Baixe o app para aproveitar ainda mais
Prévia do material em texto
[ [Otimização de Processo] 1 INTRODUÇÃO ................................ 2 Conceitos Básicos 2.1 Processo ................................ 2.2 Projetos de experimentos 2.3 Variações e a Função Perda 2.4 Medidas de Qualidade 3 PASSOS PARA O PROJETO DE EXPERIMENTO 4 Executando o Projeto de Experimento 4.1 Característica de Qualidade 4.2 Determinação dos Fatores 4.3 Escolha das Matrizes de Experimento 4.4 Níveis de Fatores 4.5 Propriedades dos Projetos 4.6 Exercício ................................ 4.7 Projeto Fatorial Completo (Fatorial Cheio) 4.8 Determinando o modelo matemático 4.9 Critérios para aceitação dos coeficientes 4.10 Retornando ao Projeto Fatorial Completo 4.11 Gráficos de Interações 4.12 Condições para otimização do processo 4.13 Projeto de Experimento de 3 Níveis 5 OUTRAS MATRIZES DE EXPERIMENTO 5.1 Projeto Fatorial Fracionado 5.2 Projetos para Filtragem 5.2.1 Matriz de Fatorial Fracionado 5.3 Projetos de Taguchi 5.3.1 Taguchi L8 Sumário ................................................................................................ Conceitos Básicos ................................................................................................ ................................................................................................ Projetos de experimentos ................................................................ Variações e a Função Perda ................................................................ Medidas de Qualidade ................................................................ PASSOS PARA O PROJETO DE EXPERIMENTO ................................ ando o Projeto de Experimento ................................................................ Característica de Qualidade ................................................................ Determinação dos Fatores ................................................................ Escolha das Matrizes de Experimento ................................ Níveis de Fatores ................................................................ Propriedades dos Projetos................................................................ ................................................................................................ Projeto Fatorial Completo (Fatorial Cheio) ................................ Determinando o modelo matemático ................................ Critérios para aceitação dos coeficientes ................................ Retornando ao Projeto Fatorial Completo ................................ Gráficos de Interações ................................................................ Condições para otimização do processo ................................ Projeto de Experimento de 3 Níveis ................................................................ OUTRAS MATRIZES DE EXPERIMENTO ................................ Projeto Fatorial Fracionado ................................................................ Projetos para Filtragem ................................................................ Matriz de Fatorial Fracionado ................................................................ Projetos de Taguchi ................................................................ ................................................................................................ ........................................ 4 ................................... 5 .......................................... 5 ................................................. 7 ............................................ 8 .................................................... 10 ............................................... 12 ................................... 14 ........................................... 14 .............................................. 15 ............................................................ 17 ........................................................... 17 .............................................. 18 ......................................... 19 ...................................................... 20 .............................................................. 22 ........................................................ 24 ....................................................... 24 .................................................... 27 ........................................................ 29 ................................ 31 ............................................................ 33 ............................................. 34 .................................................. 34 ...................................... 35 ........................................................ 36 ................................... 37 5.3.2 Taguchi L12 5.3.3 Taguchi L4 5.3.4 Taguchi L16 5.4 Projeto Plackett 5.5 Projetos Box- 5.6 Projeto CCD (Composição Central) 5.7 Projeto Foldover Koshal 6 FMEA como Ferramenta para identificar os Fatores Principais 6.1 Tipos de FMEA 6.2 Usando o FMEA de Processo para Determinar os Fatores Principais 6.3 Formulário do FMEA para Projeto Seis Sigma 6.4 Passos para a Condução do FMEA para Projeto Seis Sigma 7 BIBLIOGRAFIA ................................ 12 ................................................................................................ ................................................................................................ 16 ................................................................................................ Projeto Plackett-Burman ................................................................ -Behnken ................................................................ Projeto CCD (Composição Central) ................................................................ Foldover Koshal ................................................................ FMEA como Ferramenta para identificar os Fatores Principais Tipos de FMEA ............................................................................................... Usando o FMEA de Processo para Determinar os Fatores Principais Formulário do FMEA para Projeto Seis Sigma ................................ Passos para a Condução do FMEA para Projeto Seis Sigma ................................................................................................ .................................. 37 ................................... 38 .................................. 38 ................................................. 39 .................................................... 39 ................................ 41 ................................................. 42 FMEA como Ferramenta para identificar os Fatores Principais.............................. 43 ............................... 43 Usando o FMEA de Processo para Determinar os Fatores Principais ............ 43 ................................................ 44 Passos para a Condução do FMEA para Projeto Seis Sigma ......................... 45 ...................................... 49 Nas fases propostas no DMAIC, sem dúvida, a mais importante é a fase de análise. É que se toma mais tempo e usa que afetam a qualidade do processo em estudo. E a principal saída dessa fase é a Identificação dos Fatores Principais. Uma das técnicas de melhor (DesingofExperiment), também conhecido como Projeto de Experimento. O é uma técnica estatística de mudanças propositais observar como as mudanças na entrada afetam na saída [1]. um modelo matemático e, então, tem ajustes nos fatores de entrada, conforme o modelo estabelecido. Há algumas condições paraque se possa usar o projeto de experimento que devem passar pela métrica e fatores relacionados ao processo. Isso vai ser melhor explorado nos capítulos seguintes. Para os casos em que não é possível usar o DOE, por exemplo, propõem-se o uso de outra ferramenta para a obtenção dos fatores a serem otimizados, o FMEA. Nesse caso, o FMEA de processo é adaptado para a o projeto seis sigma. Contudo antes de abordamos de maneira mais aprofundada os conceitos d Experimento, precisamos ter bem claro o que é um processo. 1 INTRODUÇÃO Nas fases propostas no DMAIC, sem dúvida, a mais importante é a fase de análise. É que se toma mais tempo e usa-se mais ferramentas no intuito de se analisar e identificar os fatores que afetam a qualidade do processo em estudo. E a principal saída dessa fase é a Identificação dos Uma das técnicas de melhor sucesso para obtenção dos fatores principais é o DOE ), também conhecido como Projeto de Experimento. O é uma técnica estatística de mudanças propositais nas entradas de um processo cujo objetivo é s mudanças na entrada afetam na saída [1]. Obtém-se então os fatores principais, um modelo matemático e, então, tem-se a possibilidade de otimização do processo, por meio de ajustes nos fatores de entrada, conforme o modelo estabelecido. es para que se possa usar o projeto de experimento que devem passar pela métrica e fatores relacionados ao processo. Isso vai ser melhor explorado nos capítulos seguintes. Para os casos em que não é possível usar o DOE, nos casos de projetos de áreas trans se o uso de outra ferramenta para a obtenção dos fatores a serem otimizados, o FMEA. Nesse caso, o FMEA de processo é adaptado para a o projeto seis sigma. Contudo antes de abordamos de maneira mais aprofundada os conceitos d Experimento, precisamos ter bem claro o que é um processo. Nas fases propostas no DMAIC, sem dúvida, a mais importante é a fase de análise. É nessa fase se mais ferramentas no intuito de se analisar e identificar os fatores que afetam a qualidade do processo em estudo. E a principal saída dessa fase é a Identificação dos sucesso para obtenção dos fatores principais é o DOE ), também conhecido como Projeto de Experimento. O Projeto de Experimento nas entradas de um processo cujo objetivo é se então os fatores principais, se a possibilidade de otimização do processo, por meio de es para que se possa usar o projeto de experimento que devem passar pela métrica e fatores relacionados ao processo. Isso vai ser melhor explorado nos capítulos seguintes. nos casos de projetos de áreas transacionais, se o uso de outra ferramenta para a obtenção dos fatores a serem otimizados, o FMEA. Nesse caso, o FMEA de processo é adaptado para a o projeto seis sigma. Contudo antes de abordamos de maneira mais aprofundada os conceitos do Projeto de 2.1 Processo Processo pode ser definido como a combinação sistemática de atividades, ferramentas e insumos (entradas) para obtenção de uma saída desejada (produtos ou serviços) combinação de máquinas, materiais, métodos, pessoas, ambiente e medição qu ordenada, conjuntamente, que possibilitam a geração de produtos, serviços ou o complemento de uma tarefa [1]. Nas figuras 1 e 2 é possível verificar representações gráficas de dois exemplos processos. Os processos são caracterizados por dois grupos de elementos: fatores (variáveis) explanatórios e fatores (variáveis) processo e são divididas em: • Fatores Não Controlados • Fatores Controlados • Fatores Chaves, a serem experimentados. Tipo de Material Temperatura no Molde Pressão Tempo de Inje Tamanho do Velocidade do Eixo Tempo de Esfriamento Ângulo do Temperatura de Solda Velocidade do Tipo de Fluxo Tempo de Figura 1 Figura 2 2 Conceitos Básicos Processo pode ser definido como a combinação sistemática de atividades, ferramentas e insumos (entradas) para obtenção de uma saída desejada (produtos ou serviços) combinação de máquinas, materiais, métodos, pessoas, ambiente e medição qu ordenada, conjuntamente, que possibilitam a geração de produtos, serviços ou o complemento de Nas figuras 1 e 2 é possível verificar representações gráficas de dois exemplos processos. Os processos são caracterizados por dois grupos de elementos: fatores (variáveis) explanatórios e fatores (variáveis) dependentes. As variáveis explanatórias são as entradas do Fatores Não Controlados Fatores Controlados Fatores Chaves, a serem experimentados. Injeção Plástica Tipo de Material Temperatura no Molde Pressão Tempo de Injeção Tamanho do Gate Velocidade do Eixo Tempo de Esfriamento Espessura de pe injetada Número de peç defeituosas PROCESSO DE SOLDAGEM - DIP Ângulo do conveyor Temperatura de Solda Velocidade do Conveyor Tipo de Fluxo Tempo de Pre-Heater Altura de Fillet de Qty de Curto de Solda/ Placa - IPO do Processo de Injeção Plástica - IPO do processo de Soldagem por Onda (DIP) Processo pode ser definido como a combinação sistemática de atividades, ferramentas e insumos (entradas) para obtenção de uma saída desejada (produtos ou serviços) [2]. Ou, ainda, a combinação de máquinas, materiais, métodos, pessoas, ambiente e medição que usados de forma ordenada, conjuntamente, que possibilitam a geração de produtos, serviços ou o complemento de Nas figuras 1 e 2 é possível verificar representações gráficas de dois exemplos processos. Os processos são caracterizados por dois grupos de elementos: fatores (variáveis) dependentes. As variáveis explanatórias são as entradas do Espessura de peça ças de Solda de Curto de Solda/ Placa Os fatores não controlados, por sua vez, são divididos em fatores controláveis (poré controlados) e ruídos. Os fatores chaves são fatores controlados que podem ser propositalmente modificados e que são objetos de estudo em um projeto de experimento. Os tipos de fatores podem ser verificados na figura 3, abaixo. Em um projeto de experimento os fatores controlados são fatores que permanecem constantes durante sua execução. São fatores caracterizados pela existência de procedimentos operacionais padrões (escritos e ajustados. Fatores fora de controle ou não controlados são fatores que não podem ser mantidos constantes durante o experimento. Antes da execução do projeto recomenda ações preliminares para controlar os fatores inicialmente determinados não controlados. Para aqueles fatores que não conseguem ser controlados, pela impossibilidade de ação ou pelos custos, denominados de ruídos, busca fique robusto a esses ruídos. Os fatores ou variáveis dependentes representam as medidas de performance dos processos ou produtos, cujos resultados são afetados pelos fatores de entrada. Já os fatores chaves, também chamados de ex propositalmente modificados (experimentados) para identificar como os mesmos afetam a saída (variáveis dependentes) e, assim, identificar como esses fatores experimentais devem ser posicionados para que o objetivo do proces Na figura 4, verifica-se um fluxograma que ajuda a compreender como classificar os fatores em Controlados e Não Controlados. Fatores de Previsão (ENTRADAS) Fatores Dependentes (SAÍDAS) Figura 3 Os fatores não controlados, por sua vez, são divididos em fatores controláveis (poré controlados) e ruídos. Os fatores chaves são fatores controlados que podem ser propositalmente modificados e que são objetos de estudo em um projeto de experimento. Os tipos de fatores podem ser verificados na figura 3, abaixo.Em um projeto de experimento os fatores controlados são fatores que permanecem constantes durante sua execução. São fatores caracterizados pela existência de procedimentos operacionais padrões (escritos e executados), que determinam como os mesmos são executados ou Fatores fora de controle ou não controlados são fatores que não podem ser mantidos constantes durante o experimento. Antes da execução do projeto recomenda reliminares para controlar os fatores inicialmente determinados não controlados. Para aqueles fatores que não conseguem ser controlados, pela impossibilidade de ação ou pelos custos, denominados de ruídos, busca-se determinar ajustes dos demais fatores de tal forma que o processo Os fatores ou variáveis dependentes representam as medidas de performance dos processos ou produtos, cujos resultados são afetados pelos fatores de entrada. Já os fatores chaves, também chamados de experimentais, são fatores a serem propositalmente modificados (experimentados) para identificar como os mesmos afetam a saída (variáveis dependentes) e, assim, identificar como esses fatores experimentais devem ser posicionados para que o objetivo do processo seja alcançado. se um fluxograma que ajuda a compreender como classificar os fatores em Controlados e Não Controlados. Fatores de Previsão (ENTRADAS) Fatores Dependentes DAS) Fatores Controlados Fatores Chaves Fatores Não Controlados Ruídos Fatores Controláveis - Classificação de Fatores Os fatores não controlados, por sua vez, são divididos em fatores controláveis (porém não controlados) e ruídos. Os fatores chaves são fatores controlados que podem ser propositalmente Em um projeto de experimento os fatores controlados são fatores que permanecem constantes durante sua execução. São fatores caracterizados pela existência de procedimentos executados), que determinam como os mesmos são executados ou Fatores fora de controle ou não controlados são fatores que não podem ser mantidos constantes durante o experimento. Antes da execução do projeto recomenda-se que sejam tomadas reliminares para controlar os fatores inicialmente determinados não controlados. Para aqueles fatores que não conseguem ser controlados, pela impossibilidade de ação ou pelos custos, tal forma que o processo Os fatores ou variáveis dependentes representam as medidas de performance dos processos perimentais, são fatores a serem propositalmente modificados (experimentados) para identificar como os mesmos afetam a saída (variáveis dependentes) e, assim, identificar como esses fatores experimentais devem ser se um fluxograma que ajuda a compreender como classificar os fatores veis 2.2 Projetos de experimentos O projeto de experimento é uma t japonês Genichi Taguchi, que originalmente determinou a função perda, dando origem ao Projeto de Experimento. Para que seja identificado como uma medida de performance de processo é fatores de entrada, é comum o uso de uma abordagem de experimentação ou mudanças de um fator por vez e então se tenta identificar como a saída foi afetada por esse fator, coletando os dados associadas a ela. Uma outra abordagem muito seme Essas abordagens têm- de processos e produtos [1]. Essas técnicas são arcaicas e demanda tempo elevado de execução, o que é certamente contrário às nece Outro ponto negativo nessas abordagens é que não é possível determinar como a interação entre dois ou mais fatores pode afetar a saída (medida de performance), já que a experimentação é feita em um fator por vez. Nos fenômenos de uma maneira geral, os efeitos são oriundos de muitas variáveis, que afetam separadamente e em conjunto o resultado do referente fenômeno. O Projeto de Experimento também conhecido como DOE ( de experimentação de fatores, inclusive com alterações simultânea entre fatores, onde se procura determinar como a saída do processo ou produto é afetada por essas alterações. Os resultados das experimentações realizadas podem ser dois: 1- Determinação dos fatores Controlável? Não Não Sim Indicar como Fazer POP e prover treinamento POP: Procedimento Operacional Padrão POP: Procedimento Operacional Padrão Figura 4 - Fluxograma de Classificação C, N experimentos experimento é uma técnica estatística amplamente difundida pelo engenheiro japonês Genichi Taguchi, que originalmente determinou a função perda, dando origem ao Projeto de Para que seja identificado como uma medida de performance de processo é fatores de entrada, é comum o uso de uma abordagem de experimentação ou mudanças de um fator por vez e então se tenta identificar como a saída foi afetada por esse fator, coletando os dados associadas a ela. Uma outra abordagem muito semelhante é a de tentativas e erros. -se mostrado muito ineficientes e pouco efetivas na busca de otimização de processos e produtos [1]. Essas técnicas são arcaicas e demanda tempo elevado de execução, o que é certamente contrário às necessidades de agilidade em um mundo competitivo. Outro ponto negativo nessas abordagens é que não é possível determinar como a interação entre dois ou mais fatores pode afetar a saída (medida de performance), já que a experimentação é Nos fenômenos de uma maneira geral, os efeitos são oriundos de muitas variáveis, que afetam separadamente e em conjunto o resultado do referente fenômeno. O Projeto de Experimento também conhecido como DOE (Design ofExperiment entação de fatores, inclusive com alterações simultânea entre fatores, onde se procura determinar como a saída do processo ou produto é afetada por essas alterações. Os resultados das experimentações realizadas podem ser dois: Determinação dos fatores principais, dentre os que são experimentados (filtragem); ClassificarClassificar Há POP? É executado? Não Sim Início End Indicar como POP e prover treinamento or C (Controlled) N (Not Controlled) Controllable but not controlled Uncontrollable Control level POP: Procedimento Operacional POP: Procedimento Operacional Controlado Não Controlado Não Controlados porém Controláveis Não Controláveis écnica estatística amplamente difundida pelo engenheiro japonês Genichi Taguchi, que originalmente determinou a função perda, dando origem ao Projeto de Para que seja identificado como uma medida de performance de processo é afetada por seus fatores de entrada, é comum o uso de uma abordagem de experimentação ou mudanças de um fator por vez e então se tenta identificar como a saída foi afetada por esse fator, coletando os dados lhante é a de tentativas e erros. se mostrado muito ineficientes e pouco efetivas na busca de otimização de processos e produtos [1]. Essas técnicas são arcaicas e demanda tempo elevado de execução, o ssidades de agilidade em um mundo competitivo. Outro ponto negativo nessas abordagens é que não é possível determinar como a interação entre dois ou mais fatores pode afetar a saída (medida de performance), já que a experimentação é Nos fenômenos de uma maneira geral, os efeitos são oriundos de muitas variáveis, que afetam Design ofExperiment) é uma técnica entação de fatores, inclusive com alterações simultânea entre fatores, onde se procura determinar como a saída do processo ou produto é afetada por essas alterações. Os resultados das principais, dentre os que são experimentados (filtragem); or Controllable but Uncontrollable Noise Não Controlados veis veis 2- Determinação da relação entre os fatores de entrada e a variável dependente (saída), por meio de um modelo matemático. O modelo matemático determinado pelo DOE é utilizado como um modelo de previ a determinação dos níveisa serem ajustados de cada fator experimental (de entrada) de acordo com os objetivos definidos para o processo ou produto em estudo. O contrário também pode acontecer, ou seja, a partir dos níveis estabelecidos dos Além dos argumentos acima, o projeto de experimento ajuda aos que o conduzem a adquirir conhecimento para: melhorar as características de performance, reduzir custo, reduzir tempo entre desenvolvimento e produção. 2.3 Variações e a Função Taguchi assim como outros autores de qualidade associa perdas a variações ocasionadas no processo. Ele acreditava que muitos dos problemas poderiam ser evitados com um bom projeto, principalmente com a identificação dos fatores de maior impacto e dos fatores que não poderão ser controlados, mas que precisam ter um processo robusto aos mesmos. Taguchi desenvolveu uma função que foi denominada função perda que permite a associação de perdas dos processos ou produtos a valores monetários. Essa associação permite que pesquisadores e profissionais possam identificar processos ou produtos chaves que precisam ser melhorados e até mesmo a soma de valores associados às melhorias efetivadas no processo. Na figura 6 é possível verificar a função quadrática da perda em longo prazo de Taguchi. Entrada x x x Figura 5 - Diagrama de IPO representando a relação de fatores de entrada e saídas Determinação da relação entre os fatores de entrada e a variável dependente (saída), por meio de um modelo matemático. O modelo matemático determinado pelo DOE é utilizado como um modelo de previ a determinação dos níveis a serem ajustados de cada fator experimental (de entrada) de acordo com os objetivos definidos para o processo ou produto em estudo. O contrário também pode acontecer, ou seja, a partir dos níveis estabelecidos dos fatores é possível prever o valor da saída. Além dos argumentos acima, o projeto de experimento ajuda aos que o conduzem a adquirir imento para: melhorar as características de performance, reduzir custo, reduzir tempo entre desenvolvimento e produção. Função Perda Taguchi assim como outros autores de qualidade associa perdas a variações ocasionadas no editava que muitos dos problemas poderiam ser evitados com um bom projeto, principalmente com a identificação dos fatores de maior impacto e dos fatores que não poderão ser controlados, mas que precisam ter um processo robusto aos mesmos. eu uma função que foi denominada função perda que permite a associação de perdas dos processos ou produtos a valores monetários. Essa associação permite que pesquisadores e profissionais possam identificar processos ou produtos chaves que precisam ser orados e até mesmo a soma de valores associados às melhorias efetivadas no processo. Na figura 6 é possível verificar a função quadrática da perda em longo prazo de Taguchi. Y = f (x) Entrada Saída x1 x2 xn Y1 Processo• • • Y2 Diagrama de IPO representando a relação de fatores de entrada e saídas Determinação da relação entre os fatores de entrada e a variável dependente (saída), por O modelo matemático determinado pelo DOE é utilizado como um modelo de previsão que permite a determinação dos níveis a serem ajustados de cada fator experimental (de entrada) de acordo com os objetivos definidos para o processo ou produto em estudo. O contrário também pode acontecer, fatores é possível prever o valor da saída. Além dos argumentos acima, o projeto de experimento ajuda aos que o conduzem a adquirir imento para: melhorar as características de performance, reduzir custo, reduzir tempo entre Taguchi assim como outros autores de qualidade associa perdas a variações ocasionadas no editava que muitos dos problemas poderiam ser evitados com um bom projeto, principalmente com a identificação dos fatores de maior impacto e dos fatores que não poderão ser eu uma função que foi denominada função perda que permite a associação de perdas dos processos ou produtos a valores monetários. Essa associação permite que pesquisadores e profissionais possam identificar processos ou produtos chaves que precisam ser orados e até mesmo a soma de valores associados às melhorias efetivadas no processo. Na figura 6 é possível verificar a função quadrática da perda em longo prazo de Taguchi. Diagrama de IPO representando a relação de fatores de entrada e saídas Veja que quanto mais o resultado se dist mesmos estejam dentro de seus limites de especificação, ou seja, tendo seus produtos ou processos associados considerados aceitáveis. O quadro acima nos remete a uma discussão Até hoje, tem-se muito forte o conceito de “atendimento às especificações” para classificar um produto como “de qualidade”, ou seja, se a característica medida do produto está dentro dos limites de especificação, o mesmo é considerado um produto aceitável, caso a característica medida esteja fora dos limites de especificação definidos, aí o produto é considerado defeituoso ou não adequado. Os custos associados ao não atendimento das especificações, remete “quebras ou descartes de peças” e reparos e consertos de produtos ou serviços. Contudo a abordagem apresentada no parágrafo acima, nos remete a uma necessidade de processos ou postos de inspeção, nem sempre muito efetivos [3]. Juran, aliás, com efetividade dos processos de inspeção é de 80%. Além disso, a inspeção gera custos com necessidade de equipamentos, pessoas e procedimentos. Deming [4] baseando nas idéias de Schwart já falava que perdas eram geradas pela variabilidade dos processos. E essa variabilidade gera custos. Em outras palavras, não basta que os produtos ou processos atendam aos limites de especificação, eles não podem ter variabilidades associadas. Para reduzir os custos dos produtos/ serviços é necessário que os e não os limites de especificação, e as variabilidades devem ser reduzidas. Com relação à curva apresentada na figura 6, Taguchi propõem a seguinte função quadrática: L = k(y – T)2 (1) onde: L é a perda medida de um produto unitário, T resposta medido e k é uma constante monetária [2]. A constante k é determinada quando se sabe o valor L associado a um y qualquer. 0 5 10 15 20 25 30 35 40 45 50 1 2 Figura 6 - Função Perda de Taguchi mais o resultado se distância dotarget, maiores são os custos, ainda que os mesmos estejam dentro de seus limites de especificação, ou seja, tendo seus produtos ou processos associados considerados aceitáveis. O quadro acima nos remete a uma discussão sobre conceitos e dissertações sobre qualidade. se muito forte o conceito de “atendimento às especificações” para classificar um produto como “de qualidade”, ou seja, se a característica medida do produto está dentro dos limites ção, o mesmo é considerado um produto aceitável, caso a característica medida esteja fora dos limites de especificação definidos, aí o produto é considerado defeituoso ou não adequado. Os custos associados ao não atendimento das especificações, remete “quebras ou descartes de peças” e reparos e consertos de produtos ou serviços. Contudo a abordagem apresentada no parágrafo acima, nos remete a uma necessidade de processos ou postos de inspeção, nem sempre muito efetivos [3]. Juran, aliás, com efetividade dos processos de inspeção é de 80%. Além disso, a inspeção gera custos com necessidade de equipamentos, pessoas e procedimentos. Deming [4] baseando nas idéias de Schwart já falava que perdas eram geradas pela ssos. E essa variabilidade gera custos. Em outras palavras, não basta que os produtos ou processos atendam aos limites de especificação, eles não podem ter variabilidades Para reduzir os custos dos produtos/ serviçosé necessário que os targets e não os limites de especificação, e as variabilidades devem ser reduzidas. Com relação à curva apresentada na figura 6, Taguchi propõem a seguinte função quadrática: onde: L é a perda medida de um produto unitário, T é o target (meta) a ser alcançado, y é o valor de resposta medido e k é uma constante monetária [2]. A constante k é determinada quando se sabe o valor L associado a um y qualquer. Gráfico da Função Perda 3 4 5 6 7 8 9 10 11 12 13 14TARGETLIE LSE target, maiores são os custos, ainda que os mesmos estejam dentro de seus limites de especificação, ou seja, tendo seus produtos ou processos sobre conceitos e dissertações sobre qualidade. se muito forte o conceito de “atendimento às especificações” para classificar um produto como “de qualidade”, ou seja, se a característica medida do produto está dentro dos limites ção, o mesmo é considerado um produto aceitável, caso a característica medida esteja fora dos limites de especificação definidos, aí o produto é considerado defeituoso ou não adequado. Os custos associados ao não atendimento das especificações, remete-se a custos com “quebras ou descartes de peças” e reparos e consertos de produtos ou serviços. Contudo a abordagem apresentada no parágrafo acima, nos remete a uma necessidade de processos ou postos de inspeção, nem sempre muito efetivos [3]. Juran, aliás, comenta que a efetividade dos processos de inspeção é de 80%. Além disso, a inspeção gera custos com necessidade Deming [4] baseando nas idéias de Schwart já falava que perdas eram geradas pela ssos. E essa variabilidade gera custos. Em outras palavras, não basta que os produtos ou processos atendam aos limites de especificação, eles não podem ter variabilidades targets sejam perseguidos, Com relação à curva apresentada na figura 6, Taguchi propõem a seguinte função quadrática: (meta) a ser alcançado, y é o valor de resposta medido e k é uma constante monetária [2]. A constante k é determinada quando se sabe o 15 A função quadrática (1) apresentada acima ainda pode ser transformada para função que determina a média de perda por produto Na função (2) acima fica muito claro que a perda monetária aumenta com a variabilidade representada pela variância 2)( Ty − . Sabe-se que a variabilidade identificada nas saídas dos processos é oriunda da existência de fatores causadores dessa variabilidade. A redução dessa variabilidade deve ser então buscada, num primeiro momento, pela padronização dos fatores, através de Procedimentos Operacionais Padrões, ou seja, transformando os fatores previamente classificados como não controlados em fatores controlados. O projeto de experimento (DOE) é então apresentado como uma t determinação dos pontos ótimos para os fatores principais (a serem experimentados) de tal forma que a diferença entre os valores medidos e fatores tais que as variações sejam 2.4 Medidas de Qualidade Medidas de qualidade de processos são utilizadas para monitoramento e avaliação dos processos quanto a sua variabilidade, atendimento às especificações e quanto à centralização em torno do target. O uso de medidas ou indicadores de processo é essencial para a identificação clara da situação corrente de um processo e para se determinar metas que permitam uma melhoria contínua dos referentes processos, tanto em termos de atendimento de clientes quanto de negócios. Dois índices são muito utilizados para avaliação da capacidade do processo: C índice de capacidade potencial, porque faz uma avaliação de processo em termos do atendimento de especificações, assumindo que a média dos valores medidos é o determinado pela função abaixo. LSE – Limite Superior de Especificação; LIE – Limite Inferior de Especificação e; σ – desvio padrão da amostra. A função quadrática (1) apresentada acima ainda pode ser transformada para média de perda por produto: ))(()( 22 TykLE y −+= σ (2) Na função (2) acima fica muito claro que a perda monetária aumenta com a variabilidade representada pela variância 2 yσ e pela amplitude quadrática entre o valor de resposta e o se que a variabilidade identificada nas saídas dos processos é oriunda da existência de fatores causadores dessa variabilidade. A redução dessa variabilidade deve ser então buscada, num o momento, pela padronização dos fatores, através de Procedimentos Operacionais Padrões, ou seja, transformando os fatores previamente classificados como não controlados em fatores O projeto de experimento (DOE) é então apresentado como uma técnica que pode auxiliar na determinação dos pontos ótimos para os fatores principais (a serem experimentados) de tal forma que a diferença entre os valores medidos e target seja reduzido, bem como as posições para esses fatores tais que as variações sejam reduzidas. Medidas de Qualidade Medidas de qualidade de processos são utilizadas para monitoramento e avaliação dos processos quanto a sua variabilidade, atendimento às especificações e quanto à centralização em O uso de medidas ou indicadores de processo é essencial para a identificação clara da situação corrente de um processo e para se determinar metas que permitam uma melhoria contínua dos referentes processos, tanto em termos de atendimento de clientes quanto em termos de resultado Dois índices são muito utilizados para avaliação da capacidade do processo: C índice de capacidade potencial, porque faz uma avaliação de processo em termos do atendimento de que a média dos valores medidos é o target desejado, conforme pode ser determinado pela função abaixo. σ6 LIELSECP − = , sendo Limite Superior de Especificação; Limite Inferior de Especificação e; desvio padrão da amostra. A função quadrática (1) apresentada acima ainda pode ser transformada para uma nova Na função (2) acima fica muito claro que a perda monetária aumenta com a variabilidade tre o valor de resposta e o target se que a variabilidade identificada nas saídas dos processos é oriunda da existência de fatores causadores dessa variabilidade. A redução dessa variabilidade deve ser então buscada, num o momento, pela padronização dos fatores, através de Procedimentos Operacionais Padrões, ou seja, transformando os fatores previamente classificados como não controlados em fatores écnica que pode auxiliar na determinação dos pontos ótimos para os fatores principais (a serem experimentados) de tal forma seja reduzido, bem como as posições para esses Medidas de qualidade de processos são utilizadas para monitoramento e avaliação dos processos quanto a sua variabilidade, atendimento às especificações e quanto à centralização em O uso de medidas ou indicadores de processo é essencial para a identificação clara da situação corrente de um processo e para se determinar metas que permitam uma melhoria contínua dos em termos de resultado Dois índices são muito utilizados para avaliação da capacidade do processo: Cp e Cpk. O Cp é um índice de capacidade potencial, porque faz uma avaliação de processo em termos do atendimento de desejado, conforme pode ser Já o CPK é uma medida da capacidade atual do processo, pois leva em consideração a variação entre a média dos dados (y) e o Há uma prática de não se aceitar processos com C variação acima da tolerância natural (variação de 3 desvios padrões para cima e para baixo). Deseja se sempre um CP acima de 1,33, o que significa um nível sigma superior a 4. No mercado, algumas empresas determinam limites inferiores para C Motorola que exige um valor mínimo de 2,0, por exemplo [1]. Busca-se um CPK próximo ao C processo tem uma capacidade potencial determinada pelo C determinada pelo CPK indica que oprocesso apresenta um deslocamento em relação ao centro e que isso precisa ser resolvido. Uma terceira medição associada a níveis de C por milhão). Isso é permitido pelo fato do C especificações e ao conceito de defeito que indica o atendimento ou não das especificações. Na tabela 1 abaixo é possível verificar valores de dpm em relação a valores de Cp (ou seja, considerando a média igual ao Nos capítulos seguintes, veremos como pode ser executado o DOE, matrizes, elementos que compõe o projeto, análises e etc. é uma medida da capacidade atual do processo, pois leva em consideração a variação ) e o target (T) desejado. − − = σσ 3 ; 3 LIEyyLSEMínimoCPK Há uma prática de não se aceitar processos com CP abaixo de 1,0, já que isso significaria uma riação acima da tolerância natural (variação de 3 desvios padrões para cima e para baixo). Deseja acima de 1,33, o que significa um nível sigma superior a 4. No mercado, algumas empresas determinam limites inferiores para C Motorola que exige um valor mínimo de 2,0, por exemplo [1]. próximo ao CP. Quando há uma diferença entre os mesmos, significa que o processo tem uma capacidade potencial determinada pelo CP, contudo, a capacidade real indica que o processo apresenta um deslocamento em relação ao centro e que Uma terceira medição associada a níveis de Cp é o dpm (defeitos por milhão) ou ppm (partes por milhão). Isso é permitido pelo fato do Cp fazer uma avaliação em termos de atendimento às especificações e ao conceito de defeito que indica o atendimento ou não das especificações. Na tabela 1 abaixo é possível verificar valores de dpm em relação a valores de Cp (ou seja, considerando a média igual ao target). Tabela 1 - CP x dpm Cp Dpm 0,50 133.600 0,67 45.500 0,80 16.400 0,90 6.900 1,00 2.700 1,33 66 1,67 <1 2,00 0,0018 3,00 <<1 4,00 < 1 defeito por milhão Nos capítulos seguintes, veremos como pode ser executado o DOE, matrizes, elementos que compõe o projeto, análises e etc. é uma medida da capacidade atual do processo, pois leva em consideração a variação abaixo de 1,0, já que isso significaria uma riação acima da tolerância natural (variação de 3 desvios padrões para cima e para baixo). Deseja- No mercado, algumas empresas determinam limites inferiores para CP, como a Ford e a . Quando há uma diferença entre os mesmos, significa que o , contudo, a capacidade real indica que o processo apresenta um deslocamento em relação ao centro e que é o dpm (defeitos por milhão) ou ppm (partes ação em termos de atendimento às especificações e ao conceito de defeito que indica o atendimento ou não das especificações. Na tabela 1 abaixo é possível verificar valores de dpm em relação a valores de Cp (ou seja, Nos capítulos seguintes, veremos como pode ser executado o DOE, quais são as principais 3 PASSOS PARA O PROJETO DE EXPERIMENTO Antes de se iniciar o projeto de experimento é necessário que alguns passos primordiais sejam executados. Esses passos consistem em um p em preparação ao experimento. O planejamento consiste, em muitas situações, a 50% do tempo total [1]. Contudo, esse tempo é extremamente relevante para que o projeto seja executado corretamente e para que as pessoas envolvidas entendam e não percam tempo na execução dos experimentos, que é a etapa que pode gerar maiores custos. As etapas macros são demonstradas no fluxograma abaixo: Figura Uma das coisas importantes nas etapas demonstrados na figura 7 é que a identificação dos fatores que afetam a métrica deve ser feito por meio de uma análise, que pode ser um brainstorming, com participação de especialistas do processo. Outro ponto importante é a necessidade de classificar corretamente os fatores (N e C, inicialmente) e de transformar por meio de ações com padronização de operação os fatores não controlados (N) em controlados (C). As etapas apresentadas no fluxograma da figura 7 PASSOS PARA O PROJETO DE EXPERIMENTO Antes de se iniciar o projeto de experimento é necessário que alguns passos primordiais sejam executados. Esses passos consistem em um planejamento inicial das atividades que serão executadas em preparação ao experimento. O planejamento consiste, em muitas situações, a 50% do tempo total [1]. Contudo, esse tempo é extremamente relevante para que o projeto seja executado que as pessoas envolvidas entendam e não percam tempo na execução dos experimentos, que é a etapa que pode gerar maiores custos. As etapas macros são demonstradas no fluxograma abaixo: Figura 7 - Fluxograma de preparação e execução do DOE Uma das coisas importantes nas etapas demonstrados na figura 7 é que a identificação dos fatores que afetam a métrica deve ser feito por meio de uma análise, que pode ser um , com participação de especialistas do processo. nto importante é a necessidade de classificar corretamente os fatores (N e C, inicialmente) e de transformar por meio de ações com padronização de operação os fatores não controlados (N) em controlados (C). As etapas apresentadas no fluxograma da figura 7 podem ainda ser mais detalhadas: PASSOS PARA O PROJETO DE EXPERIMENTO Antes de se iniciar o projeto de experimento é necessário que alguns passos primordiais sejam lanejamento inicial das atividades que serão executadas em preparação ao experimento. O planejamento consiste, em muitas situações, a 50% do tempo total [1]. Contudo, esse tempo é extremamente relevante para que o projeto seja executado que as pessoas envolvidas entendam e não percam tempo na execução dos Uma das coisas importantes nas etapas demonstrados na figura 7 é que a identificação dos fatores que afetam a métrica deve ser feito por meio de uma análise, que pode ser um nto importante é a necessidade de classificar corretamente os fatores (N e C, inicialmente) e de transformar por meio de ações com padronização de operação os fatores não- podem ainda ser mais detalhadas: - Antes mesmo da execução do um fluxograma com detalhes das etapas do processo pode ser confeccionado para auxiliar na análise e identificação dos fatores; - Deve ser formada uma equipe de especialistas, cujos objetivos estejam claros para todos (o que se quer estudar, o tempo e etc.); - Para execução dos experimentos em si, é necessário que algumas etapas essenciais sejam executadas logo após a identificação 1. Identificar a quantidade de níveis dos fatores a serem experimentados; 2. Identificar a matriz de experimento; 3. Identificara quantidade de replicação por experimento. - Muitas das vezes o DOE toma muito tempo, por experimento em si estejam claros. Em termos práticos, o ambiente, as pessoas e os equipamentos necessários devem ser preparados antecipadamente para a execução do projeto de experimento. Nos capítulos seguintes abordaremos os aspectos apresentados acima em preparação para o projeto. Veremos sobre a determinação da característica de qualidade a ser avaliada, as matrizes, como determinar o modelo matemático, como avaliar se um fator é significativo ou não avaliação dos modelos matemáticos. Antes mesmo da execução do brainstorming para identificação dos fatores que afetam a métrica, um fluxograma com detalhes das etapas do processo pode ser confeccionado para auxiliar na análise Deve ser formada uma equipe de especialistas, cujos objetivos estejam claros para todos (o que se quer estudar, o tempo e etc.); Para execução dos experimentos em si, é necessário que algumas etapas essenciais sejam executadas logo após a identificação dos fatores que deverão ser experimentados:Identificar a quantidade de níveis dos fatores a serem experimentados; Identificar a matriz de experimento; Identificara quantidade de replicação por experimento. Muitas das vezes o DOE toma muito tempo, por isso é importante que os tempos de análise e do experimento em si estejam claros. Em termos práticos, o ambiente, as pessoas e os equipamentos necessários devem ser preparados antecipadamente para a execução do projeto de experimento. seguintes abordaremos os aspectos apresentados acima em preparação para o projeto. Veremos sobre a determinação da característica de qualidade a ser avaliada, as matrizes, como determinar o modelo matemático, como avaliar se um fator é significativo ou não avaliação dos modelos matemáticos. para identificação dos fatores que afetam a métrica, um fluxograma com detalhes das etapas do processo pode ser confeccionado para auxiliar na análise Deve ser formada uma equipe de especialistas, cujos objetivos estejam claros para todos (o que se Para execução dos experimentos em si, é necessário que algumas etapas essenciais sejam dos fatores que deverão ser experimentados: Identificar a quantidade de níveis dos fatores a serem experimentados; isso é importante que os tempos de análise e do Em termos práticos, o ambiente, as pessoas e os equipamentos necessários devem ser seguintes abordaremos os aspectos apresentados acima em preparação para o projeto. Veremos sobre a determinação da característica de qualidade a ser avaliada, as matrizes, como determinar o modelo matemático, como avaliar se um fator é significativo ou não e critérios de 4 Executando Vejamos desse ponto em diante, com mais detalhes, as etapas do projeto de experimento. 4.1 Característica de Um dos passos iniciais e prioritários determinação da característica de qualidade associada ao produto ou processo que será objeto do estudo e donde se terá a relação determinada com os fatores por meio do modelo matemático. Essa característica de qualidade é também chamada de quantitativa, preferencialmente contínua. Quando se fala em dados contínuos tem exemplo: temperatura, comprimento, pressão, área, peso, medidas físicas de uma maneira geral. Em certas circunstâncias elementos não contínuos podem ser adotados como medidas de desempenho de um processo. Por exemplo, quando a característica a ser estudada de um processo alimentício é o sabor do produto em questão, normalmente são associados atributos qu péssimo, ruim, razoável, bom e ótimo. Esses atributos podem ser convertidos em valores: 1, 2, 3, 4 e 5, por exemplo. E assim pode quantitativa. O que complica nesses casos é quando a característica de qualidade corresponde a um número binário. Esse tipo de característica obriga a execução de vários experimentos (replicações) por ajuste definido para que não haja ambigüidade nos resultados. Em cert binário pode ser utilizado como um termo contínuo. Alguns pontos chaves devem ser considerados na determinação da característica de qualidade (métrica) [1]: 1. A métrica deve ser o máximo possível relacionada a um elemento físico ou mecanismo físico básico de tecnologia; 2. Usar respostas (dados) contínuas, se possível; 3. Usar medidas que possam ser medidas precisamente, de forma acurada, e com estabilidade. É importante fazer uma análise prévia no sistema de medição (MSA) para garantir que as (avaliar repetibilidade e reprodutibilidade) [1, 5]. 4. Assegurar que a métrica escolhida reflita de fato a característica ou função ideal da tecnologia com respeito à necessidade e expectativas dos clien Executando o Projeto de Experimento Vejamos desse ponto em diante, com mais detalhes, as etapas do projeto de experimento. Característica de Qualidade Um dos passos iniciais e prioritários para a execução do projeto de experimento é a determinação da característica de qualidade associada ao produto ou processo que será objeto do estudo e donde se terá a relação determinada com os fatores por meio do modelo matemático. qualidade é também chamada de métrica e deve ser uma característica quantitativa, preferencialmente contínua. Quando se fala em dados contínuos tem exemplo: temperatura, comprimento, pressão, área, peso, medidas físicas de uma maneira geral. tas circunstâncias elementos não contínuos podem ser adotados como medidas de desempenho de um processo. Por exemplo, quando a característica a ser estudada de um processo alimentício é o sabor do produto em questão, normalmente são associados atributos qu péssimo, ruim, razoável, bom e ótimo. Esses atributos podem ser convertidos em valores: 1, 2, 3, 4 e 5, por exemplo. E assim pode-se tratar a característica de qualidade como uma característica O que complica nesses casos é quando a característica de qualidade corresponde a um número binário. Esse tipo de característica obriga a execução de vários experimentos (replicações) por ajuste definido para que não haja ambigüidade nos resultados. Em cert binário pode ser utilizado como um termo contínuo. Alguns pontos chaves devem ser considerados na determinação da característica de qualidade A métrica deve ser o máximo possível relacionada a um elemento físico ou ismo físico básico de tecnologia; Usar respostas (dados) contínuas, se possível; Usar medidas que possam ser medidas precisamente, de forma acurada, e com estabilidade. É importante fazer uma análise prévia no sistema de medição (MSA) para garantir que as medidas apresentadas nos experimentos sejam confiáveis (avaliar repetibilidade e reprodutibilidade) [1, 5]. Assegurar que a métrica escolhida reflita de fato a característica ou função ideal da tecnologia com respeito à necessidade e expectativas dos clien o Projeto de Experimento Vejamos desse ponto em diante, com mais detalhes, as etapas do projeto de experimento. para a execução do projeto de experimento é a determinação da característica de qualidade associada ao produto ou processo que será objeto do estudo e donde se terá a relação determinada com os fatores por meio do modelo matemático. e deve ser uma característica quantitativa, preferencialmente contínua. Quando se fala em dados contínuos tem-se como exemplo: temperatura, comprimento, pressão, área, peso, medidas físicas de uma maneira geral. tas circunstâncias elementos não contínuos podem ser adotados como medidas de desempenho de um processo. Por exemplo, quando a característica a ser estudada de um processo alimentício é o sabor do produto em questão, normalmente são associados atributos qualitativos: péssimo, ruim, razoável, bom e ótimo. Esses atributos podem ser convertidos em valores: 1, 2, 3, 4 e se tratar a característica de qualidade como uma característica O que complica nesses casos é quando a característica de qualidade corresponde a um número binário. Esse tipo de característica obriga a execução de vários experimentos (replicações) por ajuste definido para que não haja ambigüidade nos resultados. Em certas ocasiões, o valor Alguns pontos chaves devem ser considerados na determinação da característica de qualidade A métrica deve ser o máximo possível relacionada a um elemento físico ou Usar medidas que possam ser medidas precisamente, de forma acurada, e com estabilidade. É importante fazer uma análise prévia no sistema de medição (MSA) medidas apresentadas nos experimentos sejam confiáveis Assegurar que a métrica escolhida reflita de fato a característica ou função ideal da tecnologia com respeito à necessidade e expectativas dos clientes; 5. Em sistemas complexos, selecione respostas em níveis de subsistemas e execute experimentos nesse nível antes de tentar a otimização total do sistema. Na tabela abaixo, é possível verificaralguns exemplos de métricas (características de qualidade) para diversos processos. Processo Consumo de combustível Padaria Soldagem (Máquinas de Solda) Injeção Plástica Pintura 4.2 Determinação dos Após a identificação da característica da qualidade a ser utilizada para avaliar o processo, é necessário identificar os fatores que afetam essa característica (métrica). Para que um grupo de especialistas contribua para identificação desses fatores. Uma das formas mais eficientes de identificação dos fatores é reunir um grupo de especialista (entenda-se por especialistas, pessoas que participam e conhecem o brainstorming, cujo objetivo seja identificar esses fatores. Observe o exemplo abaixo, figura 8, em que são demonstrados fatores que afetam a métrica associada a um processo de consumo de combustível. Em sistemas complexos, selecione respostas em níveis de subsistemas e execute experimentos nesse nível antes de tentar a otimização total do sistema. Na tabela abaixo, é possível verificar alguns exemplos de métricas (características de ara diversos processos. Tabela 2 - Exemplo de Métricas Métrica Kilometros/litro Peso do Pão (g) Soldagem (Máquinas de Solda) Altura do Filletup de Solda ( Espessura de peça (m) Espessura da pintura (m) dos Fatores Após a identificação da característica da qualidade a ser utilizada para avaliar o processo, é necessário identificar os fatores que afetam essa característica (métrica). Para que um grupo de especialistas contribua para identificação desses fatores. Uma das formas mais eficientes de identificação dos fatores é reunir um grupo de especialista se por especialistas, pessoas que participam e conhecem o processo) em uma sessão de , cujo objetivo seja identificar esses fatores. Observe o exemplo abaixo, figura 8, em que são demonstrados fatores que afetam a métrica associada a um processo de consumo de Em sistemas complexos, selecione respostas em níveis de subsistemas e execute experimentos nesse nível antes de tentar a otimização total do sistema. Na tabela abaixo, é possível verificar alguns exemplos de métricas (características de m) Após a identificação da característica da qualidade a ser utilizada para avaliar o processo, é necessário identificar os fatores que afetam essa característica (métrica). Para tanto, é necessário Uma das formas mais eficientes de identificação dos fatores é reunir um grupo de especialista processo) em uma sessão de , cujo objetivo seja identificar esses fatores. Observe o exemplo abaixo, figura 8, em que são demonstrados fatores que afetam a métrica associada a um processo de consumo de É importante perceber que não se identificou “causas para um problema”, mas sim fatores que afetam a característica de No passo seguinte, é necessário avaliar cada um dos fatores para saber quais estão em estado controlado e quais não estão. Como mencionado anteriormente, para a condução de um projeto de experimento que resulte em modelo matemático coer esteja sob controle. Os fatores sob controle ou controlados podem ser designados com a letra “C” e os fatores fora de controle com a letra “N”, conforme pode ser observado na figura 9. Medição Mão-de-Obra Pressão de Ar do Pneus Estimativa de tanque cheio Velocímetro Habilidade do Motorista Número de passageiros N C C C N A primeira coisa a ser feita depois da classificação dos fatores é tornar os fatores N em fatores controlados, por meio de padronizações (procedimentos, fixação de ajustes, sistemas, treinamentos e outros). Alguns dos fatores inicialmente classificados como N não poderão ser controlados, devido às dificuldades ou custos que demandariam para tal situação. Um dos fatores clássicos que ilustram o que foi dito a pouco é “condição climática”. Controlar extremamente difícil e caro, quando possível. Figura 8 - Causa e Efeito com fatores que afetam o consumo de combustível É importante perceber que não se identificou “causas para um problema”, mas sim fatores que afetam a característica de qualidade definida. No passo seguinte, é necessário avaliar cada um dos fatores para saber quais estão em estado controlado e quais não estão. Como mencionado anteriormente, para a condução de um projeto de experimento que resulte em modelo matemático coerente é necessário que o processo Os fatores sob controle ou controlados podem ser designados com a letra “C” e os fatores fora de controle com a letra “N”, conforme pode ser observado na figura 9. Método Materiais Meio-Ambiente Máquina Velocímetro Condição de Freio Cronograma de Manutenção Velocidade de Partida Rotação do Pneu Tipo de Gasolina Tipo de Óleo Carburador Peso Ar-Condicionado Tipo de Transmissão Tipo de Pneu Pista (estrada/ cidade) Tipo de terreno Condições Climáticas Transito Alinhamento de Pneus Aditivo de Combustível N N C C C N C C C C N C C C Figura 9 - Classificação dos Fatores C e N A primeira coisa a ser feita depois da classificação dos fatores é tornar os fatores N em fatores controlados, por meio de padronizações (procedimentos, fixação de ajustes, sistemas, e outros). Alguns dos fatores inicialmente classificados como N não poderão ser controlados, devido às dificuldades ou custos que demandariam para tal situação. Um dos fatores clássicos que ilustram o que foi dito a pouco é “condição climática”. Controlar extremamente difícil e caro, quando possível. Causa e Efeito com fatores que afetam o consumo de combustível É importante perceber que não se identificou “causas para um problema”, mas sim fatores No passo seguinte, é necessário avaliar cada um dos fatores para saber quais estão em estado controlado e quais não estão. Como mencionado anteriormente, para a condução de um ente é necessário que o processo Os fatores sob controle ou controlados podem ser designados com a letra “C” e os fatores Km/l de combustível Tipo de Transmissão Tipo de Pneu C C A primeira coisa a ser feita depois da classificação dos fatores é tornar os fatores N em fatores controlados, por meio de padronizações (procedimentos, fixação de ajustes, sistemas, e outros). Alguns dos fatores inicialmente classificados como N não poderão ser controlados, devido às dificuldades ou custos que demandariam para tal situação. Um dos fatores clássicos que ilustram o que foi dito a pouco é “condição climática”. Controlar esse fator é Após tornar o processo o mais controlado possível, deve serem experimentados (fatores principais). Esse processo pode se feito por meio de uma nova sessão de brainstorming com especialistas ou mesmo através alguma ferramenta auxiliar de priorização, como FMEA [2]. Para que o experimento seja executado sem demandar tempo demasiado, pode número de fatores a serem experimentados. Por exemplo, para ut (identificação dos fatores principais) até sete fatores podem ser utilizados, contudo para a determinação do modelo matemático um número entre três a cinco fatores pode ser considerado. 4.3 Escolha das Matrizes de Experimento Como já foi mencionado anteriormente, os projetos de experimento são caracterizados por permitir uma mudança proposital nos fatores de entrada para que se possa perceber como essas mudanças afetam os fatores de saída e, assim, determinar uma relação entre saída(s). Então, pode-se concluir que é mais adequado mudar um fator por vez e então identificar se há e qual é a relação entre a saída e o fator propositalmente modificado? Não. Porque a mudançade um fator por vez não permite que se ob entre dois ou mais fatores podem afetar o fator dependente (saída). Essa é, aliás, a principal vantagem do projeto de experimento. De posse da informação acima, devemos estudar alguns tipos de matrizes (ou de projetos) de experimento. Contudo, antes abordaremos rapidamente sobre os níveis dos fatores. 4.4 Níveis de Fatores É comum nos projetos de experimentos tratarem Os níveis representam um ponto de ajuste dos referentes fatores, por exe máximo de especificação de um fator. Projetos com fatores em dois níveis são mais simples de serem executados, pelo menos, a quantidade de execuções de experimentos diminui. Contudo, em determinadas situações, alguns fatores podem assumir três diferentes níveis, por condições específicas do processo, quando após a passagem por um nível intermediário (0), há uma no comportamento do fator. Quando os fatores apresentam uma relação linear, pode apresentam dois níveis. Em situações, tais que o fator em questão represente uma peça, por exemplo, e essa peça pode ser de três diferentes matérias primas e um dos objetivos do experimento Após tornar o processo o mais controlado possível, deve-se identificar quais são os fatores a serem experimentados (fatores principais). Esse processo pode se feito por meio de uma nova sessão com especialistas ou mesmo através alguma ferramenta auxiliar de priorização, Para que o experimento seja executado sem demandar tempo demasiado, pode número de fatores a serem experimentados. Por exemplo, para utilizar o DOE para filtragem (identificação dos fatores principais) até sete fatores podem ser utilizados, contudo para a determinação do modelo matemático um número entre três a cinco fatores pode ser considerado. Escolha das Matrizes de Experimento Como já foi mencionado anteriormente, os projetos de experimento são caracterizados por permitir uma mudança proposital nos fatores de entrada para que se possa perceber como essas mudanças afetam os fatores de saída e, assim, determinar uma relação entre se concluir que é mais adequado mudar um fator por vez e então identificar se há e qual é a relação entre a saída e o fator propositalmente modificado? Não. Porque a mudança de um fator por vez não permite que se observe como as interações entre dois ou mais fatores podem afetar o fator dependente (saída). Essa é, aliás, a principal vantagem do projeto de experimento. De posse da informação acima, devemos estudar alguns tipos de matrizes (ou de projetos) de to. Contudo, antes abordaremos rapidamente sobre os níveis dos fatores. Níveis de Fatores É comum nos projetos de experimentos tratarem-se os fatores como tendo dois ou três níveis. Os níveis representam um ponto de ajuste dos referentes fatores, por exemplo, o nível mínimo ou máximo de especificação de um fator. Projetos com fatores em dois níveis são mais simples de serem executados, pelo menos, a quantidade de execuções de experimentos diminui. Contudo, em determinadas situações, alguns ssumir três diferentes níveis, por condições específicas do processo, quando após a passagem por um nível intermediário (0), há uma no comportamento do fator. Quando os fatores apresentam uma relação linear, pode-se assumir que os mesmos veis. Em situações, tais que o fator em questão represente uma peça, por exemplo, e essa peça pode ser de três diferentes matérias primas e um dos objetivos do experimento se identificar quais são os fatores a serem experimentados (fatores principais). Esse processo pode se feito por meio de uma nova sessão com especialistas ou mesmo através alguma ferramenta auxiliar de priorização, Para que o experimento seja executado sem demandar tempo demasiado, pode-se delimitar o ilizar o DOE para filtragem (identificação dos fatores principais) até sete fatores podem ser utilizados, contudo para a determinação do modelo matemático um número entre três a cinco fatores pode ser considerado. Como já foi mencionado anteriormente, os projetos de experimento são caracterizados por permitir uma mudança proposital nos fatores de entrada para que se possa perceber como essas mudanças afetam os fatores de saída e, assim, determinar uma relação entre as entradas e a(s) se concluir que é mais adequado mudar um fator por vez e então identificar se há serve como as interações entre dois ou mais fatores podem afetar o fator dependente (saída). Essa é, aliás, a principal De posse da informação acima, devemos estudar alguns tipos de matrizes (ou de projetos) de to. Contudo, antes abordaremos rapidamente sobre os níveis dos fatores. se os fatores como tendo dois ou três níveis. mplo, o nível mínimo ou Projetos com fatores em dois níveis são mais simples de serem executados, pelo menos, a quantidade de execuções de experimentos diminui. Contudo, em determinadas situações, alguns ssumir três diferentes níveis, por condições específicas do processo, quando após a passagem por um nível intermediário (0), há uma no comportamento do fator. se assumir que os mesmos veis. Em situações, tais que o fator em questão represente uma peça, por exemplo, e essa peça pode ser de três diferentes matérias primas e um dos objetivos do experimento é determinar se a matéria prima da peça afeta a saída e/ou quais dessas que permitem objetivos traçados, considera Os níveis são representados por meio de codificações: ( e 0, quando de um terceiro nível, nível central. A representação ficará mais clar alguns exemplos de projetos (matrizes). Veja o exemplo abaixo, na tabela 3, exemplos de fatores e níveis representados de um processo de consumo de combustível. Fator Pressão do Pneu Tipo de Óleo Tipo de Gasolina Transmissão Abaixo veremos alguns tipos de matrizes/ projetos que podem de projeto de experimentos. 4.5 Propriedades dos Projetos Conhecendo agora como é feito a codificação dos níveis dos fatores, vejamos algumas propriedades que deverão ser perseguidas nos projetos de experimento: a. Balanceamento é determinar se a matéria prima da peça afeta a saída e/ou quais dessas que permitem objetivos traçados, considera-se o fator como tendo três níveis. Os níveis são representados por meio de codificações: (-1) para Nível Baixo, +1, para Nível Alto, e 0, quando de um terceiro nível, nível central. A representação ficará mais clar alguns exemplos de projetos (matrizes). Veja o exemplo abaixo, na tabela 3, exemplos de fatores e níveis representados de um processo de consumo de combustível. Tabela 3 - Exemplo de Fatores e Níveis Nível (Mínimo e Máximo) Codificação do Nível 28 35 Tipo A Tipo B Comum Aditivada Manual Automática Abaixo veremos alguns tipos de matrizes/ projetos que podem ser utilizados para a execução Propriedades dos Projetos Conhecendo agora como é feito a codificação dos níveis dos fatores, vejamos algumas propriedades que deverão ser perseguidas nos projetos de experimento: Balanceamento - Assegurar que o efeito de cada fator é independente de um outro. é determinar se a matéria prima da peça afeta a saída e/ou quais dessas que permitem atingir os 1) para Nível Baixo, +1, para Nível Alto, e 0, quando de um terceiro nível, nível central. A representação ficará mais clara quando se observar Veja o exemplo abaixo, na tabela 3, exemplos de fatores e níveis representados de um Codificação do Nível -1 +1 -1 +1 -1 +1 -1 +1 ser utilizados para a execução Conhecendo agora como é feito a codificação dos níveis dos fatores, vejamos algumas Assegurar que o efeito de cada fator é independente de um outro. Para cada uma das colunas (fatores) a soma dos níveiscodificados deve ser zero 0 1 =∑ = n i ix . Em outras palavras, a quantidade de fatores em níveis +1 e mesmo na mes b. Ortogonalidade fatores ponderadas (fatores de interação): 0 1 =⋅∑ = ik n i ij xx completamente idênticos, ou seja, duas disposição de níveis, têm parcial têm-se uma “confusão parcial”. A confusão significa que não será possível determinar separadamente o efeito individual de cada fat Observe a tabela 4, como exemplo: Tabela 4 - Comb. 1 2 3 4 Σ Conclusão: O projeto de c. Aleatoriedade probabilidade igual permite determinar se a mudança na saída (Y 4.6 Exercício (Exercício): No padrão apresentado abaixo, verifique o balanceamento e ortogonalidade das colunas. Identifique quais são as colunas ortogonais, parcialmente confusas e completamente confusas: Para cada uma das colunas (fatores) a soma dos níveis codificados deve ser zero . Em outras palavras, a quantidade de fatores em níveis +1 e mesmo na mesma coluna. Ortogonalidade – O objetivo é o mesmo do Balanceamento, só que entre colunas de fatores ponderadas (fatores de interação): 0 (o produto de dois fatores codificados); completamente idênticos, ou seja, duas ou mais colunas de fatores com a mesma disposição de níveis, têm-se uma “confusão completa”; quando essa igualdade é se uma “confusão parcial”. A confusão significa que não será possível determinar separadamente o efeito individual de cada fator. Observe a tabela 4, como exemplo: - Exemplo de Verificação de Ortogonalidade e Balanceamento Comb. A B AB 1 -1 -1 +1 2 -1 +1 -1 3 +1 -1 -1 4 +1 +1 +1 Σ 0 0 0 Balanceado Ortogonal O projeto de experimento apresentado é balanceado e ortogonal. – Distribuir a execução dos experimentos em ordem aleatória, probabilidade igual para condução da seqüência de experimentos. permite determinar se a mudança na saída (Y) é efeito de fator específico ou de outro. (Exercício): No padrão apresentado abaixo, verifique o balanceamento e ortogonalidade das colunas. Identifique quais são as colunas ortogonais, parcialmente confusas e completamente confusas: Para cada uma das colunas (fatores) a soma dos níveis codificados deve ser zero � . Em outras palavras, a quantidade de fatores em níveis +1 e -1 deve ser o O objetivo é o mesmo do Balanceamento, só que entre colunas de (o produto de dois fatores codificados); - Quando há padrões ou mais colunas de fatores com a mesma se uma “confusão completa”; quando essa igualdade é se uma “confusão parcial”. A confusão significa que não será possível Exemplo de Verificação de Ortogonalidade e Balanceamento experimento apresentado é balanceado e ortogonal. a execução dos experimentos em ordem aleatória, com condução da seqüência de experimentos. A aleatoriedade ) é efeito de fator específico ou de outro. (Exercício): No padrão apresentado abaixo, verifique o balanceamento e ortogonalidade das colunas. Identifique quais são as colunas ortogonais, parcialmente confusas e completamente confusas: 4.7 Projeto Fatorial Completo (Fatorial Cheio) Quando nos remetemos à execução de projeto de experimento, o que se imagina primeiro é o projeto fatorial completo. O projeto fatorial completo caracteriza possíveis combinações dos fatores experimentais de dois níveis, o número de combinações é de 2 O número de combinações é dado pela seguinte função: L níveis de cada fator e F é a quantidade de fatores. Tomemos o processo de experimentais do referente processo são: temperatura da resina (níveis: 240 de injeção (níveis: 45% e 55%) e pressão de injeção (níveis: 85% e 95%) e a saída é afundamento da peça injetada Figura A 1 -1 2 -1 3 -1 4 -1 5 +1 6 +1 7 +1 8 +1 Projeto Fatorial Completo (Fatorial Cheio) Quando nos remetemos à execução de projeto de experimento, o que se imagina primeiro é o projeto fatorial completo. O projeto fatorial completo caracteriza-se pela execução de possíveis combinações dos fatores experimentais, ou seja, quando o projeto experimenta três fatores de dois níveis, o número de combinações é de 23, 8 combinações. O número de combinações é dado pela seguinte função: LF, sendo L igual à quantidade de níveis de cada fator e F é a quantidade de fatores. Tomemos o processo de injeção de gabinetes de celulares. Assumamos que os três fatores experimentais do referente processo são: temperatura da resina (níveis: 240 de injeção (níveis: 45% e 55%) e pressão de injeção (níveis: 85% e 95%) e a saída é afundamento da peça injetada, representados na figura 10. Figura 10 - IPO do Processo de Injeção de Gabinete de Celular A B C D E 1 -1 +1 -1 +1 1 -1 +1 -1 +1 1 +1 -1 +1 +1 1 +1 -1 +1 +1 +1 -1 -1 +1 -1 +1 -1 -1 +1 -1 +1 +1 +1 -1 -1 +1 -1 +1 -1 -1 Quando nos remetemos à execução de projeto de experimento, o que se imagina primeiro é o se pela execução de todas as eto experimenta três fatores , sendo L igual à quantidade de injeção de gabinetes de celulares. Assumamos que os três fatores experimentais do referente processo são: temperatura da resina (níveis: 240oC e 260oC), velocidade de injeção (níveis: 45% e 55%) e pressão de injeção (níveis: 85% e 95%) e a saída é o diâmetro do +1 +1 +1 +1 1 1 1 1 É possível montar a matriz de experimento, conforme tabela Tabela 5 - Projeto de Experimento Fatorial Cheio (Completo) com três fatores e dois níveis Temperat. de Resina Velocidade de Injeção Pressão de 1 240 45% 85% 2 240 45% 95% 3 240 55% 85% 4 240 55% 95% 5 260 45% 85% 6 260 45% 95% 7 260 55% 85% 8 260 55% 95% São 8 combinações respectivamente pelas letras A, B e C e suas combinações pelas junções das letras. Projetos de experimento com fatorial cheio apresentam como uma das principais vantagens a garantia da ortogonalidade e do balanceamento, como pode ser observado na matriz da tabela 5. Contudo, a grande desvantagem desse tipo de projeto é quantidade de execuções de experimento que devem ser realizados, o que demanda tempo e disponibilidade do processo para tal Isso se agrava quando a quantidade de fatores aumenta. Por exemplo, um projeto fatorial cheio com 5 fatores de dois níveis deverá ter 2 combinação (repetições). As três primeiras colunas descrevem-se os níveis codificados e as interações entre esses fatores. As três últimas colunas são as colunas referentes aos resultados determinados pelos experimentos, que no caso tratam do diâmetro do afundamento da peça injetada (mm). Quanto maior o número de execuções, melhor será a qualidade do experimento, contudo, maior será o tempo e custo relacionado. Vejamos na tabela 6, os fatores da tabela 5 com os resultados preenchidos. É possível montar a matriz de experimento, conforme tabela abaixo. Projeto de Experimento Fatorial Cheio (Completo) com três fatores e dois níveis Pressão de Injeção A B C AB AC BC ABC 85% -1 -1 -1 +1 +1 +1 -1 95% -1 -1 +1 +1 -1 -1 +1 85% -1 +1 -1 -1 +1 -1 +1 95% -1 +1 +1 -1 -1 +1 -1 85% +1 -1 -1 -1 -1 +1 +1 95% +1 -1 +1 -1 +1 -1 -1 85% +1 +1 -1 +1 -1 -1 -1 95% +1 +1 +1 +1 +1 +1 +1 São 8 combinações possíveis e todas são experimentadas. Os fatores são representados respectivamente pelas letras A, B e C e suas combinações pelas junções das letras. Projetos de experimento com fatorial cheio apresentam como uma das principais vantagens gonalidade e do balanceamento, como pode ser observado na matriz da tabela 5. Contudo, a grande desvantagem desse tipo de projeto
Compartilhar