Baixe o app para aproveitar ainda mais
Prévia do material em texto
CONTROLE DA QUALIDADE E CEP Professor Esp. Delfina Maria Alves de Lima Reitor Márcio Mesquita Serva Vice-reitora Profª. Regina Lúcia Ottaiano Losasso Serva Pró-Reitor Acadêmico Prof. José Roberto Marques de Castro Pró-reitora de Pesquisa, Pós-graduação e Ação Comunitária Profª. Drª. Fernanda Mesquita Serva Pró-reitor Administrativo Marco Antonio Teixeira Direção do Núcleo de Educação a Distância Paulo Pardo Coordenação Pedagógica do Curso Henrique Nieddermeyer Edição de Arte, Diagramação, Design Gráfico B42 Design *Todos os gráficos, tabelas e esquemas são creditados à autoria, salvo quando indicada a referência. Informamos que é de inteira responsabilidade da autoria a emissão de conceitos. Nenhuma parte desta publicação poderá ser reproduzida por qualquer meio ou forma sem autorização. A violação dos direitos autorais é crime estabelecido pela Lei n.º 9.610/98 e punido pelo artigo 184 do Código Penal. Universidade de Marília Avenida Hygino Muzzy Filho, 1001 CEP 17.525–902- Marília-SP Imagens, ícones e capa: ©envato, ©pexels, ©pixabay, ©Twenty20 e ©wikimedia F385m sobrenome, nome nome livro / nome autor. nome /coordenador (coord.) - Marília: Unimar, 2021. PDF (00p.) : il. color. ISBN xxxxxxxxxxxxx 1. tag 2. tag 3. tag 4. tag – Graduação I. Título. CDD – 00000 2 BOAS-VINDAS Ao iniciar a leitura deste material, que é parte do apoio pedagógico dos nossos queridos discentes, convido o leitor a conhecer a UNIMAR – Universidade de Marília. Na UNIMAR, a educação sempre foi sinônimo de transformação, e não conseguimos enxergar um melhor caminho senão por meio de um ensino superior bem feito. A história da UNIMAR, iniciada há mais de 60 anos, foi construída com base na excelência do ensino superior para transformar vidas, com a missão de formar profissionais éticos e competentes, inseridos na comunidade, capazes de constituir o conhecimento e promover a cultura e o intercâmbio, a fim de desenvolver a consciência coletiva na busca contínua da valorização e da solidariedade humanas. A história da UNIMAR é bela e de sucesso, e já projeta para o futuro novos sonhos, conquistas e desafios. A beleza e o sucesso, porém, não vêm somente do seu campus de mais de 350 alqueires e de suas construções funcionais e conectadas; vêm também do seu corpo docente altamente qualificado e dos seus egressos: mais de 100 mil pessoas, espalhados por todo o Brasil e o mundo, que tiveram suas vidas impactadas e transformadas pelo ensino superior da UNIMAR. Assim, é com orgulho que apresentamos a Educação a Distância da UNIMAR com o mesmo propósito: promover transformação de forma democrática e acessível em todos os cantos do nosso país. Se há alguma expectativa de progresso e mudança de realidade do nosso povo, essa expectativa está ligada de forma indissociável à educação. Nós nos comprometemos com essa educação transformadora, investimos nela, trabalhamos noite e dia para que ela seja ofertada e esteja acessível a todos. Muito obrigado por confiar uma parte importante do seu futuro a nós, à UNIMAR e, tenha a certeza de que seremos parceiros neste momento e não mediremos esforços para o seu sucesso! Não vamos parar, vamos continuar com investimentos importantes na educação superior, sonhando sempre. Afinal, não é possível nunca parar de sonhar! Bons estudos! Dr. Márcio Mesquita Serva Reitor da UNIMAR 3 Que alegria poder fazer parte deste momento tão especial da sua vida! Sempre trabalhei com jovens e sei o quanto estar matriculado em um curso de ensino superior em uma Universidade de excelência deve ser valorizado. Por isso, aproveite cada minuto do seu tempo aqui na UNIMAR, vivenciando o ensino, a pesquisa e a extensão universitária. Fique atento aos comunicados institucionais, aproveite as oportunidades, faça amizades e viva as experiências que somente um ensino superior consegue proporcionar. Acompanhe a UNIMAR pelas redes sociais, visite a sede do campus universitário localizado na cidade de Marília, navegue pelo nosso site unimar.br, comente no nosso blog e compartilhe suas experiências. Viva a UNIMAR! Muito obrigada por escolher esta Universidade para a realização do seu sonho profissional. Seguiremos, juntos, com nossa missão e com nossos valores, sempre com muita dedicação. Bem-vindo(a) à Família UNIMAR. Educar para transformar: esse é o foco da Universidade de Marília no seu projeto de Educação a Distância. Como dizia um grande educador, são as pessoas que transformam o mundo, e elas só o transformam se estiverem capacitadas para isso. Esse é o nosso propósito: contribuir para sua transformação pessoal, oferecendo um ensino de qualidade, interativo, inovador, e buscando nos superar a cada dia para que você tenha a melhor experiência educacional. E, mais do que isso, que você possa desenvolver as competências e habilidades necessárias não somente para o seu futuro, mas para o seu presente, neste momento mágico em que vivemos. A UNIMAR será sua parceira em todos os momentos de sua educação superior. Conte conosco! Estamos aqui para apoiá-lo! Sabemos que você é o principal responsável pelo seu crescimento pessoal e profissional, mas agora você tem a gente para seguir junto com você. Sucesso sempre! Profa. Fernanda Mesquita Serva Pró-reitora de Pesquisa, Pós-graduação e Ação Comunitária da UNIMAR Prof. Me. Paulo Pardo Coordenador do Núcleo EAD da UNIMAR 4 008 Aula 01: 018 Aula 02: 026 Aula 03: 036 Aula 04: 044 Aula 05: 050 Aula 06: 058 Aula 07: 065 Aula 08: 084 Aula 09: 091 Aula 10: 104 Aula 11: 112 Aula 12: 120 Aula 13: 128 Aula 14: 134 Aula 15: 140 Aula 16: Conceitos e Definições Ferramentas Básicas da Qualidade: Folha de Verificação e Diagrama de Pareto Ferramentas Básicas da Qualidade: Histograma, Diagrama de Dispersão e Gráficos de Controle Introdução ao Controle Estatístico do Processo O Controle Estatístico de Processo Introdução às Cartas de Controle Gráfico de Controle Variáveis Tipos de Gráfico de Controle Variáveis: Gráfico de Controle X - R Tipos de Gráfico de Controle Variáveis: Gráfico de Controle X - S Gráfico de Controle por Atributos Destinados a Itens Defeituosos Gráficos de Controle para Atributos/Defeitos Gráfico de Controle I - MR Inspeção por Amostragem: Conceitos Fundamentais A Inspeção por Amostragem Plano de Amostragem Capacidade do Processo 5 Introdução Num mundo globalizado, no qual os resultados das empresas devem trazer a maior lucratividade possível, a gestão da qualidade tem sido um grande aliado nesse processo, tendo em vista as diversas ferramentas que estão atreladas aos seus preceitos. O foco da gestão da qualidade deve ser a busca por acompanhar os resultados das atividades desenvolvidas pelas empresas, sejam elas a produção de um bem ou a prestação de serviços, os quais necessitam atingir níveis desejáveis das organizações, atendendo não somente às expectativas dos seus clientes, mas também de todas as partes interessadas. Para se ter uma boa gestão de seus processos, diversas ferramentas e métodos podem ser utilizados, em que a escolha da ferramenta ideal depende da situação e etapa em que o processo se encontra. As ferramentas escolhidas devem possuir como �nalidade: de�nição, mensuração, análise e proposição de soluções para eventuais problemas, o que promove um melhor acompanhamento e adequação dos processos com o objetivo de obter a melhoria contínua. Ainda, o uso de ferramentas adequadas para averiguar a adequação dos processos é fundamental para auxiliar na obtenção de ações corretivas, tendo em vista que a partir dessas ferramentas podem-se obter as potenciais causas dos desvios ocorridas nos processos bem como promover uma tomada de decisão mais assertiva nas organizações. A tomada de decisão mais assertiva é, sem dúvida, e�caz quanto aos processos que estão bem de�nidos nas organizações, nos quais os pro�ssionais que atuam no seu dia a dia os conhecem bem e sabem exatamente o que devem fazer. Issotorna mais fácil a compreensão quanto processo também e está adequadamente formatado e compreendido por todos, o que pode promover a busca contínua por oportunidades de melhoria. Neste livro, você vai estudar sobre o que é o CEP – Controle Estatístico do Processo e algumas ferramentas que estão relacionadas com a qualidade. Além de estudar sobre algumas ferramentas básicas da qualidade, também teremos uma introdução ao CEP focando nos seus conceitos fundamentais. 6 Para alinhar com os conceitos estabelecidos, serão apresentados alguns grá�cos de controle por variáveis e capacidade do processo. Também serão demonstrados os processos com dados autocorrelacionados e as soluções do CEP relativos a estes dados. Ainda, serão apresentados os esquemas CUSUM e EWMA, além dos grá�cos de controle por atributos e inspeção por amostragem. Bom estudo a todos! 7 01 Conceitos e Definições 8 Nos dias atuais, a qualidade inserida ao produto ou serviço tem papel fundamental quando se trata de competitividade no mercado. As empresas, cada vez mais, precisam atender aos requisitos que o produto necessita, mas também aos requisitos do cliente. Para manter um padrão de qualidade, é necessário o auxílio de diversas ferramentas que podem promover a busca pela melhoria contínua dos processos e, por consequência, a obtenção da qualidade esperada. Gestão de Qualidade A preocupação com a qualidade não é algo novo e data de 2.150 a.C., quando a qualidade, a durabilidade e a funcionalidade das habitações produzidas na época eram levadas tão a sério, que se algum imóvel fosse negociado sem a solidez necessária para sua �nalidade e viesse a desabar, o negociador era punido com a morte (Oliveira et al., 2009). Ao longo desse tempo, algumas abordagens da qualidade foram se constituindo em consenso, como citam (Paladini, 2006; Costa Neto; Canulo, 2010): Abordagem transcendental, em que qualidade signi�ca excelência inata, com base em marcas e padrões de alto nível. Baseada no produto, em que a qualidade é uma variável precisa e mensurável proveniente dos atributos do produto. Baseada no usuário, em que a qualidade deve estar em produtos ou serviços que atendam às necessidades e aos desejos dos consumidores. Baseada na produção, em que a qualidade é resultado do grau de conformidade entre o planejado e o executado. Baseada no valor, em que o trade-o� entre qualidade e preço (custo-benefício) deve ser aceitável ao consumidor. De acordo com Pezzatto et al. (2008, p. 16), a existência de diferentes perspectivas di�culta de�nir qualidade. Inicialmente, esta associava a conformidade às especi�cações, ou seja, a adequação aos padrões, passando em seguida para o atendimento às necessidades dos clientes. Ainda, segundo os autores, nos dias atuais, a qualidade representa não só a busca da satisfação dos clientes, mas a satisfação de todo o público de uma empresa, bem como a excelência de seus processos organizacionais. 9 Uma das de�nições que se pode dar para qualidade, de acordo com Costa Neto e Canuto (2010), é a da adequação a um conjunto de atributos ou elementos que compõem um produto ou serviço, em que se incluem também a conformidade com requerimentos, o grau de excelência, a adequação ao uso e ao propósito e à inexistência de defeitos, imperfeições ou contaminação, e consumidores satisfeitos. Devido ao aumento da competitividade, as empresas estão buscando a melhoria contínua dos seus processos a �m de obterem maior qualidade em seus produtos e serviços, tendo em vista que, atualmente, o cliente está mais exigente e consegue avaliar a qualidade de produtos com maior rapidez com o advento da internet. Assim, as empresas se veem necessitadas em utilizar os conceitos e ferramentas da qualidade para promoverem processos melhores. Garantir a qualidade de produtos e serviços não é tarefa fácil, sendo necessária a adoção de sistemas de gestão de qualidade, visto que esta não é mais um diferencial e, sim, um requisito básico que permite melhorar a e�cácia da gestão no ambiente globalizado, comprometida com o atendimento às especi�cações, à satisfação das necessidades dos clientes e à melhoria contínua de todos os processos organizacionais (Oliveira et al., 2009). O sistema de gestão da qualidade é formado por um conjunto de elementos interligados e integrados na organização que, coordenados, trabalham para garantir que a política e os objetivos da qualidade sejam cumpridos e alcançados, por meio de práticas padronizadas, logicamente, inter-relacionadas com a �nalidade de gerir uma organização e produzir resultados. A implementação do sistema de gestão da qualidade, além de contribuir para a sobrevivência das organizações em ambientes competitivos, permite adequar produtos e serviços às exigências do mercado; ampliar o universo de atuação, estimulando o crescimento da organização; vencer barreiras comerciais; reduzir 10 custos globais e aumentar as margens de lucro; e melhorar o desempenho global da organização com maior qualidade e produtividade tornando-a mais competitiva e lucrativa (Pezzatto et al. (2018, p. 18). Empresas certi�cadas e que apresentam normas de qualidade têm grande diferencial competitivo, além de uma imagem mais positiva diante de seus clientes e fornecedores (Paladini, 2006). De acordo com Pezzato et al. (2018, p. 19), a gestão da qualidade se baseia em oito princípios: Foco no cliente: as organizações precisam compreender as necessidades atuais e futuras de seus clientes e se esforçarem para superar suas expectativas. Liderança: deve estar presente na organização e ser responsável pela manutenção de um ambiente interno motivador, que envolva as pessoas em torno do alcance de objetivos comuns. Envolvimento das pessoas: como principal patrimônio de uma organização, as pessoas necessitam estar envolvidas e utilizar suas aptidões em benefício da organização. Abordagem dos processos: para que os resultados desejados sejam alcançados com e�ciência, atividades e recursos devem ser geridos por processos. Abordagem da gestão como um sistema: os processos inter-relacionados devem ser geridos como um sistema, para que a organização atinja os seus objetivos com e�cácia. Melhoria contínua: deve ser uma preocupação constante, com avaliação sistemática do desempenho global da organização. A abordagem dos fatos: as decisões, para serem e�cazes, devem se basear na análise de fatos, dados, informações, etc. Benefícios mútuos com fornecedores: as relações devem ser mutuamente bené�cas, criando valor para ambas as partes. A �gura 1 apresenta a inter-relação existente entre o conceito de qualidade, gestão da qualidade e elementos que a compõem. 11 Figura 1 – Conceitos de qualidade, gestão da qualidade e seus elementos Fonte: adaptado de Freitas (2009). Avaliando a �gura 1, é possível veri�car que a gestão da qualidade (que é o processo de coordenar o sistema de gestão) é dependente da qualidade (que envolve os requisitos dos clientes e partes interessadas). 12 Custos da Qualidade Diferentemente dos custos que estão relacionados com a Contabilidade, os custos da qualidade estão relacionados aos processos. De acordo com Pezzatto et al. (2008, p. 20), mensurar os custos da qualidade é uma das variadas formas de avaliar o desempenho de um sistema produtivo. Outras de�nições também podem ser apresentadas relacionadas aos custos da qualidade, como, por exemplo, segundo Wernke (1998): [...] os custos da qualidade são aqueles custos que não existiriam se o produto fosse fabricado perfeito da primeira vez, estando associados com as falhas na produção, que levam a retrabalho, desperdício e perda da produtividade (JURAN apud WERNKE, 1998, p. 53). É importante destacar que os custos da qualidade estão relacionados com os processos e, de acordo com Crosby (1986), se subdividem em custos de prevenção, custos de avaliação e custos das falhas. Custos de prevenção: aqueles referentes a todas as medidas utilizadas para prevenir defeitos do design, somados a custos de desenvolvimento, mão de obra, comprase outros aspectos relacionados ao início e à criação de um produto ou serviço, incluindo também medidas preventivas e de cálculo, realizadas durante o ciclo de negócio. Dentre os itens especí�cos, podemos 13 citar estudos do design, quali�cação do produto, veri�cação dos desenhos, exames de especi�cações, treinamento para a qualidade, entre outros. Custos de avaliação: são os custos que ocorrem na fase de inspeção, testes e outras avaliações planejadas, visando a veri�car se o hardware, o software ou os serviços estão de acordo com os requisitos, que incluem as especi�cações do marketing e do cliente; documentos de engenharia e informações referentes aos procedimentos e processos. Ressalta-se que todos os documentos que descrevem a conformidade do produto ou serviço são relevantes. Dentre os itens especí�cos, destacam-se: a inspeção e o teste do protótipo; a análise de conformidade com a especi�cação da produção; a aceitação do produto; a inspeção de embalagens; dentre outros. Custos das falhas: referem-se às coisas que não estão de acordo com os requisitos, incluindo o desempenho, a avaliação, a disposição e os aspectos dos negócios com o consumidor dessas falhas, o material e a mão de obra envolvidos na operação e a perda de credibilidade junto ao cliente. Dentre os itens especí�cos, destacam-se: os custos de ações corretivas; o retrabalho; o risco do produto; a garantia; dentre outros. Os custos com prevenção e avaliação são classi�cados como custos de controle, enquanto que as falhas internas e externas são os custos de falhas no controle, conforme pode ser evidenciado na �gura a seguir: 14 Figura 2 – Classi�cação dos custos da qualidade Fonte: Feigenbaum (1994). 15 Veja quais são os custos de qualidade que devem ser considerados pelas empresas que buscam elevar a performance de seu produto ou serviço e manter a competitividade no mercado. Leia mais em: Para Feigenbaum (1994), os custos da prevenção são aqueles que evitam que defeitos e não conformidades ocorram e que incluem gastos para evitar que produtos insatisfatórios sejam produzidos. Esses custos têm como �nalidade controlar a qualidade dos produtos, evitando gastos que resultam de erros no sistema produtivo. Os custos da avaliação são aqueles necessários para manter os níveis da qualidade por meio de análises formais da qualidade do produto, incluindo gastos com atividades para identi�car unidades ou componentes defeituosos antes da remessa aos clientes. Os custos com falhas nos controles ocorrem em razão do não atendimento a especi�cações exigidas, em que os custos de falha interna são aqueles relacionados a algum erro do processo produtivo (falha humana ou mecânica), encontrados antes da transferência do produto ao consumidor, como materiais regulados, dani�cados e retrabalhados. Já os custos de falhas externas são aqueles referentes aos custos da qualidade insatisfatória, encontradas no produto após seu envio ao cliente, ou seja, custos que poderiam ser evitados se não houvesse defeitos. 16 https://go.eadstock.com.br/DQ Figura 3 - Custos da qualidade Fonte: Mattos e Toledo (1998). Nesse contexto, é possível de�nir custos da qualidade como todas as despesas de fabricação ou de serviço que excedam às despesas que, normalmente teríamos, fabricando um produto ou prestando um serviço de forma perfeita, na primeira vez (Mattos, 1997). Veri�ca-se, então, que os custos da qualidade são a junção dos custos da prevenção e custos de avaliação, que são chamados de inevitáveis, e os custos com falhas internas e falhas externas chamados de evitáveis. 17 02 Ferramentas Básicas da Qualidade: Folha de Verificação e Diagrama de Pareto 18 Folha de Verificação Nas organizações, entender quais são as demandas de seus processos é um fator fundamental para o sucesso ou fracasso empresarial. A folha de veri�cação é uma ferramenta de fácil aplicação, e uma das mais utilizadas na gestão da qualidade, correspondendo ao início de muitos controles de processos (Losada, 2017, p. 14). A autora dita, ainda, que consiste em um formulário planejado que facilita a coleta e análise de dados, gerando informação e servindo como início da maioria dos controles de processos. De acordo com Miguel apud Carpenedo (2014), a folha de veri�cação corresponde a uma planilha através da qual se pode coletar e agrupar dados de forma sistêmica, registrando-os, uniformemente, facilitando a interpretação dos resultados. De acordo com (Losada, 2017, p. 15), a folha de veri�cação pode ser utilizada para diversas situações e objetivos. Entre as motivações de sua recorrente utilização podem-se citar: Veri�car quantas vezes um erro ocorre e onde; Coletar dados que comprovem as causas de um defeito; Analisar se a medida de um item está conforme o esperado, através das amostragens; Assegurar a execução correta de todas as etapas de um processo. Os dados e informações coletadas em uma folha de veri�cação podem ser de diferentes tipos, como dimensionais (centímetros, metros, litros), temporais (dias, horas, segundos), econômicos (como reais, dólares ou outras moedas) e atributos (aprovado ou reprovado, conforme ou não conforme), entre outros. 19 Figura 4 – Exemplo de uma Folha de Veri�cação Fonte: Werkema apud Leonel (2008, p. 12). Para elaborar a folha de veri�cação, não é necessário um modelo especí�co, porém, recomenda-se considerar algumas informações para garantir a e�cácia do processo. Losada (2017, p. 16) recomenda os seguintes itens para elaboração da folha de veri�cação: 1. De�nir o objetivo da coleta de dados, respondendo às seguintes questões: A seguir, é apresentado um modelo de uma folha de veri�cação para classi�cação de um produto defeituoso. 20 a. Quais dados precisam ser coletados? b. Os dados podem ser analisados por diversas óticas? c. Como e quando os dados serão coletados? d. Quem irá realizar as coletas de dados? Esta pessoa está capacitada para isso? 2. Montar a planilha, com os campos para registros. 3. Dispor o documento com informações autoexplicativas para o preenchimento. 4. Conscientizar os envolvidos na coleta, fornecendo as orientações necessárias. 5. Testar o documento com um levantamento simulado. 6. Coletar os dados o�cialmente. 21 Na indústria, dados registrados em folhas de veri�cação ajudam a entender se os produtos têm as especi�cações exigidas. Por exemplo, é comum folhas de veri�cação para: • Localização de defeito • Contagem de quantidades • Classi�cação de medidas • Existência de determinadas condições • Tipos de reclamações • Causas de efeitos • Causas de defeitos 22 https://go.eadstock.com.br/DW Figura 5 – Exemplo de um grá�co de Pareto para tipos de defeitos em capôs de carro Fonte: Ramos, Almeida e Araújo (2013, p. 17). Diagrama de Pareto O Diagrama de Pareto corresponde a um método grá�co para apresentação ordenada dos dados, considerando seu tamanho, relevância ou prioridade (Losada, 2017, p. 17). A análise da curva da porcentagem acumulada pode ser útil para a de�nição de quantos tipos de defeitos devem ser atacados, para que seja possível atingir certo objetivo de resultado (Rotondaro, 2002). De acordo com Losada (2017, p. 17), “o princípio de Pareto tornou-se conhecido pela proporção 80-20, sugerindo que o emprego de esforço sobre 20% das variáveis pode representar 0% de sua representatividade”. Para visualizar o Diagrama de Pareto, veja a �gura a seguir: Segundo Losada (2017, p. 18), para elaborar o Diagrama de Pareto é necessário seguir os seguintes passos: Passo 1 – Coleta de dados: de�nir o problema a ser investigado, utilizando uma folha de veri�cação para coleta de dados; 23 Passo 2 – Organização dos dados: dispor os dados em uma tabela em ordem decrescente de categorias, conforme a �gura 3 a seguir. Itens menos expressivos podem ser agrupados na categoria “outros”, sendo informados sempre ao �nal, devendo esta categoria apresentar menor representatividade que as demais (caso contrário, deve ser novamente avaliada,extraindo dela os itens mais expressivos); Passo 3 – Cálculo dos percentuais por item: apurar a relação entre a quantidade de um item e o total geral: percentual = quantidade do item X 100/total geral; Passo 4 – Cálculo dos percentuais acumulados: somar, sucessivamente, os percentuais, do primeiro até o último, até que totalizem 100%; Passo 5 – Elaboração do grá�co: traçar duas linhas verticais e uma horizontal entre elas (conforme �gura 2). O eixo vertical esquerdo corresponde às quantidades, sendo graduado do zero até o total. O eixo vertical direito corresponde ao percentual acumulado, sendo graduado de zero até 100%. O eixo horizontal corresponde às categorias de dados, representadas por colunas devidamente nomeadas, dispostas em ordem crescente da esquerda para a direita. 24 Figura 6 – Exemplo de uma planilha preliminar para elaboração do grá�co de Pareto Fonte: Ramos, Almeida e Araújo (2013, p. 17). Defeitos Quantidade % Defeitos % Acumulado Sujeira 32 45,71 45,71 Pintura 16 22,86 86,57 Risco 11 15,71 84,28 Galvanização 07 10,00 94,28 Deformação 02 2,86 97,14 Outros 02 2,86 100,00 Total 70 100,00 ------ Nesse contexto, vê-se a simplicidade para identi�car a relação de peças defeituosas utilizando-se o Diagrama de Pareto. 25 03 Ferramentas Básicas da Qualidade: Histograma, Diagrama de Dispersão e Gráficos de Controle 26 Histograma A realização de um produto ou serviço depende de uma série de etapas e fatores que estão relacionados com o processo de fabricação. Esses fatores variam por causas aleatórias, que são inerentes ao processo de fabricação, podendo ser controladas e a outra é a causa atribuível que ocorre quando há uma mudança no processo, como, por exemplo, a quebra de uma máquina. O histograma apresenta a distribuição de frequência dos dados. Portanto, o histograma é a representação grá�ca de uma distribuição de frequência a partir de retângulos justapostos, em que a base colocada no eixo das abscissas corresponde ao intervalo das classes e a altura é dada pela frequência absoluta (ou relativa) das classes (Ramos; Almeida; Araújo, 2013, p. 18). Paladini (2000, p. 232) de�ne o histograma como uma ferramenta na gestão da qualidade: Sua aplicação na gestão da Qualidade tem um número considerável de utilidades. Inicialmente, exempli�cam como se pode descrever, de forma simples e e�ciente, uma dada situação; estimulam o uso de imagens como elementos básicos de descrição da realidade e induzem as pessoas a utilizar visões globais dos processos para melhor entendê-los. Dessa forma, sua aplicação tem re�exos na concepção e na implantação de processos gerenciais (PALADINI, 2000, p. 232). Assim, tem-se que o histograma é uma ferramenta fundamental para ser aplicado em Sistema de Gestão de Qualidade. De acordo com Ramos, Almeida e Araújo (2013, p. 18), o histograma tem como utilidades: 1. Comparar a distribuição dos dados com o padrão ou com limites de especi�cação; 2. Veri�car a existência de dados dissociados dos demais dados; 3. Obter várias estatísticas da amostra (média, desvio padrão, etc.). 27 O histograma é usado para analisar a frequência de vezes que as saídasmde um processo estão padronizadas, atendendo aos requisitos estabelecidos e qual a variação que elas sofrem. Com os dados dispostos, gra�camente, o Histograma permite, facilmente, a visualização de resultados históricos e a análise de evidências para a tomada de decisão da variação de frequências de maneira visual. Estude mais em: De acordo com Losada (2017, p. 33), as seguintes etapas devem ser seguidas para se construir um histograma: Etapa 1: coleta dos dados: corresponde à etapa mais básica de qualquer processo de controle ou análise, podendo ser realizada com o auxílio de outras ferramentas da qualidade (como a folha de veri�cação). Os dados coletados poderão corresponder à totalidade das informações ou uma parte delas, denominada amostra; Etapa 2: determinação do número de classes: a de�nição do número indicado de classes costuma ser apurada através da obtenção da raiz quadrada da quantidade total dos dados analisados, sendo resultado arredondado (um pouco para baixo), no caso de números decimais, ou escolhido próximo deste resultado; Etapa 3: determinação da amplitude dos intervalos das classes: a amplitude total dos dados corresponde à diferença entre seu maior e o menor valor integrante. Dividindo-se a amplitude total pelo número de classes, obtém-se a amplitude das classes, também sendo arredondada, quando necessário. O primeiro intervalo será 28 https://go.eadstock.com.br/DV Tabela 1 – Dados coletados, dispostos em ordem crescente (etapa 1) Fonte: FERRAMENTAS...([200-?]). iniciado no menor valor dos dados (que será seu limite inferior), e a ele será somado o valor da amplitude do intervalo (determinando seu limite superior). O valor dos limites interior e superior também pode ser ligeiramente arredondado. Este processo é repetido, sucessivas vezes, até que o maior valor dos dados seja atingido, formando a última classe; Etapa 4: construção da tabela de frequência: nela, são informadas as classes e suas amplitudes, e os dados são distribuídos de acordo com as mesmas, permitindo seu agrupamento. Dependendo do volume de dados envolvidos, o agrupamento pode ser feito de forma manual ou com o auxílio de recursos especí�cos, que incluem ferramentas como o Excel, entre outras; Etapa 5: montagem do grá�co: são traçados os dois eixos do grá�co (x e y) e, com base na tabela de frequência, são adicionadas suas informações. Sobre o eixo “y” são informadas as �xas de frequências, com o mesmo intervalo entre cada uma delas (como de 5 em 5, 10 em 10 ou outro), sendo o maior valor correspondente ao total dos dados, sobre o eixo “x” são adicionados os intervalos das classes (de acordo com a tabela de frequência) e, então, desenhadas as colunas que representam as classes e suas respectivas frequências (também conforme a tabela). Nesse contexto, vamos elaborar um histograma e, para tanto, considere a tabela que simula a observação de dados dimensionais de um determinado produto. 29 Tabela 2 – Classes, amplitudes e limites (etapas 2 e 3) Fonte: FERRAMENTAS...([200-?]). Tabela 3 – Frequências (etapa 4) Fonte: FERRAMENTAS...([200-?]). 30 Figura 7 – Histograma resultante (etapa 5) Diagrama de Dispersão O diagrama de correlação ou diagrama de dispersão é um grá�co que permite veri�car a relação entre duas variáveis quaisquer de um processo. Normalmente, as variáveis são denominadas X e Y, onde X é considerada a variável independente, e Y a variável dependente (Ramos; Almeida; ARAÚJO, 2013, p. 21). Ainda, segundo os autores, o grá�co de correlação é bastante utilizado quando se quer saber a relação linear entre um valor (causa) e a característica da qualidade (efeito), ou entre fatores de um diagrama de Ishikawa relacionados a uma única característica da qualidade. Como exemplo, vamos considerar uma amostra aleatória das notas de Cálculo e Estatística de 12 estudantes do curso de Engenharia Elétrica de determinada universidade. 31 Tabela 4 – Grá�co de dispersão Fonte: Novaes e Coutinho (2009). O objetivo do grá�co de dispersão é avaliar se há uma relação entre o desempenho de Cálculo e Estatística. Para tanto, é necessário traçar um grá�co de dispersão entre as variáveis. Vamos considerar que a variável X seja a nota de Cálculo e Y seja a nota de Estatística. Assim, os valores associados à nota de Cálculo comporão as coordenadas X e os valores associados à nota de Estatística comporão as coordenadas Y no par ordenado (X,Y). 32 Figura 8 – Grá�co de Dispersão Fonte: Novaes e Coutinho (2009). Com base no grá�co de dispersão apresentado na �gura acima, é possível veri�car que há uma relação entre as notas de Estatística e Cálculo, nas quais, aparentemente, os alunos com maiores notas em Cálculo obtêm melhores notas em Estatística e vice-versa. Nesse contexto, podemos a�rmar que as variáveis são correlacionadas. Para Ramos, Almeida e Araújo (2013, p. 22), a relaçãoentre as variáveis pode ser classi�cada, basicamente, em três tipos: 1. Correlação linear positiva; 2. Correlação linear negativa; 3. Ausência de correlação linear. Segundo Crespo (2009, p. 147), podemos dividir os casos de correlação entre variáveis em três: 33 Figura 9 – Tipos de correlação Fonte: Crespo (2009, p. 147). Correlação linear positiva: quando o aumento da variável independente X implica um aumento na variável dependente Y. Correlação linear negativa: quando o aumento da variável independente X implica uma diminuição na variável dependente Y. Correlação não linear: quando parece ter algum tipo de relação entre as variáveis, em formato de ‘curva’. 34 O diagrama de dispersão permite a análise de duas variáveis quantitativas, avaliando o comportamento de uma função da outra, revelando a relação existente entre elas e sinalizando causas e efeitos. 35 04 Introdução ao Controle Estatístico do Processo 36 Introdução ao CEP Paladini (2012) e Slack et al. (2006) a�rmam que a qualidade deve ser obtida no processo produtivo, pois com o controle do processo podemos controlar a qualidade na construção/fabricação do produto em vez de ser inspecionada no �nal, quando todos os custos estão auferidos ao produto e, consequentemente, o prejuízo é maior. Muitos dizem que a qualidade é um termo relativo e difícil de de�nir, em função de sua estreita relação com a percepção de quem a avalia (Pezzatto, et al., 2018, p. 218). Ribeiro e Caten (2012, p. 5), ao citarem Taguchi, relatam que “[...] um produto ou serviço de qualidade é aquele que atende perfeitamente às especi�cações, atingindo o valor alvo com a menor variabilidade possível em torno dele”. Para Pezzatto et al. (2018, p. 218), “[...] se considerarmos que produtos/serviços, de forma geral, são compostos por diversas características físicas ou de orientação temporal, formam a extensa lista de fatores potencialmente impactados pelo processo produtivo. Apesar disso, estas variações precisam ser conhecidas, compreendidas e controladas, para que seu impacto sobre o processo e seus resultados seja o menor possível. E é, neste contexto, que surge o controle estatístico de processos (CEP), constituindo-se como uma técnica estatística aplicada à produção (Pezzatto et al., 2018, p. 219). De acordo com Montgomery (2006), cada produto possui um número de dimensões e características que através de suas combinações descrevem sua adequação ao uso. Ainda, segundo o autor, esses elementos são conhecidos pelos engenheiros como características da qualidade ou indicadores de desempenho, e podem ter características: Físicas: comprimento, largura, altura, peso, voltagem, amperagem, viscosidade, etc.; Sensoriais: gosto, aparência, cor, etc.; Orientação temporal: con�abilidade, manutenção, utilidade, durabilidade, etc. 37 De certa forma, podemos considerar que as variações são naturais e inerentes a qualquer processo, em maior ou menor grau de ocorrência e abrangência. Neste sentido, é importante ter em mente que a variabilidade está presente em qualquer processo, mesmo aqueles que geram produtos ou serviços de qualidade (Pezzatto et al., 2018, p. 219). Neste contexto, o objetivo do CEP consiste em tornar os processos menos variáveis propiciando, assim, melhores níveis de qualidade a seus resultados. Utiliza a estatística como meio para conhecer as características do processo, através de seus resultados mensuráveis, e retornando-os ao processo na forma de parâmetros de comportamento e estimativas (Losada, 2017, p. 110). Lima et al. (2006, p. 178) descrevem a importância do CEP para os sistemas de qualidades como: A utilização de métodos estatísticos não garante a solução de todos os problemas de um processo, porém é uma maneira racional, lógica e organizada de determinar onde eles existem, sua extensão e a forma de solucioná-los. Esses métodos podem ajudar na obtenção de sistemas que assegurem uma melhoria contínua da qualidade e da produtividade ao mesmo tempo. Neste contexto, os métodos utilizados pelo CEP são fundamentais para auxiliar na tomada de decisão quanto a possíveis desvios dos processos de produção. Para Pezzatto et al. (2018, p. 220), o controle estatístico de processo consiste em um sistema de inspeção por amostragem, que é aplicado ao longo do processo, acompanhado da sua execução, a intenção de detectar a presença de variações que possam interferir ou prejudicar o bom andamento do processo e seus resultados. 38 Gráficos ou Cartas de Controle Quando falamos em CEP, uma das representações grá�cas mais conhecidas são as cartas ou grá�cos de controle, em que é possível analisar o comportamento do processo em relação ao padrão preestabelecido bem como seus limites de controle. A �gura a seguir mostra dois processos sendo que o primeiro se encontra sob controle de acordo com os padrões estabelecidos. Já no segundo, é possível veri�car que o processo está fora dos limites de controle. 39 Figura 10 – Exemplo de grá�cos de controle de processo 40 Fonte: Ribeiro e Caten (2012, p. 45). Controle estatístico de processo é um método para controlar os resultados de um �uxo de produção por meio de indicadores que garantam a qualidade do produto e que visa detectar a presença de variações e suas origens, principalmente àquelas denominadas causas especiais. Causas Comuns e Especiais Pezzatto et al. (2018, p. 221) a�rmam que estas variáveis podem apresentar diferentes origens, que são classi�cadas entre causas comuns ou especiais. Causas comuns: naturais e inerentes ao processo, que decorrem de pequenas fontes de variabilidade, ocorrendo de forma aleatória e contínua, mesmo quando o processo está em condições normais de operação; Causas especiais: não naturais e de comportamento não aleatório, fazem com que o processo saia de suas condições normais de operação (como erros de set up, problemas com equipamentos ou ferramentas, lote de matéria-prima com características muito diferentes). De acordo com Montgomery (2004), um processo que apresenta apenas causas comuns atuando é um processo estável ou sob controle, pois apresenta sempre a mesma variabilidade ao longo do tempo. O autor ainda reforça que devido à variabilidade inerente do processo, as medidas individuais de uma característica de qualidade são diferentes entre si, mas quando agrupadas estas medições tendem a formar um certo padrão estatístico, e quando o processo é estável, esse padrão pode ser descrito por uma distribuição de probabilidade, como podemos ver na �gura a seguir. 41 Figura 11 – Padrão Estatístico de Causas Comuns Fonte: Portalaction Disponível aqui Erros de setup, problemas com equipamentos ou ferramentas, lote de matéria-prima com características muito diferentes são exemplos de causas especiais de variação. Ao contrário das causas comuns, as causas especiais não seguem um padrão aleatório, mas ocorrem de forma ocasional gerando uma fonte externa ou dentro de um padrão estatístico. Muitas vezes, as causas especiais podem ser oriundas de 42 http://www.portalaction.com.br/controle-estatistico-doprocesso/introducao Figura 12 – Padrão aleatório de causas especiais e identi�cação de processo não previsível Fonte: Portalaction Disponível aqui falhas de operação, o que pode fazer com que o processo �que fora de seu padrão natural. Assim, essas causas provocam alterações na forma ou na distribuição da tendência central do processo. Veja a seguir o padrão aleatório de causas especiais e identi�cação de processo não previsível. 43 http://www.portalaction.com.br/controle-estatistico-do-processo/introducao 05 O Controle Estatístico de Processo 44 Implantação do CEP Um ponto importante exposto por Paladini (2012) é que o CEP tem um enfoque mais preventivo de resolução dos problemas do que a visão imediatista da gestão. Nesse contexto, a implantação do CEP é de suma importância, pois com prevenção as organizações podem reduzir seus custos. Para se obter um bom desempenho de um processo, é importante realizar sua projeção adequadada maneira que ele deve ser operado. De acordo com Ribeiro e Caten (2012), o sistema de controle do processo é constituído de quatro elementos fundamentais: O processo em si: combinação de equipamentos, insumos, métodos, procedimentos e pessoas, com o objetivo de gerar um resultado (ou efeito), com a fabricação de produtos ou a prestação de serviços. Informações sobre o processo: visam sinalizar o desempenho do processo, sendo obtidas através do cruzamento de informações relacionadas à qualidade das características do produto �nal, características intermediárias e ajuste dos parâmetros do processo. Ações sobre o processo: baseadas na coleta de dados, aplicadas assim que defeitos são detectados, permitindo atuação em momento e local adequados, evitando que novas peças defeituosas sejam produzidas. Ações sobre o produto �nal: embora sejam orientadas para o passado (pois o defeito já terá ocorrido), as inspeções sobre o produto �nal impedem que produtos defeituosos cheguem até o cliente. Ações sobre processos podem envolver questões como controle de matérias-primas, ajustes em parâmetros do processo, manutenção periódica, treinamento de operadores, entre outras. 45 Ribeiro e Caten (2012) estabelecem que a implantação do controle estatístico de processos costuma representar investimento de tempo e recursos, além de mudanças na �loso�a da organização. Assim, é recomendável que sua implantação observe os seguintes aspectos: Não utilizar número excessivo de controles, evitando que o CEP se transforme em uma atividade gargalo na produção; Aplicar o CEP nas etapas prioritárias do processo (aquelas que mais impactam a qualidade, sob o ponto de vista do cliente); Associar o CEO a estratégias de ação (lembrando que coletar dados e não agir é inútil e dispendioso, implicando no desperdício do tempo e recursos investidos). De acordo com Losada (2017, p. 116), a implantação do CEP pode ser dividida nas seguintes fases: Planejamento para implantação: é recomendável que esta fase conte com a participação de colaboradores da área de produção (visando ampliar seu comprometimento com o sistema) e que nesta sejam investidos, adequadamente, tempo e esforço, procurando reduzir a necessidade de alterações posteriores à implantação. Treinamento em controle estatístico de processo: deve ser, necessariamente, aplicado antes da implantação efetiva, visando que todas as pessoas da empresa sejam capazes de interpretar os dados coletados no CEP; 46 Implantação efetiva: composta por duas subetapas que correspondem ao início do monitoramento e ao cálculo dos limites de controle; Acompanhamento e consolidação: envolvem três subetapas, que correspondem à avaliação da sistemática de ação, análise da estabilidade dos processos e análise da capacidade dos processos. Inclui, ainda, a avaliação dos resultados obtidos através da implantação do CEP, e a identi�cação de melhorias futuras dela advindas. Inicialmente, defendemos que o CEP somente tem chances de ser implantado, adequadamente, em um ambiente onde as barreiras e os paradigmas sejam facilmente quebrados, nas quais haja compromisso gerencial efetivo, a importância dos clientes reconhecida e que outros aspectos fundamentais à implantação de uma metodologia de trabalho sejam também relevados. Leia em: Ribeiro e Caten (2012) reforçam a importância no que tange à fase de planejamento da implantação do CEP, sendo uma etapa de grande relevância, pois estes serão os processos sobre os quais o CEP será desempenhado. Para Pezzatto et al. (2018, p. 226), na etapa de planejamento é necessário de�nir também: Características de qualidade relevantes para o cliente; Processos nos quais estas características são construídas; Variáveis a serem controladas em cada um dos processos; Capacidade do sistema de medição; 47 https://go.eadstock.com.br/DU Responsáveis pela ação (no caso de o sistema sinalizar descontrole); Ações a serem tomadas (também no caso de descontrole). Pezzatto et al. (2018, p. 226) ainda sugerem a seguinte sequência de etapas, devido à importância da adequação e de�nição dos pontos já estabelecidos para o sucesso da implantação do CEP. Desdobramento da qualidade: permite o estabelecimento de relações entre a qualidade demandada pelo cliente e os processos responsáveis pelo atendimento desta demanda. Desdobramento dos processos: permite associar características de qualidade do produto �nal a parâmetros ou características do processo, auxiliando na identi�cação de fatores críticos. Direcionamento das ações: momento em que se concretiza o planejamento das melhorias que serão adotadas para reforçar o sistema de qualidade existente. Identi�cação dos postos de controle: locais físicos onde serão monitorados parâmetros e características de qualidade (atributos e variáveis), associados e etapas críticas do processo. De�nição de critérios de classi�cação dos produtos: funcionam como uma espécie de �ltro, a ser utilizado, posteriormente, na análise gerencial das cartas de controle. De�nição dos parâmetros e características de qualidade do processo: separação das variáveis e atributos em dois conjuntos – os que quali�cam o processo (parâmetros) e os que quali�cam o produto �nal (características de qualidade). De�nição do procedimento de coleta de dados: envolve questões como tipo de carta de controle, tamanho da amostra, frequência de amostragem, forma de registro e sistema de medição a ser utilizado. Avaliação do sistema de medição: veri�ca a capacidade do sistema de medição e sua variância de medição. De�nição da documentação necessária: elaboração de planilhas de coleta de dados e registro de ocorrência de causas especiais, que serão utilizadas nos postos de controle. Considerando as diversas etapas e demandas que envolvem a implantação do CEP, em muitos casos, pode-se utilizar o apoio de ferramentas computacionais especializadas, que podem promover maior agilidade na obtenção das cartas de 48 controle, onde os dados podem ser organizados em formato de banco de dados, o que pode ajudar nas demandas futuras e tomada de decisão. Após a implantação, um ponto que deve ser avaliado ao CEP é que ele está diretamente ligado à estatística e também à probabilidade. Paladini (2012) descreve que a estatística em que devemos buscar conhecimentos é a estatística descritiva, relembrando o seu conceito: é a que se refere a procedimentos que resumem e apresentam dados quantitativos, principalmente, servindo para revelar características da distribuição de dados analisados. 49 06 Introdução às Cartas de Controle 50 Controlar o processo de produção é de suma importância para as organizações, tendo em vista a necessidade de se fazer um produto da forma correta desde a primeira vez evitando, assim, os custos envolvendo a qualidade e satisfazendo aos requisitos de clientes. Para obter um nível de qualidade nos processos, é importante a utilização de ferramentas que promovam a melhoria contínua desses processos e as Cartas de Controle são fundamentais. De acordo com Pieritz (2017, p. 48), analisando os processos produtivos, podemos indicar o que causa a produção de itens defeituosos e, em sua maioria, pode ser proveniente de: Variação na matéria-prima; Condições do equipamento; Ferramental; Métodos de trabalho; Mão de obra; Processo industrial, etc. Para promover uma relação bem-sucedida com o processo, é importante identi�car quais informações devem ser utilizadas para facilitar a identi�cação de possíveis desvios na produção. Ribeiro e Caten (2012, p. 8) descrevem que as informações devem ser obtidas a partir do estudo cruzado dos itens a seguir: A qualidade das características do produto �nal; Qualidade das características intermediárias; e Ajustes dos parâmetros do processo. Um processo sem controle ocasionará um custo enorme para a empresa, a qual terá que arcar com as suas consequências (custo de não qualidade, perda de clientes, fechamento de unidades, etc.). As cartas de controle são o primeiro passo para as empresas melhorarem os seus resultados (Pieritz,2017, p. 73). 51 Grá�co 1 – Padrão de desenho de uma carta de controle Fonte: Pieritz (2017, p. 75). Processo de Elaboração de uma Carta de Controle As cartas de controle (CC) têm, geralmente, um padrão de de�nição estatístico, o qual é de�nido por uma faixa de controle que denominamos de limites de controle, que compreendem uma linha superior, denominada como limite superior de controle (LSC), e uma linha inferior chamada de limite inferior de controle (LIC), além de uma linha central referencial chamada de limite central (LC) (Pieritz, 2017, p. 75). O grá�co a seguir demonstra o padrão de desenho de uma carta de controle. Para estabelecer a carta de controle, existem elementos que a compõe, de acordo com o grá�co a seguir. 52 Grá�co 2 – Elementos que compõem uma carta de controle Fonte: Pieritz (2017, p. 76). De acordo com Pieritz (2017, p. 76), o signi�cado de cada um dos pontos identi�cados no grá�co é: 1) Medida: é o elemento central da carta de controle, ou seja, são as dimensões coletadas de nosso processo e podem ser classi�cadas por dois grandes grupos, que são: Medida Variável: se a característica a ser controlada for expressa como um número em uma escala contínua de medida. São exemplos de características da qualidade mensuráveis: peso, dimensão, volume, pH, dureza, etc. São denominadas variáveis, devido à sua escala contínua de medida. Estes grá�cos são chamados de cartas de controle por variáveis (CCV). Medida por Atributos: muitos processos não possuem características que possam ser medidas em uma escala contínua, muitas vezes, nem em escala 53 quantitativa, temos que contar o número de defeitos existentes no produto/processo, ou ainda, se o processo é conforme ou não conforme, logo, podemos entender como características que são comparadas com um padrão/especi�cação assumindo, assim, apenas valores discretos. São exemplos de medições por atributos: existência de manchas na peça; continuidade de uma costura; número de atendimentos por hora; número de reclamações por hora; número de ligações do telemarketing por hora; número de acidentes por hora, etc. Conforme Paladini (2012), as medições são realizadas via inspeção visual, calibradores passa não passa, painéis de testes, dentre outros meios. Estes grá�cos são chamados de cartas de controle por atributos (CCA). 2) Eixo Y – Abscissa com as dimensões da característica controlada. 3) Eixo X – Abscissa com as especi�cações da amostra ou tempo de análise. 4) LC ou LM – Linha (Limite) de Controle ou também conhecido como linha média da medição. 5) LIC ou LMIN – Limite Inferior de Controle ou Limite Mínimo de Controle (LC + 3σ). 6) LSC ou LMAX – Limite Superior de Controle ou Limite Máximo de Controle (LC - 3σ). 7) Linhas que unem dois pontos consecutivos do grá�co. Auxiliam para entender e analisar os grá�cos de controle. 8) 3σ – Três desvios padrões. Geralmente, é o valor que utilizamos para de�nir a variação (ou tolerância) da dimensão de controle (LM) com o LIC e o LSC. 9) ZONA I – É a zona de dimensões que estão dentro do padrão especi�cado. 10) ZONA II – É a zona de dimensões que ultrapassaram os limites de controle (estão fora do padrão especi�cado). 54 Passos para Elaboração de uma Carta de Controle Para elaborar uma carta de controle é necessário seguir alguns passos e vários autores estabelecem uma sequência básica para a sua montagem, como, por exemplo, Paladini (2012), Ribeiro e Caten (2012), e Montgomery (2004), sendo: 1. Conscientização e treinamento dos funcionários envolvidos no processo, tanto operacionais quanto gestores. 2. De�nição e descrição do processo. 3. Escolher as características da qualidade/dimensões a serem controladas. 4. De�nição de ferramentas de medição adequadas para as dimensões a serem controladas. 5. Escolha dos pontos do processo em que serão efetuadas as medições. 6. De�nir formulário de controle. 7. Escolha do tipo de grá�co a ser utilizado conforme o processo e dimensões controladas. 8. Coleta de dados. 9. Escolher os limites de controle conforme projeto do processo. 10. Calcular a linha central e os limites de controle (que podem ser diferentes dos especi�cados). 11. Observação do estado (estabilidade) do processo mediante interpretação dos grá�cos. 12. Determinação da capacidade do processo após ser atingido o estado de controle. 13. Acompanhamento contínuo. 14. Gestão do processo e ajustes de processo quando necessário. 55 Grá�co 3 – Limites calculados versus limites de projetos Fonte: Pieritz (2017, p. 79). É importante destacar que se os limites calculados estão dentro dos limites estabelecidos para o processo, então, eles estarão sob controle. No entanto, se os limites calculados estiverem fora dos limites especi�cados no processo, então, é necessário ajustá-los a �m de trazer os limites calculados para dentro do controle. O grá�co a seguir demonstra as situações em que os limites calculados se encontram dentro do processo estabelecido e quando eles não estão atendendo às especi�cações. 56 Considerando o grá�co apresentado, podemos veri�car que pode ocorrer que os LSC e os LIC calculados �quem além dos limites estabelecidos pelos limites do projeto. Isso indica que o processo não se encontra em conformidade com as especi�cações e, nesse caso, é necessário realizar um ajuste para trazê-lo para os limites do projeto. Outro ponto pode ser a realização da revisão dos limites de�nidos no projeto. 57 07 Gráfico de Controle Variáveis 58 Os grá�cos de controle para dispersão do processo têm como objetivo principal o monitoramento da variabilidade dentro da amostra. Quando se constroem grá�cos de controle para dispersão do processo, tem-se que decidir, primeiramente, se o grá�co é para detectar mudanças em ambas as direções ou se somente em uma direção (Ramos; Almeida; Araújo, 2013, p. 54). Gráfico de Controle para Variáveis O estabelecimento do grá�co de controle tem como objetivo realizar uma análise grá�ca para veri�car se o processo está sob controle e avaliar, quando for o caso, suas possíveis variações. Uma medição (por exemplo = 16,54) contém muito mais informação do que a simples classi�cação da peça como “dentro ou fora de especi�cação”. Obter um valor medido é mais caro do que simplesmente classi�car uma peça como boa/ruim. Contudo, as medições fornecem mais informações e, portanto, exigem uma amostra menor. Assim, o custo total de amostragem pode ser menor (RIBEIRO; CATEN, 2012, p. 30). De acordo com Siqueira (1997, p. 9), uma carta ou grá�co de controle “é um registro grá�co da qualidade de uma característica particular de um produto”. Já para Ramos, Almeida e Araújo (2013, p. 53), os grá�cos de controle para variáveis são ferramentas cujo processo de construção e implementação se destina ao controle de processos e que “considera como variável toda característica da qualidade que seja numérica”. Para Pezzatto et al. (2018, p. 246), através da aplicação dos grá�cos de controle para variáveis torna-se possível detectar e, também, distinguir estas variações que podem ser comuns ou especiais focando, principalmente, na detecção das causas especiais. Ainda, segundo os autores, que esse controle é feito a partir da determinação de limites de controle, que correspondem a valores de referências aos quais os dados relativos ao processo são comparados. No grá�co, estes limites são representados por linhas, uma localizada ao centro (que sinaliza o valor de referência), e outras duas, uma acima e outra abaixo desta linha central (que representam os limites superior e inferior), conforme pode ser veri�cado na �gura a seguir: 59 Figura 13 – Exemplo de um grá�co de controle Fonte: Siqueira (1997, p. 10). Considerando a carta X no exemplo da �gura 10, o eixo horizontal “x” corresponde aos subgrupos ou amostras e o eixo vertical “y” representa a variável que está sendo controlada. Ainda, no cruzamento entre os eixos são apontados os valores apurados de “y” em cada “x”. Grá�cos de controle têm o objetivo de determinarlimites que permitem veri�car se o processo está sob controle, sendo isentos de causas especiais. Variáveis são características da qualidade que sejam numéricas. De acordo com Siqueira (1997), entre as principais funções ou �nalidades dos grá�cos de controle para variáveis, podemos considerar: Manter o estado de controle estatístico estendendo a função dos limites de controle como base de decisões; 60 Mostrar evidências de que um processo esteja operando em estado de controle estatístico e dar sinais de presença de causas especiais de variação para que medidas corretivas apropriadas sejam aplicadas; Apresentar informações para que sejam tomadas ações gerenciais de melhoria dos processos; Neste contexto, entre os principais benefícios promovidos a partir da aplicação dos grá�cos de controle para variáveis, podemos citar: Informações para melhoria do processo; Aumento na porcentagem de produtos capazes de satisfazer aos requisitos do cliente; Diminuição do retrabalho que, consequentemente, reduz também os custos de fabricação. Processo de Construção do Gráfico de Controle Para construir e implantar o grá�co de controle para variáveis, é necessário seguir algumas etapas que, de acordo com Pezzatto et al. (2018, p. 248), são: Seleção da característica da qualidade a ser controlada: deve ser mensurável e capaz de ser expressa em números (como comprimento, massa, tempo ou outra unidade análoga), priorizando aquelas que afetam a performance do produto; De�nição da amostra: nesta etapa, os itens constituintes dos subgrupos são selecionados, sendo retirados da população por meio de métodos apropriados. Para a de�nição do tamanho e número de subgrupos não existe uma regra única a ser seguida, mas alguns fatores podem ser considerados; Coleta de dados: geralmente, realizada com a utilização de formulários pré- de�nidos, em que os dados colhidos são registrados, sendo dispostos de forma organizada, de maneira a facilitar a geração de informações; Determinação do valor central e limites de controle: com a aplicação de fórmulas apropriadas e especí�cas para cada tipo de grá�co; 61 Revisão do valor central e limites de controle (quando necessário): realizada quando e enquanto o processo se mostra fora de controle, visando detectar as variações especiais e removê-las da análise, permitindo a construção de limites baseados em um processo estável; Análise dos grá�cos: realizada na intenção de visualizar o comportamento do processo, detectando sinais de causas especiais de variação e processo fora de controle, correspondendo a uma importante etapa. Pezzatto et al. (2018, p. 249) ainda a�rmam que: Na etapa de revisão do valor central e limites de controle do grá�co, os pontos que ultrapassarem os limites devem ser descartados (pois representam causas especiais de variação), e nova apuração deve ser realizada, devendo ser repetida várias e sucessivas vezes, até que restem apenas pontos dentro dos limites. A aplicação desta etapa de revisão dos limites de controle é realizada, principalmente no momento inicial da implantação do controle de processos, quando estes costumam exibir maior variação, originadas de causas comuns ou especiais. Durante este período, os limites de controle apurados corresponderão a valores provisórios, a serem utilizados como referência enquanto ainda não houver um histórico longo o su�ciente para estabelecer limites mais efetivos, obtidos por meio de sucessivas análises do processo ao longo do tempo, conforme este vai amadurecendo. Isso demonstra que os limites de controle são periodicamente atualizados, conforme os resultados históricos evoluem (PEZZATTO et al., p. 249). Nesse contexto, quando utilizamos o grá�co de controle por variáveis, é importante saber que não basta fazer uma análise para se obter o controle do processo, mas é necessário realizar o controle periodicamente. 62 Quando analisamos uma característica da qualidade que é uma variável, em geral, controlamos o valor médio da característica da qualidade e sua variabilidade. O valor médio é controlado através do grá�co da média denominado grá�co x ̅. Enquanto que a variabilidade do processo pode ser acompanhada através do grá�co do desvio padrão denominado grá�co S ou o grá�co da amplitude denominado grá�co R.: Somente quando o processo está sob controle, os limites obtidos passam a ser utilizados como instrumento para o monitoramento do processo. Com base nas informações obtidas, e a partir dos pontos fora dos limites, o gestor deve realizar as análises para promover as ações necessárias para satisfazer aos requisitos que envolvem o processo. É importante destacar que a tomada de decisão deve ser realizada com base nos fatos obtidos e não em suposições. Para isso, o grá�co de controle por variáveis é uma ferramenta que auxilia na análise das causas inerentes ao processo e podem promover uma decisão mais assertiva para sua solução. 63 https://go.eadstock.com.br/DT Para Pezzatto et al. (2018, p. 250), a aplicação desses grá�cos permite testar o processo, sinalizando a ocorrência de causas especiais, fornecendo bases para o diagnóstico e de�nição de ações de melhoria, na intenção de promover o estado de controle do processo. Com os grá�cos construídos, o gestor pode realizar a análise para veri�car como o processo está se comportando com as variáveis envolvidas. De acordo com Siqueira (1997, p. 47), nesta etapa, a observação de alguns critérios pode auxiliar, correspondendo a indícios de processo sob controle: Cerca de dois terços dos pontos situam-se próximos à linha central; Poucos pontos �cam juntos aos limites de controle; Ocorre a distribuição balanceada dos pontos, abaixo e acima do valor central; Nenhum ponto situa-se além dos limites de controle. 64 08 Tipos de Gráfico de Controle Variáveis: Gráfico de Controle X - R 65 Os grá�cos de controle são fundamentais para auxiliar no monitoramento dos processos e na tomada de decisão, mas é importante saber qual grá�co deve ser utilizado. De acordo com Siqueira (1997), os grá�cos de controle para variáveis mais utilizados são: Carta X: destinada ao estudo da média dos dados; Carta R: destinada ao estudo da amplitude dos dados, também denominada range ou dispersão, medindo a variabilidade do processo; Carta S: destinada ao estudo do desvio padrão, igualmente relacionada à veri�cação da variabilidade do processo. Para Pezzatto et al. (2018, p. 250), quando os subgrupos apresentam tamanhos pequenos (geralmente menor ou igual a dez itens), a demonstração grá�ca promovida pelas cartas R e S são bastante semelhantes. Contudo, conforme o tamanho do subgrupo aumenta, a carta S é geralmente utilizada em substituição à carta R, por ser mais apropriada, quando a amostra analisada apresenta número mais elevado de itens. Replicata: valor obtido executando-se o procedimento completo de um método de ensaio, em que cada replicata é, preferencialmente, um resultado de ensaio independente (pode ser a medição da peça). Subgrupo: conjunto de replicatas utilizado para analisar o desempenho de um processo. Por exemplo: dez conjuntos de resultados (dados/medições) contendo (cinco) replicatas (é a medição em si) implica que a quantidade de subgrupos (m) é 10 e que o tamanho da replicata (n) é 5 (Oliveira et al. 2013, p. 8). Sobre a de�nição do tamanho e número de subgrupos, Siqueira (1997) relata que não existe uma regra �xa a ser aplicada na construção das cartas de controle. 66 Tabela 5 – Tamanho da amostra (Norma NBR-5429, normal, nível IV, método do range). Fonte: Siqueira (1997, p. 14). [...] o tamanho da amostra também pode ser de�nido por meio da aplicação de alguns passos, que incluem a análise combinada de diversos fatores. Um deles consiste na veri�cação de uma tabela, em que o tamanho do lote é associado ao nível de inspeção (geral ou especial) e ao regime de inspeção (normal, severa ou atenuado) a serem empregados. Esta combinação geral é um código literal, que é utilizado na aplicação de outras tabelas, onde é possível veri�car a recomendaçãodo tamanho da amostra para cada caso. PEZZATTO et al. (2018, p. 251). Na tabela 5, é possível veri�car que a segunda coluna corresponde ao total de itens a serem inspecionados para cada faixa de tamanho de lote, conforme segue: De acordo com Pezzatto et al. (2018, p. 252), a carta X é geralmente utilizada em conjunto com uma das demais, tendo em vista que suas funções se complementam. Os autores ainda relatam que, assim, na aplicação das cartas de 67 controle para variáveis elas são normalmente apresentadas em duplas, como: Carta X e R ou grá�cos para média e amplitude. Nesse contexto, a análise dos dados pode ser facilitada quando os grá�cos são colocados um embaixo do outro. Gráfico para Média e Amplitude A função dos grá�cos para média e amplitude é identi�car qualquer evidência de que a média do processo e sua dispersão estejam operando fora dos níveis de estabilidade. A existência de um ou mais pontos fora dos limites de controle (seja no grá�co X ou R) indica que o processo não está sob controle estatístico (Pezzatto et al. (2018, p. 253). De acordo com Pieritz (2017, p. 88), considerando que uma característica que pretendemos controlar possua uma distribuição norma e a sua média µ e o seu desvio padrão σ e seja �nito, sendo ambos conhecidos, logo, se tirarmos amostras de tamanho n dessa população teremos que: A distribuição das médias amostrais será normal e a sua média será dada por E o seu desvio padrão por: Assim, o intervalo com % de con�ança para a média amostral é dada por: Temos da estatística, em relação à curva normal, que corresponde ao valor da distribuição normal padrão com determinado nível de signi�cância α e para α = 0,3% temos o limite de 3 . (X̄ − R) μX̄ = μ (1) σX = ρ √n (1 − )∞2 μ ± Z α 2 p √n Z α 2 σ 68 Consideremos o seguinte exemplo dado por Pieritz (2017, p. 89), onde considerando a linha de produção de um eixo, a mesma tem um diâmetro crítico, que deverá possuir a dimensão de 38 mm 0,5 mm. Os engenheiros estão querendo implantar uma carta de controle - R e retiraram (mediram) 80 amostras, separadas em 20 subgrupos com quatro replicatas cada, as quais estão apresentadas na tabela a seguir: ± X̄ 69 Tabela 6 – Dados de medição do diâmetro do eixo 70 Fonte: Pieritz (2017, p. 90). Analisando a tabela e considerando a observação apresentada, em que precisamos ter uma amostra mínima de 20 a 25 elementos e as medições/dados precisam estar dentro dos limites estipulados, temos a tolerância especi�cada pela engenharia de 38 mm +- 0,5 mm, logo, concluímos que o processo não está sob controle, portanto, não poderemos considerar estes dados para dimensionar a carta de controle, pois temos diversas medições que extrapolam o limite, observe a tabela a seguir: 71 Tabela 7 – Identi�cação dos dados de medição do diâmetro do eixo fora da tolerância especi�cada 72 Fonte: Pieritz (2017, p. 91). Poderíamos, na condição apresentada, retirar as amostras que extrapolaram limites de tolerância e fazer os cálculos só com os dados que sobraram, mas no exemplo acima, há muitos dados que fugiram do padrão (tolerância especi�cada), logo, o ideal será a engenharia e os responsáveis da produção ajustarem novamente o equipamento e retirar novas amostras para desenvolver os trabalhos com dados mais con�áveis. Esse procedimento foi realizado em nosso exemplo e as novas medições estão apresentadas na tabela a seguir. 73 Tabela 8 – Novos dados de medição do diâmetro do eixo 74 Fonte: Pieritz (2017, p. 92). Analisando os novos dados, agora, veri�camos que os pré-requisitos para dimensionamento da carta de controle são atendidos, ou seja, uma amostra mínima de 20 a 25 elementos e as medições/dados precisam estar dentro dos limites estipulados. Nesse contexto, conforme Oliveira et al. (2013, p. 24), há algumas considerações relacionadas à estatística, onde As dimensões das amplitudes e dos desvios padrão não são normais, embora tenham sido consideradas aproximadamente normais na estimação das constantes para o cálculo dos limites de controle. Outra pressuposição para o uso de cartas de controle X e R (média e amplitude ou X e s (média e desvio padrão) é que a variabilidade das medidas permaneça constante e aceitável. Esta suposição é veri�cada por meio da carta de controle de amplitude (carta R) ou de desvio padrão (carta s). Por isso, os grá�cos X devem ser implementados simultaneamente com R ou s. As cartas X e R são utilizadas em subgrupos que possuem número de replicatas entre 2 e 9. Na prática, este número situa-se entre 4 e 6 geralmente. À medida que o tamanho do subgrupo aumenta, a sensibilidade da amplitude como estimador do desvio padrão do processo diminui. Assim, a carta X e s é mais adequada do que a carta X e R quando o número de replicatas é maior ou igual a 10. Se a carta de controle de amplitudes for usada quando n=10 replicatas, toda informação da amostra compreendida entre os dois valores extremos será ignorada. Cálculo dos Limites de Controle para os Gráficos Para a elaboração dos grá�cos de controle de – R, podem existir em duas situações: quando valores de referência não são conhecidos, e quando eles são conhecidos. X̄ − R X̄ 75 De acordo com Pieritz (2017, p. 93), suponhamos que há m subgrupos de medições e cada uma com n replicatas da característica que está sendo controlada. Sejam , , , ..., os valores das médias calculadas das replicatas de cada subgrupo, assim se calcula um estimador de µ, conhecido como ou como a média do processo, e é dado pela equação: é igual a LC, ou seja, a linha de controle de nosso grá�co de controle da média. Para se obter a estimativa do desvio padrão, podemos calcular as amplitudes dos m subgrupos, com as n replicatas, que é dado pela equação: E o melhor estimador de R pode ser dado por: é igual a LC, ou seja, a linha de controle do nosso grá�co de controle do R. Para calcular LSC e LIC, é necessário mais alguns valores que advêm do estimador de σ que é: , em que se obtém da tabela apresentada no Anexo 1, a qual está disponível a ISO 8258, e está relacionada ao número de replicatas utilizadas na coleta de dados. Considerando a equação já apresentada e considerando , conseguimos de�nir os limites de controle do grá�co com a equação: X̄1 X̄2 X̄3 X̄m ¯̄¯̄¯¯̄̄ ¯̄ X μ ≅ ¯̄¯̄¯ ¯̄̄ ¯̄ X = ¯̄̄ ¯̄ X1 + ¯̄̄ ¯̄ X2 + ¯̄̄ ¯̄ X3+. . . + ¯̄̄ ¯̄ Xm m ¯̄¯̄¯¯̄̄ ¯̄ X ¯̄¯̄¯¯̄̄ ¯̄ X = LC R = XMAX − XMIN R̄ = R1 + R2 + R3 + … + Rm m R̄ R̄ = LC R̄ d2 d2 μ ± Z a 2 p √n Z = 3a 2 X̄ LC = μ = (X̄) 76 Buscando facilitar o cálculo, encontramos o valor de que é representado no Anexo 1, e é conhecido como A2, gerando as seguintes fórmulas para os limites de controle: Todos os dados para a montagem da carta de controle de estão dispostos, porém, ainda falta estimarmos a carta de controle de R. Exemplo: Vamos exempli�car, considerando ainda a linha de produção do eixo, e a dimensão do diâmetro crítico, que deverá possuir dimensão de 38 mm 0,5 mm, mas, neste exemplo, vamos considerar que já é uma linha de produção existente e precisamos implantar a Carta de Controle de – R. Os engenheiros mediram a peça e tiraram 80 amostras em 20 subgrupos com cinco replicatas em cada, e os dados levantados estão apresentados a seguir: LSC = μ + 3 = ¯̄¯̄¯ ¯̄̄ ¯̄ X + 3 σ √n ¯̄¯̄ R d2√n LIC = μ − 3 = ¯̄¯̄¯¯̄̄ ¯̄ X − 3 σ √n ¯̄¯̄ R d2√n 3 d2√n LSC = ¯̄¯̄¯¯̄̄ ¯̄ X + A2 ¯̄¯̄ R LIC = ¯̄¯̄¯¯̄̄ ¯̄ X − A2 ¯̄¯̄ R X̄ LSC = D4R̄ LIC = D3R̄ ± X̄ 77 Tabela 9 – Dados de medição do diâmetro do eixo em processo existente Fonte: Pieritz (2017, p. 92). 78 Tabela 10 – Amplitude R Fonte: Pieritz (2017, p. 92). Na tabela 9, são apresentados os 20 subgrupos (m = 20), com as cinco replicatas (medições / n = 5). Estes levantamentos estão apresentados nas primeiras seis colunas da tabela. Na tabela já consta o cálculo das médias de cada subgrupo com a média e amplitude R. Veja, a seguir, como foram realizados os cálculos: Na tabela a seguir, demonstramos onde estálocalizada a amplitude R, conforme cálculo realizado acima. O cálculo da média e amplitude deve ser realizado para todos os demais subgrupos. X̄ X̄ = = = 38, 1 ∑ n=5 n=1 Xn n 37, 6 + 38, 5 + 38, 4 + 37, 9 + 38, 3 5 R = XMAX − XMIN = 38, 5 − 37, 6 = 0, 9 Agora, utilizando-se as fórmulas, temos: Carta de controle de Cartas de controle de R X̄ LC = μ = ¯̄¯̄¯¯̄̄ ¯̄ X LSC = ¯̄¯̄¯¯̄̄ ¯̄ X + A2 ¯̄¯̄ R LIC = ¯̄¯̄¯¯̄̄ ¯̄ X − A2 ¯̄¯̄ R LC = R̄ LSC = D4R̄ 79 Logo, da tabela acima temos: Agora, vamos de�nir os limites de controle: Carta de controle de Da tabela de fatores estatísticos disponibilizados no Anexo 1, temos uma parte representada a seguir, que especi�ca como localizar a variável . LIC = D3R̄ μ ≅ ¯̄¯̄¯¯̄̄ ¯̄ X = ¯̄̄ ¯̄ X1 + ¯̄̄ ¯̄ X2 + ¯̄̄ ¯̄ X3 + … + ¯̄̄ ¯̄ Xm m R̄ = R1 + R2 + R3 + … + Rm m LC = R̄ ¯̄¯̄¯¯̄̄ ¯̄ X = = 38, 0180 38, 1 + 38, 3+. . . +37, 9 20 R̄ = = 0, 7500 0, 9 + 0, 3 + … + 0, 8 20 X̄ LC = μ = ( ¯̄¯̄¯¯̄̄ ¯̄ X) = 38, 0180 A2 80 Tabela 11 – Exemplo de de�nição valor variável Fonte: Pieritz (2017, p. 92). Fonte: Pieritz (2017, p. 92). A2 Para n = 5, Assim, a carta de controle para está representada no grá�co a seguir: Grá�co 4 – Carta de controle para A2 = 0, 577 LSC = 38, 018 + 0, 577 × 0, 75 = 38, 45 LIC = 38, 018 + 0, 577 × 0, 75 = 37, 59 X̄ X̄ Carta de controle de R 81 Tabela 12 – Exemplo de de�nição valor das variáveis Fonte: Pieritz (2017, p. 92). Grá�co 5 – Carta de controle para R Fonte: Pieritz (2017, p. 92). Da tabela de fatores estatísticos disponibilizados no Anexo 1, temos uma parte representada a seguir, que especi�ca como localizar as variáveis. LC = R̄ = 0, 7500 Para n= 5, LSC = 2,114 x 0,75 = 1,59 LIC = 0,000 x 0,75 = 0,00 A carta de controle para R está representada no seguinte grá�co: D3 = 0, 000 e D4 = 2, 114 82 Depois de termos executado o dimensionamento apresentado, agora é só colocar as Cartas de Controle em uso na empresa, não se esquecendo de desenvolver um formulário especí�co e treinar os funcionários para seu uso. 83 09 Tipos de Gráfico de Controle Variáveis: Gráfico de Controle X - S 84 Os grá�cos de controle – S são utilizados quanto temos, 10 ou mais replicatas (medições) em nosso subgrupo de amostra, onde. X̄ Quando os Valores de Referência não são Conhecidos Suponhamos que há “m” subgrupos de medições e cada um com “n” replicatas. Nesse caso, n≥10. Assim, calculamos o desvio padrão amostral “s” de cada um dos subgrupos de amostras através da fórmula: s = ⎷ n ∑ i=1 (xi − x̄) 2 n − 1 Da estatística temos que o desvio padrão é uma medida de dispersão, logo, só pode assumir valores positivos, portanto, quanto maior for o seu valor, maior será a dispersão dos dados. O cálculo da média dos desvios padrões dos m subgrupos, deve ser realizado através da fórmula: Os limites do controle de são dados utilizando-se: s̄ = S1 + S2 + S3 + … + Sm m LC = s̄ X̄ μ = ¯̄¯̄¯¯̄̄ ¯̄ X 85 Onde é obtido através da tabela disponível no Anexo 1. Assim, temos as seguintes equações: Substituindo: Onde está disponível no Anexo 1, teremos: Para de�nirmos a carta de controle de S, precisamos de�nir os limites de controle, que são dados por: Fatorando os valores por: σ = S̄ c4 C4 LC = μ = ¯̄¯̄¯¯̄̄ ¯̄ X LSC = μ + 3 = ¯̄¯̄¯ ¯̄̄ ¯̄ X + 3 σ √n ¯̄̄s C4√n LIC = μ − 3 = ¯̄¯̄¯ ¯̄̄ ¯̄ X − 3 σ √n ¯̄̄s C4√n A3 = 3 c4√n A3 LC = μ = ¯̄¯̄¯¯̄̄ ¯̄ X LSC = ¯̄¯̄¯¯̄̄ ¯̄ X + A3¯̄̄s LIC = ¯̄¯̄¯¯̄̄ ¯̄ X − A3¯̄̄s LC = s̄ LSC = s̄ + 3 s̄√1 − c24 c4 LIC = s̄ − 3 s̄√1 − c24 c4 86 E, substituindo as equações, temos: Onde e são valores tabelados e dependem de n e estão disponibilizados no Anexo 1. Vamos criar um grá�co de controle – S considerando o seguinte exemplo dado por Pieritz (2017, p. 115). Na empresa X está se implantando o CEP e as cartas de controle na linha de raios de bicicletas. O diâmetro especi�cado pela engenharia é de 1,3 mm com tolerância de ± 0,2 mm. Foram retirados 15 subgrupos de medições, cada um contendo 15 medições em cada (replicatas), e os dados levantados estão demonstrados na tabela a seguir: B4 = 1 + 3 √1 = c34 c4 B4 = 1 − 3 √1 = c34 c4 LSC = B4s̄ LIC = B3s̄ B3 B4 X̄ 87 Tabela 13 - Dados do problema Fonte: Pieritz (2017, p. 115). Pelo número de replicatas dado no exercício, onde n=15, veri�camos que o grá�co que deve ser utilizado é o – S. Assim, o primeiro passo é calcular os valores de s de cada subgrupo através da seguinte fórmula: Os resultados são apresentados na tabela a seguir: X̄ s = ⎷ n ∑ i=1 (x1 − x̄)2 n − 1 88 Tabela 14 – Média e desvio padrão Fonte: Pieritz (2017, p. 117). Para tem-se: Considerando os valores da tabela no Anexo 1, temos: LC = 1,306 LSC = 1,306 + 0,789 x 0,90 = 1,377 LIC = 1,306 – 0,789 x 0,90 = 1,235 Para S, temos: X̄ LC = μ = ¯̄¯̄¯¯̄̄ ¯̄ X LSC = ¯̄¯̄¯¯̄̄ ¯̄ X + A3¯̄̄s LIC = ¯̄¯̄¯¯̄̄ ¯̄ X − A3¯̄̄s A3 = 0, 789 LC = s̄ LSC = B4s̄ LIC = B3s̄ 89 Grá�co 6 – Grá�co – S Fonte: Pieritz (2017, p. 118). Da tabela do Anexo 1, temos: B3 = 0,428 B4 = 1,572 Assim, LC = 0,090 LSC = 1,572 x 0,090 = 0,141 LIC = 0,428 x 0,090 = 0,039 O grá�co oriundo de – S é dado a seguir:X̄ X̄ 90 10 Gráfico de Controle por Atributos Destinados a Itens Defeituosos 91 De acordo com Ramos, Almeida e Araújo (2013, p. 75), “atributo é uma característica da qualidade representada pela ausência ou presença de não conformidade em um processo ou serviço, no qual não conformidade signi�ca falha no atendimento das necessidades e/ou expectativas do cliente”. Aroma, sabor e pureza são exemplos de atributos a serem avaliados em uma determinada marca de café, no contexto da de�nição de Ramos, Almeida e Araújo (2013). A aprovação ou não aprovação de um serviço executado, unidades defeituosas de um determinado produto, não conformidades encontradas em um produto ou serviço são exemplos de atributos no contexto da de�nição de Prazeres (1996). De acordo com Losada (2017, p. 156), um item é considerado defeituoso quando classi�cado como completamente inaceitável para uso. Ainda, segundo a autora, antes da remessa �nal, a inspeção de qualidade avalia os itens e os classi�ca como “aprovado” ou “reprovado” para impedir a entrega de unidades que serão inutilizáveis. Assim, cada item é considerado defeituoso ou não, existindo apenas duas escolhas possíveis. Os grá�cos de controle para atributos são utilizados para a veri�cação da porcentagem de unidades não conformes na amostra, visando avaliar a proporção de itens defeituosos em seu processo (Losada, 2017, p. 157). Losada (2017, p. 157) aponta que uma das versões mais conhecidas dos grá�cos de atributos é o grá�co ou carta p, também chamado de grá�co de proporção (fração) de itens defeituosos. 92 A Construção dos Gráficos de Controle para Atributos Destinados a Itens Defeituosos De acordo com Losada (2017, p. 157), os grá�cos p para controle de atributos – itens defeituosos, podem ser elaborados de diferentes formas, sendo de�nidos em função das características da amostra que será analisada. Ainda, segundo a autora, para sua construção, as amostras não necessitam ser de tamanho constante. O que importa é o número de itens com algum defeito, independentemente de quantos defeitos haja em cada item. A fração de defeituosos p poderá estar referida a amostras de tamanhos �xos n coletadas, regularmente, ou também poderá se referir a 100% da produção num determinado intervalo de tempo (p. ex., uma hora, um dia, etc.). Para construir os grá�cos p devem ser satisfeitas as seguintes condições: A construção do grá�co p é possível em diferentes condições de amostras, que segundo Ramos et al. (2013), são: Tamanho amostral constante; Tamanho amostral variável; Média amostral. Para o tamanho amostral constante, a fração não conforme (pj) corresponde à razão entre o número de itens não conformes de uma amostra (dj) e o total de itens desta amostra (n), ou seja: Se (pj) for conhecido, mas
Compartilhar