Loading...
3 results
Search Results
Now showing 1 - 3 of 3
- Implementação do controlo estatístico do processo para um número reduzido de dados numa indústria vinícolaPublication . Abreu, Rúben Daniel Martins de; Requeijo, José; Abreu, AntónioA grande exigência dos mercados tem conduzido a situações em que os sistemas produtivos são caracterizados pela produção de diversos lotes mas de reduzida dimensão. Este novo paradigma exige que sejam desenvolvidas técnicas adequadas, tanto em termos de planeamento como em termos de Controlo Estatístico do Processo (SPC), uma vez que podem existir situações em que não é possível proceder à recolha de dados suficientes para se estimar convenientemente os parâmetros do processo (média e variância). A abordagem sugerida para contornar esta situação consiste em adotar os desenvolvimentos propostos por Charles Quesenberry, em que a estatística da amostra no instante i é transformada através das estimativas dos parâmetros do processo recorrendo à informação obtida (dados) até ao instante (i-1). O estudo univariado da capacidade do processo é realizada através dos índices de capacidade QI e QS. Assim, no presente artigo, são abordadas duas situações de controlo estatístico, uma em que é feito um estudo univariado, com base em cartas Q, e outra em que é feito o estudo multivariado, com base nas cartas MQ, numa indústria do setor vinícola. The ever-growing market demands have altered the productive systems with a change in the paradigm, from producing fewer but bigger batches of products to smaller batches of a more diverse range of products. With this new paradigm it is required to develop new techniques, not only the Production Planning but also in the Statistical Process Control (SPC), since there can be scenarios where it is not viable to gather enough data to properly estimate the process parameters (mean and variance). An adequate solution to this problem is to implement some of the techniques developed by Charles Quesenberry, in which there is a transformation of the sample statistic from a moment in time (i) through the estimation of the parameters of the process from gathered data in a previous moment in time (i-1). In terms of process capability analysis there are two indexes (Qi and Qs), that give real time information regarding the process capability. In the present article, it is presented two situations of statistical process control, one in which was made an univariable study using Q-Charts, and the other that is based on a multivariable study using MQ-Charts in a wine industry.
- Controlo Estatístico do Processo para Número Reduzido de DadosPublication . Requeijo, José; Matos, Ana Sofia; Abreu, AntónioEm alguns sistemas produtivos pretende-se controlar várias características da qualidade com um número restrito de dados, não sendo possível estimar convenientemente os parâmetros do processo (média e variância), impossibilitando a implementação do Controle Estatístico do Processo tradicional (SPC). Como resposta, sugere-se a adoção dos desenvolvimentos de Quesenberry, que consiste na transformação das estatísticas no instante i através dos parâmetros estimados no instante ( ) considerando-se todos os dados ocorridos até este instante. Este artigo aborda duas situações, o SPC univariado e multivariado, com a aplicação de estatísticas Q. Tanto a estatística Q univariada como a MQ multivariada são distribuídas segundo a distribuição Normal reduzida e assim, o controlo de cada característica pode ser representado num mesmo documento (carta de controlo). É sugerido a aplicação dos índices QI e QS para o estudo univariado da capacidade do processo, que são representados na respetiva carta de controlo Q. Assim é possível em tempo real avaliar o desempenho dos processos e prever a possibilidade de produzir produtos não conformes, aumentando a satisfação do cliente. A metodologia proposta é aplicável a diferentes sistemas produtivos (indústria e serviços). É apresentado um estudo de caso com recurso à metodologia proposta Some production systems control many quality characteristics with a restricted amount of data, not allowing a conveniente estimation of the process parameters (mean and variance), thereby creating a difficulty in implementing the traditional Statistical Process Control (SPC). In order to address this question, the approach suggested is to adopt the developments proposed by by Charles Quesenberry, which consists in the statistics sample transformation at time i. This transformation is based on parameter estimation at time (i – 1). This paper addresses two situations, the univariate and multivariate SPC, with the use of Q dimensionless statistics. Both univariate (Q) and multivariate (MQ) statistics are distributed according to standard Normal distribution. It is also suggested the application of new capability indices QL and QU to study the univariate process capability, which are represented in the mean Q control chart to evaluate in real time the performance of the various processes and predict the possibility of production of nonconforming product, which will increase customer satisfaction. The methodology is applicable to different production systems, both for industry and services. Based on a methodology developed, a case study is presented and discussed.
- Statistical process control for a limited amount of dataPublication . Requeijo, José; Abreu, António; Matos, Ana SofiaSome production systems control many quality characteristics with a restricted amount of data, not allowing a convenient estimation of the process parameters (mean and variance), thereby creating a difficulty in implementing the traditional Statistical Process Control (SPC). In order to address this question, the approach suggested is to adopt the developments proposed by by Charles Quesenberry, which consists in the statistics sample transformation at time i. This transformation is based on a parameter estimation at time (i – 1). This paper addresses two situations, the univariate and multivariate SPC, with the use of Q dimensionless statistics. Both univariate (Q) and multivariate (MQ) statistics are distributed according to standard Normal distribution. It is also suggested the application of new capability indices QL and QU to study the univariate process capability, which are represented in the mean Q control chart to evaluate in real time the performance of the various processes and predict the possibility of production of nonconforming product, which will increase customer satisfaction. The methodology is applicable to different production systems, both for industry and services. Based on a methodology developed, a case study is presented and discussed.