Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/25457| Título: | Ferramenta computacional para análise de capacidade de processo utilizando a linguagem phyton |
| Título(s) alternativo(s): | Computational tool for process capacity analysis using python language |
| Autor(es): | Miura, Flávia Sayuri |
| Orientador(es): | Santos, José Airton Azevedo dos |
| Palavras-chave: | Controle de processo - Métodos estatísticos Python (Linguagem de programação de computador) Processos de fabricação - Automação Process control - Statistical methods Python (Computer program language) Manufacturing processes - Automation |
| Data do documento: | 30-Ago-2019 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | MIURA, Flávia Sayuri. Ferramenta computacional para análise de capacidade de processo utilizando a linguagem phyton. 2019. Dissertação (Mestrado em Tecnologias Computacionais para o Agronegócio) - Universidade Tecnológica Federal do Paraná, Medianeira, 2019. |
| Resumo: | O Controle Estatístico de Processo (CEP) é uma técnica muito utilizada para analisar, monitorar, gerenciar e recuperar a performance de processos de fabricação. Cartas de Controle são ferramentas poderosas do Controle Estatístico de Processos. Estas cartas permitem, por meio de informações de amostras, identificarem problemas em processos industriais. Muitos softwares comerciais para construção destas cartas estão disponíveis no mercado. Contudo, podem ser caros e apresentar restrições de licença e uso. Neste contexto, este trabalho teve como objetivo desenvolver uma aplicação Python, denominada CeCad,como opção para elaboração destas cartas para uso em pequenas e médias empresas. Atualmente, esta aplicação apresenta as cartas de controle 𝑋̅-R e 𝑋̅̅-S e cálculo de índices de capacidade de processo. Contempla também o cálculo de intervalo de confiança por meio da técnica de reamostragem bootstrap.São apresentados resultados da análise de capacidade de dois processos de produção: um processo de produção de frascos plásticos e um processo de produção de embalagens de pescado. Foram pesados, nas indústrias, 160 frascos plásticos de 100 mililitros e 200 embalagens de 400 gramas de pescado. Verificou-se que os índices de capacidade Cpk estão abaixo de um, o que classifica os processos como incapazes. |
| Abstract: | Statistical Process Control (SPC) is a technique widely used to analyze, monitor, manage and recover the performance of manufacturing processes. Control Charts are powerful Statistical ProcessControl tools. These charts allow, through sample information, to identify problems in industrial processes. Many commercial software for building these charts are available in the market. However, they can be expensive and present license and usage restrictions. In this context, this work aimed to develop a Python application, called CECad,as an option for the development of these charts for use in small and medium enterprises. Currently, this application presents the control charts𝑋̅-R e 𝑋̅̅-S and calculation of process capacity indices. It also includes the confidence interval calculation using the bootstrap resampling technique. Results of the capacity analysis of two production processes are presented: a plastic bottle production process and a process of production of tilapia packaging. In the industries, 160 plastic bottles of 100 milliliters and 200 packages of 400 grams of tilapia were weighed. It has been found that the capacity indices Cpkare below one, which classifies the processes as incapable. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/25457 |
| Aparece nas coleções: | MD - Programa de Pós-Graduação em Tecnologias Computacionais para o Agronegócio |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| ferramentaanaliseprocessopython.pdf | 2,69 MB | Adobe PDF |  Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.