Controle de Processo para análise de capacidade

Use Capacidade normal para avaliar a capacidade potencial (dentro) e global de um processo com base na distribuição normal. Use Capacidade não normal para avaliar a sua capacidade de processo com base em uma distribuição não normal,.

Adicionar uma análise de capacidade

Para adicionar uma análise de capacidade, arraste e coloque a análise no Ativos painel na tela.Minitab Solution Center adiciona um cartão de ativo de espaço reservado que contém o título padrão, uma representação do ativo e uma lista suspensa que contém os dados associados ao painel. Selecione os dados que você deseja usar. Em seguida, selecione Abrir para abrir a caixa de diálogo para a análise de capacidade.

Insira seus dados

A análise de capacidade requer que seus dados estejam em uma única coluna da planilha.

Coluna de dados

Insira a coluna de dados numéricos que você deseja analisar.

Tamanho do subgrupo

Para Capacidade normal, insira uma coluna que identifique o subgrupo para cada medida ou insira um número que indique o tamanho do subgrupo. Insira um número para subgrupos do mesmo tamanho. Por exemplo, se cada subgrupo contiver medidas para cinco itens, insira 5. Se você coletou dados ao longo do tempo sem subgrupos, use um tamanho de subgrupo de 1. Se você inserir uma coluna de IDs de subgrupo, os tamanhos dos subgrupos não precisarão ser iguais.
Observação

As observações dentro de cada subgrupo deve estar em linhas adjacentes da worksheet. Para obter mais informações sobre como usar colunas para definir subgrupos, acesse Usando subgrupos para avaliar a capacidade do processo.

Nesta worksheet, a coluna Diâmetro contém os diâmetros dos anéis de pistão. A coluna ID de subgrupo identifica o subgrupo para cada medição.
C1 C2
Diâmetro ID do subgrupo
74,030 1
74,002 1
74,019 1
73,992 1
73,995 2
73,992 2

Ajustar distribuição

Para Capacidade normal, selecione uma distribuição não normal para ajustar seus dados. Para produzir uma estimativa confiável da capacidade do processo, os dados deve seguir a distribuição que você selecionar. Para obter mais informações sobre como escolher uma distribuição apropriada para dados não normais, acesse Análises de capacidade com dados não normais.

Espec inferior e Espec superior

Insira o valor mínimo ou máximo aceitável para o produto ou serviço. Se não for possível que as medições fiquem acima ou abaixo desse valor, selecione Limite para definir o limite de especificação como um limite.

Observação

Ao definir um limite de especificação como um limite, o Connect relata os índices de capacidade esperados relacionadas a esse limite de especificação como valores faltantes (*). Portanto, defina um limite como um limite apenas se for teoricamente impossível para medições ficarem além do limite. Por exemplo, um limite superior de especificação de 100% de pureza é um limite porque não é possível exceder 100% de pureza. Um limite de especificação inferior de 0% de pureza é um limite porque não é possível cair abaixo de 0% de pureza.

Parâmetros históricos (opcional)

Para Capacidade normal, se você souber a média histórica ou o desvio padrão histórico do seu processo, ou se tiver uma estimativa obtida a partir de dados passados, insira o valor a ser usado na análise.

Média histórica
Insira um valor para a média da distribuição da população.
Desvio padrão histórico
Insira um valor para o desvio padrão da distribuição da população.

Se você não inserir parâmetros históricos, o Connect estima a média e os desvios padrão a partir de seus dados de amostra e usa essas estimativas para calcular a capacidade do processo.

Observação

Se você quiser especificar o método que o Connect usa para estimar o desvio padrão dos dados de amostra, selecione Estimativa.

Transformar

Para Capacidade normal, você pode transformar seus dados para ajustá-los a uma distribuição normal, a fim de satisfazer as suposições para a análise.
Nenhuma transformação
Não use uma transformação se os seus dados já seguem uma distribuição normal.
Transformação de poder de Box-Cox (W = Y^λ)
Use a transformação Box-Cox, se os dados não-normais forem todos positivos (0>) e quiser obter estimativas de capacidade dentro do subgrupo (potencial), bem como capacidade global. A transformação Box-Cox é uma transformação simples e fácil de entender.
Selecione o valor lambda (λ) que o Connect usa para transformar os dados.
  • Usar λ ideal: Use o lambda ideal, que deve produzir a melhor transformação de ajuste. Connect arredonda o lambda ideal para 0,5 ou o inteiro mais próximo, a menos que o intervalo de confiança para lambda não contenha um valor arredondado.
  • λ = 0 (ln): Use o log natural de seus dados.
  • λ = 0,5 (raiz quadrada): Use a raiz quadrada de seus dados.
  • Outros (insira um valor entre -5 e 5): Use um valor especificado para lambda. Outras transformações comuns são o quadrado (λ = 2), a raiz quadrada inversa (λ = −0,5) e inversa (λ = −1). Na maioria dos casos, você não deve usar um valor fora do intervalo de −2 e 2.
Transformação de Johnson (somente para análise global)
Use a transformação de Johnson se seus dados não-normais contêm valores negativos (ou 0) ou se a transformação de Box-Cox não for eficaz. A função de transformação de Johnson é mais complicada que a Box-Cox, mas é muito poderosa para encontrar uma transformação apropriada.
Em Valor-P para selecionar o melhor ajuste, insira um valor entre 0 e 1. O valor inserido define o nível de significância para um teste de normalidade dos dados antes e depois da transformação. Um valor mais alto torna os critérios de normalidade mais rigorosos. Um valor mais baixo torna os critérios de normalidade menos rigorosos.

Estimativa para Capacidade normal

(para tamanho de subgrupo > 1)
Selecione um método para estimar o desvio padrão dentro do subgrupo quando você tem várias observações em cada subgrupo.
  • Rbarra: Rbar é a média dos intervalos de subgrupos. Este método é uma estimativa comum de desvio padrão e funciona melhor com tamanhos de subgrupo 2 a 8.
  • Sbarra: Sbar é a média dos desvios padrão de subgrupo. Este método fornece uma estimativa mais precisa do desvio padrão do que Rbar, especialmente com tamanhos subgrupo > 8.
  • Desvio padrão combinado: O desvio padrão combinado é a média ponderada das variâncias de subgrupo, o que proporciona aos subgrupos maiores mais influência sobre a estimativa global. Este método fornece a estimativa mais precisa do desvio padrão quando o processo está sob controle.
(para tamanho de subgrupo = 1)
Selecione um método para estimar o desvio padrão dentro do subgrupo quando você tiver observações individuais. Quando o tamanho do subgrupo é 1, os desvios padrão da amostra ou intervalos dentro dos subgrupos não podem ser calculados. Em vez disso, o Connect estima o desvio padrão usando intervalos móveis.
  • Média da amplitude móvel: A amplitude móvel média é o valor médio da amplitude móvel de dois ou mais pontos consecutivos. Este método é normalmente utilizado quando o tamanho do subgrupo é 1.
  • Mediana da amplitude móvel: A amplitude móvel mediana é o valor mediano da amplitude móvel de dois ou mais pontos consecutivos. É melhor usar este método quando os dados têm intervalos extremos que podem influenciar a amplitude móvel.
  • Raiz quadrada de MDQS: A raiz quadrada de MSSD é a raiz quadrada da média das diferenças ao quadrado entre pontos consecutivos. Utilize este método quando você não pode assumir razoavelmente que pelo menos 2 pontos consecutivos foram coletados em condições semelhantes.
Usar o comprimento da amplitude móvel
Insira o número de observações usadas para calcular a amplitude móvel.O comprimento deve ser ≤ 100.O comprimento padrão é 2 porque valores consecutivos têm maior chance de serem iguais.
Constantes não-viciadas
Você pode optar por usar constantes não-viciadas nos cálculos para o dentro do subgrupo e o desvio padrão global. As constantes não-viciadas reduzem a tendência que pode ocorrer quando um parâmetro é estimado a partir de um pequeno número de observações. À medida que o número de observações aumenta, as constantes não-viciadas exercem menos efeito sobre os resultados calculados.
  • Usar constante não-viesada: Use constantes não viciadas na estimativa do desvio padrão dentro do subgrupo.Esta opção se aplica ao Sbar, ao desvio padrão combinado e à raiz quadrada dos métodos MSSD.
  • Usar constantes não-viesadas para calcular desvios padrão: Use constantes não-viciadas na estimativa do desvio padrão global do subgrupo.
Observação

Muitas vezes, a opção de usar constantes não-viciadas depende da política da empresa ou de padrões do setor.

Estimativa para Capacidade não normal

É possível fazer com que o Connect calcule os parâmetros da distribuição não normal usados para a análise de capacidade, ou você pode selecionar alguns ou todos os parâmetros abaixo.

Estimar parâmetros da distribuição
Estime os parâmetros de distribuição a partir dos dados da amostra. O Connect estima qualquer um dos parâmetros a seguir que você não especifica.
  • Definir forma (Weibull ou gama) ou escala (outras distr.) em: Insira os parâmetros de forma ou escala, dependendo do tipo de distribuição que selecionado. O parâmetro de forma afeta a forma da distribuição, como a assimetria. O parâmetro de escala afeta a dispersão dos dados.
  • Definir limite a: Se você selecionou uma distribuição de 3 parâmetros, insira o parâmetro de limite. O parâmetro de limite estabelece a localização mínima da distribuição dos dados.
    Observação

    Para obter mais informações sobre a forma, a escala ou o limite de uma distribuição, acesse Processar dados para Análise de Capacidade Não Normal e clique no parâmetro sobre o qual você deseja saber mais.

Usar estimativas históricas
Especifique estimativas históricas dos parâmetros. Insira constantes ou uma coluna usando a ordem de parâmetro mostrado. O número de constantes e linhas na coluna devem de ser iguais ao número de parâmetros na distribuição.

Opções

Este tópico descreve o conjunto completo de opções para Capacidade normalo . Se você executar um Capacidade não normal, verá apenas um subconjunto dessas opções.

Alvo (adiciona Cpm à tabela)

Se o seu processo tiver um alvo, insira o valor. Se você digitar um valor-alvo, o Connect calcula o Cpm, um índice de capacidade, que também considera o quanto os dados se desviam do alvo.

Usar tolerância de K × σ para estatísticas de capacidade

Introduza a largura da tolerância em número de desvios padrão (σ). Por padrão, a tolerância é de 6 desvios padrão de largura (3 desvios padrão de cada lado da média do processo).

Connect interpreta o valor K como a largura de uma tolerância de dois lados. Se você quiser usar uma tolerância unilateral, digite um valor de tolerância bilateral que seja o dobro da tolerância unilateral. Por exemplo, se você quiser usar uma tolerância unilateral de 3σ, digite 6.

Realizar Análise

Por padrão, o Connect executa análises de capacidade geral e dentro do subgrupo. Se você não quiser executar uma das análises, desmarque a caixa de seleção.

Dentro da análise do subgrupo
Realize a análise dentro do subgrupo, o que indica a capacidade potencial (de curto prazo) de seu processo. Esta análise avalia o quão bom seria o desempenho do seu processo se os desvios e deslocamentos entre os subgrupos fossem eliminados.
Observação

Se você usar a transformação de Johnson em seus dados, a análise dentro do subgrupo não poderá ser calculada. Nesse caso, o Connect relata apenas a capacidade geral.

Análise global
Realize a análise global, que indica a capacidade real (longo prazo) do seu processo. Esta análise estima o que seu cliente realmente experimenta.

Exibição

Escolha como você deseja exibir os valores esperados e observados fora de especificação:
  • Partes por milhão: Exiba os valores em partes por milhão (PPM).
  • Percentuais: Exiba os valores como porcentagens.
Incluir intervalos de confiança
Selecione para exibir intervalos de confiança para os principais índices de capacidade, como Cp, Pp, Cpk e Ppk.
Nível de confiança
Insira um nível de confiança entre 0 e 100. Em geral, um nível de confiança de 95% funciona bem. Um nível de confiança de 95% indica que se você extraiu 100 amostras aleatórias do processo, pode-se esperar que aproximadamente 95 amostras produzam intervalos de confiança que contenham o valor real do índice de capacidade para o processo (se todos os dados do processo puderem ser coletados e analisados).
Para um determinado conjunto de dados, um nível de confiança mais baixo produz um intervalo de confiança estreito e um nível de confiança mais alto produz um intervalo de confiança mais amplo. A largura do intervalo também tende a diminuir com amostras maiores. Portanto, você pode querer usar um nível de confiança diferente de 95%, dependendo do tamanho da amostra, como a seguir:
  • Se o tamanho da amostra for pequeno, um intervalo de confiança de 95% pode ser grande demais para ser útil. Usar um nível de confiança mais baixo, como 90%, produzirá um intervalo mais estreito. No entanto, a probabilidade de que o intervalo contenha o índice de capacidade para o processo diminui.
  • Se o tamanho da amostra for grande, você pode considerar usar um nível de confiança mais alto, tal como 99%. Com uma amostra grande, um nível de confiança de 99% pode ainda produzir um intervalo razoavelmente estreito, aumentando a probabilidade de que o intervalo contenha o índice de capacidade para o processo.
Intervalos de confiança
Selecione o tipo de intervalo de confiança ou limite que se deseja exibir:
  • Unilateral: Exibe os limites de confiança mais baixos para índices de capacidade e limites de confiança superiores relacionados a PPM ou % de limites fora de especificação. Use limites de confiança unilaterais para o seguinte:
    • Para ter mais certeza de que um índice de capacidade é maior do que um valor obrigatório. Por exemplo, para ter mais certeza de que Cp é maior do que 1,33.
    • Para ter mais certeza de que um PPM ou % de limites fora de especificação é menor que um valor obrigatório. Por exemplo, para ter mais certeza de que PPM Total fora de especificação é menor que 100.
  • Bilateral: Exibir um intervalo de confiança que tenha um limite inferior e superior de confiança.