Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 ANÁLISE DE CAPACIDADE DE PROCESSOS E SISTEMAS DE MEDIDA DEP-CTG-UFPE Introdução • Capacidade do processo diz respeito ao comportamento do processo em relação às especificações de projeto. • Deve-se antes assegurar a uniformidade da produção (processo estável) • Duas maneiras de encarar a variabilidade: – Variabilidade natural ou inerente (instantânea) – Variabilidade ao longo do tempo Introdução • Limites de Tolerância Natural – Relativos ao ajuste do processo – Representam a região em que ocorre a maior parte da variabilidade. • Assuma um processo para o qual a característica da qualidade tem distribuição normal com media � e desvio padrão �. Os limites naturais de tolerância superior e inferior do processo se situam em, respectivamente: LSNT = µ + 3σ LINT = µ − 3σ Introdução • Análise de Capacidade de um Processo é um estudo de engenharia para estimar capacidade do processo. • Trata-se de um estudo de caracterização de um produto, em que podemos apenas estimar a distribuição da característica da qualidade do produto ou a produção do processo (fração conforme) • Nada podemos dizer sobre o comportamento dinâmico do processo ou seu estado de controle estatístico Análise de Capacidade de um Processo 7-2.1 Utilizando o Histograma • Juntamente com a média amostral � e o desvio padrão amostral �, o histograma proporciona informações sobre a capacidade do processo. – A capacidade do processo pode ser estimada como � ± 3� – A forma do histograma pode ser determinada (tal como se ela segue uma distribuição normal) – Histogramas proporcionam uma impressão imediata do desempenho do processo. Análise de Capacidade de um Processo 2 Análise de Capacidade de um Processo Gráfico de Probabilidade – Gráficos de Probabilidade são úteis para • Determinar a forma da distribuição • Determinar o centro da distribuição • Determinar a dispersão da distribuição. – Gráficos de Probabilidade Normal • Permitem avaliar a aderência dos dados ao modelo de distribuição normal Análise de Capacidade de um Processo Análise de Capacidade de um Processo Gráfico de Probabilidades • Cuidados com o uso de gráficos de probabilidades – Se os dados não provêm da distribuição suposta, as inferências sobre a capacidade do processo extraídas do gráfico podem apresentar erro sério – O gráfico de probabilidades não é um procedimento objetivo (é possível que dois analistas cheguem a conclusões diferentes utilizando os mesmos dados). Análise de Capacidade de um Processo Estimando a Capacidade de Processo • Caso os parâmetros � e � da distribuição normal não sejam conhecidos, é possível estimar usando uma amostra extraída do processo sob controle estatístico por: �̂ = �; �� = � • Os dados usados nos gráficos � e � (ou S) podem ser usados na análise da capacidade do processo. Neste caso: �̂ = ��; �� = �� �� ou �� = �̅ �� Gráficos de Controle para �� e � Estimando a Capacidade de Processo • Assuma um processo estável. Então será possível estimar a fração de itens não conformes para qualquer processo em que limites de especificação foram definidos. • Assuma que o processo é normalmente distribuído, ou seja, que � é normalmente distribuído, então a estimativa da fração de itens não conformes pode ser encontrada resolvendo: ̂ = ! � < #$% + ! � > #�% = Φ #$% − �̂ �� + 1 − Φ #�% − �̂ �� Gráficos de Controle para �� e � 3 Razão (ou Índice) de Capacidade de Processo (RCP) • Usada para expressar a capacidade de processos normalmente distribuídos. • Interpretação – Se ) > 1, então um número baixo de itens não conformes estarão sendo produzidos. – Se ) = 1, então cerca de 0,27% de itens não conformes estarão sendo produzidos. – Se ) < 1, então um grande número de itens não conformes estarão sendo produzidos. Gráficos de Controle para �� e � Razão (ou Índice) de Capacidade de Processo (RCP) • A estatística )* assume que a média do processo é centralizada no ponto central da faixa de especificação – ela mede a capacidade potencial. • Para processos com ambos os limites de especificação, utilize uma estimativa de σ se ela for conhecida. Gráficos de Controle para �� e � Uso e Interpretação de +, • Razão da Capacidade de um Processo (RCP) onde LSE e LIE são os limites de especificação superior e inferior, respectivamente. σ6 LIELSE − =pC Razões da Capacidade de um Processo Uso e Interpretação de +, • A estimativa de )* é dada por onde a estimativa �� pode ser calculada usando o desvio padrão amostral �, ou ��/��. σˆ6 LIELSE ˆ − =pC Razões da Capacidade de um Processo Gráficos de Controle para �� e � Razões da Capacidade de um Processo 4 Razões da Capacidade de um Processo Razão (ou Índice) de Capacidade de Processo (+,) – O percentual da faixa de especificação usada pelo processo é denotada por !. = / 01 × 100% Gráficos de Controle para �� e � Exercício 5-1 Os dados exibidos aqui são valores de � e � para 24 amostras de tamanho 5 = 5 tiradas de um processo que produz mancais. As medidas são feitas no diâmetro interno dos mancais, registrando-se apenas as três últimas decimais (isto é, 34,5 representa 0,50345). a) Construa gráficos � e � para esse processo. O processo parece estar sob controle estatístico? Se necessário, revise os limites de controle tentativos. b) Se as especificações para o diâmetro são 0,5030 ± 0,0010, ache a percentagem de mancais não-conformes produzidos por esse processo. Suponha que o diâmetro é normalmente distribuído. Exercício Amostra �� � 1 34,5 3 2 34,2 4 3 31,6 4 4 31,5 4 5 35,0 5 6 34,1 6 7 32,6 4 8 33,8 3 9 34,8 7 10 33,6 8 11 31,9 3 12 38,6 9 Amostra �� � 13 35,4 8 14 34,0 6 15 37,1 5 16 34,9 7 17 33,5 4 18 31,7 3 19 34,0 8 20 35,1 4 21 33,7 2 22 32,8 1 23 33,5 3 24 34,2 2 Uso e Interpretação de +, • Especificações Unilaterais Estes índices são usados para os limites de especificação superior e inferior, respectivamente σ µ σ µ 3 LIE 3 LSE − = − = pi ps C C Razões da Capacidade de um Processo Uso e Interpretação de +, As quantidades ppm correspondentes às capacidades )* são calculadas com base em suposições muito importantes: 1. A característica de qualidade tem distribuição normal 2. O processo está sob controle estatístico 3. No caso de especificações bilaterais, a média do processo está centrada entre os limites de especificação superior e inferior. Se alguma destas suposições for violada, as quantidades resultantes podem estar erradas. Razões da Capacidade de um Processo 5 Razão da Capacidade do Processo para um Processo Descentrado • )* não considera onde a média do processo está localizada em relação às especificações. • Uma razão da capacidade do processo que que leve em conta a centralização do mesmo é definida por: )*9 = min )*= , )*> • )* mede a capacidade potencial • )*9 mede a capacidade efetiva Razões da Capacidade de um Processo Exemplo Exercício 7-5 Um processo está sob controle com �� = 100, �̅ = 1,05 e 5 = 5. As especificações do processo são 95 ± 10. A característica da qualidade tem distribuição normal. a) Estime a capacidade potencial b) Estime a capacidade efetiva c) De quanto se reduziria a falha do processo se ele fosse corrigido de modo a operar na especificação nominal. Exercício 7-6 Um processo está sob controle com �� = 75, �̅ = 2. As especificações do processo são 80 ± 8. O tamanho da amostra é 5 = 5. a) Estime a capacidade potencial b) Estime a capacidade efetiva c) De quanto se reduziria a falha do processo deslocando-se a media para a dimensão nominal? Admita que a característica da qualidadeseja distribuída normalmente. Normalidade e Razão de Capacidade de um Processo • Uma suposição importante subjacente é que a interpretação da capacidade de um processo e das razões )* e )*9 se baseia em uma distribuição normal da saída do processo. • Uma forma de abordar esta situação é transformar os dados, de modo que, na nova métrica, transformada, os dados tenham a aparência de uma distribuição normal Mais Detalhes sobre Centralização de Processos • )*9 não deve ser usado isoladamente como uma medida de centralização do processo. • )*9 depende inversamente de σ e se torna grande quando σ se aproxima de zero. Ou seja, um grande valor de )*9 não necessariamente revela algo sobre a localização da média no intervalo (LIE, LSE) 6 Mais Detalhes sobre Centralização de Processos Mais Detalhes sobre Centralização de Processos • Uma melhor razão da capacidade que mede a centralização do processo é: onde τ é a raiz quadrada do desvio quadrático esperado a contar do alvo C = / � (LSE + LIE) τ6 LIELSEC pm − = 2222 )(])[( TTxE −+=−= µστ Mais Detalhes sobre Centralização de Processos • )*G pode ser rescrita de outra forma: onde 222 1)(6 ξµσ +=−+ − = p pm C T LIELSEC σ µξ T−= Mais Detalhes sobre Centralização de Processos • Uma forma mais lógica de estimar )*G é: onde 21 ˆ ˆ V C C ppm + = S TxV −= Mais Detalhes sobre Centralização de Processos • A )*G de um processo com � − C = Δ > 0 é estritamente limitada acima pelo valor )* de um processo com � = Δ: )*G < #�% − #$% 6 � − C Assim, uma condição necessária para que )*G ≥ 1 � − C < 1 6 #�% − #$% Mais Detalhes sobre Centralização de Processos • A seguinte razão de capacidade de um processo oferece uma maior sensitividade a afastamentos da media do processo � em relação ao alvo desejado C. 22 1 1 ξ σ µ + = − + = pkpk pkm C T C C 7 Mais Detalhes sobre Centralização de Processos • O índice )* é uma razão de primeira geração. • Os índices )*9 e )*G são razões de segunda geração, pois são geradas a partir da razão de primeira geração )*. • O índice )*9G faz parte da terceira geração de razão de capacidade de um processo, pois é gerada a partir da razão de segunda geração )*9 Exercício 7-7 Considere os dois processos mostrados a seguir (o tamanho amostral é 5 = 5): As especificações são 100 ± 10. Calcule )*, )*9 e )*9G e interprete essas razões. Que processo você preferiria utilizar? Processo A Processo B ��K = 100 � � L = 105 �K̅ = 3 �L̅ = 1 Exercício Avaliar o processo de envasamento de erva-mate moída. Nesta etapa, o produto é acondicionado em embalagens de 1 MN para venda. A máquina semiautomática possui regulagem de carga de tipo volumétrico. Durante certo intervalo de tempo, inspecionou-se o peso de 100 pacotes (dados em gramas no quadro a seguir). Especificações: 1000 ± 15 N. a) Avalie a capacidade potencial (descentrada e centrada) b) Avalie a capacidade efetiva (descentrada e centrada) �̅ = 1001,86 � = 4,799 Exercício Estudos sobre a Capacidade de um Medidor e de um Sistema de Medidas 7-6.1 Gráficos de Controle e Métodos Tabulares • Partes da variabilidade total: – Variabilidade do produto, que é a variabilidade inerente ao próprio produto – Variabilidade do medidor (ou variabilidade da medição), que é a variabilidade devido ao erro de medição 2 medidor 2 produto 2 total σσσ += Gráficos de Controle e Métodos Tabulares Gráficos �� e � • Admita gráficos � e � em que 5 medidas são tomadas de um conjunto de P peças por um mesmo operador usando um mesmo instrumento • A variabilidade percebida no gráfico � pode ser interpretada como devida à habilidade do medidor em distinguir entre unidades do produto • A variabilidade percebida no gráfico � pode ser interpretada como a variabilidade devida ao operador. 8 Gráficos de Controle e Métodos Tabulares Razão da Precisão para a Tolerância (Q/R) • Uma estimativa do desvio padrão do erro de medição é dada então por: • Uma boa estimativa da capacidade do medidor (!) é dada por: 2 medidorˆ d R =σ medidorˆ6σ=P Gráficos de Controle e Métodos Tabulares Razão da Precisão para a Tolerância (Q/R) • A razão entre a capacidade do medidor (!) e a faixa de tolerância (C) resulta na razão da precisão para tolerância, dada por: • Em geral, admite-se !/C ≤ 0,1 para uma capacidade adequada do medidor LIELSE ˆ6 medidor − = σ T P Exemplo Exemplo Exemplo Exemplo 9 Gráficos de Controle e Métodos Tabulares • A variabilidade total pode ser estimada utilizando a variância amostral. ��TUTVW � = �� • Uma estimativa da variabilidade do produto pode ser encontrada por ��XYUZ[TU � = ��TUTVW � − ��\]Z^ZUY � = �� − ��\]Z^ZUY � • Uma estatística para a variabilidade do processo que não depende dos limites de especificação é a percentagem da variabilidade da característica do processo: ��\]Z^ZUY � ��XYUZ[TU � × 100 Gráficos de Controle e Métodos Tabulares Exercício Um mesmo operador mede dez peças três vezes, em um estudo de capacidade de um medidor. O dados estão na tabela. – Descreva o erro de medição que resulta do uso desse medidor – Estime a variabilidade total e a variabilidade do produto. – Que percentagem da variabilidade total é devida ao medidor – Se as especificações da peça se situam em 100 ± 15 , ache a razão P/T para este medidor. Faça um comentário sobre a adequação do medidor. Peça Medidas 1 2 3 1 100 101 100 2 95 93 97 3 101 103 100 4 96 95 97 5 98 98 96 6 99 98 98 7 95 97 98 8 100 99 98 9 100 100 97 10 100 98 99 Gráficos de Controle e Métodos Tabulares Estudos de Medidor R&R • Os estudos de medidor R&R se destinam a avaliar as componentes do erro da mensuração • É importante diferenciar os seguintes conceitos – Exatidão refere-se à capacidade de medir corretamente, em média, o verdadeiro valor – Precisão é uma medida da variabilidade inerente às medidas Gráficos de Controle e Métodos Tabulares Gráficos de Controle e Métodos Tabulares Estudos de Medidor R&R • Os estudos do medidor �&� lidam principalmente com a precisão do medidor, e não com sua exatidão. • A avaliação da exatidão de um medidor ou sistema de medidas frequentemente exige o uso de um padrão, para o qual se conhece o verdadeiro valor da característica medida 10 Gráficos de Controle e Métodos Tabulares Estudos de Medidor R&R • Os estudos do medidor R&R requerem a divisão da variabilidade do medidor em duas partes: – Repetitividade, que é a precisão básica do medidor (mesmas condições) – Reprodutividade é a variabilidade devido ao uso do medidor por mais de um operador (diferentes condições) Gráficos de Controle e Métodos Tabulares Estudos de Medidor R&R • Variabilidade do medidor pode ser dividida em: • Mais de um operador (ou diferentes condições) seriam necessárias para conduzir o estudo de medidor �&�. 2 daderepetitivi 2 idadereprodutiv 2 medição σσσ += Gráficos de Controle e Métodos Tabulares Estudos de Medidor R&R (Método Tabular) • Considere no estudo: – P peças – operadores – 5 medições realizadas em cada peça por um mesmo operador Gráficos de Controle e Métodos Tabulares Estudos de Medidor R&R (Método Tabular) • Determine o desvio padrão devido à repetitividade: onde �2 é baseada no número de medições realizadas em cada peça por um mesmo operador (5) 2 daderepetitiviˆ d R =σ p RRR R p +++ = L21 Gráficos de Controle e Métodos Tabulares Estudos de Medidor R&R (Método Tabular) • O desvio padrão para a reprodutividade é dada por onde �2 é baseado no número de operadores( ) 2 idadereprodutivˆ d R x =σ ),,min( ),,max( 21min 21max minmax p p x xxxx xxxx xxR K K = = −= Exemplo 11 Exemplo Exemplo Exemplo Exemplo Exercício Métodos Baseados na Análise de Variância • A Análise de Variância (ANOVA) pode ser extendida para analisar os dados de um experimento e para estimar os componentes apropriados da variabilidade do medidor. 12 Métodos Baseados na Análise de Variância • Por exemplo, assuma a peças e b operadores, selecionados aleatoriamente, e que cada operador mede cada peça n vezes. • As medições, abcM, podem ser representadas pelo modelo onde b = peças, c = operador e M = medida. = = = ++++= nk bj ai y ijkijjiijk ,...,2,1 ,...,2,1 ,...2,1 )( ετββτµ 7-6.2 Métodos Baseados na Análise de Variância • Os parâmetros do modelo d>, e>, de >f e g>f9 são, todos eles, variáveis aleatórias independentes que representam os efeitos das peças, dos operadores, a interação ou efeitos conjuntos das peças e operadores, e o erro aleatório, respectivamente. • Assume-se que d>, e>, de >f e g>f9 sejam distribuídas normalmente com media zero e variâncias dadas por h d> = �i � , h e> = �j � , h de >f = �ij � e h g>f9 = � � . Métodos Baseados na Análise de Variância • A variância de qualquer observação pode ser então obtida por h a>f9 = �i � + �j � + �ij � + �� onde �i�, �j�, �ij� e �� são as componentes de variância que se deseja estimar Métodos Baseados na Análise de Variância • As estimativas das componentes de variância podem ser obtidas por meio da ANOVA • O procedimento envolve a partição da variabilidade total das medidas nas seguintes partes componentes: onde �k representa uma soma de quadrados Métodos Baseados na Análise de Variância • Cada soma de quadrados é dividida pelos seus graus de liberdade para gerar medias quadráticas (lk) Métodos Baseados na Análise de Variância • As componentes de variância podem ser então estimadas pelas seguintes relações: 13 Métodos Baseados na Análise de Variância • Componentes de repetitividade e reprodutividade podem ser estimadas por: ��mn*no>o>p>qrqn � = ��� ��mn*msqto>p>qrqn � = ��j � + ��ij � • A variabilidade do medidor é estimada por: ��Gnq>qsm � = ��mn*msqto>p>qrqn � + ��mn*no>o>p>qrqn � = ��j � + ��ij � + ��� Métodos Baseados na Análise de Variância • A variabilidade do produto pode ser estimada por: ��*msqtos � = ��i � • A variabilidade total pode se estimada por: ��osoru � = ��*msqtos � + ��Gnq>qsm � = ��i � + ��j � + ��ij � + ��� Exemplo Exemplo • Quando o método da ANOVA é utilizado, podem aparecer estimativas negativas de components da variância; • Modelo Reduzido ijkjiijky εβτµ +++= Exemplo Exemplo ��Y]X]T^T^v^ZVZ] � = ��� = 0,8832 ��Y]XYUZ[T^v^ZVZ] � = ��j � = 0,0106 ��\]Z^ZUY � = ��j � + ��� = 0,8938 ��XYUZ[TU � = ��i � = 10,2513 ��TUTVW � = ��i � + ��j � + ��� = 11,1451 14 Exemplo Percentagem da variabilidade da característica do processo ��\]Z^ZUY ��XYUZ[TU = 0,8938 10,2513 = 0,9454 3,2018 = 0,2953 > 0,10 (Sistema de medição não é capaz)
Compartilhar