Gráficos de controle para variáveis não-conformes autocorrelacionadas

Abstract

Nesta tese restringe-se a analisar os gráficos de controle para variáveis contínuas e discretas. Os gráficos de controle convencionais de Shewhart, foram utilizados acrescidos de outros modelos adequados a transformações de observações autocorrelacionadas em observações que sejam independentes e normalmente distribuídas. Os dados utilizados para análise foram coletados na Indústria Têxtil Oeste Ltda., no município de Mondai - SC. As séries analisadas foram o número de ocorrências por tipo de não-conformidade em bobinas no setor de tecelagem (variável discreta e independente) e os valores da gramatura (denier) da fita de ráfia (variável contínua e explicativa) no setor de produção de fitas de polipropileno. Além de se verificar a autocorrelação dos dados, pode-se modelar as variáveis discretas através de modelos de regressão de Poisson e as variáveis contínuas através dos modelos Box e Jenkins e, com os resíduos obtidos utilizar os modelos de função de transferência para se identificar à existência de causalidade. A técnica proposta, de primeiro retirar a autocorrelação dos dados para depois ajustá-los mostrou-se satisfatória estatisticamente. Ao se estudar a autocorrelação dos dados gerou uma nova perspectiva de aprendizagem sobre o processo produtivo através das informações contidas na estrutura de autocorrelação, dos modelos Box e Jenkins e dos modelos de regressão de Poisson, aos quais eram ignorados pelo modelo clássico de monitoramento. A função de transferência empregada posteriormente nos resíduos obtidos permitiu a confirmação da causalidade da gramatura da fita com relação ao tecido produzido. Com isso houve um crescimento de informações para a correta tomada de decisão e pode-se detectar que houve uma melhora nos pontos de saída de controle