Carta T (tempo entre eventos)
A carta T monitora eventos raros plotando o tempo entre ocorrências sucessivas, em vez de contagens por intervalo. Ela ajusta uma distribuição Exponential (padrão) ou Weibull aos intervalos não negativos; a linha central é a mediana ajustada e os limites são seus percentis 0.135 e 99.865. As regras 1 a 4 de Nelson sinalizam causas especiais. A saída é a carta, um resumo do ajuste e os pontos de causa especial.
Última revisão
Conclusão principal
A carta T é uma carta de controle para eventos raros que plota o tempo entre ocorrências sucessivas, com limites de uma distribuição Exponencial ou de Weibull ajustada, o que a torna mais sensível que as cartas C ou U.
Nesta página
Finalidade
A carta T monitora eventos raros plotando o TEMPO (ou outra medida contínua) entre ocorrências sucessivas, em vez de contar eventos por intervalo fixo como fazem a carta C ou a carta U. Quando os eventos são raros, a maioria das contagens por intervalo fixo é zero e uma carta C/U perde sensibilidade — a carta T reage diretamente a cada novo intervalo, tornando-se muito mais sensível a uma mudança genuína na taxa subjacente de eventos.
Principais recursos
- Plota diretamente dados não negativos de tempo entre eventos, com a escolha de uma distribuição subjacente (Exponential ou Weibull) em vez de pressupor normalidade.
- Detecção completa de causas especiais pelas regras de Nelson (4 regras configuráveis) aplicada à carta ajustada.
- Inclusão/exclusão de linhas e um seletor separado de subgrupos para “estimar parâmetros a partir de”, de modo que os limites de controle possam ter como linha de base um período histórico estável enquanto os pontos posteriores são plotados para comparação.
- Escala do eixo X configurável para rotular o eixo do tempo.
Métodos estatísticos
Os dados de tempo entre eventos raros costumam ser assimétricos à direita e não são bem modelados por uma distribuição normal, portanto a carta T ajusta uma distribuição Exponential ou Weibull à série de tempo entre eventos por máxima verossimilhança (o padrão é Exponential, o modelo usual para uma taxa constante e sem memória de falhas/eventos).
A linha central é a mediana da distribuição ajustada (seu percentil 50) e os limites de controle são seus percentis 0.135 e 99.865: LCL = max(0, dist.ppf(0.00135)), UCL = dist.ppf(0.99865) — as mesmas probabilidades de cauda que uma carta de controle normal de ±3σ abrangeria, aplicadas, porém, à função quantil da própria distribuição ajustada, não normal, o que é a forma estatisticamente correta de definir limites para dados assimétricos, e não uma simples média ± 3σ na escala sem transformação.
As regras de Nelson (detecção de causas especiais) são então avaliadas em relação aos limites de controle ajustados exatamente como nas outras cartas de controle do aplicativo, sinalizando pontos além dos limites (Regra 1), sequências de um lado da linha central (Regra 2), tendências sustentadas (Regra 3) e padrões alternados (Regra 4).
Campos de entrada e opções
Campo | Descrição |
Time between events | Obrigatório. A coluna de tempo não negativo (ou outra medida contínua) entre eventos raros sucessivos, em ordem cronológica. |
Fit distribution | Exponential (padrão) ou Weibull — a distribuição ajustada à série de tempo entre eventos. |
Check Rule 1–4 / K for Rule 1–4 | As quatro regras de causas especiais de Nelson, cada uma ativada de forma independente (padrões K = 3, 9, 6, 14). |
X scale | Rotulagem personalizada opcional para o eixo do tempo. |
Include or Exclude / Specify which rows / Row numbers | Controla quais linhas são plotadas. |
Specify subgroups to estimate parameters / Subgroups | Restringe, opcionalmente, quais linhas são usadas para ajustar a distribuição e definir os limites de controle, mantendo todas as linhas no gráfico — útil para definir a linha de base em um período sabidamente estável. |

Figura 1 — 25 intervalos entre falhas (horas) colados em C1, com Time between events definido como C1 e Fit distribution = Exponential.
Descrição da saída
- T Chart plot — a série de tempo entre eventos em ordem cronológica com UCL, linha central e LCL da distribuição ajustada.
- Fit summary table — a distribuição ajustada, a linha central, o LCL e o UCL.
- Nelson's Rules / Potential Special Cause Points — quais regras foram verificadas e quais pontos (se houver) as violaram.
- Exportação em PDF por meio de Download as PDF.

Figura 2 — Saída da carta T: limites de controle ajustados, a série de tempo entre eventos plotada e a tabela-resumo de distribuição ajustada/linha central/UCL/LCL.
Exemplo prático
Uma fábrica acompanha falhas de equipamentos relevantes para a segurança em uma linha de embalagem, registrando o número de horas entre falhas sucessivas (25 intervalos sucessivos, coluna C1). Com Fit distribution = Exponential, a ferramenta ajusta um modelo Exponencial aos intervalos (Center Line ≈ 31.7, UCL ≈ 302.6, LCL ≈ 0.06) e plota os 25 intervalos — dando uma leitura visual imediata de se a taxa de falhas está se acelerando (intervalos sucessivos diminuindo em direção ao limite inferior de controle), bem antes de se acumularem falhas suficientes para reagir em uma carta tradicional baseada em contagens.
Perguntas frequentes
Quando usar uma carta T em vez de uma carta C ou U?
Use uma carta T quando os eventos são raros. Com eventos raros, a maioria das contagens por intervalo fixo é zero, de modo que uma carta C ou U perde sensibilidade. A carta T plota o tempo entre eventos sucessivos e reage diretamente a cada novo intervalo, o que a torna mais sensível a uma mudança genuína na taxa subjacente de eventos.
Como são calculados os limites de controle da carta T?
Uma distribuição Exponencial ou de Weibull é ajustada aos dados de tempo entre eventos por máxima verossimilhança. A linha central é a mediana ajustada, e os limites de controle são os percentis 0.135 e 99.865 dessa distribuição, as mesmas probabilidades de cauda que uma carta normal de mais ou menos 3 sigma abrange, com o limite inferior não sendo menor que zero.
Por que a carta T não pressupõe uma distribuição normal?
Os dados de tempo entre eventos raros costumam ser assimétricos à direita e não são bem modelados por uma distribuição normal. Definir os limites a partir dos quantis da própria distribuição ajustada é mais apropriado para dados assimétricos do que uma média mais ou menos 3 sigma na escala sem transformação. A Exponential é o padrão, por ser o modelo usual para uma taxa constante de eventos.
Como interpretar uma carta T?
Os pontos são os intervalos entre eventos sucessivos em ordem temporal. Intervalos diminuindo em direção ao limite inferior de controle sugerem que a taxa de eventos está aumentando, como falhas se acelerando. As regras de Nelson sinalizam como possíveis causas especiais os pontos além dos limites, as sequências de um lado da linha central, as tendências sustentadas e os padrões alternados.
