Process Capability Analysis for a - 0

a) Interprete o gráfico.
Decidiu-se também verificar os valores de Cp e Cpk do processo.
b) Calcule Cp e Cpk e interprete os resultados.

Passo 1

O enunciado pede duas coisas:
  • (a) interpretar o gráfico fornecido;
  • (b) calcular C_p e C_{pk} do processo e interpretar os resultados.
Informações fornecidas no enunciado:
  • Foi enviada uma imagem contendo o gráfico a ser interpretado (uma figura foi anexada pelo enunciador).
  • Pede-se cálculo de C_p e C_{pk}.
Observação importante: o cálculo numérico de C_p e C_{pk} e a interpretação específica do gráfico exigem valores numéricos que normalmente vêm do gráfico ou de dados (por exemplo: limites de especificação superior e inferior — USL e LSL; média do processo \mu; e estimativa de desvio padrão \sigma ou dados amostrais). Esses valores deveriam estar na imagem ou numa tabela associada ao enunciado.

Passo 2

Aviso sobre a imagem: a imagem foi enviada, porém não foi possível processá-la neste ambiente para extrair automaticamente os números (por exemplo, USL, LSL, \bar{x}, s, etc.). Por isso não é possível apresentar um cálculo numérico definitivo de C_p e C_{pk} nem uma interpretação específica do gráfico que dependa desses valores.
Mesmo assim, vou ensinar direitinho — passo a passo — como interpretar o gráfico e como calcular C_p e C_{pk}. Assim, você consegue aplicar o procedimento rápido na prova ou simplesmente colocar aqui os poucos números e calcular em 1 minuto.
Força: você vai conseguir. Vou mastigar tudo e mostrar um exemplo para ficar claro.

Passo 3

  • Objetivo geral: medir a capacidade do processo de produzir peças dentro de limites especificados.
  • Variáveis que aparecem nas fórmulas:
    • USL: limite superior de especificação (valor máximo aceitável).
    • LSL: limite inferior de especificação (valor mínimo aceitável).
    • \mu: média verdadeira do processo (ou estimativa pela média amostral \bar{x}).
    • \sigma: desvio padrão do processo (ou estimativa pela amostra, s, ou por método de amplitude).
  • Fórmulas principais: C_p = \frac{USL - LSL}{6\,\sigma}
C_{pk} = \min\!\left(\frac{USL - \mu}{3\,\sigma},\; \frac{\mu - LSL}{3\,\sigma}\right)
Explicação intuitiva:
  • C_p mede o “espaço” (tolerância) dividido pelo espalhamento natural do processo (6\sigma é o intervalo típico \mu\pm3\sigma). Se C_p é maior, o processo tem capacidade de ficar dentro dos limites — ignorando se ele está centrado ou não.
  • C_{pk} leva em conta o centramento: pega a menor distância (em termos de sigma) entre a média do processo e cada limite, em unidades de 3\sigma. Se o processo está deslocado para um lado, C_{pk} será menor que C_p.

Passo 4

Regras comummente usadas (valores de referência):
  • C_p < 1: processo incapaz — a largura natural do processo ultrapassa a tolerância (muitos itens fora de especificação).
  • C_p \approx 1: processo marginal — a largura do processo é aproximadamente a tolerância (aproximadamente 0{,}27\% fora por cauda se perfeitamente centrado? Na prática, centrações pequenas já geram não conformes).
  • C_p \ge 1{,}33: processo considerado aceitavelmente capaz (regra empírica em indústria).
  • C_p \ge 2: processo excelente (muito folgado).
    Comparação C_p vs C_{pk}:
  • Se C_p \approx C_{pk}, o processo está aproximadamente centrado entre LSL e USL.
  • Se C_{pk} < C_p, o processo está deslocado; o menor dos dois termos no C_{pk} indica para qual lado (superior ou inferior) o processo está mais próximo.

Passo 5

Situação A — tem todos os dados individuais x_1,\dots,x_n:
  • Média amostral: \bar{x} = \frac{1}{n}\sum_{i=1}^n x_i
  • Desvio padrão amostral (estimador não-viesado): s = \sqrt{\frac{1}{n-1}\sum_{i=1}^n (x_i-\bar{x})^2}
Usar \mu \approx \bar{x} e \sigma \approx s nas fórmulas de C_p e C_{pk}.
Situação B — dados em subgrupos (grupos amostrais) e disponível a amplitude média \overline{R}:
  • Estimar \sigma por \hat{\sigma} = \frac{\overline{R}}{d_2}onde d_2 é uma constante que depende do tamanho do subgrupo n. Exemplo de valores úteis:
    • para n=2: d_2 \approx 1{,}128
    • para n=3: d_2 \approx 1{,}693
    • para n=4: d_2 \approx 2{,}059
    • para n=5: d_2 \approx 2{,}326
      (há tabelas com os d_2 para outros n.)
  • A média do processo \mu é a média das médias amostrais \bar{\bar{x}}.
Situação C — tem apenas histograma ou curva no gráfico:
  • Pode-se aproximar \mu pelo pico da curva (se for simétrica) e \sigma estimando a largura a meio-altura (para normal) ou calculando a distância entre pontos onde a densidade cai para valores conhecidos — mas isto é menos preciso; o ideal é usar dados.

Passo 6

  1. Identifique e anote USL e LSL (do enunciado ou do gráfico).
  2. Calcule a média amostral \bar{x} (ou use a média informada).
  3. Calcule o desvio padrão amostral s (ou \hat{\sigma} a partir de \overline{R}/d_2).
  4. Substitua em C_p = \frac{USL - LSL}{6\,\sigma}onde use \sigma = s ou \sigma=\hat{\sigma}.
  5. Calcule os dois termos de C_{pk}: T_1 = \frac{USL - \mu}{3\,\sigma},\qquad T_2 = \frac{\mu - LSL}{3\,\sigma}e então C_{pk} = \min(T_1,T_2).
  6. Interprete com as regras do passo 4: comparar C_p com C_{pk} e com os limites de aceitação (1, 1{,}33, 2, …). Diga se o processo é incapaz, centrado/inclinado, ou bem capaz.

Passo 7

(Isto é um exemplo de treino; substitua pelos números do seu gráfico.)
  • Suponha USL=10, LSL=4, média amostral \bar{x}=6{,}8 e \sigma \approx 0{,}5.
  • Calcule C_p: C_p = \frac{10-4}{6\cdot 0{,}5} = \frac{6}{3} = 2.Interpretação: processo tem folga (muito capaz em termos de largura).
  • Calcule C_{pk}: T_1=\frac{10-6{,}8}{3\cdot 0{,}5}=\frac{3{,}2}{1{,}5}\approx 2{,}133\ldots
T_2=\frac{6{,}8-4}{3\cdot 0{,}5}=\frac{2{,}8}{1{,}5}\approx 1{,}866\ldots
C_{pk}=\min(T_1,T_2)\approx 1{,}866\ldots
Interpretação: processo é muito capaz, mas está levemente deslocado em direção ao limite superior (como T_2 < T_1, o lado mais crítico é o inferior — ajustar conforme sinais reais). Como C_{pk} é próximo de C_p e ambos são grandes, o processo é capaz e razoavelmente centrado.
  • Nota: Se em vez de \sigma=0{,}5 tivéssemos \sigma=1, então C_p e C_{pk} cairiam e a interpretação mudaria. É por isso que o valor de \sigma é crítico.

Passo 8

Quando olhar para o gráfico (histograma + sobreposição da curva normal ou carta de controle), verifique:
  • Onde está a média em relação a LSL e USL: centrado ou deslocado?
  • A largura do pico: é estreito (pequeno \sigma) ou largo?
  • Há muitos pontos além de LSL ou USL? Contagem visual de fora de especificação ajuda a corroborar C_p.
  • Se for carta de controle (X̄-R ou X̄-S), verifique sinais de sistema fora de controle (pontos fora de limites de controle, tendências, ciclos); se o processo não estiver estável, estimativas de \sigma e consequentemente C_p/ C_{pk} não são confiáveis.
  • Para responder (a) na prova: descreva se o processo está centrado, se tem muitos ou poucos itens fora de especificação, se há assimetria, e se há sinais de instabilidade (picos, tendencias).

Passo 9

Para calcular numericamente C_p e C_{pk} preciso de:
  • USL e LSL (valores numéricos);
  • média do processo ( \mu ou \bar{x});
  • desvio padrão do processo ( \sigma ou estimativa s ou \overline{R} com tamanho de subgrupo para usar d_2);
    ou, alternativamente, os próprios dados amostrais para calcular \bar{x} e s.
Sem esses números não há como dar os valores numéricos exatos.

Resposta

Não é possível calcular C_p e C_{pk} porque os valores necessários ( USL, LSL, média e desvio padrão) não puderam ser extraídos da imagem neste ambiente.

Exercícios relacionados