Baixe o app para aproveitar ainda mais
Prévia do material em texto
Pensamento Estatístico e Controle Estatístico de Processos Prof. Dr. Rafael H. P. Lima Pensamento estatístico Nos anos 1920, Shewhat foi um dos pioneiros no uso da estatística para explicar fenômenos industriais; O pensamento estatístico pode ser definido como: Processo de raciocínio que reconhece que variação está em tudo ao nosso redor e presente em tudo que fazemos, que todo trabalho é uma série de processos interligados; e que identificar, caracterizar, quantificar, controlar e reduzir variação fornece oportunidades de melhoria Fonte: Snee (1990) Pensamento estatístico Elementos centrais do pensamento estatístico: Onipresença da variação Necessidade de dados sobre o processo Planejamento da coleta de dados tendo em mente a variação inerente ao processo Necessidade de quantificação da variação Explicação das causas de variação Pensamento estatístico Algumas reflexões sobre o uso de ferramentas estatísticas A coleta de dados e o uso de ferramentas estatísticas não devem ser um fim em si. É fácil tornar-se um especialista nas ferramentas, sem realizar nenhuma melhoria; O estudo da variação com a finalidade de melhorar o desempenho de processos pode ser aplicado em qualquer área da organização; CEP significa Controle Estatístico do Processo, logo, o foco deve estar no processo, em vez de estar em suas partes Pensamento estatístico Algumas reflexões sobre o uso de ferramentas estatísticas O conhecimento pleno das ferramentas estatísticas depende de sua utilização em processos reais; Livros e manuais de CEP costumam indicar regras gerais, que nem sempre são válidas. Por isso, é necessário o aprofundamento dos conhecimentos sobre estatística, para possibilitar a compreensão exata dos dados; Os sistemas de medição são críticos para a precisão da coleta dos dados que serão usados para estudar os processos; Pensamento estatístico O estudo da variação tem foco no controle e na prevenção de não conformidades Estratégias de detecção de defeitos tendem a desperdiçar recursos; Estratégias de prevenção reduzem os desperdícios pois evitam que as não conformidades ocorram; Estratégias de prevenção soam óbvias, mas os métodos para sua implementação nem sempre o são. O que é necessário é um conhecimento maior sobre os elementos do controle estatístico de processos, para controlar sua variação e reduzir a probabilidade de não conformidades. Controle Estatístico de Processos Conceito de variação Nenhuma peça ou produto é exatamente idêntica, pois os processos estão sujeitos a diversos tipos de variação Algumas diferenças podem ser significativas, enquanto que outras podem ser infinitamente pequenas, porém sempre há variação Do ponto de vista dos clientes, o conceito de variação é simplificado Peças dentro da tolerância da especificação são aceitáveis, enquanto que as peças fora da especificação são consideradas “não conformes” ou defeituosas; Controle Estatístico de Processos As peças variam entre si... X X X X Mas se o processo é estável, elas seguirão uma distribuição de probabilidade X X X Controle Estatístico de Processos Causas comuns de variação Fontes de variação no processo que tem uma distribuição estável e repetível ao longo do tempo Processos sujeitos apenas a causas comuns de variação são ditos “sob controle estatístico” Causas especiais de variação Fontes de variação que não são inerentes ao processo e ocorrem eventualmente Causas especiais devem ser identificadas e eliminadas Controle Estatístico de Processos Processos sujeitos apenas a causas comuns de variação possuem uma distribuição previsível e estável ao longo do tempo Valor alvo Controle Estatístico de Processos Se causas especiais estão presentes, a variação do processo não é estável ao longo do tempo Valor alvo Controle Estatístico de Processos Capabilidade de um processo Um processo é dito ser “capaz” se ele consegue produzir uma grande proporção de itens dentro da especificação A capabilidade de um processo deve ser definida quando o processo está sob controle Processos sob controle podem ser descritos por uma distribuição de probabilidade, o que permite prever o número de peças / produtos fora da especificação Controle Estatístico de Processos VA LSE LIE A capabilidade do processo é definida em função dos limites de especificação Processo sob controle e capaz Processo sob controle e não capaz Controle Estatístico de Processos Mesmo processos fora de controle estatístico podem ser capazes de entregar produtos dentro das especificações Atendimento dos requisitos Sob Controle Fora de Controle Aceitável CASO 1 CASO 3 Não aceitável CASO 2 CASO 4 Controle Estatístico de Processos O Caso 3 pode ser aceitável nas seguintes circunstâncias: O cliente não é sensível a variações dentro dos limites de especificação; Os custos para agir nas causas especiais excedem os benefícios que seriam obtidos para todos os clientes; Ex: variações cíclicas; As causas especiais foram identificadas, documentadas, sendo consistentes e previsíveis; Controle Estatístico de Processos Melhoria contínua utilizando CEP Analisar o processo • O que o processo deveria fazer? • O que está errado? • Atingir estado de controle estatístico • Determinar a capabilidade Manter o processo • Monitorar o desempenho do processo • Detectar causas especiais e agir sobre elas Melhorar o processo • Mudar o processo para melhor • Entender e reduzir as causas comuns de variação Gráficos de Controle Introdução aos gráficos de controle: O gráfico de controle é a principal ferramenta do CEP Seu objetivo é detectar variações especiais no processo produtivo Vamos aprender a construir o gráfico das médias (X-Barra) e das amplitudes (R) Primeiro precisamos entender como coletar amostras no processo Gráficos de Controle Produção Amostragem tradicional Retirada de amostras de tamanho n = 1 As amostras devem ser escolhidas em posições aleatórias Gráficos de Controle Produção Amostras de tamanho n = 1 diminuem a probabilidade de detectarmos variações especiais no processo Variabilidade ao longo do tempo Gráficos de Controle Amostragem por subgrupos racionais Retirada de amostras com tamanho maior que n = 1 Aumento da probabilidade de detectar causas especiais no processo Cada amostra é chamada de subgrupo racional Gráficos de Controle Produção Variabilidade ao longo do tempo Exemplo As amostras são subgrupos com tamanho n = 5 Os subgrupos devem ser formados por itens próximos A posição inicial de cada subgrupo deve ser aleatória Gráficos de Controle Elementos de um plano de amostragem: Tamanho do subgrupo: em geral consistem de 2 a 5 peças produzidas sequencialmente; Frequência de dos subgrupos: o objetivo é detectar mudanças no processo ao longo do tempo; por exemplo, a cada 15 minutos, duas vezes por turno, etc; Número de subgrupos: deve-se coletar subgrupos suficientes para cobrir todas as fontes de variação. Em geral se utilizam 25 subgrupos, totalizando ao menos 100 medições individuais; Gráficos de Controle t = 0 min t = 30 min t = 60 min Amostra 1 Amostra 2 Plano de amostragem: A cada 30 minutos, coletar uma amostra de tamanho n = 5 Gráficos de Controle Amostra X1 X2 X3 X4 X5 1 5000,13 5001,82 5007,48 5004,37 5001,64 2 5006,15 4997,98 5005,02 5004,62 4996,71 t = 0 min t = 30 min t = 60 min Amostra 1 Amostra 2 Os dados coletados precisam ser tabulados Gráficos de Controle Amostra X1 X2X3 X4 X5 Média Amplitude 1 5000,13 5001,82 5007,48 5004,37 5001,64 5003,09 7,35 2 5006,15 4997,98 5005,02 5004,62 4996,71 5002,10 9,44 3 5002,56 5008,53 4996,46 5006,60 4999,80 5002,79 12,07 4 5003,53 5010,98 5003,91 4997,42 5003,75 5003,92 13,55 5 5005,40 4999,03 5000,62 5003,97 5004,35 5002,67 6,37 6 5000,49 5001,54 5003,75 4991,20 4997,78 4998,95 12,55 7 5000,19 4999,26 5001,82 4999,53 4995,85 4999,33 5,97 8 4995,32 5004,70 5002,27 5004,75 4999,91 5001,39 9,43 9 4999,63 4994,95 4997,38 5000,18 4991,33 4996,69 8,85 10 4999,55 4999,55 5000,93 5003,45 5005,38 5001,77 5,83 Média 5001,27 9,14 X R X R Gráficos de Controle Os dados coletados serão usados para calcular os limites de controle do processo Vamos diferenciar três conceitos: Limites de especificação: definidos no projeto ou no pedido do cliente Limites naturais: calculados com base em amostras de tamanho n = 1 Limites de controle: calculados usando amostras com tamanho maior Gráficos de Controle Os limites de controle mostram o quanto a média das amostras pode variar se o processo permanecer “sob controle” LSC LIC X Médias das amostras Gráficos de Controle Observações sobre os limites de controle Quanto maior for a variabilidade do processo, mais largos serão os limites de controle Antes de calcular os limites de controle, devemos melhorar o processo e deixá-lo estável (eliminar causas especiais) Após o cálculo dos limites de controle, podemos usá-los para controlar o processo Gráficos de Controle Estabilizar e melhorar o processo Coletar amostras Calcular limites de controle Limites ok? Utilizar os limites para controlar o processo Período de uso do gráfico de controle SimNão
Compartilhar