Usuários com privilégios de engenheiro podem especificar preferências padrão para todas as análises de capacidades. Essas preferências são as configurações iniciais para todas as análises de capacidade. Para mudar as configurações por medida, vá em Especificar configurações de capacidade para cada compasso.
Preferências compartilhadas
Essa configuração global define as preferências compartilhadas para cada análise de capacidade. Selecionar Preferências
no Engenharia portal, então navegue até .
Especifique as preferências de tolerância e exibição que são compartilhadas entre as análises de capacidade.
- Tolerância de K * σ
- Insira 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).
O valor K representa a largura de uma tolerância bilateral. 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.
- Exibir métricas de desempenho
- 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.
- Exibir métricas de capacidade
- Selecione as medidas de capacidade a serem exibidas.
- Estatísticas de capacidade (Cp, Pp): Calcule e exiba índices de capacidade, como Cp e Pp.
- Benchmark Z (nível σ): Calcule e exiba os valores de Z.bench. A opção por usar Z.Bench depende muitas vezes da empresa ou de práticas do setor.
Análises de capacidade normal
Esse cenário global define os métodos de estimativa para cada análise de capacidade. Selecionar Preferências no Engenharia portal, então navegue até .
- Método de estimação para desvio padrão dentro do subgrupo (tamanho do subgrupo > 1)
- Selecione um método para estimar o desvio padrão dentro do subgrupo quando o tamanho do subgrupo for maior que 1.
- 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.
- 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.
- Método de estimação para desvio padrão dentro do subgrupo (tamanho do subgrupo = 1)
- Selecione um método para estimar o desvio padrão dentro do subgrupo quando o tamanho do subgrupo for igual a 1.
- 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.
- Comprimento da amplitude móvel
- Insira o número de observações usadas para calcular a amplitude móvel. O comprimento deve ser ≤ 100. Por padrão, um comprimento de 2 é usado porque valores consecutivos têm maior chance de serem iguais
- Usar constantes não-viesadas
- 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.
Observação
Muitas vezes, a opção de usar constantes não-viciadas depende da política da empresa ou de padrões do setor.
Análises de capacidade entre/dentro
Esse cenário global define os métodos de estimativa para cada análise de capacidade entre eles. Selecionar Preferências no Engenharia portal, então navegue até .
- Método de estimação para desvio padrão dentro do subgrupo
- Selecione um método para estimar o desvio padrão dentro do subgrupo.
- 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.
- 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.
- Método de estimação para desvio padrão entre subgrupos
- Selecione um método para estimar o desvio padrão entre subgrupos.
- 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.
- Comprimento da amplitude móvel
- Insira o número de observações usadas para calcular a amplitude móvel. O comprimento deve ser ≤ 100. Por padrão, um comprimento de 2 é usado porque valores consecutivos têm maior chance de serem iguais
- Usar constantes não-viesadas
- 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.
Observação
Muitas vezes, a opção de usar constantes não-viciadas depende da política da empresa ou de padrões do setor.
