Gráfico de controle por atributo fuzzy para monitoramento de processo

Abstract

O controle estatístico de processos (CEP) é um conjunto de ferramentas usadas para monitorar a estabilidade de um processo, no sentido de identificar a ocorrência de causas especiais. Em 1924, Walter Shewhart projetou o primeiro gráfico de controle. Os gráficos de controle podem ser por variáveis ou atributos, sendo o gráfico por variáveis o mais comumente utilizado. Porém, nem sempre é por meio de mensurações que se avalia a qualidade de um produto ou serviço; muitas vezes o fazemos por meio de seus atributos, “defeituoso” ou “não defeituoso”. Nesse contexto, o mais indicado é a utilização do gráfico de controle por atributo. Para muitos dos problemas identificados num produto ou serviço, os dados podem não ser tão precisos. Essa incerteza vem do sistema de medição, dos operadores, das condições ambientais, entre outros. Para lidar com essa incerteza, pode-se usar a lógica fuzzy, pois os gráficos de controle fuzzy fornecem uma avaliação mais flexível. Este trabalho propõe o uso de gráficos de controle fuzzy p e np para monitoramento de processos univariados, considerando os casos TFN e TrFN, número fuzzy triangular e número fuzzy trapezoidal, respectivamente. Os gráficos propostos foram comparados com o gráfico de Shewhart. Os gráficos de controle fuzzy foram construídos usando regras de lógica fuzzy, de forma a ajudar na tomada de decisão. Foi analisado o desempenho do gráfico de controle utilizando NMA – número médio de amostras até alarme falso. Diante dos resultados obtidos, observou-se que gráficos de controle por atributos fuzzy apresentaram maior eficiência que os gráficos de controle de atributos tradicionais.

Statistical Process Control (SPC) is a set of tools used to monitor the stability of a process to identify the occurrence of special causes. In 1924, Walter Shewhart designed the first control chart. Control charts can be by variables or attributes, being variable chart the most commonly used. However, it is not always by means of measurements that the quality of a product or service is assessed; we often do so by its attributes, "defective" or "not defective." this context, the use of attribute control chart is the most appropriate. For many of the problems identified in a product or service, data may not be as accurate. This uncertainty comes from the measurement system, the operators, the environmental conditions, among others. To deal with this uncertainty, fuzzy logic can be used because fuzzy control charts provide a more flexible assessment. This paper proposes the use of fuzzy p and np control charts for univariate process monitoring, considering the TFN and TrFN cases, triangular and trapezoidal fuzzy number, respectively. The proposed charts were compared with the Shewhart chart. Fuzzy control charts were built using fuzzy logic rules to aid in decision making. Control chart performance was analyzed using NMA - mean number of samples until false alarm. Given the results obtained, it was observed that fuzzy attribute control charts presented higher efficiency than traditional attribute control charts