Estudo do desempenho dos gráficos de controle quando a média do processo oscila de acordo com o modelo AR(1)

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Pós-graduação em Engenharia Mecânica - FEG

No planejamento dos gráficos de controle destinados ao monitoramento da média do processo, assume-se que esta permanece fixa em seu valor alvo até a ocorrência de uma causa especial, que a desloca. Em muitos processos, contudo, é mais razoável supor que a média oscila mesmo na ausência de causas especiais. Para descrever este comportamento oscilatório, tem-se utilizado o modelo autoregressivo de 1ª ordem, AR (1). Quando esta oscilação é grande, o melhor desempenho do gráfico de X é obtido com amostras unitárias. O mesmo não se observa com a carta de EWMA (exceto quando o parâmetro de ponderação  é próximo de um); os melhores desempenhos são obtidos com a adoção de amostras de tamanho n>1 e  pequeno, mesmo quando o objetivo é a detecção rápida de grandes deslocamentos da média. Neste estudo, utiliza-se como medida de desempenho o TES – tempo médio entre a ocorrência de uma mudança na posição em torno da qual a média oscila e sua sinalização pelo gráfico de controle. Quando a média do processo oscila, o TES passa a ser uma função do número esperado de visitas aos estados transientes de uma cadeia de Markov

The design of the control charts for the process mean, assumes that this parameter remains fixed on its target value until the occurrence of a special cause that shifts it. In many cases, however, it is more reasonable to assume that the mean wanders even in the absence of special causes. To describe this wandering behavior, has used the AR(1) model. When the wandering behavior is responsible for significant proportion of the data variability, the best performance of the X chart is obtained with samples of size one (n=1). The same is not true with the EWMA control chart (except when the smoothing parameter  is very close to one), its best performance is achieved with the adoption of n>1 and small , even to detect large changes in the process mean position. In this study, the average time between the occurrence of a change in the process mean position and the signal (TES) - is used to assess the chart’s performance. With the process mean wandering, this measure of performance becomes function of the expected number of visits to the transient states of a Markov chain