Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Marcelo Magalhães CONTROLE ESTATÍSTICO DO PROCESSO Prof. Marcelo Magalhães • O que é CEP: • Ferramenta voltada para manter o processo dentro de padrões estabelecidos • Padrões estabelecidos através de análise estatística de dados do processo • Determinar tipos de variação que afetam o processo • Utiliza ferramentas estatísticas para análise de dados (histograma, gráficos de controle). CONTROLE ESTATÍSTICO DE PROCESSO – CEP Prof. Marcelo Magalhães CONTROLE ESTATÍSTICO DE PROCESSO – CEP • O que é CEP? • É um sistema de inspeção por amostragens realizadas ao longo do processo, com o objetivo de verificar a presença de causas especiais, ou seja, causas que podem prejudicar a qualidade do produto. Prof. Marcelo Magalhães CONTROLE ESTATÍSTICO DE PROCESSO – CEP • Por que implantar o CEP? • O foco não deve estar sobre o produto acabado • É errado atuar excessivamente sobre o processo, pois as interrupções prejudicam a produtividade • Também é errado deixar de atuar, quando o processo vai mal, já que isso leva a produção de unidades com baixa qualidade Prof. Marcelo Magalhães OBJETIVOS DO CEP • Possibilitar que o controle do processo seja feito durante a operação, em tempo real; • Monitorar as características críticas de qualidade, assegurando que elas irão se manter dentro de limites pré-estabelecidos; • Indicar quando devem ser tomadas ações de correção, servindo de base para a melhoria contínua; • Aumentar o comprometimento de todos com a qualidade do que está sendo produzido. Prof. Marcelo Magalhães Como Consequência.... • Reduzir o desperdício e retrabalho; • Reduzir o custo da má qualidade; • Estabilizar e dominar o processo; • Aumentar a capacidade dos processos. Prof. Marcelo Magalhães Princípio Fundamental Processo realizado de maneira consistente gera resultados previsíveis • Apenas variações de causa comum devem estar presentes • Variações causadas por fatores externos devem ser identificadas e eliminadas Prof. Marcelo Magalhães CAUSAS COMUNS • O que são causas comuns? • São pequenas causas de variação e estão sempre presentes, dentro de limites pré-definidos, sendo por isso consideradas NORMAIS do processo. • Exemplos: • Pequenas diferenças entre composição química das matérias primas • Variações no tempo de processo (ritmo) • Temperatura • Se todos os pontos da carta de controle estiverem dentro dos limites de controle, sem padrões não aleatórios (sem tendências), o processo possui somente causas comuns, ou seja, é ESTAVEL. • Estas causas são mais difíceis de identificar e eliminar. Prof. Marcelo Magalhães CAUSAS ESPECIAIS • O que são causas especiais? • São causas imprevisíveis, que provocam grandes variações no resultado do processo. • Ocorrem repentinamente (pontos fora dos limites de controle) ou ocorrem gradualmente, como tendências ou sequências de pontos. São de forma geral inesperadas e indesejadas. • Exemplos: • Erros de setup (montagem); • Problemas no equipamento ou nas ferramentas (desgastes); • Falhas operacionais. • Estas condições tornam o processo FORA DE CONTROLE e por isso, devem ser identificadas e neutralizadas Prof. Marcelo Magalhães Processo Isento de Causas Especiais X f(X) Tempo 4T 3T 1T X X X 2T f(X) f(X) f(X) Prof. Marcelo Magalhães Processo com Causas Especiais – Afetando Média da variável X f(X) Tempo 3T 4T 1T X X X 2T f(X) f(X) f(X) Prof. Marcelo Magalhães Processo com Causas Especiais – Afetando Média e Dispersão da variável X Tempo 3T 4T 1T 2T X X X f(X) f(X) f(X) f(X) Prof. Marcelo Magalhães Se apenas as causas comuns estão presentes, as medidas devem estar dentro dos limites de controle Diâmetro Amostra X 31.8 35.2 16111621 Pontos fora dos limites de controle indicam a presença de causas especiais Diâmetro Amostra X 31.8 35.2 3540455055 Gráficos de Controle Prof. Marcelo Magalhães Outras indicações da presença de causas especiais: Gráficos de Controle Prof. Marcelo Magalhães Gráficos de Controle • Elementos básicos: • Média (ou linha central) • Limite Superior de Controle (LSC): • média + 3 • Limite Inferior de Controle (LIC) • média - 3 • As variáveis acima são obtidas a partir de conjunto de observações coletadas durante uso do processo Prof. Marcelo Magalhães Se X ~ N( ; 2), então P( ) PX Z P 1 1Z (ii) P( – 2 X + 2 ) = P(– 2 Z 2 ) = 0,955. (iii) P( – 3 X +3 ) = P( –3 Z 3 ) = 0,997. isto é, P( - X + ) = 0,683. 2 (A(1) 0,5) 2 (0,8413 0,5) 0,6826 Z (i) Prof. Marcelo Magalhães Gráficos de Controle Prof. Marcelo Magalhães Tipos de Gráficos de Controle Variáveis: Usados quando o objetivo é monitorar processos através de características de qualidade representadas por grandezas mensuráveis, como o diâmetro de um eixo ou o volume de leite em uma embalagem; • Vantagem: • Fornecimento de informações bastante completas sobre o estado da característica no processo, o que facilita o seu entendimento e gestão. • Desvantagem: • Maior dificuldade na coleta e tratamento dos dados. Prof. Marcelo Magalhães Gráficos para Variáveis – Metodologia: • Importância de controlar média e variabilidade Prof. Marcelo Magalhães Tipos de Gráficos de Controle Atributos: Usados quando o objetivo é contar ou classificar o resultado gerado pelo processo em categorias, como defeituoso ou não defeituoso, sem a preocupação de uma avaliação detalhada de cada característica da qualidade. • Vantagem: • Disponibiliza a condição de controlar o processo, mesmo com a impossibilidade ou dificuldade de realizar medições nas características de qualidade críticas • Desvantagem: • Exige maior número de observações • Não permite que se chegue a conclusões mais aprofundadas sobre o processo Prof. Marcelo Magalhães Gráficos para Variáveis – Metodologia: • Coleta de dados: • O monitoramento do processo deve ser feito por dois gráficos: um para média e outro para variabilidade; • Pode-se utilizar dados individuais ou agrupados; • No segundo caso, ao invés de coletar todos os dados ao mesmo tempo, deve-se retirar pequenas amostras, a intervalos regulares (subgrupos racionais), cada uma constituída por unidades produzidas quase no mesmo instante. Entre a coleta de dados de 2 subgrupos há um lapso de tempo pré-definido, em função da confiabilidade do processo; • Utiliza-se, na prática, subgrupos formados por 4 ou 5 elementos. Prof. Marcelo Magalhães Gráficos para Variáveis – Metodologia: • Etapa Inicial: Conhecer, estabilizar e ajustar o processo • Coletar dados e determinar se a característica sob análise apresenta um comportamento estável no processo; • Caso o processo esteja sob o efeito de causas especiais, identificá-las, analisá-las e eliminá-las; • Novos dados deverão ser coletados ou os valores fora de controle eliminados e os limites recalculados. Prof. Marcelo Magalhães Situação Inicial do Processo: X f(X) Tempo T3 3T 1T 4T 2T X X X --------------------------------------------------------------- Prof. Marcelo Magalhães Causas Especiais Presentes no Processo Prof. Marcelo Magalhães Causas Especiais e Medidas Corretivas Prof. Marcelo MagalhãesSituação do Processo após eliminação de causas especiais Prof. Marcelo Magalhães Gráficos para Variáveis – Metodologia: • Base Estatística de gráficos para variáveis • Supondo que uma característica de qualidade possui média μ e desvio padrão σ, e se x1, x2, ..., xn, é uma amostra de tamanho n, as médias das amostras terão distribuição normal, com média μ e desvio padrão • Quando a média e o desvio padrão do processo não forem conhecidos, deverão ser estimados. A primeira será calculada pela média das médias e o segundo usando a amplitude ou o desvio padrão das amostras, como mostrado abaixo: n m xxx X m ...21 2 ˆ d R 4 ˆ C S Prof. Marcelo Magalhães Cálculo dos Limites de Controle Constantes usadas no cálculo dos limites de controle: Tamanho da Amostra A2 d2 D3 D4 A3 B3 B4 c4 2 1,881 1,128 0 3,269 2,659 0 3,267 0,7979 3 1,023 1,693 0 2,574 1,954 0 2,568 0,8862 4 0,729 2,059 0 2,282 1,628 0 2,266 0,9213 5 0,577 2,326 0 2,114 1,427 0 2,089 0,9400 6 0,483 2,534 0 2,004 1,287 0,03 1,97 0,9515 7 0,419 2,704 0,076 1,924 1,182 0,118 1,882 0,9594 8 0,373 2,847 0,136 1,864 1,099 0,185 1,815 0,9650 9 0,337 2,97 0,184 1,816 1,032 0,239 1,761 0,9693 10 0,308 3,078 0,223 1,777 0,975 0,284 1,716 0,9727 Prof. Marcelo Magalhães Cálculo dos Limites de Controle • Para o gráfico de médias (variabilidade estimada pelo Range): • LCS = • Linha Média: • LCI = X RA2xX 2 3X nxd R RA2xX 2 3X nxd R Prof. Marcelo Magalhães Cálculo dos Limites de Controle • Para o gráfico de Variabilidade - Range: • LCS = • Linha Média: • LCI = Obs: Como os limites de controle para o gráfico de médias dependem do valor central e da variabilidade, enquanto os limites para o gráfico de dispersão dependem somente da variabilidade, é recomendável sempre iniciar o processo por este último. R 3DRx 4DRx Prof. Marcelo Magalhães Cálculo dos Limites de Controle • Para o gráfico de médias (variabilidade estimada pelo Desvio Padrão): • LCS = • Linha Média: • LCI = X sA3xX 4 3X nxc s sA3xX 4 3X nxc s Prof. Marcelo Magalhães Cálculo dos Limites de Controle • Para o gráfico de Variabilidade – Desvio Padrão: • LCS = • Linha Média: • LCI = Obs: Como os limites de controle para o gráfico de médias dependem do valor central e da variabilidade, enquanto os limites para o gráfico de dispersão dependem somente da variabilidade, é recomendável sempre iniciar o processo por este último. s 3Bsx 4Bsx Prof. Marcelo Magalhães EXEMPLO Número do Sub-grupo Medidas Média Range X1 X2 X3 X4 1 35 40 32 33 35 8 2 46 37 36 41 40 10 3 34 40 34 36 36 6 4 69 64 68 59 65 10 5 38 34 44 40 39 10 6 42 41 43 34 40 9 7 44 41 41 46 43 5 8 33 41 38 36 37 8 9 48 52 49 51 50 4 10 47 43 36 42 42 11 11 38 41 39 38 39 3 12 37 37 41 37 38 4 Número do Sub-grupo Medidas Média Range X1 X2 X3 X4 13 40 38 47 35 40 12 14 38 39 45 42 41 7 15 50 42 43 45 45 8 16 33 35 29 39 34 10 17 41 40 29 34 36 12 18 38 44 28 58 42 30 19 33 32 37 38 35 6 20 56 55 45 48 51 11 21 38 40 45 37 40 8 22 39 42 35 40 39 7 23 42 39 39 36 39 6 24 43 36 35 38 38 8 25 39 38 43 44 41 6 Prof. Marcelo Magalhães EXERCÍCIO SUBGRUPOS Xb s 1 29,69 83,00 65,76 18,45 95,29 58,44 33,31839 2 95,50 157,63 87,38 97,92 99,21 107,53 28,38278 3 78,07 49,43 60,19 64,36 79,45 66,30 12,6209 4 125,84 61,45 80,21 154,60 108,00 106,02 36,77435 5 84,00 26,57 96,50 99,33 120,33 85,35 35,35631 6 112,11 79,82 70,53 126,12 92,02 96,12 22,87481 7 88,77 47,80 82,17 36,60 97,00 70,47 26,63047 8 83,86 86,00 86,83 64,93 13,78 67,08 31,12551 9 108,59 234,00 93,64 33,24 64,20 106,73 76,78223 10 79,25 55,11 66,17 74,85 78,48 70,77 10,17837 11 34,35 15,27 21,26 144,20 2,48 43,51 57,44215 12 1,67 59,25 32,87 29,88 52,92 35,32 22,64025 13 16,85 15,92 125,00 209,25 89,19 91,24 81,05133 14 34,98 65,00 122,33 126,33 213,00 112,33 68,28909 15 68,97 163,00 68,33 50,78 130,00 96,22 47,92146 16 27,94 50,66 46,91 72,75 49,71 49,59 15,91736 17 26,49 68,87 57,32 54,80 98,04 61,10 25,86874 18 64,46 46,61 40,86 31,95 33,30 43,44 13,16611 19 28,64 32,38 43,62 75,77 64,76 49,03 20,52257 20 69,33 93,50 66,19 153,64 195,00 115,53 56,61724 21 93,20 30,28 69,40 100,47 63,86 71,44 27,71282 76,36 35,77 Prof. Marcelo Magalhães Recálculo dos Limites de Controle Os limites de controle refletem o comportamento do processo e só devem ser alterados se houverem evidências de alteração significante no comportamento do processo. 8 ou mais pontos Prof. Marcelo Magalhães Erros nos Gráficos de Controle • Qualquer que seja o gráfico de controle, há possibilidade que alguma indicação não seja correta, já que é determinada com base em métodos estatísticos; • Erros Possíveis: • Erro tipo I, α ou Alarme Falso: Indicação de mudança no processo, quando nenhuma alteração de fato ocorreu. Consequências: • Paralisações desnecessárias no processo; • Perda de confiança no CEP. • Erro tipo II ou ß: Quando mudanças efetivamente ocorridas não são indicadas pelo gráfico. Consequências: • Processo funcionando sem condições ideais • É importante avaliar os custos associado a cada erro, e decidir qual tentar evitar com mais intensidade. Prof. Marcelo Magalhães Erros nos Gráficos de Controle Prof. Marcelo Magalhães Erros nos Gráficos de Controle Considerando X~N(μ, σ), então 𝑋~N(μ, 𝜎 𝑛) Supondo que a média foi alterada λσ, então o erro β é calculado por: P(x<LCS) – P(x<LCI). Desenvolvendo a expressão acima, chega-se a seguinte fórmula para cálculo do erro: β = P(z < 3 - λ 𝑛) – P(z < -3 -λ 𝑛) A curva característica de operação demonstra qual o erro β considerando determinado tamanho de amostras e a magnitude do desvio em relação a média registrado. Prof. Marcelo Magalhães Curva Característica de Operações – Graf. Médias 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3 3,1 3,2 3,3 3,4 3,5 3,6 3,7 3,8 3,9 4 Curva Característica de Operação N=4 N=5 N=6 N=7 Prof. Marcelo Magalhães Curva Característica de Operações – Graf. Variabilidade Prof. Marcelo Magalhães Gráfico para valores individuais Para algumas situações não é possível ou viável coletar uma maior quantidade de amostras no mesmo instante. Para esses casos, o processo pode ser controlado através da coleta de dados individuais, sendo sua variabilidade estimada pela amplitude móvel de duas (ou mais) observações sucessivas. Da mesma forma, devem ser traçados 2 gráficos – um para os valores individuais e outro para a amplitude móvel, cujos limites de controle são calculados da seguinte forma: Prof. Marcelo Magalhães Gráfico para valores individuais a) Valores Individuais: b) Amplitude móvel: Prof. Marcelo Magalhães Gráfico para valores individuais Exemplo: Lote Viscosidade Amplitude Móvel 1 33,75 - 2 33,05 0,7 3 34 0,95 4 33,81 0,19 5 33,46 0,35 6 34,02 0,56 7 33,68 0,34 8 33,27 0,41 9 33,49 0,22 10 33,2 0,29 11 33,62 0,42 12 33 0,62 13 33,12 0,12 14 34,84 1,72 15 33,79 1,05 16 33,85 0,06 17 34,05 0,2 18 34,02 0,03 19 33,89 0,13 20 34,12 0,23 21 34,1 0,02 22 33,99 0,11 23 34,11 0,12 = 33,75 = 0,40 Prof. Marcelo Magalhães Gráfico para valores individuais Exercício: Lote Gramatura(g/m2) Amplitude_Móvel 1 88,20 2 88,90 0,70 3 90,50 1,60 4 90,30 0,20 5 90,00 0,30 6 90,20 0,207 91,20 1,00 8 91,00 0,20 9 91,50 0,50 10 91,40 0,10 11 91,30 0,10 12 90,20 1,10 13 91,40 1,20 14 89,90 1,50 15 90,20 0,30 16 90,10 0,10 17 90,80 0,70 18 91,40 0,60 19 91,30 0,10 20 89,00 2,30 21 90,70 1,70 22 89,50 1,20 23 91,20 1,70 24 90,50 0,70 25 90,60 0,10 Xbar = 90,45 Mrbar = 0,75833 Prof. Marcelo Magalhães CEP PARA ATRIBUTOS Prof. Marcelo Magalhães Gráficos para Atributos: • Características Gerais: • Utilizado quando o controle é realizado com base em categorias estabelecidas para o resultado gerado pelo processo, como defeituosos ou não defeituosos, ou ainda não conformidades presentes; • Aplicável tanto em áreas industriais quanto de serviços; • Três tipos mais comuns: Gráfico do número de defeituosos (np), da fração de defeituosos (p) e do número de não conformidades (c); • Exige, para sua efetiva utilização, um número maior de amostras que o utilizado no gráfico para variáveis. • O controle do processo em tempo real somente pode ser iniciado caso todas as causas especiais presentes tenham sido eliminadas. Prof. Marcelo Magalhães Gráficos para Atributos – np: • Metodologia • Gráfico baseia-se na distribuição binomial; • Com o processo em controle, coletar os dados relacionados aos resultados obtidos (ex: número de clientes insatisfeitos); • Estimar a probabilidade de falha (ou insatisfação dos clientes), dividindo o total de ocorrências registradas pelo total de observações; • Média e variabilidade do número de defeituosos: • Limites de Controle: np )1( pnp )p(pnpnLSCnp 13 pnLMnp )p(pnpnLICnp 13 No excel: Função Distr.binom Prof. Marcelo Magalhães Gráficos para Atributos – np: Prof. Marcelo Magalhães Gráficos para Atributos – np: • Exemplo: Considere que diariamente são avaliados 200 clientes Dia da Pesquisa Número de Clientes Insatisfeitos Dia NCI Dia NCI Dia NCI 1 2 9 0 17 5 25 0 2 0 10 3 18 3 26 2 3 2 11 2 19 3 27 2 4 0 12 2 20 4 28 1 5 5 13 1 21 0 29 3 6 4 14 2 22 2 30 1 7 3 15 4 23 3 subtotal 9 8 0 16 1 24 0 total 60 subtotal 16 15 20 clientes pesquisados: 6000 Prof. Marcelo Magalhães Gráficos para Atributos – np: • Exemplo: Numero de Clientes Insatisfeitos com a Comida Dias da Pesquisa LM = 2,0 LSC= 6,2 0 1 2 3 4 5 6 7 8 1 5 10 15 20 25 30 Prof. Marcelo Magalhães Gráficos para Atributos - Desempenho: • Características Gerais: • Desempenho é ditado por sua capacidade em indicar a presença de causas especiais, por meio de pontos situados fora dos limites de controle, ou no caso da existência apenas de causas naturais, sua concentração exclusiva entre os limites; • Erro tipo I ou α: Sinalização de causas inexistentes • Erro tipo II ou ß: Não sinalização de causa especial presente no processo; • Tais riscos são calculados através da distribuição binomial, o que é facilitado com a função DISTR.BINOM do Excel. Prof. Marcelo Magalhães Gráficos para Atributos - Desempenho: • Exemplo: Valores de e para n=100 e LSC=3,98 p np Pr[D 3] 0,01 1 0,981 0,019 ______ 0,02 2 0,857 _____ 0,857 0,03 3 0,647 _____ 0,647 0,05 5 0,265 _____ 0,265 0,10 10 0,01 ______ 0,01 Prof. Marcelo Magalhães Gráficos para Atributos – np: • Exercício: Considere que amostras de 100 produtos cada foram analisadas buscando identificar o número unidades defeituosas. Com base nos dados obtidos, traçar a carta de controle, eliminando os pontos eventualmente fora de controle para definir os parâmetros do processo em estado de controle estatístico. Calcule o erro tipo I, e supondo alterações na fração de defeituosos de ± 20%, calcule o erro tipo II. Dia Defeitos Dia Defeitos 1 11 16 10 2 8 17 9 3 13 18 4 4 6 19 7 5 11 20 11 6 4 21 9 7 15 22 20 8 9 23 19 9 12 24 10 10 9 25 6 11 12 26 13 12 10 27 9 13 9 28 9 14 8 29 12 15 9 30 8 Prof. Marcelo Magalhães Gráficos para Atributos – p: • Metodologia • Idêntico ao gráfico para número de defeituosos, sendo entretanto todos os valores divididos por n para obtenção da fração não conforme; • Sua grande vantagem está no fato de sua linha média indicar diretamente o nível de qualidade do processo; • Média e variabilidade do número de defeituosos: • Limites de Controle: p n pp )1( n/)p(ppLSC p 000 13 n/)p(ppLIC p 000 13 0pLM p Prof. Marcelo Magalhães Gráficos para Atributos – p: • Exercício: No. Amostra Tamanho No. Defeituosos Fração de defeituosos No. Amostra Tamanho No. Defeituosos Fração de defeituosos 1 300 12 0,040 14 300 3 0,010 2 300 3 0,010 15 300 0 0,000 3 300 9 0,030 16 300 5 0,017 4 300 4 0,013 17 300 7 0,023 5 300 0 0,000 18 300 8 0,027 6 300 6 0,020 19 300 16 0,053 7 300 6 0,020 20 300 2 0,007 8 300 1 0,003 21 300 5 0,017 9 300 8 0,027 22 300 6 0,020 10 300 11 0,037 23 300 0 0,000 11 300 2 0,007 24 300 3 0,010 12 300 10 0,033 25 300 2 0,007 13 300 9 0,030 TOTAL 7500 138 0,018 Prof. Marcelo Magalhães Amostras com tamanho variável: Usar p Abordagem 1 – Limites Variáveis: - Média: - LCS: - LCI: Abordagem 2 – Padronização: - LCS = 3 - LCI = -3 - Média = 0 p in pp p )1.( 3 in pp p )1.( 3 i i i n pp pp z )1.( Prof. Marcelo Magalhães Gráficos p – Amostras com tamanhos diferentes: • Exercício: Considere que amostras de tamanhos diferentes foram coletadas buscando identificar o número unidades defeituosas. Com base nos dados obtidos, traçar a carta de controle. Amostra Tamanho Defeitos 1 100 12 2 80 8 3 80 6 4 100 9 5 110 10 6 110 12 7 100 11 8 100 16 9 90 10 10 90 6 11 110 20 12 120 15 13 120 9 14 120 8 15 110 6 16 80 8 17 80 10 18 80 7 19 90 5 20 100 8 21 100 5 22 100 8 23 100 10 24 90 6 25 90 9 Prof. Marcelo Magalhães Gráficos para Atributos – c: • Características Gerais • Diferença entre defeito e defeituoso • Usado quando não se objetiva classificar itens em defeituosos ou não defeituosos, mas avaliar o número de defeitos ou não conformidades em uma amostra (unidade de inspeção) • Ex: quantidade de defeitos em 100 m lineares de um rolo de tecido • Seus valores apresentam distribuição poisson; • Condição para tal distribuição: • Na unidade de inspeção deverá haver um grande número de oportunidades para ocorrência de não conformidades • O evento associado a uma não conformidade específica deve ser um fato raro • As ocorrências de dois defeitos sucessivos devem ser independentes Prof. Marcelo Magalhães Gráficos para Atributos – c: • Características Gerais • Distribuição Poisson: • Média e variabilidade dos dados Onde g é o número de amostras coletadas. • Limites de Controle: g c c c3cLCIc c c3cLCSc k! . )( kc ce kxP Prof. Marcelo Magalhães Gráficos para Atributos – c: • Exercício: A tabela abaixo representa os dados obtidos a partir de análise de 26 amostras de placas de circuitos impressos, com 100 unidades cada uma. Cada amostra com 100 peças cada uma será considerada como uma Unidade de Inspeção. No. AmostraNo. Defeitos No. Amostra No. Defeitos 1 21 14 19 2 24 15 10 3 16 16 17 4 12 17 13 5 15 18 22 6 5 19 18 7 28 20 39 8 20 21 30 9 31 22 24 10 25 23 16 11 20 24 19 12 24 25 17 13 16 26 15 TOTAL 516 Prof. Marcelo Magalhães Gráficos para Atributos – c: • Exercício: A tabela abaixo representa os defeitos identificados na análise de 30 rolos de tecido. Elabore o gráfico do número de defeitos, elimine eventuais pontos que estejam fora dos limites, calcule o erro tipo I e o erro tipo II considerando a ampliação de 10%, 20% e 30% do número médio de defeitos. Prof. Marcelo Magalhães Gráficos u – Amostras com tamanhos diferentes: Quando o número de unidades que compõe uma amostra é variável, busca- se monitorar a taxa de defeitos por unidade, sendo utilizado o gráfico U. Desta forma, se c = total de defeitos em uma amostra de n unidades de inspeção, estabelece-se que o número médio de defeitos por unidade de inspeção será: Os limites de controle serão: n c u Prof. Marcelo Magalhães Gráficos u – Amostras com tamanhos diferentes: Exercício: Uma empresa trabalha com unidades de inspeção de tamanhos variáveis. Após coletar 20 amostras, determinou o total de defeitos, que é apresentado na tabela ao lado. Verificar se o processo está sob controle em relação a taxa de defeitos por unidade. Amostra Tamanho Defeitos 1 140 7 2 132 13 3 98 3 4 102 16 5 40 3 6 126 7 7 132 16 8 132 12 9 156 12 10 190 17 11 210 24 12 167 14 13 134 16 14 120 3 15 110 5 16 134 5 17 167 18 18 167 10 19 123 1 20 135 13 Prof. Marcelo Magalhães ANÁLISE DE CAPACIDADE Prof. Marcelo Magalhães Análise de Capacidade • Objetivo: Determinar se o processo está operando de tal modo a fazer com que todas as características de qualidade relevantes se situem dentro das especificações fixadas. • Se o processo está estatisticamente estável: o processo é capaz? • Processo pode estar estável, mas não ser capaz • Um processo “capaz” produz resultados consistentes com as metas de negócio e é avaliado como eficiente. É capaz de atingir especificações do cliente • Se o processo não é capaz: • Reduzir variação • Deslocar a média • Análise de capacidade possibilita e direciona identificação de oportunidades de melhoria de processo Prof. Marcelo Magalhães ESTUDO DE CAPACIDADE Prof. Marcelo Magalhães LES - LEI ˆ6 LEI LESVN Variação natural Cp = ˆ6 LEILES Índice de desempenho = ˆ6 LEILES QUANTIFICANDO O ATENDIMENTO ÀS ESPECIFICAÇÕES Recomendado: Cp > 1,33, o que corresponde a um afastamento de 4 desvios padrões da linha média. Prof. Marcelo Magalhães LEI LES withinˆ Cp = 2 Cp = 0,67 Cp = 1 maiorCp Menor variabilidade devido às causas comuns QUANTO É BOM? Mínimo “aceitável”: Cp = 1,33 0,0063% de itens fora da faixa Prof. Marcelo Magalhães ˆ6 LES VN Variação natural Cps = Índice de desempenho = ˆ3 LES Características com especificações em apenas um lado: ˆ3 LES Cpi = ˆ3 LEI Prof. Marcelo Magalhães Capacidade do processo x Probabilidade de falhas: Considerando um processo normalmente distribuído, é possível estimar a probabilidade de falhas serem geradas, tanto no caso da existência de uma única especificação como no caso de especificações para ambos os lados (neste caso, considerou-se o processo centrado) Especificações de um lado Especificações nos 2 lados 0,25 226628 453255 0,5 66807 133614 0,6 35931 71861 0,7 17865 35729 0,8 8198 16395 0,9 3467 6934 1 1350 2700 1,1 484 967 1,2 159 318 1,3 48 96 1,4 14 27 1,5 4 7 1,6 1 2 1,7 0,17 0,34 1,8 0,03 0,06 2 0,0009 0,0018 Falhas por milhão de peças CP Prof. Marcelo Magalhães Exercício Considere os dados da tabela a seguir, que representam a largura, em mm, de uma peça automotiva. Suponha que tal peça apresente apenas a especificação inferior, no valor de 200 mm. Determine a capacidade do processo e o número esperado de peças defeituosas por milhão de unidades. 265 197 346 280 265 200 221 265 261 278 205 286 317 242 254 235 176 262 248 250 263 274 242 260 281 246 248 271 260 265 307 243 258 321 294 328 263 245 274 270 220 231 276 228 223 296 231 301 337 298 268 267 300 250 260 276 334 280 250 257 260 281 208 299 308 264 280 274 278 210 234 265 187 258 235 269 265 253 254 280 299 214 264 267 283 235 272 287 274 269 215 318 271 293 277 290 283 258 275 251 Prof. Marcelo Magalhães Calcule o Cp: LEI = 10 LES = 12 6/1ˆ Cp = 2 Utilizando índices considerando o deslocamento da média! UTILIZAÇÃO DOS ÍNDICES Como avaliar o desempenho? Prof. Marcelo Magalhães Índice de desempenho (média deslocada): ˆ3 ; ˆ3 min LEIxxLES Cpk = ˆ3 ; ˆ3 min LEIxxLES LEI LESVN Variação natural ˆ3ˆ3 x QUANTIFICANDO O ATENDIMENTO ÀS ESPECIFICAÇÕES CONSIDERANDO DESLOCAMENTO DA MÉDIA x x - LEI LES - Prof. Marcelo Magalhães UTILIZAÇÃO DOS ÍNDICES Prof. Marcelo Magalhães COMPARAÇÃO ENTRE OS ÍNDICES Prof. Marcelo Magalhães Exercício Prof. Marcelo Magalhães Exercício Prof. Marcelo Magalhães Exercício 1) Determine o percentual de itens fora das especificações (994,0 – 1006,0), o Cp e o Cpk, para as seguintes situações: a) Média 1000 e desvio padrão 2. b) Média 1002 e desvio padrão 2. c) Média 1002 e desvio padrão 4. 2) Calcule a capacidade para o processo relacionado ao exercício sobre gráficos por variáveis, considerando especificações entre 40 e 110 (slide 250). Prof. Marcelo Magalhães Exercício Na usinagem de peças uma característica importante é o comprimento das mesmas. A Tabela a seguir apresenta as medições na produção de 20 amostras com 3 peças. Analise a performance/capacidade do processo considerando as seguintes especificações: LSE = 12 e LIE = 9. Calcule o índice ppm. Lote Medições Média Amplitude 1 10,69 10,80 10,39 10,627 0,41 2 10,20 10,30 10,72 10,407 0,52 3 10,42 10,61 10,54 10,523 0,19 4 10,98 10,27 10,50 10,583 0,71 5 10,61 10,52 10,67 10,600 0,15 6 10,57 10,46 10,50 10,510 0,11 7 10,44 10,29 9,86 10,197 0,58 8 10,20 10,29 10,41 10,300 0,21 9 10,46 10,76 10,74 10,653 0,3 10 10,11 10,33 10,98 10,473 0,87 11 10,29 10,57 10,65 10,503 0,36 12 10,83 11,00 10,65 10,827 0,35 13 10,35 10,07 10,48 10,300 0,41 14 10,69 10,54 10,61 10,613 0,15 15 10,44 10,44 10,57 10,483 0,13 16 10,63 9,86 10,54 10,343 0,77 17 10,54 10,82 10,48 10,613 0,34 18 10,50 10,61 10,54 10,550 0,11 19 10,29 10,79 10,74 10,607 0,5 20 10,57 10,44 10,52 10,510 0,13
Compartilhar