Gráfico de controle de VMAX para o monitoramento da matriz de covariâncias

Abstract

Neste artigo é proposto, para o monitoramento de processos normais bivariados, um gráfico de controle baseado nas variâncias amostrais de duas características de qualidade. Os pontos plotados no gráfico correspondem ao valor da maior variância amostral. O gráfico proposto, denominado gráfico de VMAX, tem um desempenho superior ao do gráfico da variância amostral generalizada |S| e, além disso, tem uma melhor capacidade de diagnóstico, ou seja, com ele é mais fácil identificar a variável que teve sua variabilidade alterada pela ocorrência da causa especial. Quando a amostragem dupla está em uso o gráfico proposto também tem um desempenho superior ao do gráfico de |S|, exceto em alguns casos em que o tamanho da segunda amostra é muito grande.

A Framework for Continuous Inspection Plans Using Multivariate Mathematical Methods

“…This multivariate approach has gained greater notice because it promotes better understanding of the relationship (dependency) between the variables and, therefore, it has been shown to be more sensitive for detecting identifiable causes that are not easily perceived using univariate control techniques, that is, based on individual variables. 8,[10][11][12][13][14][15][16][17] In reviewing the literature, it can be seen that journals have recently been presenting studies that use predictive techniques, with a focus on improvement and continuous innovation, [18][19][20][21] as well as organizational learning. [22][23][24] Significant advances can also be seen in the literature regarding the development of new methods and strategies for SPC, such as models for auto-correlated data and multivariate processes, 25 variation of the sampling interval and sample size for X=R charts, 26,27 improvement of the performance of control graphs by double sampling, 13 design of control charts that minimize operational costs, 28,29 application of the Bernoulli models in the field of medicine, 30 application of SPC to image data, 31 and strategies for monitoring the variability of small batches.…”