[pt] Um dos principais problemas em manufatura é como ajustar um
processo de produção que não está obtendo uma performance
desejada. O intuito é fazer com que o parâmetro do processo
volte a assumir um valor alvo requerido. As técnicas
de controle estatístico de processo (CEP) são amplamente
utilizadas na indústria para monitorar processos e,
conseqüentemente, para melhoria da qualidade. Os
gráficos de controle para variáveis mais freqüentemente
utilizados para monitorar a média e a variabilidade do
processo são os gráficos de Shewhart, os gráficos de
CUSUM e os gráficos de EWMA. Porém, as considerações
básicas para se utilizar um gráfico de Shewhart são que os
dados gerados pelo processo sejam independentes e
identicamente distribuídos (IID). Quando a hipótese de
independência dos dados não é satisfeita, tais gráficos não
funcionam bem, pois fornecerão resultados não confiáveis na
forma de excesso de alarme falsos, ou seja, conduz a
interpretações equivocadas acerca do processo e gera custos
adicionais de controle. Esta tese utiliza uma formulação
bayesiana, o Modelo Linear Dinâmico de Harrison & Stevens
(MLD-HS) para o monitoramento da média de processos cujas
observações podem ser modeladas como um processo
ARMA (1,1). O Fator de Bayes acumulado foi utilizado na
detecção de desvios na média de um dado processo.
Posteriormente, os resultados obtidos pelo modelo proposto,
que foi nomeado como MLD-CEP, são comparados aos resultados
obtidos por Lu & Reynolds (2001). Os resultados obtidos
pelo MLD-CEP sugerem bom desempenho na detecção de
alterações na média em processos de baixo a moderadamente
alto nível de autocorrelação. / [en] Monitoring a manufacturing process is an important subject
in the industries currently. Statistical process control
techniques are widely used for process monitoring and
quality improvement. Control charts for variables more
often used to control both process mean and variance are
Shewhart control charts, CUSUM charts and EWMA charts.
However, the basic assumptions to use a Shewhart
chart are: independent and identically distributed
observations (IID); but,autocorrelation may be present in
many process, and may have a strong impact nthe properties
of control charts. This thesis used a bayesian formulation,
Dynamic Linear Model of Harrison & Stevens (MLD-HS), for
monitoring the process mean for the situation in which
observations from the process can be modeled as an
ARMA(1,1). The cumulative Bayes factor has been used for
detecting shifts on the process mean. After that, the
results obtained by MLD-CEP are compared with the results
obtained by Lu & Reynolds (2001). The MLD-CEP results
indicate a good performance in detecting shifts in the
process mean.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:12173 |
| Date | 09 September 2008 |
| Creators | ADRIANO SIQUEIRA PYLKO |
| Contributors | EUGENIO KAHN EPPRECHT |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0027 seconds