Este trabalho propõe uma abordagem para monitoramento da taxa média de defeitos por item produzido numa produção finita ou encomenda de N itens. A cada ciclo de m itens produzidos, inspecionam-se os últimos r itens. Em cada item inspecionado conta-se o número de defeitos e cada item é classificado como aprovado se o número de defeitos satisfizer o critério do limite de controle. Se todos os r itens forem aprovados, a produção continua, caso contrário interrompe-se a produção à procura de causas especiais. Os itens inspecionados são descartados somente quando há parada no processo. Após a produção de N itens, um lote adicional será produzido para completar a quantia encomendada, mas esses não passarão por inspeção. Será utilizada uma cadeia de Markov finita de estados discretos para determinar as probabilidades de mudança de estado. Elas são utilizadas nas expressões de custo para determinar a estratégia ótima de monitoração, que será obtida através da otimização de três parâmetros: intervalo amostral (m), tamanho da amostra retrospectiva (r) e o limite de controle (LC). Os parâmetros serão obtidos através de busca direta, de forma que se minimize a expressão do custo médio por item produzido. Um exemplo numérico ilustra a proposta.

This paper proposes an approach for monitoring the average number of non-conformities per items in short-run productions of N items. After every m produced items, the last r items are inspected. For each inspected item, the number of defects is counted; each inspected item is classified as approved if it meets the control limit criterion. If all r inspected items are approved, then the production goes on, otherwise it is stopped for adjustment. The inspected items are all discarded in case of production stoppage. After a production of N items, an additional lot is produced to complete the size ordered, but this additional lot does suffer inspection. A finite discrete state Markov chain is used to determine the transitory probabilities, which will be considered in terms of cost, to determine the optimal strategy for monitoring, obtained by optimizing three parameters: sampling interval (m), retrospective sample size (r), and control limit (cl). These parameters are obtained computationally by direct search to minimize the expression of the average cost per item produced. A numerical example illustrates the proposal.