Os gráficos de T² e da variância amostral generalizada |S| são as ferramentas usualmente utilizadas no monitoramento do vetor de médias e da matriz de covariâncias de processos multivariados. A principal desvantagem desses gráficos é a dificuldade em obter e interpretar os valores de suas estatísticas de monitoramento. Neste artigo, estudam-se gráficos de controle para o monitoramento de processos bivariados que necessitam somente do cálculo de médias amostrais (gráfico ZMAX) para o monitoramento do vetor de médias, ou das variâncias amostrais (gráfico VMAX) para o monitoramento da matriz de covariâncias, ou então das médias e variâncias amostrais (gráfico MCMAX) para o caso do monitoramento conjunto do vetor de médias e da matriz de covariâncias.

The T² chart and the generalized variance |S| chart are the usual tools for monitoring the mean vector and the covariance matrix of multivariate processes. The main drawback of these charts is the difficulty to obtain and to interpret the values of their monitoring statistics. In this paper, we study control charts for monitoring bivariate processes that only requires the computation of sample means (the ZMAX chart) for monitoring the mean vector, sample variances (the VMAX chart) for monitoring the covariance matrix, or both sample means and sample variances (the MCMAX chart) in the case of the joint control of the mean vector and the covariance matrix.

Neste artigo propomos o gráfico de controle de amostragem dupla para monitoramento de processos nos quais as observações seguem um modelo autoregressivo de primeira ordem. Nós consideramos intervalos de amostragem suficientemente longos em linha com o conceito de subgrupos racionais. O gráfico de controle de amostragem dupla é substancialmente mais eficiente que o Gráfico de Shewhart e do que o Gráfico com Amostra de Tamanho Variável. Para estudar as propriedades destes gráficos nós derivamos expressões de forma-fechada para o Numero Médio de Amostras até o Sinal (NMA) levando em conta a correlação dentro do subgrupo. Os resultados numéricos mostram que esta correlação tem impacto significante sobre as propriedades do gráfico.

In this paper we propose the Double Sampling control chart for monitoring processes in which the observations follow a first order autoregressive model. We consider sampling intervals that are sufficiently long to meet the rational subgroup concept. The Double Sampling chart is substantially more efficient than the Shewhart chart and the Variable Sample Size chart. To study the properties of these charts we derived closed-form expressions for the average run length (ARL) taking into account the within-subgroup correlation. Numerical results show that this correlation has a significant impact on the chart properties.

Neste artigo, avaliamos o desempenho do gráfico de T² baseado em componentes principais (gráfico PC) e dos gráficos de controle simultâneos univariados baseados nas variáveis originais (gráfico SU X) ou baseados em componentes principais (gráfico SUPC). A principal razão para o uso do gráfico PC é a redução de dimensionalidade. Entretanto, dependendo da perturbação e da correlação entre as variáveis originais, o gráfico é lento em sinalizar, exceto quando todas as variáveis são negativamente correlacionadas e a componente principal é adequadamente escolhida. Comparando os gráficos SU X, SUPC e T² concluímos que o gráfico SU X (gráfico SUPC) tem um melhor desempenho global quando as variáveis são positivamente (negativamente) correlacionadas. Desenvolvemos também uma expressão para obter o poder de detecção de dois gráficos de S² projetados para controlar a matriz de covariâncias. Os gráficos conjuntos de S² são, na maioria dos casos, mais eficientes que o gráfico da variância generalizada |S|.

In this article, we evaluate the performance of the T² chart based on the principal components (PC X chart) and the simultaneous univariate control charts based on the original variables (SU charts) or based on the principal components (SUPC charts). The main reason to consider the PC chart lies on the dimensionality reduction. However, depending on the disturbance and on the way the original variables are related, the chart is very slow in signaling, except when all variables are negatively correlated and the principal component is wisely selected. Comparing the SU , the SUPC and the T² charts we conclude that the SU X charts (SUPC charts) have a better overall performance when the variables are positively (negatively) correlated. We also develop the expression to obtain the power of two S² charts designed for monitoring the covariance matrix. These joint S² charts are, in the majority of the cases, more efficient than the generalized variance chart.

Este artigo apresenta um gráfico de controle com regra especial de decisão e amostragens em dois estágios para o monitoramento de processos bivariados. No primeiro estágio, um item da amostra é inspecionado e duas características de qualidade correlacionadas (x;y) são medidas. Se a estatística de Hotelling T1² para as observações individuais de (x;y) for menor que um valor especificado UCL1 a amostragem é interrompida. Caso contrário, a amostragem segue para o segundo estágio, onde os demais itens da amostra são inspecionados e a estatística de Hotelling T2² para as médias de (x;y) é calculada. Quando a estatística T2² é maior que um valor especificado UCL2, a amostra é classificada como não conforme. De acordo com a regra especial de decisão, o alarme é baseado no número de amostras entre duas não conformes. O gráfico proposto é mais ágil e mais simples do ponto de vista operacional que o gráfico de controle bivariado com tamanho de amostras variável.

In this article, we consider the synthetic control chart with two-stage sampling (SyTS chart) to control bivariate processes. During the first stage, one item of the sample is inspected and two correlated quality characteristics (x;y) are measured. If the Hotelling statistic T1² for these individual observations of (x;y) is lower than a specified value UCL1 the sampling is interrupted. Otherwise, the sampling goes on to the second stage, where the remaining items are inspected and the Hotelling statistic T2² for the sample means of (x;y) is computed. When the statistic T2² is larger than a specified value UCL2, the sample is classified as nonconforming. According to the synthetic control chart procedure, the signal is based on the number of conforming samples between two neighbor nonconforming samples. The proposed chart detects process disturbances faster than the bivariate charts with variable sample size and it is from the practical viewpoint more convenient to administer.