Baixe o app para aproveitar ainda mais
Prévia do material em texto
Fonte: Bibliografia básica / complementar Estatística Aplicada à Engenharia de Produção Estas notas de aula foram elaboradas para compilar alguns tópicos estatísticos de várias obras, tendo em vista o conteúdo programático da disciplina Estatística Aplicada à Engenharia de Produção, ministrada para o curso de graduação em Engenharia de Produção do Centro Universitário Estácio/UniSEB de Ribeirão Preto. Em particular, elas não contêm nenhum material original e não substituem a consulta à respectiva bibliografia. Seu principal objetivo é dispensar a necessidade de cópia do conteúdo desenvolvido em sala. Centro Universitário Estácio de Ribeirão Preto, Fevereiro de 2019. Ribeirão Preto. ALGUNS GRÁFICOS DE CONTROLE PARA VARIÁVEIS - NOTAS DE AULA 01 – EP 4ºS Prof.: Wagner Cavali Estatísticas 2 A medição da variação associado a um dado processo produtivo, foi pela primeira vez usado em 1920 quando Walter Shewhart mostrou que a uma distância de 3 Sigma (3 desvios padrão) da média o processo necessita de correção. Origem do Seis Sigma As raízes do 6 Sigma, datam do sec.XIX, com Carl Frederich Gauss (1777-1855) que introduziu o conceito de Curva Normal (ou Curva de Gauss). 3 CEO significa Chief Executive Officer, em outras palavras O Chefe Executivo Organizacional de uma corporação. 4 • A Metodologia 6 Sigma foi então desenvolvida nos Estados Unidos pela Motorola com o objetivo de melhorar a qualidade dos seus produtos. • Como resultado da aplicação do 6 Sigma a Motorola ganhou em 1988 o prêmio Malcom Baldridge de qualidade. • Nota: O prémio Malcolm Baldrige, criado pelo Governo dos Estados Unidos em 1987, pretende reconhecer as organizações que apresentam um desempenho de excelência e visa promover a qualidade e a satisfação dos clientes 5 CEP: Controle Estatístico do Processo Deming, William Edwards, é considerado o “pai da qualidade”, e sua abordagem é voltada ao uso de informações estatísticas e métodos. É conhecido como o pai do renascimento industrial japonês após a segunda guerra mundial. É dele a frase: “O que não pode ser medido, não pode ser gerenciado”. Início formal do controle estatístico do processo deu-se por volta de 1924, quando Walter A. Shewhart desenvolveu e aplicou os gráficos de controle na empresa Bell Telephone. Causas de variabilidade do processo: Causas aleatórias: variabilidade natural do processo; Causas especiais: problema ou modo de operação anormal do processo, ex: rompimento de um tubo, desajustes, etc. 6 MONITORAMENTO DO PROCESSO POR GRÁFICOS DE CONTROLE. Etapa Inicial: Conhecendo, estabilizando e ajustando o processo. Os gráficos de controle de e R, também conhecidos como gráficos da média e da amplitude, servem para monitorar processos cuja característica de qualidade de interesse X seja uma grandeza mensurável. Exemplos: o diâmetro de um eixo, o volume de leite de um saquinho, o teor de carbono de uma liga metálica, o peso de um componente, etc. Limites de controle tentativos: Antes de utilizar as cartas de controle percorre-se uma etapa inicial, árdua, porém muito importante, de aprendizagem. É imprescindível conhecer o processo, estabilizar e fazer os ajustes necessários. Segundo COSTA, EPPRECHT ECARPINETTI (2004), o monitoramento só ocorrerá depois que o processo estiver sob controle. Procura-se conhecer os fatores que afetam a característica de qualidade. Antes de construir as cartas de controle, precisa-se identificar e eliminar as causas especiais que estão fazendo o processo sair do controle. MONTGOMERY (2004) recomenda tomar 20 a 25 amostras, para construção dos limites de controle tentativos, com o objetivo de testar se o processo está estável. Com os dados obtidos nas amostras, constrói-se a carta de controle e se todos os pontos caem dentro dos limites tentativos e não se observa nenhum comportamento sistemático, pode-se concluir que o processo está sob controle e que os limites tentativos são apropriados para o processo em questão. Caso ocorram um ou mais pontos fora dos limites tentativos, então a hipótese de que o processo está sob controle é descartado. Logo se torna necessário examinar cada ponto fora dos limites e procurar-se por uma causa especial. Se uma causa especial é identificada, o ponto é descartado e os limites de controle tentativos são recalculados, usando apenas os pontos restantes. Esses pontos restantes são, em seguida, reexaminados. Prossegue-se com este processo até que todos os pontos estejam sob controle. X 7 Geralmente, o monitoramento é realizado pela análise periódica de amostras, por exemplo: a cada meia hora de produção (h = 30 min), selecionam-se, aleatoriamente, cinco saquinhos (n = 5), cujos volumes são medidos. Subgrupos Racionais: Preconiza a retirada de pequenas amostras a intervalos regulares de tempo. X Para cada amostra, é calculada a média dos valores medidos e a amplitude amostral R (diferença entre o maior e o menor valores da amostra). Medidas de Dispersão: São importantes para se ter uma noção sobre a variabilidade dos dados em estudo. As mais conhecidas são: amplitude, desvio inter-quartílico, variância, desvio padrão e coeficiente de variação. minmax XXA Ignora como os dados estão distribuídos. Considera apenas dois valores (extremos) da série de dados. Amplitude: medida de variabilidade mais fácil de se calcular. 8 Os valores de e R são inseridos nos gráficos da média e amplitude, respectivamente. Estes gráficos possuem limites de controle: um Limite Superior de Controle (LSC) e um Limite Inferior de Controle (LIC). Enquanto os pontos nos gráficos vão distribuindo-se aleatoriamente em torno da Linha Média (LM), não se deve intervir no processo (causas aleatórias, intrínsecas ao processo). Contudo, se um dos pontos cai na região de ação do gráfico (acima do LSC ou abaixo do LIC), deve-se intervir no processo , pois o afastamento excessivo desse ponto, em relação à linha média, deve-se provavelmente, a alguma causa especial). X 9 Os limites para o gráfico da média são calculados em função da média e do desvio padrão do processo; os limites para o gráfico da amplitude, apenas em função do desvio padrão. Portanto, o gráfico da amplitude pode ser construído com o processo desajustado: basta que ele esteja isento de causas especiais que afetem sua dispersão. Isso porque um deslocamento da média do processo provoca um deslocamento em todas as observações, fazendo com que a dispersão das observações permaneça inalterada. O gráfico da amplitude só é sensível a alterações que afetam a dispersão do processo; portanto, não é afetado pelo deslocamento da média. Essa é a razão pela qual começamos a construção dos gráficos de controle com o gráfico da amplitude, pois, uma vez que esteja estabelecido, o valor calculado de será uma estimativa muito confiável do valor, em controle, do desvio padrão do processo. 2/ˆ dR Construindo os Gráficos de Controle de e R X 10 Diferentemente do gráfico da amplitude, o gráfico da média é afetado tanto por causas especiais que alterem a média do processo, quanto por causas especiais que afetem sua dispersão. Portanto, o gráfico da média só pode ser construído quando o processo estiver isento de toda sorte de causas especiais, ou seja, quando o processo estiver ajustado e estável. Por estes motivos, fica claro que, quando da construção do gráfico da média, devemos preocupar-nos apenas com a estimativa da média do processo, pois o desvio padrão já terá sido estimado, na fase de construção do gráfico R. 11 Gráficos de Controle por Variáveis Construindo os Gráficos de Controle de X e R 2R d 3R d R Figura 3.16: Distribuição da amplitudeR 2/ˆ dRSD Estimador do desvio padrão do processo 12 2/ˆ dRSD RRR 3LSC (3.9) RRLM (3.10) RRR 3LIC (3.11) 2R d 3R d 3.1 Construindo o Gráfico de Controle de R m R R m i i 1 RDLSC 4 RDLIC 3 Temos os Limites para o gráfico R (simplificados): 13 𝐿𝑆𝐶𝑅 = ത𝑅 + 3 ො𝜎𝑅 = ത𝑅 + 3𝑑3 ത𝑅 𝑑2 Logo, definindo : 𝐿𝐼𝐶𝑅 = ത𝑅 − 3 ො𝜎𝑅 = ത𝑅 − 3𝑑3 ത𝑅 𝑑2 𝐷3 = 1 − 3 𝑑3 𝑑2 e 𝐷4 = 1 + 3 𝑑3 𝑑2 1iX 2iX 3iX 4iX 5iX iR 1 1004.6 997.3 1003.0 1005.9 995.8 10.1 2 1001.6 1008.6 997.9 1001.3 999.1 10.7 3 999.1 992.6 1001.1 1001.6 1002.9 10.3 4 1007.9 997.5 991.3 997.8 1000.8 16.5 5 999.5 995.6 1004.3 995.6 991.4 13.0 6 1003.3 996.8 997.2 993.6 1000.1 9.7 7 999.7 1012.1 995.2 1001.8 1002.2 16.9 8 1000.1 995.3 990.0 997.5 1003.2 13.2 9 1004.3 1001.4 1001.6 999.1 996.4 7.9 10 999.0 995.8 989.9 995.1 1002.8 12.9 11 1003.2 1004.4 993.5 994.6 997.6 10.9 12 996.2 1017.3 993.6 996.5 1003.7 23.7 13 1014.0 1008.9 1004.1 1007.9 1000.7 13.3 14 1002.2 996.6 1002.7 1004.2 1001.8 7.6 15 998.3 997.5 1006.1 996.5 998.1 9.6 16 995.8 1000.8 999.1 1002.5 1001.0 6.7 3.1 Construindo o Gráfico de Controle de R 14 1iX 2iX 3iX 4iX 5iX iR 17 1004.1 1003.0 1004.8 997.9 999.9 6.9 18 1000.1 994.9 1000.1 1004.9 997.3 10.0 19 1000.2 996.1 998.0 1006.1 999.4 10.0 20 1002.3 999.0 1000.8 1000.7 998.0 4.3 21 998.3 998.1 1004.2 1002.1 991.3 12.9 22 997.1 1000.7 999.8 1000.6 1001.7 4.6 23 1003.6 996.1 1001.4 998.0 991.8 11.9 24 999.9 1006.4 1005.1 999.8 1003.0 6.6 25 1007.3 999.8 992.5 996.2 998.2 14.8 729,4326,2/0,11/ˆ 2 dRSD 0,111 m R R m i i 25 amostras (subgrupos racionais) de tamanho 5 (m = 25 e n = 5) 15 11,0 23,27 0,0 5,0 10,0 15,0 20,0 25,0 30,0 1 3 5 7 9 11 13 15 17 19 21 23 25 Número da Amostra Am pli tud e R 3.1 Construindo o Gráfico de Controle de R Figura 3.1: Gráfico da Amplitude R 16 Cálculo utilizando-se os Limites para o gráfico R (simplificados): 𝐿𝑆𝐶𝑅 = 𝐷4 ത𝑅 = 2,115 11,0 = 23,265 ≅ 23,27 𝐿𝐼𝐶𝑅 = 𝐷3 ത𝑅 = 0 11,0 = 0,00 𝐿𝑀𝑅 = ത𝑅 = 11,0 20,224 RDLSCR 5,10RLM R 3.1 Construindo o Gráfico de Controle de R Figura 3.3: Gráfico da Amplitude R ( sem a 12ª amostra) 10,5 22,21 0,0 5,0 10,0 15,0 20,0 25,0 1 3 5 7 9 11 13 15 17 19 21 23 25 Número da Amostra Am pli tu de R 514,4ˆ 17 00,03 RDLICR R nd X n LSC X 2 3ˆ 3ˆ XLM X ˆ R nd X n LIC X 2 3ˆ 3ˆ m X Xˆ m 1i i 2/ˆ dR 3.1 Construindo o Gráfico de Controle de Limites simplificados para o gráfico : RAXLSC 2 RAXLIC 2 18 Se definirmos: :teremos nd 3 A 2 2 1006 5 514,4 31000 ˆ 3ˆ0 n LSC X 0,1000ˆLM X 994 5 514,4 31000 ˆ 3ˆ0 n LIC X 990 995 1000 1005 1010 1 4 7 10 13 16 19 22 25 Número da Amostra Xb arr a 1006,0 1000,0 994,0 Figura 3.4: Gráfico da Média X (sem a 12ª amostra) 3.1 Construindo o Gráfico de Controle de 19 Cálculos com o limites simplificados para o gráfico : 0,1006)5,10(577,000,10002 RAXLSC 0,994)5,10(577,00,10002 RAXLIC Figura 3.5: Gráfico da Média X (sem a 12ª e 13ª amostras) 993,6 1005,8 999,7 990,0 994,0 998,0 1002,0 1006,0 1 3 5 7 9 11 13 15 17 19 21 23 25 Número da Amostra Xb ar ra 3.1 Construindo o Gráfico de Controle de 20 8,1005 5 514,4 37,999 ˆ 3ˆ0 n LSC X 0,1000ˆLM X 6,993 5 514,4 37,999 ˆ 3ˆ0 n LIC X Cálculos com o limites simplificados para o gráfico : 8,1005)5,10(577,000,10002 RAXLSC 6,993)5,10(577,00,10002 RAXLIC Gráficos de Controle de e SX Embora os gráficos de ഥ𝑿 e R sejam bastante usados, algumas vezes torna-se desejável estimar diretamente o desvio padrão do processo em vez de indiretamente através do uso da amplitude R. Isto leva ao gráficos de ഥ𝑿 e S, onde S é o desvio padrão amostral. Em geral, os gráficos de ഥ𝑿 e S são preferidos aos seus semelhantes ഥ𝑿 e R quando: 1. Ou o tamanho da amostra n é moderadamente grande – digamos, n > 6 (o método da amplitude para estimar perde eficiência estatística para tamanhos de amostras moderados ou grandes); 2. Ou o tamanho da amostra n é variável. SBLSC 4 SBLIC 3 SAXLSC 3 SAXLIC 3 m S S m i i 1 SLM XLM Tradicionalmente, os engenheiros da qualidade preferiam o gráfico R ao gráfico S por causa da simplicidade do cálculo de R para cada amostra. A disponibilidade atual de computadores na implementação on-line dos gráficos de controle, na estação de trabalho, vem eliminando qualquer dificuldade computacional. Limites para os gráficos: 21 Medidas dos diâmetros internos (mm) de anéis de pistão de motores automotivos 22 n x1 x2 x3 x4 x5 S 1 74,030 74,002 74,019 73,992 74,008 74,010 0,014772 2 73,995 73,992 74,001 74,011 74,004 74,001 0,007503 3 73,988 74,024 74,021 74,005 74,002 74,008 0,014748 4 74,002 73,996 73,993 74,015 74,009 74,003 0,009083 5 73,992 74,007 74,015 73,989 74,014 74,003 0,012219 6 74,009 73,994 73,997 73,985 73,993 73,996 0,008706 7 73,995 74,006 73,994 74,000 74,005 74,000 0,005523 8 73,985 74,003 73,993 74,015 73,988 73,997 0,012256 9 74,008 73,995 74,009 74,005 74,004 74,004 0,005541 10 73,998 74,000 73,990 74,007 73,995 73,998 0,006285 11 73,994 73,998 73,994 73,995 73,990 73,994 0,002864 12 74,004 74,000 74,007 74,000 73,996 74,001 0,004219 13 73,983 74,002 73,998 73,997 74,012 73,998 0,010455 14 74,006 73,967 73,994 74,000 73,984 73,990 0,015304 15 74,012 74,014 73,998 73,999 74,007 74,006 0,007314 16 74,000 73,984 74,005 73,998 73,996 73,997 0,007797 17 73,994 74,012 73,986 74,005 74,007 74,001 0,010569 18 74,006 74,010 74,018 74,003 74,000 74,007 0,006986 19 73,984 74,002 74,003 74,005 73,997 73,998 0,008468 20 74,000 74,010 74,013 74,020 74,003 74,009 0,007981 21 73,982 74,001 74,015 74,005 73,996 74,000 0,012153 22 74,004 73,999 73,990 74,006 74,009 74,002 0,007436 23 74,010 73,989 73,990 74,009 74,014 74,002 0,011929 24 74,015 74,008 73,993 74,000 74,010 74,005 0,008701 25 73,982 73,984 73,995 74,017 74,013 73,998 0,016177 = 1850,029 0,234987 ന𝐗 = 74,001 ഥ𝐒 = 0,0094 X 0196,0)0094,0)(089,2(4 SBLSC 0094,0 SLM 0)0094,0)(0(3 SBLIC 014,74)0094,0)(427,1(001,743 SAXLSC 001,74 XLSC 988,73)0094,0)(427,1(001,743 SAXLIC Neste exemplo, como n = 5, os limites de controle obtidos para os gráficos de ഥ𝑿 e S, são praticamente os mesmos obtidos para os gráficos de ഥ𝑿 e R. Para tamanhos amostrais maiores, os limites nem sempre serão os mesmos. Estimação de : O estimador não-viciado de é dado por ෝ𝝈 = ഥ𝑺 𝒄𝟒 . 23 GRÁFICO DE CONTROLE DE SHEWHART PARA MEDIDAS INDIVIDUAIS Há muitas situações onde o tamanho da amostra para monitoramento do processo é n = 1, isto é, a amostra consiste de uma única unidade. Alguns exemplos desta situação: 1. Tecnologia de inspeção e medição automática é usada e toda unidade fabricada é inspecionada, de modo que não há razão para formar subgrupos racionais. 2. A taxa de produção é muito lenta e é inconveniente acumular tamanhos de amostra n > 1 para análise. 3. Em maquinaria de processos, tais como medidas sobre algum parâmetro, como a espessura do revestimento ao longo do rolo de papel, diferem muito poucoe produzem um desvio padrão muito pequeno, caso o objetivo seja controlar a espessura do revestimento ao longo do rolo. 24 Em tais situações, o gráfico de controle para unidades individuais é util. Em muitas aplicações dos gráficos de controle para unidades individuais usamos a amplitude de duas observações consecutivas como base para estimar a variabilidade do processo. A amplitude móvel é definida por: MRi = | xi - xi-1 | Limites para os gráficos da amplitude móvel e medidas individuais: m x X m i i 10ˆ 2 0 ˆ d RM SD 1 2 m MR RM m i i RMDLSC 4 RMDLIC 3 2 3 d RM XLSC 2 3 d RM XLIC 25 Como não é possível estimar a variabilidade através da amplitude ou do desvio padrão de cada amostra (eles não estão definidos para amostras de tamanho 1), usamos como estimativa da variabilidade a amplitude móvel de duas (ou mais) observações sucessivas. Númer o do lote Viscosidade x Amplitude Móvel MR 1 33,75 2 33,05 0,70 3 34,00 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 33,20 0,29 11 33,62 0,42 12 33,00 0,62 13 33,54 0,54 14 33,12 0,42 15 33,84 0,42 Viscosidade da Tinta de Base (Primer) para aviões. Exemplo: A viscosidade da tinta de base (primer) para aviões é uma importante característica da qualidade. O produto é fabricado em lotes e como cada lote leva horas para ser produzido, a taxa de produção é muito lenta para permitir amostras de tamanho maior que um. Construa o gráfico da amplitude móvel e o gráfico de controle para medidas individuais. Limites para o gráfico das amplitudes móveis: 57,148,0)267,3(4 RMDLSC 03 RMDLIC 80,34 128,1 48,0 352,333 2 d RM XLSC 52,33 XLM 48,0 RMLM 24,32LIC Limites para o gráfico das medidas individuais: Não há indicação de uma condição fora de controle. 26 151413121110987654321 35,0 34,5 34,0 33,5 33,0 32,5 32,0 Observation In di vi du al V al ue _ X=33,523 UCL=34,802 LCL=32,245 I Chart of Viscosidade Observando o gráfico de controle para observações individuais acima, pode- se notar que não há indicação de uma condição fora de controle. No gráfico de controle para amplitudes móveis há que se observar que as amplitudes são correlacionadas e podem induzir um padrão de sequência ou ciclos no gráfico. 27 28 Observação sobre o Gráfico de Controle de Shewhart para Medidas Individuais: A principal desvantagem do gráfico de controle individual, de acordo com Montgomery (1996), é usar somente informação sobre o processo contido no último ponto demarcado e ignorar qualquer informação dada pela sequência inteira de pontos, fazendo com que o gráfico de controle individual seja insensível a pequenos e contínuos desvios do processo da ordem de até 1,5 desvios padrão. Autores importantes afirmam que os gráficos para medidas individuais são muito pouco sensíveis à presença de causas especiais. E para aumentar a sensibilidade das medidas individuais, recomendam a utilização de gráficos de soma acumulada CUSUM. n A2 A3 B3 B4 d2 d3 D3 D4 2 1,880 2,659 0 3,267 1,128 0,853 0 3,267 3 1,023 1,954 0 2,568 1,693 0,888 0 2,575 4 0,729 1,628 0 2,266 2,059 0,880 0 2,282 5 0,577 1,427 0 2,089 2,326 0,864 0 2,115 6 0,483 1,287 0,030 1,970 2,534 0,848 0 2,004 7 0,419 1,182 0,118 1,882 2,704 0,833 0,076 1,924 8 0,373 1,099 0,185 1,815 2,847 0,820 0,136 1,864 9 0,337 1,032 0,239 1,761 2,970 0,808 0,184 1,816 10 0,308 0,975 0,284 1,716 3,078 0,797 0,223 1,777 Fatores para Gráficos de Controle de Qualidade 29
Compartilhar