Resumo
A nova ordem mundial vem se caracterizando cada vez mais por grandes mudanas tecnolgicas e
sociais e com o conseqente aumento da competitividade na maioria dos setores da economia. Na
disputa por novos mercados e na tentativa de manuteno das atuais posies, se faz necessrio
uma gesto eficiente e eficaz que garanta a continuidade do empreendimento no longo prazo, alm
do cumprimento de sua misso. Para que possam cumprir sua misso, as empresas necessitam
cada vez mais de ferramentas robustas para monitorar e avaliar os seus processos produtivos,
sendo assim, o Controle Estatstico do Processo (CEP) em uma empresa constitui um fator de
extrema importncia principalmente se considerarmos o alto grau de competitividade dos mais
diversos ramos de atividade e as exigncias do mercado atual. Neste contexto, este artigo teve
como objetivo desenvolver uma metodologia para a construo de grficos de controle baseadas
nos resduos pela rede neuro-fuzzy, ou seja, um modelo hibrido. Aps o ajuste de um modelo AR
com interveno, construiu-se a carta de controle para a gramatura da fiao.
Palavras-chave: cartas de controle, redes neurais, lgica fuzzy.
108
Abstract
The new world order has been featuring increasingly by large technological and social changes
and the consequent increased competitiveness in most sectors of the economy. In the race for new
markets and in an attempt to maintain current positions, it is necessary a efficient and effective
management to ensure the continuity of the enterprise in the long term, beyond the fulfilment of its
mission. In order to fulfill its mission, companies increasingly need robust tools to monitor and
evaluate their productive processes, thus, the statistical process control (CEP) in an enterprise is
an important factor especially if we consider the high degree of competitiveness in the most varied
fields of activity and current market requirements. In this context, this article was aimed at
developing a methodology for constructing control charts based on neuro-fuzzy network waste, i.e.
a hybrid model. After adjusting a model AR with intervention, was constructed the control chart. the
the weight of spinning.
Key-words: control charts, neural networks, fuzzy logic.
1. Introduo
Para sobreviver nova ordem econmica, as organizaes precisam adaptar-se realidade
competitiva e tecnolgica atual, bem como aprender a identificar, ganhar e preservar novos
mercados.
O aumento da demanda por melhores servios, qualidade e variedade de produtos, associado
ao crescimento da concorrncia, tem levado as organizaes a repensar a maneira como gerenciam
seus negcios.
Assim, na produo, a qualidade deve ser constantemente monitorada. Avaliaes devem ser
feitas nos pontos crticos do processo para estabelecer padres e, depois, verificar se o processo
mantm-se nos padres estabelecidos.
Logo, a qualidade no pode estar separada das ferramentas estatsticas e lgicas usadas no
controle, melhoria e planejamento da qualidade.
Assim, dentre as vrias ferramentas que podem ser utilizadas para a melhoria e
aperfeifoamento dos processsos produtivos, pode-se destacar o Controle Estatstico de processo
(CEP) que empregado por muitas organizaes no simplesmente como um conjunto de tcnicas
estatsticas, mas como uma forma de pensar que determinante para que sejam atingidos os
objetivos propostos. Esta ferramenta possibilita a monitorao e a melhoria dos processos
produtivos, promovendo a reduo dos custos associados `a falhas, a reduo de desperdcios e
conseqentemente o aumento da qualidade dos produtos.
O controle estatstico de processo uma tcnica cientificamente comprovada e que permite
estudar o comportamento de medidas de um processo, e controle multivariado nos permite atravs
de um nico grfico monitorar simultaneamente duas ou mais variveis com caractersticas de
qualidade relacionveis.
Revista GEINTEC ISSN: 2237-0722. So Cristvo/SE 2012. Vol .2/n. 2/ p.108-119
D.O.I.:10.7198/S2237-07222012000200002
109
metodologia hibrida neuro-fuzzy (redes neurais e lgica fuzzy ) em conjunto com as cartas de
controle
para
identificar
padres
de
processos
produtivos
cujas
observaes
sejam
autocorrelacionados.
Os dados foram coletados diariamente no perodo de maro a abril de 2010 na Indstria
Txtil Oeste Ltda., no municpio de Mondai SC. referentes a gramatura da fiao do tecido.
2. Fundamentao Terica
O controle estatstico de processo pode ter diferentes objetivos e conseqentemente pode ser
feito de diferentes formas. Consideraes estatsticas associadas com processos de controle de
qualidade, tm sido discutidas, Hunter (1986); Montgomery & Friedman (1989) e Shewhart (1931).
Camargo et al. (1998), desenvolveram estudos utilizando tcnicas alternativas no controle
estatstico de qualidade, apresentando aplicaes a casos reais e simulados para analisar as variaes
ocorridas em processos produtivos.
A anlise das variaes ocorridas durante o processo de produo atravs das cartas de
controle tambm sido bastante analisadas como pode-se encontrar em Montgomery & Mastrangelo,
1991; Notohardjono & Ermes, 1986.
A interpretao das cartas de controle baseada freqentemente na suposio de que os
dados observados so no correlatados. A presena de autocorrelao nos dados do processo tem
efeitos adversos no desempenho das cartas do controle (Ermer, 1980).
West, Dellana, & Jarrett (2002), apresentam um estudo com a finalidade de verificar a
habilidade de um modelo da funo de transferncia (variveis de interveno) para identificar
causas assinalveis de variao e de modelar relacionamentos dinmicos entre entradas e sadas de
processos, os autores apresentaram analises para dados reais e simulados.
Balestrassi (2000), desenvolveu uma metodologia para identificao de padres utilizando
series temporais e redes neurais para um processo produtivo univariado, ou seja, quando somente
uma caracterstica de qualidade monitorada.
110
111
112
Se X1, X2, X3,...,Xn so amostras resultantes das observaes individuais, ou seja, amostras
de tamanho n=1 de distribuio com mdia e desvio padro _
X
Utilizando-se o sistema 3 , que consiste em fazer Z 3 . Neste caso, quando k=3, indica
2
intervalo. Atravs do sistema 3 , podemos concluir que a probabilidade do grfico emitir um falso
alarme igual a , (1 ) (1 0,9973) 0,0027 , ou seja, 0,027% que a probabilidade de ocorrncia
de valores fora do intervalo de ( 3 ) considerado.
_
Usando X e
Rm
como estimadores de e respectivamente, a carta de
d2
3
Rm
d2
(1)
(2)
que representa o valor mdio da caracterstica de qualidade em estudo correspondente ao estado sob
controle.
113
3
Rm
d2
(3)
onde:
n
A mdia do processo:
xi
i 1
3. Aspectos Metodolgicos
O mtodo de pesquisa cientfica do ponto de vista da natureza e da forma de abordagem do
problema proposto para este projeto pesquisa enquadra-se, de acordo com Silva & Menezes (2001),
na categoria de pesquisa aplicada quantitativa. A pesquisa aplicada quantitativa tem como objetivo
gerar conhecimentos para aplicao prtica dirigida soluo de problemas especficos com o uso
de recursos e tcnicas estatsticas, que no caso de desenvolver um modelo com base na aplicao
da metodologia hibrida neuro-fuzzy (redes neurais e lgica fuzzy ) em conjunto com as cartas de
controle
para
identificar
padres
de
processos
produtivos
cujas
observaes
sejam
autocorrelacionados.
Os dados foram coletados diariamente no perodo de maro a abril de 2010 na Indstria
Txtil Oeste Ltda., no municpio de Mondai SC. referentes a gramatura da fiao do tecido.
114
65
64
63
62
61
60
59
58
57
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33
Observaes
S.E.
1 +,825
,1665
24,59
,0000
2 +,625
,1638
39,14
,0000
3 +,434
,1612
46,40
,0000
4 +,275
,1585
49,40
,0000
5 +,106
,1557
49,86
,0000
6 -,039
,1529
49,92
,0000
7 -,032
,1500
49,97
,0000
8 -,015
,1471
49,98
,0000
9 -,003
,1441
49,98
,0000
10 -,045
,1411
50,08
,0000
11 -,065
,1380
50,30
,0000
12 -,086
,1348
50,71
,0000
13 -,108
,1316
51,38
,0000
14 -,131
,1283
52,43
,0000
15 -,181
,1248
54,53
,0000
-1,0
-0,5
0,0
0,5
1,0
115
Lag Corr.
S.E.
1 +,825
,1741
2 -,177
,1741
3 -,086
,1741
4 -,036
,1741
5 -,170
,1741
6 -,062
,1741
7 +,349
,1741
8 -,098
,1741
9 -,051
,1741
10 -,165
,1741
11 -,018
,1741
12 -,047
,1741
13 +,133
,1741
14 -,055
,1741
15 -,186
,1741
-1,0
-0,5
0,0
0,5
1,0
4.1 Ajustamento dos dados da gramatura atravs do modelo AR(1) sem interveno
(82,13)
(10,80)
X t 63,78604 0,7274 X t 1 a t
As estatsticas de ajuste foro: R2 = 78%; AIC = -3, 1430; BIC = -3,0784
Ao se analisar a srie residual, encontrou-se um ponto no lag(5) = -0,274 fora dos limites de
controle, indicando que o modelo no gerou uma srie de erros aleatrios, logo deve-se investigar o
efeito da mudana da mdia do processo.
4.2. Ajustamento dos dados da gramatura atravs do modelo AR(1) com interveno
Foram encontradas cinco intervenes significativas, sendo uma mudana na mdia do
processo na observao 7, e quatro outliers significativos nas observaes (2; 17; 21 e 28). O
modelo representativo est apresentado na equao a seguir:
116
63,9493
62,6952
61,4410
10
15
20
25
30
O bservaes
,1
7
7
0
7
0
,0
0
0
0
0
3
-,1
7
7
0
6
1
0
1
5
2
0
2
5
3
0
O
b
s
e
rv
a
e
s
Na Figura 6, apresenta-se grfico de controle Xind para os resduos obtidos pela rede neurofuzzy, o qual no apresentou nenhum ponto fora dos limites de controle, indicando que o modelo
incorporou os outliers, bem como a mudana na mdia do processo. Assim, pode-se afirmar que o o
modelo ajustado para os resduos da rede neiro-fuzzy, ARMA(1) com interveno tem condies de
eliminar os alarmes falsos produzidos pela autocorrelao nos dados referentes a um processo
produtivo.
117
,5
5
5
7
2
1
-,0
0
0
3
0
-,5
5
6
3
3
1
0
1
5
2
0
2
5
3
0
O
b
s
e
rv
a
e
s
5. CONSIDERAES FINAIS
O presente trabalho encontrou base nos procedimentos da rede neuro-fuzzy, das cartas de
controle para medidas individuais de
normalmente distribudos, as quais tem como objetivo, detectar mudanas no processo na mdia.
Concluindo pode-se afirmar que realmente as cartas de controle so ferramentas que podem
servir para acompanhar o comportamento das caracteristicas de qualidade, auxiliando os
profissionais da rea monitorarem os seus processos com o objetivo de manterem servios de
qualidade para os seus clientes.
REFERNCIAS
ALWAN, L. C. & ROBERTS, H. V. (1988). Time Series Modeling for Statistical Process Control.
Journal of Business and Economic Statistics, v. 6, p. 87-95.
ALWAN, L. C. (1992). Effects of Autocorrelations on Control Chart Performance.
Communications in Statistics Theory and Methods, v. 21, p. 1025-1049.
BALESTRASSI, P. P. (2000) . Identificao de padres em grficos de controle estatstico de
processos, em tempo real, utilizando sries temporais e redes neurais artificiais. Florianplis,
Tese (Doutorado em Engenharia de Produo) Programa de Ps-Graduao em Engenharia de
Produo, Universidade Federal de Santa Catarina.
BOX, G. E. P. & JENKINS, G. M. (1976). Time series analysis: forecasting and control,revised
edition. San Francisco: Holden-day.
BOX, G. E. P., JENKINS, G. M. & REINSEL, G. C. (1994). Time Series Analysis, Forecasting
and Control. 3rd ed. Prentice Hall, Englewood Clifs, N.J.
BOX, G.E.P. & Kramer, T. (1992). Statistical Process Monitoring and Feedback Adjustment A Discussion. Technometrics, v. 34, n. 3, 251-285.
Revista GEINTEC ISSN: 2237-0722. So Cristvo/SE 2012. Vol .2/n. 2/ p.108-119
D.O.I.:10.7198/S2237-07222012000200002
118
CAMARGO, M.E.; TEIXEIRA, J.M.G.; ANSUJ, A.P.; FRIEDRICH, H.R. (1998). The Use of
Some Techniques in Statistical Process Control. Anais do Congresso Optimization 98. Lisboa.
COX, E. (1994). The Fuzzy Systems Handbook. Academy Press Inc.. Estados Unidos.
DAYHOFF, J. E. (1990). Neural Network Architectures: An Introduction. New York, Van
Nostrand Reinhold.
DRIANKOV, D.; HELLENDOORN, H.; REINFRANK, M. (1996). An Introduction to Fuzzy
Control, Springer-Verlag, 1996.
ERMER, D.S. (1980). A control chart for dependent data. ASQC 34th Annual Technical
Conference Transactions, Atlanta, Georgia.
FULLR, R. (1995). Neural Fuzzy Systems. Abo Akademi University.
GU LBAY, M.; KAHRAMAN, C.. (2006). Development of fuzzy process control charts and fuzzy
unnatural pattern analyses. Computational Statistics & Data Analysis, vol. 51, 434451.
GU LBAY, M.; KAHRAMAN, C.. (2007). An alternative approach to fuzzy control charts: direct
fuzzy approach. Information Sciences , vol. 177 (2007) 14631480.
GULBAY , M. ; KAHRAMAN, C.. (2007). An alternative approach to fuzzy control charts: Direct
fuzzy approach. Information Sciences, vol. 177, 14631480.
HAYKIN, S. (1994). Neural Networks: A Comprehensive Foundation. New York: MacMillan
Publishing Company.
HARRIS, T.J. & ROSS, W.H. (1991). Statistical process control procedures for correlated
observations. The Canadian Journal of Chemical Engineering, v.69, p.48-57.
HUNTER, J.S.. The exponentially weighted moving average. Journal of Quality Technology, 1986,
18.12. Jones, R. H., Change detection model for serially correlated multivariate data, Biometrics, 1970
(26), 269-279.
HSIEH, K.L., Tong, L.I., Wang, M.C. (2007). The application of control chart for defects and
defect clustering in ic manufacturing based on fuzzy theory. Expert Systems with Applications,
vol. 32 , 765776.
16. HWARNG H.B.; HUBELE N.F., (1993). X-Bar Control Chart Pattern Identification Through
Efficient Off-line Neural Network Training. IIE Transactions, vol.25, 3, May.
17. KARTALOPOULOS, S. V. Understanding Neural Networks and Fuzzy Logic. IEEE PRESS,
1996.
119