspersão e gotejamento, respectivamente. A repetitividade e reprodutibilidade do sistema de medição de vazão (Gage RR) foi \"aceitável\" para as duas bancadas, com as respectivas contribuições de 4,53% e 3,23%, em relação à variância total, associados às incertezas do Gage RR. / Laboratory tests for technical evaluation or irrigation material testing involve the measurement of various greatnesses, as well as monitoring and control of test conditions. Any measurement and control system naturally presents instabilities that can affect the quality of the test results, resulting in increased measurement uncertainty. The implementation of the Statistical Quality Control may be promising for detecting causes of variation non-random, evaluation of the tolerance permitted to data of the process and breakdown of the main variability components of a measuring system. In this sense, considering the hypothesis of possibility of improving the quality of test results, the present study aimed at using statistical quality control techniques and measurement systems analysis to assess the reliability of test benches of microirrigation emitters, improve measurement and control systems adopted in the benches and to diagnose percentage of contribution of the factors inherent in the measurement and control systems in the total variability of flow measurements on uniformity tests. The research was carried in Laboratório de Ensaios de Material de Irrigação (LEMI/INCTEI/ ESALQ/USP). Shewhart control charts were developed, exponentially weighted moving average (EWMA), and capability index for the process of measuring the test pressure, temperature monitoring of water and flow, regarded as the quality variables for determination the flow curves as a function of inlet pressure and uniformity of flow for microsprinkler emitters and drip. In addition, it was made study of repeatability and reproducibility (Gage RR) of flow measurement system for which were used 10 repetitions in three work shifts (morning, afternoon and evening), with 13 emitters in the microsprinkler\'s bench and 25 emitters in the drip bench. There wasn\'t influence of the work shift in the obtained measures for flow and the improvement of the adjustment process of the test pressure for the implementation of the integrative-derivative proportional controller (PID) to microsprinklers test was sufficiently detected by control charts. The pressure and water of temperature remained stable during the tests and weren\'t identified non-random causes of variability in routine tests. The process control and measurement of pressure was classified \"excellent\" to performance and capability to remain in the range of specification and centralization in relation to the reference value (desired target), to the two benches. As expected, the variability between emitters was the greater contribution component in the total variance of flow, corresponding to 95.47% and 96.77% for microsprinkler and drip, respectively. The repeatability and reproducibility for flow measurement system (Gage RR) was \"acceptable\" for the two benches, with the contributions respective of 4.53% and 3.23% relative to the total variance, associated with uncertainties of Gage RR.

This research has a topic forecast models applied to industrial productive processes with the objective of verifying the stability of the process through control charts applied to the residues originated from linear and non-linear model. In the presence of autocorrelation data, it was necessary to look for a mathematical model which are produce independent and identically distributed residues. This investigation about the stability of the process goes by the verification of the volatility is influence in the detection of points that are capable to affect the productive process performance. This fact shows the existence of the volatility in productive processes, which it is just used until now in economic variables. The data used for analysis belong to three different industries in different segments. The mathematic models were used multivariate dynamic equation, ARIMA and ARIMA-ARCH model. According to the control charts the statistical techniques used to eliminate the serial autocorrelation was statistically adequate comparing to the classic model used by each industry analyzed. Besides, it was verified, in the period that the volatility occurs corresponds to the period the shows a lack of stability detected by Shewhart control charts. The mathematic models were able to represent the productive process, facilitating understands the behavior of the variables, and help to accomplish the forecast and monitoring the process. / A presente pesquisa tem como tema a abordagem de modelos de previsão, aplicados a processos produtivos industriais, com o objetivo de verificar a estabilidade do processo por meio de gráficos de controle, aplicado aos resíduos oriundos de modelagem linear e nãolinear. Como as observações eram autocorrelacionadas, foi necessário buscar um modelo matemático pelo qual foram obtidos resíduos independentes e normalmente distribuídos. A investigação da estabilidade do processo passa pela verificação da influência da volatilidade na detecção de pontos amostrais que são potenciais para afetar o desempenho do processo produtivo. Esse fato comprova a existência da volatilidade em processos produtivos que, até o momento, é trabalhada apenas em variáveis econômicas. Os dados utilizados para análise pertencem a três empresas de segmentos distintos. O modelo matemático foi ajustado utilizando modelo de regressão dinâmica multivariada, modelo ARIMA e modelo ARIMAARCH. De acordo com os gráficos de controle, as técnicas estatísticas empregadas para eliminar a autocorrelação serial dos dados mostraram-se adequadas estatisticamente, se comparadas com o modelo clássico utilizado por cada empresa analisada. Além disso, verificou-se que, no período que ocorre volatilidade corresponde a um período fora de controle detectado nos gráficos de controle de Shewhart. Os modelos matemáticos encontrados foram capazes de representar os processos produtivos, possibilitando compreender o comportamento das variáveis e auxiliaram na realização das previsões e na monitoração do processo.

Orientador: Marcela Aparecida Guerreiro Machado Freitas / Resumo: O controle de qualidade, principalmente por meio do uso de gráficos de controle, torna-se essencial na indústria para garantir um processo livre de causas especiais de variabilidade. Como os dados amostrais podem incluir incertezas advindas da subjetividade humana e dos sistemas de medição, a teoria dos conjuntos fuzzy pode ser aplicada aos gráficos de controle quando dados precisos não estiverem disponíveis. Para tal feito, os valores da característica de qualidade são fuzzificados a partir da inserção de incertezas e transformados em valores representativos para uma melhor comparação com o gráfico de controle tradicional. Este trabalho propõe o uso da lógica fuzzy aos gráficos de controle para monitorar a média e a amplitude de processos univariados, assim como dois gráficos de controle fuzzy baseados nas regras especiais de decisão: Synthetic e Side Sensitive Synthetic. O desempenho do gráfico de controle é medido pelo número médio de amostras até sinal (NMA). Verificou-se neste trabalho que os gráficos de controle fuzzy possuem maior eficiência que os gráficos de controle tradicionais para menores valores de α-cut, ou seja, maior incerteza inserida no processo e para cenários onde se tem uma maior diferença entre os limitantes de incerteza dos números fuzzy. / Abstract: Quality control, mainly through the use of control charts, becomes essential in the industry to ensure a process free from special causes of variability. As sample data may include uncertainties arising from human subjectivity and measurement systems, fuzzy set theory can be applied to control charts when accurate data is not available. For this purpose, the quality characteristic values are fuzzified from the insertion of uncertainties and transformed into representative values for a better comparison with the traditional control chart. This work proposes the use of fuzzy logic to control charts to monitor the mean and range of univariate processes, as well as two fuzzy control charts based on the special run rules: Synthetic and Side Sensitive Syntehtic. The performance of the control chart is measured by the average run length (ARL). It was verified in this work that the fuzzy control charts have higher efficiency than the traditional control charts for lower values of α-cut, that is, greater uncertainty inserted in the process and for scenarios where there is a greater difference between the limiting uncertainties of fuzzy numbers. / Mestre

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Processos de produção precisam ser avaliados continuamente para que funcionem de modo mais eficaz e eficiente possível. Um conjunto de ferramentas utilizado para tal finalidade é denominado controle estatístico de processos (CEP). Através de ferramentas do CEP, o monitoramento pode ser realizado periodicamente. A ferramenta mais importante do CEP é o gráfico de controle. Nesta tese, foca-se no monitoramento de uma variável resposta, por meio dos parâmetros ou coeficientes de um modelo de regressão linear simples. Propõe-se gráficos de controle χ2 adaptativos para o monitoramento dos coeficientes do modelo de regressão linear simples. Mais especificamente, são desenvolvidos sete gráficos de controle χ2 adaptativos para o monitoramento de perfis lineares, a saber: gráfico com tamanho de amostra variável; intervalo de amostragem variável; limites de controle e de advertência variáveis; tamanho de amostra e intervalo de amostragem variáveis; tamanho de amostra e limites variáveis; intervalo de amostragem e limites variáveis e por fim, com todos os parâmetros de projeto variáveis. Medidas de desempenho dos gráficos propostos foram obtidas através de propriedades de cadeia de Markov, tanto para a situação zero-state como para a steady-state, verificando-se uma diminuição do tempo médio até um sinal no caso de desvios pequenos a moderados nos coeficientes do modelo de regressão do processo de produção. Os gráficos propostos foram aplicados a um exemplo de um processo de fabricação de semicondutores. Além disso, uma análise de sensibilidade dos mesmos é feita em função de desvios de diferentes magnitudes nos parâmetros do processo, a saber, no intercepto e na inclinação, comparando-se o desempenho entre os gráficos desenvolvidos e também com o gráfico χ2 com parâmetros fixos. Os gráficos propostos nesta tese são adequados para vários tipos de aplicações. Neste trabalho também foi considerado características de qualidade as quais são representadas por um modelo de regressão não-linear. Para o modelo de regressão não-linear considerado, a proposta é utilizar um método que divide o perfil não-linear em partes lineares, mais especificamente, um algoritmo para este fim, proposto na literatura, foi utilizado. Desta forma, foi possível validar a técnica proposta, mostrando que a mesma é robusta no sentido que permite tipos diferentes de perfis não-lineares. Aproxima-se, portanto um perfil não-linear por perfis lineares por partes, o que proporciona o monitoramento de cada perfil linear por gráficos de controle, como os gráficos de controle desenvolvidos nesta tese. Ademais apresenta-se a metodologia de decompor um perfil não-linear em partes lineares de forma detalhada e completa, abrindo espaço para ampla utilização. / Production processes need to be continually evaluated so that they are able to produce in the most effective and efficient way. Statistical process control (SPC) consists of a set of tools used for this purpose. The monitoring can be periodically performed through the SPC tools. The most important tool of SPC is the control chart. In this thesis, we focus on the monitoring of a response variable through the parameters or coefficients of a linear regression model. It is proposed adaptive χ2 control charts for monitoring the coefficients of linear regression models. More specifically, seven adaptive χ2 control charts are proposed for monitoring a simple linear regression model, being distinguished by the following properties: variable sample size; variable sampling interval; variable warning and control limits; variable sample size and sampling interval; variable sample size and limits; variable sampling interval and limits and finally, all design parameters varying. Performance measures of these charts were obtained through properties of Markov chain, for both the zero-state and the steady-state situation. It was found that the average time until a signal in the case of small to moderate shifts in the coefficients of the regression model decreased. The proposed charts were applied to an example of semiconductors manufacturing process. Moreover, a sensitivity analysis of the proposed charts is performed for different shifts magnitudes in the process parameters, namely the intercept and the slope, comparing the performance between the developed charts and also with the fixed parameter χ2 chart. The proposed charts in this thesis are suitable for several applications. In this work, it was also considered quality characteristics represented by nonlinear regression models. To the considered nonlinear regression model, the proposal is to use a method that divides the nonlinear profile in linear parts. More specifically, an algorithm for this purpose, proposed in the literature, was utilized. It approximates nonlinear profile by a set of linear profiles. It was possible to validate this technique, showing that it is robust in the sense that it allows different types of nonlinear profiles to be considered. In this way, techniques such as control charts developed here can be used to monitor each linear part. Furthermore, we present the methodology to decompose a nonlinear profile in linear parts in a detailed and complete way, allowing its widespread use.

This research studies the relationships in Electric Energy Consumption, Carbon Dioxide Emission and Theil Index in Brazil. The period of analysis includes annual data from 1980 to 2011 in a total of 31 observations. The series presented order of integration equal one with the presence of cointegration thus to measure these influences we used a vector error correction model (VEC). By Function Impulse Response (FIR) and Variance Decomposition Analysis (ADV) we observed how each variable behaves to an abrupt change. To analyze the behavior of variables, methods of vector autoregressive (VAR) and residues control charts were used. The VAR modeling revealed that there is a significant interrelationship among the variables under study, thus showing that there is a short-term relationship between these variables. As for the residues control chart to individual measures, a problem in the original variables was avoided tha were the the autocorrelation, and showed that all variables had a period of instability and also enabled the identification of this period. The emission of carbon dioxide and Theil Index are determining factors in the explanation of environmental impacts as well as the development of the country. The variance decomposition indicates that the carbon dioxide emission is primarily responsible for mainly caused damage to the environment. / Esta pesquisa estudou as relações existentes no Consumo de Energia Elétrica, Emissão de Dióxido de Carbono e Índice de Theil no Brasil. O período de análise se refere a dados anuais de 1980 a 2011 perfazendo um total de 31 observações do Brasil. As séries apresentaram ordem de integração igual a um com a presença de cointegração, assim, para mensurar essas influências foi utilizado um modelo de Vetor de Correção de Erros (VEC). Por meio da Função Impulso Resposta (FIR) e Análise de Decomposição da Variância (ADV) foi possível verificar como cada variável se comporta a uma mudança abrupta. Para analisar o comportamento das variáveis, foram utilizadas as metodologias de vetores auto regressivos (VAR) e gráficos de controle de resíduos. Já a modelagem VAR revelou que há um inter-relacionamento significativo entre as variáveis em estudo, mostrando assim que há uma relação de curto prazo entre estas variáveis. Quanto aos gráficos de controle de medidas individuais aos resíduos, contornou-se um problema presente nas variáveis originais que era o de autocorrelação, e mostrou-se que todas as variáveis apresentaram um período de instabilidade o que também possibilitou a identificação deste período. A Emissão de Dióxido de Carbono e o Índice de Theil são fatores determinantes na explicação dos impactos ambientais, assim como no desenvolvimento do país. A decomposição da variância indica que a Emissão de Dióxido de Carbono é o principal responsável pelos danos causados principalmente ao meio ambiente.

Made available in DSpace on 2016-06-02T20:06:05Z (GMT). No. of bitstreams: 1 4182.pdf: 2255930 bytes, checksum: 7da65af2bc4550af129f4ceaea0a8eb1 (MD5) Previous issue date: 2011-04-07 / Financiadora de Estudos e Projetos / Neste trabalho são apresentadas algumas ferramentas do Controle Estatístico de Processos (CEP), que podem ser usadas no monitoramento de sistemas produtivos ao longo do tempo, bem como a sua aplicação em conjuntos de dados artificiais, que fazem parte de contextos reais. O estudo sobre essas ferramentas estatísticas está distribuído de tal maneira que são abordados durante o trabalho: a teoria das ferramentas estudadas, os diferentes contextos em que podem ser aplicadas e a sua implementação on-line, utilizando recursos computacionais de softwares livres. A aplicação no sistema on-line é realizada de tal modo que viabiliza a praticidade e eficácia na geração de gráficos para o CEP e de índices que refletem a capacidade do processo. É apresentada também uma sequência de passos para o uso do sistema de CEP on-line aqui proposto, tanto para situações em que se observa apenas uma medida da qualidade do processo (caso univariado), quanto para situações em que são observadas várias medidas (caso multivariado).

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Processos de produção precisam ser avaliados continuamente para que funcionem de modo mais eficaz e eficiente possível. Um conjunto de ferramentas utilizado para tal finalidade é denominado controle estatístico de processos (CEP). Através de ferramentas do CEP, o monitoramento pode ser realizado periodicamente. A ferramenta mais importante do CEP é o gráfico de controle. Nesta tese, foca-se no monitoramento de uma variável resposta, por meio dos parâmetros ou coeficientes de um modelo de regressão linear simples. Propõe-se gráficos de controle χ2 adaptativos para o monitoramento dos coeficientes do modelo de regressão linear simples. Mais especificamente, são desenvolvidos sete gráficos de controle χ2 adaptativos para o monitoramento de perfis lineares, a saber: gráfico com tamanho de amostra variável; intervalo de amostragem variável; limites de controle e de advertência variáveis; tamanho de amostra e intervalo de amostragem variáveis; tamanho de amostra e limites variáveis; intervalo de amostragem e limites variáveis e por fim, com todos os parâmetros de projeto variáveis. Medidas de desempenho dos gráficos propostos foram obtidas através de propriedades de cadeia de Markov, tanto para a situação zero-state como para a steady-state, verificando-se uma diminuição do tempo médio até um sinal no caso de desvios pequenos a moderados nos coeficientes do modelo de regressão do processo de produção. Os gráficos propostos foram aplicados a um exemplo de um processo de fabricação de semicondutores. Além disso, uma análise de sensibilidade dos mesmos é feita em função de desvios de diferentes magnitudes nos parâmetros do processo, a saber, no intercepto e na inclinação, comparando-se o desempenho entre os gráficos desenvolvidos e também com o gráfico χ2 com parâmetros fixos. Os gráficos propostos nesta tese são adequados para vários tipos de aplicações. Neste trabalho também foi considerado características de qualidade as quais são representadas por um modelo de regressão não-linear. Para o modelo de regressão não-linear considerado, a proposta é utilizar um método que divide o perfil não-linear em partes lineares, mais especificamente, um algoritmo para este fim, proposto na literatura, foi utilizado. Desta forma, foi possível validar a técnica proposta, mostrando que a mesma é robusta no sentido que permite tipos diferentes de perfis não-lineares. Aproxima-se, portanto um perfil não-linear por perfis lineares por partes, o que proporciona o monitoramento de cada perfil linear por gráficos de controle, como os gráficos de controle desenvolvidos nesta tese. Ademais apresenta-se a metodologia de decompor um perfil não-linear em partes lineares de forma detalhada e completa, abrindo espaço para ampla utilização. / Production processes need to be continually evaluated so that they are able to produce in the most effective and efficient way. Statistical process control (SPC) consists of a set of tools used for this purpose. The monitoring can be periodically performed through the SPC tools. The most important tool of SPC is the control chart. In this thesis, we focus on the monitoring of a response variable through the parameters or coefficients of a linear regression model. It is proposed adaptive χ2 control charts for monitoring the coefficients of linear regression models. More specifically, seven adaptive χ2 control charts are proposed for monitoring a simple linear regression model, being distinguished by the following properties: variable sample size; variable sampling interval; variable warning and control limits; variable sample size and sampling interval; variable sample size and limits; variable sampling interval and limits and finally, all design parameters varying. Performance measures of these charts were obtained through properties of Markov chain, for both the zero-state and the steady-state situation. It was found that the average time until a signal in the case of small to moderate shifts in the coefficients of the regression model decreased. The proposed charts were applied to an example of semiconductors manufacturing process. Moreover, a sensitivity analysis of the proposed charts is performed for different shifts magnitudes in the process parameters, namely the intercept and the slope, comparing the performance between the developed charts and also with the fixed parameter χ2 chart. The proposed charts in this thesis are suitable for several applications. In this work, it was also considered quality characteristics represented by nonlinear regression models. To the considered nonlinear regression model, the proposal is to use a method that divides the nonlinear profile in linear parts. More specifically, an algorithm for this purpose, proposed in the literature, was utilized. It approximates nonlinear profile by a set of linear profiles. It was possible to validate this technique, showing that it is robust in the sense that it allows different types of nonlinear profiles to be considered. In this way, techniques such as control charts developed here can be used to monitor each linear part. Furthermore, we present the methodology to decompose a nonlinear profile in linear parts in a detailed and complete way, allowing its widespread use.