Considerações de dados para Análise Automatizada de Capacidade

Para garantir que seus resultados sejam válidos, considere as seguintes diretrizes quando coletar dados, realizar a análise e interpretar seus resultados.

Os dados devem ser contínuos

Os dados contínuos são medidas que podem, potencialmente, assumir qualquer valor numérico dentro de um intervalo de valores ao longo de uma escala contínua, incluindo valores fracionários ou decimais. Exemplos comuns incluem medições como comprimento, peso e temperatura.

Se você tiver dados de atributo, como contagens de defeitos ou defeitos, use Análise de capacidade binomial ou Análise de capacidade de Poisson.

Colete dados suficientes para obter estimativas de capacidade de processo confiáveis
Tente coletar, pelo menos, 100 pontos de dados no total (tamanho do subgrupo * número de subgrupos), como 25 subgrupos de tamanho 4, ou 35 subgrupos de tamanho 3. Se você não coletar uma quantidade suficiente de dados durante um período de tempo suficientemente longo, os dados podem não representar com precisão diferentes fontes de variação do processo e as estimativas podem não indicar a verdadeira capacidade de seu processo.
O processo deve ser estável e sob controle
Se o processo atual não estiver estável, os índices de capacidade não podem ser utilizados de forma confiável para avaliar o futuro, a capacidade do processo em andamento. Se você não tiver certeza se seu processo está no controle, use um gráfico de controle para avaliar a estabilidade do processo antes de executar essa análise.
Usar um método compatível com o conhecimento do processo
Use o conhecimento do processo para confirmar o método que a análise seleciona. Por exemplo, a distribuição Weibull funciona apenas com dados positivos. Suponha que a análise selecione a distribuição de Weibull para um processo quando uma amostra passa a ter apenas valores positivos, mas você sabe que o processo produz rotineiramente valores negativos. Como as características do método não são compatíveis com o comportamento do processo, considere outros métodos que se ajustem bem aos dados.