Controle estatistico multivariado de processos para observações individuais

Propomos nesta dissertação um roteiro de técnicas simples de serem implementadas para auxílio no entendimento da variabilidade de processos cujas observações são individuais e multivariadas. A motivação básica para o uso do controle estatístico multivariado de processos (CEMP) vem do fato de se ter que levar em conta a estrutura de correlação dos dados para se responder adequadamente a pergunta: "o processo está sob controle?". No início do texto, o CEMP é revisto enquanto técnica utilizada para subgrupos racionais e uma ilustração de seu uso é mostrada tanto para a fase I (exame retrospectivo para se estimar os parâmetros do processo) como para a fase II (análise de futuros subgrupos). Um tratamento especial deve ser dedicado quando os subgrupos têm tamanho 1 (observações individuais), principalmente na fase I em que as estimativas dos parâmetros não são independentes das próprias observações a serem testadas, além disso, a estimativa usual da matriz de covariância pode ser inflacionada caso tenhamos causas assinaláveis no conjunto de dados inicial. Por essa razão, estimadores robustos dessa matriz, similares ao de amplitudes móveis do caso univariado, são estudados e limites adequados do gráfico de controle são desenvolvidos. Mostramos que nesses casos eles apresentam um bom desempenho para causas especiais tipo degrau e rampa. Por outro lado, sinais provocados por observações aberrantes são mais difíceis de serem detectados, principalmente se o afastamento não é tão evidente, e alternativas são sugeri das baseadas em técnicas de exploração da estrutura interna dos dados como Análise de Componentes Principais. Abordamos, em seguida, uma técnica de fácil implementação e interpretação para diagnóstico das causas assinaláveis. Ao final, utilizamos essas técnicas para análise de dados de um processo de montagem de cabinas de caminhõe