Há muitas situações onde o tamanho amostral usado para o controle do processo é n = 1. Assim, por exemplo, na fabricação de aço, celulose e outros elementos químicos, o controle do processo é realizado retirando-se amostras de uma unidade para se medir por exemplo PH, viscosidade, etc.
Como não é possível estimar a variabilidade através da amplitude ou do desvio padrão de cada amostra (eles não estão definidos para amostras de tamanho 1), usamos como estimativa da variabilidade a amplitude móvel de duas (ou mais) observações sucessivas.
Cálculo dos limites de controle para os gráficos I-MR
Para o Cálculo dos Limites de Controle usaremos as seguintes fórmulas:
- Para os valores individuais (I):
![]() |
![]() |
![]() |
- Para as amplitudes móveis (MR):
![]() |
![]() |
![]() |
em que
= Média das Amplitudes Móveis = 
para i = 1, 2, ..., m

Exemplo 4.3.1: Vamos construir os gráficos I-MR utilizando os dados da Tabela 4.3.1.
Tabela 4.3.1: Dados de viscosidade
| Lote | Viscosidade | Amplitude Móvel |
| 1 | 33,75 | - |
| 2 | 33,05 | 0,7 |
| 3 | 34 | 0,95 |
| 4 | 33,81 | 0,19 |
| 5 | 33,46 | 0,35 |
| 6 | 34,02 | 0,56 |
| 7 | 33,68 | 0,34 |
| 8 | 33,27 | 0,41 |
| 9 | 33,49 | 0,22 |
| 10 | 33,2 | 0,29 |
| 11 | 33,62 | 0,42 |
| 12 | 33 | 0,62 |
| 13 | 33,12 | 0,12 |
| 14 | 34,84 | 1,72 |
| 15 | 33,79 | 1,05 |
| 16 | 33,85 | 0,06 |
| 17 | 34,05 | 0,2 |
| 18 | 34,02 | 0,03 |
| 19 | 33,89 | 0,13 |
| 20 | 34,12 | 0,23 |
| 21 | 34,1 | 0,02 |
| 22 | 33,99 | 0,11 |
| 23 | 34,11 | 0,12 |
= 33,75 |
= 0,40 |
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Antes de construirmos os gráficos I-MR é importante realizamos um teste de normalidade para os dados, com isso não corremos o risco de encontrar resultados distorcidos.
Como o p-valor associado a estatística de Anderson-Darling é maior do que 0,05, dizemos que os dados seguem distribuição normal.
Dessa forma, podemos construir os gráficos I-MR para os dados do nosso exemplo.
OBS.: Caso os dados não sejam normais podemos utilizar a transformação de Box-Cox com o objetivo de encontrar normalidade. Se, mesmo transformados os dados não forem normais então uma opção é tirar a média móvel de cada duas observações e trabalhar com esses novos dados, pois a normalidade nesse caso é importante.
Utilizando o Apêndice obtemos os valores tabelados das constantes necessárias para o cálculo, assim para n = 2 temos, d2=1,128; D3 = 0; D4 = 3,267 e com o valor da constante d2 obtemos E2 = 3/d2 = 2,6596.
Aplicando as fórmulas obtemos:
- Para os valores individuais (I):
![]() |
![]() |
![]() |
- Para as amplitudes móveis (MR):
![]() |
![]() |
![]() |
A seguir temos os resultados obtidos pelo Software Action para esse exemplo.
Figura 4.3.1: Gráficos I-MR.
Podemos observar em ambos os gráficos que existe um ponto fora dos limites de controle. Notamos também que estes pontos desencadearam uma sequência nos valores médios observados em seguida, indicando a presença de uma causa especial de variação.
| Para entender como executar essa função do Software Action, você pode consultar o manual do usuário. | |||
Exemplo 4.3.2: Neste exemplo vamos realizar um estudo de CEP usando as cartas de controle I-MR para dados referentes a gramatura de papéis.
Tabela 4.3.2: Dados de gramatura de papéis.
| Lote | Gramatura (g/m2) | Amplitude Móvel |
| 1 | 88,20 | - |
| 2 | 88,90 | 0,70 |
| 3 | 90,50 | 1,60 |
| 4 | 90,30 | 0,20 |
| 5 | 90,00 | 0,30 |
| 6 | 90,20 | 0,20 |
| 7 | 91,20 | 1,00 |
| 8 | 91,00 | 0,20 |
| 9 | 91,50 | 0,50 |
| 10 | 91,40 | 0,10 |
| 11 | 91,30 | 0,10 |
| 12 | 90,20 | 1,10 |
| 13 | 91,40 | 1,20 |
| 14 | 89,90 | 1,50 |
| 15 | 90,20 | 0,30 |
| 16 | 90,10 | 0,10 |
| 17 | 90,80 | 0,70 |
| 18 | 91,40 | 0,60 |
| 19 | 91,30 | 0,10 |
| 20 | 89,00 | 2,30 |
| 21 | 90,70 | 1,70 |
| 22 | 89,50 | 1,20 |
| 23 | 91,20 | 1,70 |
| 24 | 90,50 | 0,70 |
| 25 | 90,60 | 0,10 |
= 90,45 |
= 0,75833 |
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Vamos verificar a normalidade dos dados através do teste abaixo.
Como o p-valor associado a estatística de Anderson-Darling é maior do que 0,05, podemos dizer que os dados seguem distribuição normal.
Dessa forma, podemos construir os gráficos I-MR para os dados do nosso exemplo.
Inicialmente calculamos os valores para
e
.
![]() |
![]() |
Utilizando o Apêndice temos, para n = 2, d2 = 1,128; E2 = 3/d2 = 2,6595; D3 = 0; D4 = 3,267.
Aplicando as fórmulas obtemos:
- Para os valores individuais (I):
![]() |
![]() |
![]() |
- Para as amplitudes móveis (MR):
![]() |
![]() |
![]() |
A seguir temos os resultados obtidos pelo Software Action para esse exemplo.

Figura 4.3.2: Gráficos I-MR.
Verificamos no gráfico de amplitude móvel que todos os valores estão dentro dos limites de controle e apresentam um corportamento aleatório, indicando controle do processo estatístico. Porém, no gráfico de valores individuais a primeira observação se encontra fora do limite inferior de controle, sendo que os pontos subsequentes apresentam variação aleatória, o que pode indicar a presença de uma causa especial de variação no processo.
| Para entender como executar essa função do Software Action, você pode consultar o manual do usuário. | |||




















