Baixe o app para aproveitar ainda mais
Prévia do material em texto
See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/283204347 Análise dos custos da não qualidade na decisão de investimentos na manufatura Article · September 2015 DOI: 10.14521/P2237-5163.2015.0008.0001 CITATIONS 0 READS 98 5 authors, including: Some of the authors of this publication are also working on these related projects: Lean Startup in the latent-emergent entrepreneurship for technology new ventures View project Innovation and Entrepreneurship Strategies and Management View project José Andrei Pereira Universidade Federal do Rio Grande do Sul 1 PUBLICATION 0 CITATIONS SEE PROFILE Carla Schwengber ten Caten Universidade Federal do Rio Grande do Sul 256 PUBLICATIONS 515 CITATIONS SEE PROFILE Carlos Fernando Jung Faculdades Integradas de Taquara 123 PUBLICATIONS 201 CITATIONS SEE PROFILE Diego Pacheco Universidade Federal do Rio Grande do Sul 63 PUBLICATIONS 94 CITATIONS SEE PROFILE All content following this page was uploaded by Diego Pacheco on 13 November 2015. The user has requested enhancement of the downloaded file. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 215 Análise dos custos da não qualidade na decisão de investimentos na manufatura Analysis of non-quality costs in investment decisions in manufacturing Franco Rossi (francorossi05@yahoo.com.br, UFRGS, Rio Grande do Sul, Brasil) • Departamento de Engenharia de Produção e Transportes, Universidade Federal do Rio Grande do Sul, Av. Oswaldo Aranha, 99, 5º andar, 90.035-190, Porto Alegre, RS José Andrei Pereira (js.andrei@hotmail.com, UFRGS, Rio Grande do Sul, Brasil) Carla Schwengber ten Caten (tencaten@producao.ufrgs.br, UFRGS, Rio Grande do Sul, Brasil) Carlos Fernando Jung (carlosfernandojung@gmail.com, UFRGS, Rio Grande do Sul, Brasil) Diego Augusto de Jesus Pacheco (profdajp@gmail.com, UFRGS, Rio Grande do Sul, Brasil) Resumo: A competitividade comercial tem motivado cada vez mais as empresas em garantirem que seus produtos atendam aos padrões exigidos pelo mercado. Para isso, a otimização e o controle dos processos produtivos tornam-se aliados importantes na garantia de que os produtos finais apresentem a qualidade e as características desejadas. Esse estudo analisou as contribuições das ferramentas do controle estatístico de processos para mensurar os custos da não qualidade. Foram investigados dois processos distintos: (i) a avaliação dimensional de um componente mecânico, e (ii) a quebra de um para-brisa de retroescavadeira devido a possíveis falhas durante sua montagem. Os resultados da pesquisa permitiram concluir que os processos não são capazes e a partir da análise dos custos da não qualidade, estratégias de melhorias para o sistema produtivo foram avaliadas. Para a avaliação dimensional foi identificada a possibilidade de alterar o procedimento de manufatura a partir da viabilidade econômica e técnica. Para o processo de quebra, verificou-se que a eliminação das causas especiais pode otimizar em até 32% a capacidade do processo, porém, ainda sem conseguir torná-lo capaz. Palavras-chave: Controle estatístico; Capacidade de processo; Cartas de controle; Não qualidade. Abstract: The trade competitiveness has increasingly motivated companies to ensure that their products meet the standards set by the market. Then, the optimization and control of production processes become important for ensuring that the final products show the quality and the desired characteristics. This study examined the contributions of the statistical process control tools to measure the costs of non-quality. Two distinct processes were investigated: (i) the dimensional assessment of a mechanical component, and (ii) breaking of a backhoe windshield due to possible failures during assembly. The survey results showed that the processes are not capable, and some improvement strategies for the production system were evaluated by analyzing the costs of non-quality. For the dimensional evaluation it was identified the possibility of changing the procedure of manufacturing from the economic and technical feasibility. For the process of breaking, it was found that the elimination of special causes could optimize the process capacity in 32%, but still could not make it capable. Keywords: Statistical control; Process capability; Control charts; Non-quality. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 216 1. Introdução Atualmente o mercado exige que os bens produzidos sejam mais que apenas eficientes. É necessário que sejam competitivos em preço, qualidade, além de apresentarem características diferenciadas como atendimento de pós-vendas e prazos de entrega. Deste modo torna-se imprescindível que as empresas invistam em tecnologia e novos processos produtivos a fim de manter-se no mercado e garantir a vida comercial de seus produtos (CARRARO; MILAN, 2014). Hoje as decisões gerenciais nas empresas, sejam elas ligadas a investimentos, redução de custos, avaliação de desempenho, entre outros temas, envolvem diversas variáveis que influenciam diretamente na decisão a ser tomada. Na análise de desempenho de processos produtivos ou de serviços, a complexidade nas tomadas de decisão é ainda maior. Isso ocorre porque existem diferentes tipos de características de qualidade atuando nos mesmos processos, o que dificulta a noção do seu desempenho global (ALBANO, 2008). O nível de exigência solicitado pelos consumidores demanda das empresas um controle crítico dos processos de fabricação, principalmente aqueles que impactam na qualidade do produto, sejam operacionais ou visuais (SALDANHA, et al., 2013). Este controle rígido impacta diretamente em sistemas produtivos com produções em grande escala, obrigando as empresas a buscar novos métodos que garantam a qualidade do serviço sem depreciar o processo produtivo. Entre estes novos métodos destaca-se o CEP, onde o controle é feito através do monitoramento constante das falhas de produção, buscando a identificação e eliminação das mesmas como forma de atingir os níveis de qualidade exigidos. A proposição de métodos integrados para melhorar a produtividade na manufatura podem ser vistos em Pacheco et al. (2014). Nesse sentido, o objetivo deste trabalho consiste em avaliar dois processos produtivos distintos que se destacam negativamente no sistema produtivo analisado por apresentarem baixos padrões de qualidade. Esta análise foi realizada através do controle estatístico por meio da utilização de indicadores produtivos para cada processo. Os dois processos fazem parte da cadeia de montagem de uma máquina retroescavadeira e foram avaliados com dados levantados no setor de manufatura, pós-vendas e engenharia de qualidade. Foi avaliada a capabilidade dos processos através de dois tipos de cartas e dos respectivos limites de controle. Ao final, fez-se uma análise sobre os custos da não qualidade e foram propostas alternativas de melhoria no sistema produtivo. Assim sendo, para conduzir a pesquisa, esse Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 217 artigo foi assim estruturado: a seção dois apresenta de forma objetiva tópicosdo referencial teórico sobre tema; na seção três, foi detalhado a classificação e o delineamento da pesquisa; na seção quatro está apresentada detalhadamente a análise e a discussão sobre os resultados; por fim, na seção cinco as conclusões e sugestões de trabalhos futuros são colocadas. 2. Controle estatístico de processo e a não qualidade Atualmente as decisões gerenciais nas empresas, sejam elas ligadas a investimentos, redução de custos, avaliação de desempenho, entre outros temas, envolvem diversas variáveis que influenciam diretamente na decisão a ser tomada. Na análise de desempenho de processos produtivos ou de serviços, a complexidade nas tomadas de decisão é ainda maior, pois existem diferentes tipos de características de qualidade atuando nos mesmos processos, o que dificulta a noção do seu desempenho global (ALBANO 2008). Uma mesma atividade produtiva pode englobar análise de custos, refugo e reclamações de clientes, que são variáveis que se deseja minimizar. Um processo também pode avaliar lucros, satisfação de clientes e desenvolvimento de novos negócios, que são características que devem ser maximizadas. Também há processos que devem ser mantidos sob controle dentro de limites (superior e inferior) e devem operar com base em um valor alvo definido. Estes limites podem possuir diferentes características de qualidade conforme a necessidade do processo, sendo distribuídos em: “nominal-é-melhor”, “maior-é-melhor” e “menor-é-melhor” (CATEN; FRANZ, 2004). Os do tipo “nominal-é-melhor” são processos que tendem a apresentar uma distribuição de probabilidade aproximadamente simétrica, pois as causas de variabilidade geram valores que podem se afastar tanto para cima como para baixo do alvo. Estes processos mensuram produtos ou serviços que possuam limites de especificação definidos, bem como um valor alvo que se deseja atingir. Já os do tipo “maior-é-melhor”: possuem uma tendência a apresentar uma distribuição de probabilidade assimétrica à esquerda. Este tipo de processo apresenta somente um limite inferior, pois se trata de um tipo característica de qualidade de se deseja maximizar. Por fim, os do tipo “menor-é-melhor” tendem a apresentar uma distribuição de probabilidade assimétrica à direita. Este tipo de processo apresenta somente um limite superior, pois se trata de um tipo de característica de qualidade de se deseja minimizar (CATEN; FRANZ, 2004). Carraro e Milan (2014) realizaram melhorias para solucionar problemas de segurança e qualidade em uma indústria metalmecânica de grande Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 218 porte. Os resultados obtidos foram a redução de custos proveniente da eliminação da variabilidade na qualidade inerente ao processo. Teixeira, Medeiros e Ho (2014) desenvolveram uma abordagem para monitoramento da taxa média de defeitos por item produzidos sob encomenda. Para lotes grandes de produção a abordagem proposta mostrou-se ineficaz, resultando num custo médio por item produzido relativamente alto. Os modelos para produções de horizonte infinito devem ser utilizados nesses casos. Teobaldo e Trindade (2012) aplicaram um estudo de caso em uma indústria de grande porte que beneficia matéria-prima e possui certificado da Norma ISO 9001. A mensuração dos custos da qualidade permitiu integração entre os setores financeiro e de produção e expressar a qualidade de forma monetária, atraindo a atenção da alta administração. Neste sentido, percebe-se que os processos possuem diferentes características de qualidade que precisam ser trabalhadas em conjunto, visando o melhor desenvolvimento da organização. Para que isso seja possível, segundo Montgomery (2004), o Gráfico de Controle é uma forma de caracterizar de maneira precisa estas características, o que se entende por controle estatístico, e pode ser utilizado de várias maneiras. 2.1 Cartas e variáveis de controle De acordo com Carburon e Morales (2006), os gráficos de controle são utilizados no registro de tendências e desempenho de um processo, mostrando a variação ao longo do tempo de uma determinada característica. Os gráficos são formados por três linhas principais: a linha inferior do gráfico é referente ao Limite Inferior de Controle (LIC), a linha central é referente a Média, e a linha superior ao Limite Superior de Controle (LSC). Segundo Costa, Epprecht e Carpinetti (2005) geralmente são utilizados dois tipos de gráficos de controle, X e R, que são respectivamente, média e amplitude, os quais monitoram uma grandeza mensurável de um processo, através de uma análise periódica de amostragem. A variabilidade de um processo se assimila com as divergências entre os produtos produzidos em um processo. Esta variabilidade pode ser de fácil percepção, quando as causas forem de grande proporção, ou de difícil percepção, quando a variabilidade for pequena. Devido às várias fontes de variabilidade de um processo, um produto ou característica nunca serão iguais. Estas variações podem ocorrer em curto prazo ou em longo prazo. As variações são separadas e denominadas como Causas Comuns e Causas Específicas (COSTA; EPPRECHT; CARPINETTI, 2005). As causas comuns são variáveis inerente ou Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 219 natural do processo, que sempre existirá. É o efeito cumulativo de várias causas menores, que não colocarão o processo fora de controle. As causas comuns agem de forma consistente no processo e são provenientes de várias fontes, estas produzem uma distribuição estável e repetitiva ao longo do tempo onde também resulta em um sistema estável de causas prováveis, tornando o processo previsível e sob controle (IQA, 2005). As causas especiais são as variações de processo maiores que o ruído de fundo ou causas comuns, estas são provocadas por alguma anomalia de processo e tornam o mesmo inaceitável ou fora de controle. Geralmente são causas intermitentes ou imprevisíveis, as quais afetam apenas parte dos resultados do processo, estas são detectadas através dos gráficos de controle que irão indicar um ou mais pontos fora dos LIC ou LSC, ou também causam a distribuição não aleatória dos pontos no gráfico (MONTGOMERY, 2004). Para Costa, Epprecht e Carpinetti (2005), capacidade do processo é a medição da capacidade que o processo possui de produzir itens dentro dos padrões estabelecidos. A capacidade do processo pode ser definida com índices estatísticos de Capabilidade do Processo (Cp) e Desempenho do Processo (Pp). A Capabilidade do Processo é a amplitude da variação inerente do processo, mas válido apenas para processos estatisticamente estáveis. O índice de capabilidade (Cp) é utilizado para processos centrados, ou seja, é a distância entre o limite de especificação superior (LSC) e o limite de especificação inferior (LIC) dividido pela variabilidade natural do processo igual a seis desvios-padrão. E o índice de capabilidade Cpk, é utilizado para processos não centrados, e é calculado pela distância entre a média do processo e um dos limites de especificação (SAMOHYL, 2009). Entre as ferramentas mais utilizadas no controle de processos estão as Cartas de Controle que são gráficos de análise e monitoramento de um processo em função do tempo, por meio de duas características básicas: sua centralização e sua dispersão. A centralização pode ser verificada pela média do processo e a dispersão estimada pelo desvio-padrão ou amplitude dos dados. Existem dois tipos básicos de cartasde controle: por variáveis e por atributos (BONDUELLE, 2006). As cartas de controle por variáveis são baseadas nas distribuições contínuas e apresentam dados que podem ser medidos ou que sofrem variações contínuas. Exemplos: variações na altura de um talhão, resistência à tração. As cartas de controle por atributos são baseadas em Distribuições discretas e possuem um caráter dicotômico, ou seja, os dados só podem ser contados ou classificados. Exemplos: passa/não passa; conforme/não conforme. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 220 3. Procedimentos metodológicos Pode-se caracterizar a presente pesquisa como sendo de natureza aplicada. Este tipo de pesquisa traz em seus resultados conhecimentos que podem ser usados para novas aplicações (JUNG, 2004). Marconi e Lakatos (2002, p. 20) afirmam que a pesquisa aplicada “caracteriza- se por seu interesse prático, isto é, que os resultados sejam aplicados ou utilizados imediatamente, na solução de problemas que ocorram na realidade”. O procedimento desenvolvido na pesquisa foi um estudo de caso. Para Gil (2009, p.54), “estudo de caso consiste no estudo profundo e exaustivo de um ou poucos objetos, de maneira que permita seu amplo e detalhado conhecimento [...]”. Possui caráter único e particular, com aplicação em uma indústria em especial. Para Jung (2004), estudo de caso único é um procedimento de pesquisa que estuda, descreve ou explica um sistema produtivo específico. Quanto aos objetivos, a pesquisa tem caráter exploratório, com base na análise e solução do problema apresentado. O desenvolvimento do presente trabalho foi baseado na avaliação de dois processos diferenciados, utilizando-se da seguinte sequência de etapas apresentadas na Figura 1. Figura 1 – Etapas do método de trabalho utilizado Fonte: Os autores (2014) 4. Resultados Para realização do trabalho foram avaliados os indicadores de acompanhamento de dois processos produtivos distintos. O primeiro trata-se de um indicador tipo nominal-é- Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 221 melhor e será utilizado para verificar o dimensional de um componente de montagem de um eixo de uma máquina retroescavadeira, conforme Figura 2. Figura 2 – Componente em que o dimensionamento será avaliado Fonte: Os autores (2014) O segundo indicador foi utilizado para avaliar a falha de um componente devido a seu processo de montagem é do tipo menor-é-melhor. O componente escolhido foi o para-brisa dianteiro de uma máquina retroescavadeira e a análise foi baseada na quantidade de peças que apresentaram falhas em razão da quantidade de máquinas montadas no mesmo período. Na Figura 3 é possível verificar a falha de um para-brisa durante operação em campo da retroescavadeira. Figura 3 – Processo de montagem da cabine o qual ocorre a falha do para-brisa Fonte: Os autores (2014) 4.1 Avaliação dimensional do componente O primeiro processo foi baseado na avaliação dimensional de um componente utilizado em eixos de uma máquina retroescavadeira. Atualmente o componente é fabricado através do processo de corte a plasma, que além da reduzida qualidade superficial possui baixa precisão do corte, apresentando elevada distorção dimensional. Devido a isso, muitas vezes torna-se inviável a utilização da peça resultando em problemas de montagem que podem impactar diretamente no processo produtivo. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 222 Inicialmente, foram analisados 8 lotes de peças onde 6 unidades eram escolhidas aleatoriamente em cada lote, totalizando a verificação de 48 peças. Com auxílio da área de Engenharia da Qualidade, todos os componentes passaram por uma inspeção dimensional onde foi avaliado o diâmetro interno do furo da peça. Baseando-se nestes resultados foi criado um indicador do tipo “nominal-é-melhor” com a utilização de cartas de controle para variáveis X e R (média e amplitude). Os limites utilizados para controle basearam-se nas especificações de projeto, com diâmetro nominal de 40,0 mm e tolerância de ±0,5mm, conforme Figura 4. Figura 4 – Imagem e especificações de projeto para o componente analisado Fonte: Os autores (2014) Os dados foram mensurados e os resultados estão apresentados na Tabela 1. Tabela 1 - Coleta de dados para análise dimensional COLETA DE DADOS AVALIAÇÃO DIMENSIONAL Diâmetro Nominal do Furo 40 mm Tolerância de Projeto ± 0,5mm Lote Medição Diâmetro Furo Lote Medição Diâmetro Furo Amostra 1 Medição 1 40.1 Amostra 5 Medição 25 40.4 Medição 2 40.2 Medição 26 40.5 Medição 3 40.2 Medição 27 41.1 Medição 4 40.3 Medição 28 40.4 Medição 5 41 Medição 29 40.3 Medição 6 41.2 Medição 30 40.2 Amostra 2 Medição 7 40.5 Amostra 6 Medição 31 40.4 Medição 8 41.1 Medição 32 39.9 Medição 9 40.5 Medição 33 41.2 Medição 10 40.6 Medição 34 39.8 Medição 11 41.2 Medição 35 41.1 Medição 12 40 Medição 36 39.9 Amostra 3 Medição 13 39.9 Amostra 7 Medição 37 40 Medição 14 40 Medição 38 40.5 Medição 15 40.5 Medição 39 40.7 Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 223 Medição 16 40.4 Medição 40 39.7 Medição 17 39.9 Medição 41 40.4 Medição 18 40.8 Medição 42 40.3 Amostra 4 Medição 19 40.3 Amostra 8 Medição 43 40.3 Medição 20 40.3 Medição 44 40.8 Medição 21 40.4 Medição 45 40.2 Medição 22 40.6 Medição 46 40.9 Medição 23 39.8 Medição 47 40.7 Medição 24 40.7 Medição 48 40.4 Fonte: Os autores (2014) Logo após, foram calculadas as médias e amplitudes de cada amostra, conforme a tabela 2, e que serviram de base para desenvolvimento das cartas de controle do processo analisadas. Tabela 2 – Cálculo das médias e amplitudes da análise dimensional realizada Amostra 1 Amostra 2 Amostra 3 Amostra 4 Amostra 5 Amostra 6 Amostra 7 Amostra 8 peça 1 40.1 40.5 39.9 40.3 40.4 40.4 40.0 40.3 peça 2 40.2 41.1 40.0 40.3 40.5 39.9 40.5 40.8 peça 3 40.2 40.5 40.5 40.4 41.1 41.2 40.7 40.2 peça 4 40.3 40.6 40.4 40.6 40.4 39.8 39.7 40.9 peça 5 41.0 41.2 39.9 39.8 40.3 41.1 40.4 40.7 peça 6 41.2 40.0 40.8 40.7 40.2 39.9 40.3 40.4 Média Média 40.50 40.65 40.25 40.35 40.48 40.38 40.27 40.55 40.429 R 1.1 1.2 0.9 0.9 0.9 1.4 1 0.7 1.013 Fonte: Os autores (2014) Na sequência do estudo, foi realizado o estudo de capabilidade do processo através do cálculo de Cp e Cpk, utilizando como limites as especificações de projeto citadas anteriormente (Ø40,0mm e tol ±0,5mm). Feito isso, foi realizada a centralização do processo, a fim de verificar a diferença de capacidade entre o processo centralizado e o descentralizado. Em seguida foi verificado o custo da não qualidade que o processo gera mensalmente à empresa. Para isto, calculou-se a probabilidade da peça estar fora das especificações solicitadas para uma produção média de 150 unidades/mês. Posteriormente, verificou-se a possibilidade de alterar o processo de fabricação, sugerindo o processo de corte a laser, por possuir alta precisão dimensional e qualidade visual. Como o processoa laser possui um custo mais elevado, foi realizada a análise comparativa a fim de verificar se é financeiramente viável a alteração do processo de fabricação. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 224 4.2 Avaliação do processo de quebra de para-brisa Para a análise da quebra do para-brisa foi adotada uma metodologia semelhante ao processo anterior, porém seu desenvolvimento foi realizado com auxílio do programa ProCep. O processo selecionado é o de montagem de uma cabine para máquinas retroescavadeiras, e foi escolhido por apresentar uma elevada taxa de quebra de um determinado componente, o para-brisa. Tal quebra ocorre durante a operação do veículo em campo ou da máquina parada no próprio pátio de estoque, gerando um custo adicional não esperado pela empresa. Inicialmente, foram coletados os dados necessários, que são a quantidade de cabines montadas por mês e a quantidade destas máquinas que apresentaram a falha do componente. Foram analisados dados de 12 meses, entre fevereiro de 2012 e janeiro de 2013. Neste período foram produzidas em média 95 máquinas por mês, totalizando a produção de 1140. Destas, 87 apresentaram quebra do para-brisa, conforme é possível verificar no indicador criado na tabela 3. Tabela 3 – Indicador de acompanhamento do processo de montagem das cabines Mês Fabricação QTD de máquinas Não Conformes Tamanho da Amostra Prob. Não Conforme Fração Não Conformes Fevereiro 4 95 4,2% 0,0421 Março 9 95 9,5% 0,0947 Abril 5 95 5,3% 0,0526 Maio 5 95 5,3% 0,0526 Junho 7 95 7,4% 0,0737 Julho 21 95 22,1% 0,2211 Agosto 14 95 14,7% 0,1474 Setembro 4 95 4,2% 0,0421 Outubro 10 95 10,5% 0,1053 Novembro 4 95 4,2% 0,0421 Dezembro 2 95 2,1% 0,0211 Janeiro 2 95 2,1% 0,0211 Soma 87 1140 Média 7,250 95 Fonte: Os autores (2014) Na etapa seguinte os dados foram inseridos no software ProCep, com o objetivo de facilitar os cálculos e o desenvolvimento das cartas de controle. Foram utilizadas cartas de controle para atributos do tipo “np”, onde assumiu-se como especificação que a empresa Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 225 admite até 5% de defeitos no processo de montagem. Com estes dados, foram desenvolvidas as cartas de controle e obteve-se a capacidade do processo (Cp). Em seguida, foi novamente realizado o cálculo de análise da capacidade com a centralização do processo, a fim de verificar a diferença entre o valor centralizado e o valor descentralizado. Ao final, foi realizada uma análise dos resultados obtidos onde estão destacados alguns pontos considerados importantes para otimização do processo estudado. 5. Análise e discussão dos resultados 5.1. Avaliação dimensional de componente Para o primeiro processo inicialmente são apresentados os valores calculados para desenvolvimento das cartas de controle da média e da amplitude. Na Tabela 4 e na Figura 5 é possível verificar o cálculo para os Limites de Controle Superior (LCS), Limite de Controle Inferior (LCI), do desvio-padrão, da média das médias e também da média das amplitudes. Tabela 4 – Cálculos para desenvolvimento das cartas de controle do processo 1 Cálculo do Desvio padrão Cálculo dos Limites de Controle n média LCS LCI Amostras (k) 8 Média das Médias 40,43 1 40,50 40,92 39,94 Quantidade de peças 6 Média das amplitudes 1,01 2 40,65 40,92 39,94 Valores Tabelados A2 = 0,48 D2 = 2,53 LCS (Limite de Controle Superior) 40,92 3 40,25 40,92 39,94 Desvio Padrão 0,40 LC (Limite de Controle) 40,43 4 40,35 40,92 39,94 LCI (Limite de Controle Inferior) 39,94 5 40,48 40,92 39,94 6 40,38 40,92 39,94 7 40,27 40,92 39,94 8 40,55 40,92 39,94 Fonte: Os autores (2014) Em seguida, é possível analisar o gráfico da carta de controle para as médias baseando-se nos valores obtidos acima. Observe como não há causas especiais no processo, não sendo necessário realizar ajustes para o gráfico. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 226 Figura 5 – Carta de Controle para as médias do processo 1 Fonte: Os autores (2014) Utilizando os mesmos passos é possível desenvolver a carta de controle para as amplitudes. Na Tabela 5 e na Figura 6 observam-se os cálculos realizados o gráfico da carta para amplitudes do processo 1. Tabela 5 - Cálculos para desenvolvimento da carta de amplitudes do processo 1 Valores tabelados D3 0 Amostra LC LCS LCI D4 2,11 1 1,1 2,14 0 2 1,2 2,14 0 3 0,9 2,14 0 Cálculo dos Limites de Controle 4 0,0 2,14 0 LCS 2,14 5 0,9 2,14 0 LC 1,01 6 1,4 2,14 0 LCI 0 7 1,0 2,14 0 8 0,7 2,14 0 Fonte: Os autores (2014) Figura 6 – Carta de Controle para as amplitudes do processo 1 Fonte: Os autores (2014) Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 227 Para calcular a capabilidade do processo foi utilizado os conceitos de Cp e Cpk. O cálculo de ambos deve ser realizado levando em conta as especificações de projeto. Logo, tem-se como valor nominal Ø40,0mm e tolerâncias de ±0,5mm, os limites superiores e inferiores fica: LES: 40,5mm e LEI 39,5mm. Com base nestes valores, é possível obter Cp=0.42 através da fórmula 1: (1) Para calcular o valor de Cpk, foi necessário inicialmente calcularr Cpkmin e Cpkmax, utilizando as equações 2 e 3: (2) (3) Deste modo obtiveram-se valores de Cpkmin= 0,7739 e Cpkmax= 0,0590. Como o valor mínimo obtido é referente ao Cpk, o valor final é Cpk= 0,059. Observa-se que os calores obtidos para Cp e Cpk são diferentes, logo, conclui-se que o processo está descentralizado. Também é possível verificar que como Cp<1 e Cpk<1, o processo não é potencialmente nem efetivamente capaz. Para realizar a centralização do processo utiliza-se o valor de x = 40,0 para cálculo do Cpk. Deste modo, tem-se que Cpk=Cp= 0,4165, para um processo centralizado. Porém, mesmo realizando a centralização do processo, o mesmo continua sendo não capaz, visto que, a relação Cpk=Cp<1 permanece válida. Sequencialmente, foi levantado o custo da não qualidade gerado pelo processo. A probabilidade de uma peça estar fora dos padrões de especificação foi calculada e assumiu um valor de P= 0,4398 ou 43,98% para o processo descentralizado. Se for considerada a produção média de 150 peças/mês com um custo de R$12,00/peça, estima-se um gasto de R$791,78/mês, visto que as peças fora de especificação não podem ser retrabalhadas, somente descartadas. Nas Tabelas 6 e 7 é possível verificar a realização dos cálculos citados. LES-LEI 6×σp C = inf x-LIE 3×σpk C = pksup LSE-xC = 3×σ Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 228 Tabela 6 – Probabilidade de peças descartadas por mês no processo descentralizadoLSE=40,05 LIE = 39,5 Probabilidade de: P(X<40,5 + P(X>39,5) P(X>LSE)= 1-P (X<LSE) = 1-P(z<(LSE-média)/desvio P(X<LIE) = P (z<(LIE-média)/desvio) Z 0,1770 Da tabela temos (x<Z) P(X<Z) 0,5702 P(X<Z) 0,0101 = 1,01% P(X>LSE) 0,42984 42,98% Probabilidade de: P(X<40,5) + P(X>39,5) = 0,4339 = 43,99% Fonte: Os autores (2014) Tabela 7 – Custo da não qualidade por mês para o processo descentralizado Probabilidade Volume de Produção Peças Descartadas Custo Unitário da peça Custo mensal 43,98% 150 66 R$ 12,00 R$ 791,78 Fonte: Os autores (2014) Centralizando o processo, ou seja, utilizando para cálculo apenas as causas comuns e eliminando a causa especial encontrada, verifica-se uma redução na probabilidade de peças descartadas para P=21,12%, ocasionando também em uma redução do custo da não qualidade para R$380,75/mês. Ao propor a troca do processo de fabricação de corte a plasma para corte a laser do componente deve-se estar ciente do custo mais elevado que este novo processo possui. Grande parte deste custo está agregado à precisão de corte que a máquina a laser possui (±0,1mm). Deste modo, certifica-se que todas peças fabricadas estariam dentro das especificações solicitadas, porém o custo para fabricação do componente passa a ser R$ 14,45/peça. Assim, é possível verificar que o custo mensal de fabricação dos componentes por corte à laser fica em R$367,50, sendo inferior ao custo da não qualidade do processo descentralizado em R$ 424,28 e do processo centralizado em R$13,25. Logo, para ambos processos o corte a laser mostra-se mais eficiente e financeiramente viável em comparação ao processo atual de corte à plasma. 5.2 Análise da quebra do para-brisa Para o processo 2, os gráficos das cartas de controle foram gerados automaticamente pelo programa Procep. Inicialmente, os dados da tabela 2, foram inseridos no programa para realizar os cálculos, conforme a figura 7. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 229 Figura 7 - Dados coletados inseridos no programa Procep Fonte: Os autores (2014) Ao gerar o gráfico para a carta de controle de atributos “np”, observa-se que existe uma causa especial, ocorrente na amostra 6. Logo, foi necessário recalcular os limites de controle eliminando a causa especial e obtendo os valores atualizados para o processo. Nas figuras 8 e 9, é possível analisar os gráficos das cartas de controle para o processo original e para o processo sem a ocorrência de causas especiais. Figura 8 - Carta de Controle para atributos “np” sem a remoção da causa especial 0 5 10 15 20 25 1 2 3 4 5 6 7 8 9 10 11 12 N úm er o de de fe itu os os (np ) LCS = 15,0134 LC = 7,25 LCI = 0 (origem: 1 até 12) +σ +σ +3 σ+3 σ+3 σ+3 σ −3 σ−3 σ−3 σ−3 σ Fonte: Os autores (2014) Figura 9 - Carta de Controle para atributos “np” após a remoção da causa especial 0 5 10 15 20 25 1 2 3 4 5 6 7 8 9 10 11 12 N úm er o de de fe itu os os (np ) LCS = 13,1126 LC = 6, LCI = 0 (origem: 1 até 12) +σ +σ +3 σ+3 σ+3 σ+3 σ −3 σ−3 σ−3 σ−3 σ Fonte: Os autores (2014) Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 230 Posteriormente, é possível verificar a análise de capacidade do processo descentralizado e centralizado, admitindo-se que a empresa aceita um limite máximo de 5 (5,2%) produtos com falha do para-brisa. Observa-se que para ambos os casos o processo é não capaz, apresentando um Cp=0,6897 e Cp=0,8333 respectivamente. Foi verificado que para o processo descentralizado o np médio calculado é de 7,25, com uma probabilidade de 25,93% em apresentar uma amostra inferior ao tolerado e 74,06% em apresentar uma amostra superior ao limite tolerado. Na figura 10 é apresentado o gráfico e os dados para o processo descentralizado. Figura 10 – Gráfico do processo 2 descentralizado gerado pelo software Procep Fonte: Os autores (2014) Já para o processo centralizado, o np médio encontrado foi igual a 6,0 com uma probabilidade de 44,04% em apresentar uma amostra inferior ao tolerado e 55,95% em apresentar uma amostra superior ao limite tolerado. A figura 11 apresenta o gráfico e os dados do processo centralizado e a seguir são apresentadas as conclusões que foram verificadas para ambos processos através do estudo dos dados coletados e da utilização das ferramentas de controle estatístico. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 231 Figura 11 – Gráfico do processo 2 centralizado gerado pelo software Procep Fonte: Os autores (2014) 6. Conclusões Essa pesquisa avaliou as contribuições do controle estatístico de processos nos custos da não qualidade, investigando o estudo de caso de dois processos distintos. Utilizando as ferramentas e os conceitos adequados foi verificado que o controle produtivo é um passo fundamental para garantir que a qualidade final do produto esteja dentro das especificações desejadas. Para o processo 1, verificou-se que o mesmo encontra-se não capaz por possui um Cpk inferior a 1,0, sendo ele descentralizado ou centralizado, (Cpkdesc=0,059 e Cpkcent=0,4165). Foi constatado também que tal processo pode apresentar um custo de não qualidade de até R$791,78/mês, visto que as peças que encontram-se fora da especificação não tem possibilidade de retrabalho ou reaproveitamento. Caso o processo fosse centralizado este custo seria reduzido para R$380,75/mês, porém, ainda fora dos padrões aceitados pela empresa. Deste modo, foi constatada a possibilidade de alterar o processo de fabricação da peça, modificando a produção por corte a plasma atual para corte a laser devido ao elevado nível de precisão dimensional. Neste novo processo o custo de cada componente seria acrescido em 20,4%, passando de R$ 12,00 para R$ 14,45. Mesmo assim, o custo total mensal para produção das peças seria reduzido em R$ 424,28 ou R$ 13,25, para os processos descentralizados e centralizados respectivamente. Isso representa uma redução de custo de até Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 232 54% no processo analisado considerando apenas as especificações dimensionais, sem considerar os ganhos em qualidade visual do componente. Para o processo 2, constatou-se que o processo atual é não capaz pois possui um Cp=0,6897. Também verificou-se que mesmo realizando a centralização do processo, ou seja, trabalhando para eliminar as causas especiais, o processo continuaria sendo não capaz, pois apresentou Cp=0,833. Deste modo, fica evidenciado que este processo deve ser analisado mais detalhadamente, a fim de examinar as causas comuns e buscar possíveis alterações no processo produtivo que possam auxiliar em um melhor desempenho do mesmo, como investimento em máquinas ou equipamentos. De forma geral, com base nos resultados da análise dos dois processos e do cálculo do impacto da não qualidade, foi constatada a importância de avaliar, controlar e acompanharos processos produtivos de uma empresa. Deste modo, o CEP e a análise dos custos da qualidade se tornam fundamentais na gestão das indústrias. Uma vez que, além de controlar o desempenho dos processos, é também essencial para tomada de decisões estratégicas, como por exemplo, aplicação de investimentos ou expansão da produção. Como extensão da presente pesquisa, é sugerido que outros estudos analisando os custos da não qualidade em consonância com os indicadores do CEP sejam conduzidos. Referências ALBANO, F. M., Desenvolvimento de um modelo de avaliação global de desempenho. PPGEP: Dissertação de mestrado acadêmico. Porto Alegre, 2008. BONDUELLE, G. M. Gestão da qualidade total para a produção florestal. Curitiba: UFPR_PECCA, 2006. CARBURON, J.; MORALES, D. Aplicação do Controle Estatístico de Processo em uma Indústria do setor metal-mecânico: um estudo de caso. In: SIMPEP, 13, 2006, Bauru, São Paulo, 2006. CARRARO, I. R.; MILAN, S. G. Cost Savings arising from Eliminating Variability in the Quality of the Pneumatic System Process of Road Equipment. Sustainable Business International Journal, n. 41, p.1-21, Ago. 2014. CATEN, C.; FRANZ, L. Balanced Scorecard. Apostila do Programa de Pós Graduação em Engenharia de Produção. PPGEP/UFRGS. Porto Alegre, 2004. COSTA, A. F. B.; EPPRECHIT, E. K.; CARPINETTI, L. C. R. Controle Estatístico de Qualidade: Métodos Estatísticos. São Paulo: Atlas, 2005. GIL, A. C. Como elaborar projetos de pesquisa. 4ed. São Paulo: Atlas, 2009. JUNG, Carlos Fernando. Metodologia para pesquisa & desenvolvimento: Aplicada a Novas Tecnologias, Produtos e Processos. Rio de Janeiro: Axcel Books, 2004. INSTITUTO DA QUALIDADE AUTOMOTIVA - IQA. Manual de Referência. Controle Estatístico do Processo (CEP). São Paulo, 2005. Centro Universitário SOCIESC - UNISOCIESC Joinville, Santa Catarina, Brasil ISSN 2237-5163 / v. 05, n. 02: p. 215-233, ano 2015 DOI 10.14521/P2237-5163.2015.0008.0001 Recebido 06/05/2014; Aceito 11/11/2014 233 MARCONI, M. A.; LAKATOS, E. M. Técnicas de pesquisa. São Paulo: Atlas, 2002. MONTGOMERY, D. C. Introdução ao Controle Estatístico da Qualidade. Rio de Janeiro. LTC, 2004. PACHECO, D. A. J. ; PERGHER, I. ; JUNG, C. F. ; CATEN, C. S. T. Strategies for increasing productivity in production systems. Independent Journal of Management & Production, v. 5, p. 1- 16, 2014. SALDANHA, P. ; ROTHE, C. K. ; BENEDETT, F. R. ; PACHECO, D. A. J. ; JUNG, C. F.; CATEN, C. S. T. Analisando a aplicação do Controle Estatístico de Processos na indústria química: um estudo de caso. Espacios (Caracas), v. 34, p. 1-18, 2013. SAMOHYL, R. W. Controle Estatístico da Qualidade: Métodos Estatísticos. Rio de Janeiro: Elsevier, 2009. TEIXEIRA, C. S. L.; MEDEIROS, P. G.; HO, L. L. Controle on-line da taxa média de defeitos por item produzido numa produção finito. Production, v. 24, n. 1, p. 94-103, jan/mar., 2014. TEOBALDO, C. E. A.; TRINDADE, D. C. A. C. Custos da Qualidade: Análise da estrutura e componentes dos custos da qualidade. Anais: Seget, 2012. View publication statsView publication stats
Compartilhar