Orientador: Reinaldo Charnet / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecanica / Made available in DSpace on 2018-08-06T16:30:22Z (GMT). No. of bitstreams: 1 Lima_MarioWilliamPessoade_M.pdf: 2863995 bytes, checksum: 12f1d98d5fda4dabdf389c4599793abf (MD5) Previous issue date: 2005 / Resumo: Neste trabalho é apresentado uma alternativa de controle estatístico de processo, quando o mesmo apresenta interdependência nos seus dados, sendo a ferramenta carta de controle o instrumento mais adequado para realizar a tarefa de distinção dos dois tipos de causas de variação existentes em todo tipo de processo. Os modelos de previsão baseados nas séries temporais assumem grande importância quando se deseja controlar processos que produzem séries de dados autocorrelacionados. Esses modelos consideram exatamente a situação de termos observações autocorrelacionadas, daí a sua importância como modelo de previsão para séries temporais. Para ilustrar esse trabalho, foi apresentado um estudo de caso de uma indústria química, cujo processo é aucorrelacionado, ou seja, os dados iniciais do processo prolongam sua influencia durante algum tempo nos dados subseqüentes. A variável de interesse é a contaminação de ferro no produto final, que desde o início do processo é medida, tentando-se controlar essa contaminação num patamar que não prejudique a utilização do produto pelo cliente. Com o modelo ajustado a proposta foi controlar os resíduos desse modelo, ou seja, o que o modelo não ajustou (resíduos = previsto - real) deveria ficar compreendido entre limites de controle com uma média igual a zero / Abstract: This work presents an alternative model for statistical control of the process when we have auto correlated data. The traditional methods suggest the control chart as the most appropriate tool to be used for the identification of the two different sources of variation for alI types of processes. The prediction models based on time series play an important role when the main purpose is in controlling those processes that produce series of auto correlated dada. Box Jenkins models deal specificalIy with those situations of auto correlated data and this brings up its importance as a prediction model in time series analysis. A case study conducted in a chemical industry is presented as an example of one application of the suggested model, once it deals with an auto correlated process in which the initial data extend its influence on subsequent data for a certain period o time. The main variable of interest in this case study is the contamination of iron in the final product. This variable has been evaluated since the beginning of the process attempting to control the contamination of iron in the product in a level such that its utilization does not cause any damage to the customer. With this adjusted model the purpose is to control the residuals (predicted - observed) which should remain inside the interval determined by the control limits with mean zero / Mestrado / Gestão da Qualidade Total / Mestre em Engenharia Mecânica