Considerações de dados para Carta de valores individuais

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

Os dados devem ser contínuos: Se seus dados são contagens de defeituosos ou de defeitos, use uma carta de controle por atributos, como Carta P ou Carta U.
Os dados devem estar em ordem cronológica: Como as cartas de controle detectam mudanças ao longo do tempo, a ordem dos dados é importante. Você deve inserir os dados na ordem em que foram coletados, com os dados mais antigos no topo da worksheet.
Os dados devem ser coletados em intervalos de tempo apropriados: Os dados coletados em intervalos de tempo com espaçamento igual, como a cada hora, a cada turno ou todos os dias. Selecione um intervalo de tempo que seja curto o suficiente para que você possa identificar as mudanças no processo, logo que as mudanças ocorram.
Os dados devem ser observações individuais que não são coletadas em subgrupos: Se você pode coletar dados em subgrupos, use Carta Xbarra.
Os dados devem incluir, no mínimo, 100 observações totais: Se você tiver menos do que o número recomendado de observações, ainda poderá usar a carta de controle, mas os resultados são preliminares porque os limites de controle podem não ser precisos. Se você usar a carta regularmente, estime novamente o desvio padrão e os limites de controle após coletar, o número recomendado de observações.
A variação do processo deve ser estável: Se a variação do processo não for estável, os limites de controle poderão não refletir adequadamente o status de controle do processo.
Os dados deveriam ser moderadamente normais: Se os dados forem muito assimétricos, você pode tentar uma transformação de Box-Cox para ver se isso corrige a condição não-normal. Se seu processo produz, naturalmente, dados não-normais e a transformação for eficiente, você pode usar a carta dos dados transformados para avaliar a estabilidade do seu processo.
As observações não devem ser correlacionadas umas com as outras: Se os pontos de dados consecutivos forem correlacionados, os limites de controle também serão muito estreitos e você poderá ver um grande número de falsos sinais fora de controle.