Monitoring Multivariate Categorical Processes in Phase II: An Economic–Statistical Design of the GLT Control Chart

Resumo Técnico: Monitoramento de Processos Categóricos Multivariados na Fase II: Um Design Econômico–Estatístico para o Gráfico de Controle GLT

Definição do Problema
Os sistemas de manufatura contemporâneos dependem cada vez mais de múltiplas variáveis categóricas inter-relacionadas (ex.: classificações de defeitos, graus de produto) para caracterizar a qualidade do produto. Embora o Controle Estatístico de Processo (CEP) seja padrão para manter a estabilidade, os gráficos de controle tradicionais são frequentemente projetados para variáveis contínuas univariadas e podem falhar em capturar as estruturas de dependência inerentes aos dados categóricos multivariados. Além disso, a literatura existente sobre o monitoramento de tais processos, particularmente aqueles que utilizam tabelas de contingência e Testes de Modelos Lineares Generalizados (GLT), tem focado predominantemente em métricas de desempenho estatístico (ex.: Comprimento de Corrida Médio - ARL) enquanto negligencia considerações econômicas. Consequentemente, há uma carência de frameworks integrados que abordem simultaneamente a sensibilidade estatística necessária para detectar pequenas mudanças graduais nas estruturas de dependência e a eficiência econômica necessária para a implementação industrial prática.

Metodologia
O estudo propõe um framework integrado econômico–estatístico para o monitoramento da Fase II de processos categóricos multivariados representados por tabelas de contingência. A metodologia consiste em três componentes primários:

1. Modelagem e Monitoramento Estatístico:

   • Modelagem Log-Linear: A estrutura de dependência entre as variáveis categóricas é modelada utilizando modelos log-lineares para estabelecer as frequências de células esperadas sob condições de controle.
   • Estatística GLT: Uma estatística de Teste de Modelos Lineares Generalizados (GLT), denotada por $F^*$, é derivada para quantificar o desvio entre as frequências de células observadas e aquelas previstas pelo modelo log-linear. Esta estatística serve como a medida primária para detectar mudanças estruturais na tabela de contingência.
   • Integração EWMA: Para aumentar a sensibilidade a mudanças pequenas e graduais, a estatística GLT é incorporada a uma estrutura de Média Móvel Exponencialmente Ponderada (EWMA). A estatística EWMA ($Z_t$) combina informações atuais e históricas, com um parâmetro de suavização ($L$) determinando o peso atribuído aos dados passados. O gráfico de controle sinaliza um estado fora de controle quando $Z_t$ excede um Limite Superior de Controle (LSC) calculado.

2. Formulação Econômica:

   • O estudo adota uma função de Custo Total Esperado (ETC) para avaliar o desempenho econômico do gráfico. O ETC agrega custos associados à amostragem, inspeção, alarmes falsos, busca e remoção de causas atribuíveis, e perdas de produção durante períodos fora de controle.
   • O modelo de custo considera a probabilidade de alarmes falsos (derivada do ARL de controle, $ARL_0$) e o tempo de atraso esperado na detecção de mudanças.

3. Framework de Otimização:

   • Um procedimento de otimização é desenvolvido para determinar conjuntamente os parâmetros de design: tamanho da amostra ($n$), intervalo de amostragem ($h$), coeficiente do limite de controle ($K$), parâmetro de suavização ($L$) e o LSC resultante.
   • O objetivo é minimizar o ETC sujeito a uma restrição no Tempo Médio para Sinal de controle ($ATS_0$), garantindo um nível predefinido de desempenho estatístico (alvo $ARL_0 \approx 200$).
   • A otimização assume uma taxa de inspeção fixa ($r$), onde $h = n/r$, para refletir restrições operacionais comuns em ambientes industriais.

Principais Contribuições
O artigo identifica quatro contribuições específicas para o campo da engenharia da qualidade:

1. Extensão para Dados Categóricos: Estende o paradigma de design econômico–estatístico para processos categóricos multivariados representados por tabelas de contingência, uma área anteriormente sub-representada na literatura.
2. Framework Unificado: Estabelece uma abordagem unificada que integra modelos log-lineares, estatísticas GLT e estruturas de memória EWMA, em vez de tratar esses componentes isoladamente.
3. Otimização Simultânea: Considera simultaneamente objetivos econômicos e estatísticos durante o processo de otimização de parâmetros para derivar configurações de gráficos eficientes.
4. Ferramenta Prática: Fornece uma estratégia de monitoramento prática para ambientes industriais caracterizados por múltiplas características de qualidade categóricas correlacionadas.

Resultados
O framework proposto foi avaliado utilizando simulações de Monte Carlo em MATLAB com uma tabela de contingência $4 \times 4$ e um tamanho de amostra total de $N=500$. As principais descobertas incluem:

• Sensibilidade aos Efeitos de Interação: O gráfico EWMA–GLT demonstrou sensibilidade significativamente maior a mudanças nos parâmetros de interação do modelo log-linear (que representam a estrutura de dependência) em comparação com efeitos gerais ou principais. O "Índice de Efeito" para mudanças de interação foi substancialmente maior, confirmando a capacidade do gráfico de detectar mudanças estruturais nas dependências das variáveis.
• Parâmetros de Design Ótimos: A otimização econômico-estatística identificou a configuração ótima como um tamanho de amostra de $n=50$, um intervalo de amostragem de $h=1$, um parâmetro de suavização de $L=0,30$ e um coeficiente de limite de controle de $K=1,50$. Esta configuração rendeu um Custo Total Esperado (ETC) mínimo de 77,786, mantendo um $ARL_0$ de controle de 201,42.
• Desempenho Comparativo:
  • Comparado a um design puramente estatístico, o design econômico–estatístico alcançou menores custos operacionais enquanto satisfazia as restrições estatísticas.
  • Comparado a um design puramente econômico (que minimizava o custo sem restrições estatísticas), o framework proposto evitou alarmes falsos excessivos ($ARL_0$ de 45,95 no caso econômico não restrito vs. 201,42 no design proposto).
  • O gráfico EWMA–GLT superou tanto o gráfico GLT isolado quanto o gráfico EWMA clássico na detecção de mudanças pequenas a moderadas, conforme evidenciado pelos menores valores de Tempo Médio para Sinal (ATS).
• Análise de Sensibilidade: O modelo mostrou-se mais sensível a variações no custo de produção fora de controle ($C_d$) e no custo de amostragem variável ($C_1$). O parâmetro de suavização ($L$) teve um impacto mais significativo na velocidade de detecção e no custo do que o coeficiente do limite de controle ($K$); aumentar $L$ reduziu tanto o $ARL_1$ quanto o ETC.

Significância e Alegações
O artigo alega que o framework EWMA–GLT proposto oferece uma estratégia eficaz e prática para o monitoramento de processos categóricos multivariados. Ao equilibrar objetivos econômicos e estatísticos, a abordagem fornece uma solução mais robusta para aplicações industriais do que designs que dependem exclusivamente de um único critério. O estudo conclui que o framework integrado detecta com sucesso mudanças estruturais em tabelas de contingência, particularmente aquelas envolvendo efeitos de interação, enquanto minimiza os custos operacionais. Os autores posicionam o trabalho como uma ferramenta de suporte à decisão para ambientes com dados categóricos correlacionados e sugerem direções de pesquisas futuras envolvendo tabelas de maior dimensão, modelagem de incerteza (abordagens fuzzy/robustas) e o uso de conjuntos de dados industriais reais.