Baixe o app para aproveitar ainda mais
Prévia do material em texto
Prof. Me. Eng. Ricardo Buneder ricardo.buneder@unilasalle.edu.br 1 Prédio 1/Sala 209 EQ_4_Engenharia da Qualidade – Aula_3 – 01/04/2020 CEP 2 PROCESSO Processo é a combinação de insumos e métodos de transformação que atuando em conjunto produzem um resultado (bem ou serviço). Os clientes de um processo correspondem às pessoas que utilizam o resultado do mesmo (vide Figura 1). 3 4 Figura 1 MÉTODO DE TRANSFORMAÇÃO VOZ DO CLIENTE E VOZ DO PROCESSO Na figura anterior aparecem os termos voz do cliente (VOC) e voz do processo (VOP). Vamos analisar o significado desses termos. 5 VOZ DO CLIENTE E VOZ DO PROCESSO A voz do cliente é utilizada para capturar o que o cliente espera de um determinado processo, ou seja, o que ele considera bom. Exemplo: foi montada uma equipe de atendimento de chamados para assistência técnica e definiu-se que cada atendimento deve apresentar uma solução para o cliente em até 5 minutos, em média. Estes “5 minutos” são a voz do cliente, isto, é o que seu cliente espera. 6 VOZ DO CLIENTE E VOZ DO PROCESSO Já a voz do processo é o que o processo consegue produzir. Seguindo o mesmo exemplo anterior, o cliente quer uma solução em até 5 minutos, mas após “medir” o processo, você, como gestor, descobre que os atendimentos (soluções para os clientes) levam de 4,5 à 8 minutos. Esta variação é a voz do processo, ou seja a VOP. 7 8 Voz do Cliente e Voz do Processo Figura 2 9Figura 3 10Figura 4 VARIAÇÕES NO PROCESSO Em qualquer processo produtivo, seja ele de produção de bens ou de serviços, está sempre presente um determinado grau de variabilidade natural (ou intrínseca), independentemente de o processo ser monitorado ou não. 11 VARIAÇÕES NO PROCESSO 12Figura 5 Variáveis trabalhando de forma multivariada 13Figura 6 14Figura 7 Os defeitos resultantes dos processos podem ser classificados em: ▪defeitos crônicos – são aqueles inerentes ao processo. Estão sempre presentes nos resultados do processo; ▪defeitos esporádicos – representam desvios em relação ao que o processo é capaz de fazer. São mais facilmente detectáveis. 15 VARIAÇÕES NO PROCESSO As causas de variação, por sua vez, podem ser separadas em: ▪causas comuns ou aleatórias – são inerentes ao próprio processo. São difíceis de identificar e consistem em um número muito grande de pequenas causas, mas que, em conjunto, causam a variação aleatória; 16 CAUSAS DE VARIAÇÃO ▪causas assinaláveis ou especiais – representam um descontrole temporário do processo. São possíveis de serem identificadas e corrigidas. Seus efeitos são mais facilmente observáveis. 17 CAUSAS DE VARIAÇÃO 18 CAUSAS COMUNS CAUSAS ESPECIAIS Ação sobre o sistema Sua eliminação resolve ≈85% dos problemas do processo Ação no local de trabalho Sua eliminação resolve ≈15% dos problemas do processoFigura 8 A equação para a variação total de um processo pode ser escrita da seguinte forma: 19 VARIAÇÃO TOTAL Variação total = Variação proveniente de causas comuns + Variação proveniente de causas especiais Se as variações forem conhecidas, controladas e reduzidas (ou se possível, eliminadas), os índices de não conformidades tendem a se reduzir consideravelmente. 20 VARIAÇÕES NO PROCESSO O CEP (controle estatístico de processo) auxilia na identificação e na priorização das causas de variação da qualidade, ou seja, na separação entre as poucas causas vitais (20%) e as muitas triviais (80%) e tem o objetivo de controlar, eliminar ou reduzir as causas fundamentais das não conformidades. 21 CEP 22 Causas Comuns Figura 9 23 Figura 10 Causas Especiais Diz-se que um processo que opera apenas com a ocorrência de causas comuns/aleatórias de variação, está sob controle estatístico, uma vez que tais causas não comprometem o desempenho do mesmo. 24 PROCESSO SOB CONTROLE ESTATÍSTICO 25 Figura 11 26 6∂ 3∂ 3∂ 3∂ 27 Figura 12 Um processo que opera na presença de causas especiais ou assinaláveis está fora de controle, visto que a variabilidade devido a tais causas é geralmente grande quando comparada à variabilidade devido às causas comuns (variabilidade natural). 28 VARIAÇÕES NO PROCESSO 29 Comuns/Aleatórias Especiais/Assinaláveis São inerentes ao processo e estão sempre presentes; São desvios do comportamento “normal” do processo. Atuam de forma esporádica; Individualmente produzem pouca influência no resultado do processo; Uma ou poucas causas produzem grandes variações no processo; Sua correção exige mudanças maiores no processo; Sua correção pode ser feita na própria linha de produção; A melhoria da qualidade do produto e do processo quando somente causas comuns estão presentes, necessita de decisões gerenciais que podem envolver investimentos significativos; A melhoria da qualidade pode, em grande parte, ser obtida por meio de ações locais que não envolvem investimentos significativos; São exemplos de causas comuns/aleatórias: capacitação inadequada da mão de obra, manutenção deficiente etc. São exemplos de causas especiais/assinaláveis: máquina desregulada, ferramenta desgastada, picos de tensão etc. Quadro 1 – Causas comuns/aleatórias e especiais/assinaláveis 30 Os gráficos de controle permitem distinguir esses dois tipos de variabilidade, uma vez que estabelecem limites para as variações devido às causas comuns que possam ocorrer num processo. 31 Os gráficos de controle têm por objetivo identificar a ocorrência de causas especiais a fim de que ações corretivas possam ser tomadas antes que muitas unidades defeituosas tenham sido produzidas. O gráfico de controle (ou gráfico de Shewhart) é uma representação de uma característica da qualidade (variável em estudo) calculada a partir de uma amostra, no eixo das ordenadas (eixo y), versus o número da amostra ou o tempo em que as amostras foram coletadas, no eixo das abscissas (eixo x). 32 FUNDAMENTOS DO GRÁFICO DE CONTROLE 33 Número da amostra ou tempo M e d id a d a c a ra c te rí st ic a d e i n te re ss e LSC LIC Causas comuns: as que se encontram dentro dos limites superior e inferior Causas especiais: as que se encontram fora dos limites superior ou inferior Figura 13 – Exemplo de gráfico de controle Linha Central Um gráfico de controle possui três linhas paralelas ao eixo das abscissas: - uma linha central (LC), que representa o valor médio (esperado) da característica da qualidade correspondente ao estado sob controle (ou seja, sujeita apenas às causas comuns de variação); 34 FUNDAMENTOS DO GRÁFICO DE CONTROLE - uma linha horizontal que corresponde ao limite inferior de controle (LIC); - uma linha horizontal que corresponde ao limite superior de controle (LSC). Tanto o LIC como o LSC são calculados a partir do desvio- padrão das medidas da característica de interesse geradas pelo processo. 35 FUNDAMENTOS DO GRÁFICO DE CONTROLE Para um processo considerado sob controle, todos os pontos amostrais devem cair entre os LIC e LSC. Shewhart desenvolveu uma teoria geral para gerar os gráficos de controle. Essa teoria considera uma estatística amostral que envolve o registro cronológico regular de valores ou parâmetros de características da qualidade (características de interesse), do produto ou processo, calculados a partir de amostras obtidas do resultado do processo em estudo. 36 FUNDAMENTOS DO GRÁFICO DE CONTROLE No slide seguinte são mostrados os valores da média µ e do desvio-padrão ∂ da característica de qualidade que está sendo controlada. Uma característica de qualidade pode ser, por exemplo, o diâmetro de um eixo, a dureza de uma peça, o pH de um alimento, o peso ou volume de uma embalagem etc. 37 FUNDAMENTOS DO GRÁFICO DE CONTROLE As equações para o cálculo da linha central e dos limites inferior (LIC) e superior de controle (LSC) de um gráfico de controle são dadospor: LSC = µ + 3∂ LC = µ LIC = µ - 3∂ 38 FUNDAMENTOS DO GRÁFICO DE CONTROLE Os gráficos de controle são muito importantes para a melhoria de processos, pois: i. a maioria dos processos não opera em estado de controle estatístico; 39 FUNDAMENTOS DO GRÁFICO DE CONTROLE ii. consequentemente, o uso dos gráficos de controle serve para identificar as causas especiais de variação. Se tais causas forem eliminadas do processo, a variabilidade diminui e o processo melhora; iii. os gráficos de controle identificam somente as causas especiais. Geralmente, a eliminação de tais causas depende de uma ação conjunta da gerência da operação e da engenharia. 40 FUNDAMENTOS DO GRÁFICO DE CONTROLE Existem dois tipos básicos de gráficos de controle: a) Gráficos de variáveis; b) Gráficos de atributos. 41 TIPOS DE GRÁFICOS DE CONTROLE Os gráficos de variáveis são utilizados quando as amostras das características de qualidade avaliadas podem ser representadas por unidades quantitativas contínuas de medidas (peso, altura, comprimento, dureza, rugosidade superficial, pH etc.). Os valores de tais medições pertencem ao conjunto dos números reais e necessitam de um instrumento de medição para serem coletados. 42 GRÁFICOS DE VARIÁVEIS 1) (Xbar e R): são os gráficos da média (Xbar) e da amplitude (R). São os mais usados na prática. Esses gráficos se complementam, devendo ser utilizados simultaneamente. 43 TIPOS DE GRÁFICOS DE VARIÁVEIS O gráfico Xbar objetiva controlar a variabilidade da característica de interesse ao longo do tempo no nível médio do processo. Já o gráfico R acompanha a dispersão dos valores da característica de interesse a qual pode sofrer alterações devido à presença de causas especiais. 44 TIPOS DE GRÁFICOS DE VARIÁVEIS 2) (Xtil e R): são os gráficos da mediana (Xtil) e da amplitude (R). Em algumas circunstâncias práticas o gráfico Xbar pode ser substituído pelo gráfico Xtil. Tal como no gráfico das médias, o gráfico das medianas deve ser aplicado juntamente com o gráfico de R. O gráfico Xtil pode ser usado para amostras pequenas (n ≤ 5), mas não é recomendado para amostras grandes (n > 7). 45 TIPOS DE GRÁFICOS DE VARIÁVEIS Como calcular a mediana de uma amostra? Mediana é o valor que separa a metade maior e a metade menor de uma amostra, uma população ou uma distribuição de probabilidade. 46 TIPOS DE GRÁFICOS DE VARIÁVEIS De forma mais simples, podemos entender a mediana como o valor “do meio” de um conjunto de dados. Para um conjunto ímpar de observações a mediana é o valor central desse conjunto. Por exemplo: para o conjunto de dados {1, 3, 3, 6, 7, 8, 9}, a mediana = 6. 47 TIPOS DE GRÁFICOS DE VARIÁVEIS Se houver um número par de observações, não há um único valor do meio. Então, a mediana é definida como a média dos dois valores do meio. No conjunto de dados {3, 5, 7, 9}, a mediana é: (5 + 7) / 2 = 6. 48 TIPOS DE GRÁFICOS DE VARIÁVEIS 3) (X e R): gráficos de valores individuais (X) e da amplitude (R). Em alguns casos pode ser mais conveniente controlar o processo com base em leituras e valores individuais do que em amostras. Isso ocorre quando a inspeção e a medida são caras, o ensaio for destrutivo ou quando a característica que está sendo examinada for relativamente homogênea no lote em produção, como, por exemplo, o pH de uma solução química. 49 TIPOS DE GRÁFICOS DE VARIÁVEIS Os gráficos de atributos são utilizados em situações em que as características da qualidade não puderem ser medidas de forma numérica. Por exemplo: uma lâmpada inspecionada pode ser classificada como “queimada” ou “não queimada”. 50 GRÁFICOS DE ATRIBUTOS Quando devem ser utilizados gráficos de atributos? a) Quando o número de características de qualidade a controlar em cada unidade de produto é muito grande e é conveniente classificar o produto, por exemplo, em “conforme” ou “não conforme”. b) Quando em lugar de mensurações de características é mais conveniente empregar calibradores do tipo “passa-não passa”, quando apenas se observa se a característica está ou não dentro de um padrão. 51 GRÁFICOS DE ATRIBUTOS 52Figura 14 c) Quando o custo de mensuração da característica é elevado em relação ao custo da peça. d) Quando a verificação da qualidade pode ser feita por simples inspeção visual. 53 GRÁFICOS DE ATRIBUTOS Os principais gráficos de atributos são: p, c e u. Vamos analisar cada um deles. 54 TIPOS DE GRÁFICOS DE ATRIBUTOS 1) Gráficos p – utilizados para o controle da proporção (ou porcentagem ou partes por milhão) de unidades não conformes (ou defeituosas) em uma amostra, ou seja, mede a fração ou proporção de itens defeituosos na amostra. p = (nº de itens não conformes na amostra) / (nº de itens da amostra) 55 GRÁFICOS P A construção de gráficos p só é possível se: n x pbar ≥ 5 n x (1 – pbar) ≥ 5 pbar = (∑ p’i ) / k pbar = fração média de produtos ou itens não conformes na amostra; p’ = (número de itens não conformes da amostra) / (número de itens da amostra) 56 GRÁFICOS P i =1 k k = número de amostras Limites de controle para gráficos p com tamanho de amostra constante: LSC = pbar + 3. √{[pbar.(1 – pbar)] / n} LC = pbar LIC = pbar - 3. √{[pbar.(1 – pbar)] / n} n = tamanho de cada amostra 57 GRÁFICOS P Tome o dados da Tabela 1 e calcule os limites para o gráfico p, considerando k = 30 e n = 50 (ou seja, 30 amostras com 50 itens cada). 58 GRÁFICOS P 59 n = 50 k = 30 Amostra Nº de não conformes p' = Fração de não conformes 1 12 0,24 2 15 0,30 3 8 0,16 4 10 0,20 5 4 0,08 6 7 0,14 7 16 0,32 8 9 0,18 9 14 0,28 10 10 0,20 11 5 0,10 12 6 0,12 13 17 0,34 14 12 0,24 15 22 0,44 16 8 0,16 17 10 0,20 18 5 0,10 19 13 0,26 20 11 0,22 21 17 0,34 22 16 0,32 23 24 0,48 24 15 0,30 25 9 0,18 26 12 0,24 27 7 0,14 28 13 0,26 29 9 0,18 30 8 0,16 6,88Tabela 1 12 / 50 = 0,24 ∑p’ = 6,88 pbar = (∑ p’i ) / 30 = 6,88 / 30 = 0,229 Condição para a construção de gráfico p n x pbar ≥ 5 50 x 0,229 = 11,45 ≥ 5 n x (1 – pbar) ≥ 5 50 x (1 – 0,229) = 38,55 ≥ 5 60 GRÁFICOS P i =1 30 LC = pbar = 0,229 LSC = pbar + 3. √{[pbar.(1 – pbar)] / n} LSC = 0,229 + 3. √[(0,229. 0,771)/50] = 0,407 LIC = pbar - 3. √{[pbar.(1 – pbar)] / n} LIC = 0,229 – 3. √[(0,229. 0,771)/50] = 0,051 61 GRÁFICOS P Comparando os dados da Tabela 1 com os LSC e LIC calculados, tem-se que os valores de p para as amostras # 15 e # 23 assumiram valores acima do LSC, o que evidencia que no intervalo de tempo em que essas amostras foram produzidas estavam atuando no processo causas especiais, além das causas comuns. 62 GRÁFICOS P Como os limites do gráfico de controle devem conter somente a variabilidade devido a causas comuns ou aleatórias, os dados dessas duas amostras devem ser descartados e os cálculos do LSC e LIC devem ser refeitos com base nos dados das 28 amostras restantes, ou seja: 63 GRÁFICOS P 64 n = 50 k = 28 Amostra Nº de não conformes p' = Fração de não conformes 1 12 0,24 2 15 0,30 3 8 0,16 4 10 0,20 5 4 0,08 6 7 0,14 7 16 0,32 8 9 0,18 9 14 0,28 10 10 0,20 11 5 0,10 12 6 0,12 13 17 0,34 14 12 0,24 15 22 0,00 16 8 0,16 17 10 0,20 18 5 0,10 19 13 0,26 20 11 0,22 21 17 0,34 22 16 0,32 23 24 0,00 24 15 0,30 25 9 0,18 26 12 0,24 27 7 0,14 28 13 0,26 29 9 0,18 30 8 0,16 5,96Tabela 2 pbar = (∑ p’i ) / 28 = 5,96 / 28 = 0,213 LC = pbar = 0,213 LSC = 0,213 + 3. √[(0,213 x 0,787)/50] = 0,387 LIC = 0,213 – 3. √[(0,213 x 0,787)/50] = 0,039 65 GRÁFICOS P i =1 28 Como os valores de p das 28 amostras estão situados entre os limites calculados, eles podem ser utilizados como os limites para o controle rotineiro do processo. Se algum valor de p estivesse acima de LSC ou abaixo de LIC, os cálculos para os limites deveriam ser refeitos até que todos os valores de p considerados estivessem dentro dos limites. 66 GRÁFICOS P 2) Gráficos c – utilizados para o controle do número de nãoconformidades (ou defeitos) por amostra. Lembre-se: um mesmo item pode ter mais de uma não conformidade. 67 GRÁFICOS C Limites de controle do gráfico c Em algumas situações práticas, uma unidade do produto pode apresentar mais de um defeito ou tipos de defeito. A variável número de defeitos/não conformidades por amostra é representada pela letra “c”. O controle de “c” é indicado quando as amostras têm o mesmo tamanho. Exemplos: nº de irregularidades na superfície de um produto etc. 68 GRÁFICOS C Os limites de controle para um gráfico c são dados por: cbar = [∑ ci] / k LSC = cbar + 3.√cbar LC = cbar LIC = cbar – 3.√cbar 69 GRÁFICOS C i = 1 k onde: c = número médio de defeitos por amostra; k = quantidade de amostras Vamos a um exemplo? Vamos supor que tenhamos levantado dados referentes a 25 amostras de n = 100 notebooks no final de uma linha de montagem. Cada amostra é inspecionada e registrados o número de defeitos encontrados em cada item. 70 GRÁFICOS C 71 Amostra Nº de defeitos por amostra 1 21 2 24 3 16 4 12 5 15 6 5 7 28 8 20 9 31 10 25 11 20 12 24 13 16 14 19 15 10 16 17 17 13 18 22 19 18 20 39 21 30 22 24 23 16 24 19 25 17 ∑ 501 Número total de defeitos = 501. cbar = 501 / 25 = 20,04, ou seja, foi observada uma média de 20,04 defeitos por amostra de 100 notebooks. Limites de controle: LSC = 20,04 + 3.√20,04 = 33,47 LIC = 20,04 – 3. √20,04 = 6,61 Tabela 6 Comparando os dados da Tabela 6 com os LSC e LIC calculados, observa-se que as amostras #6 (5) e #20 (39) apresentaram uma quantidade de defeitos, respectivamente, abaixo e acima dos limites de controle calculados . Isso significa que quando os notebooks dessas duas amostras de foram montados o processo estava na presença de causas especiais, além das causas comuns. 72 GRÁFICOS C Assim, os dados das amostras #6 e #20 devem ser descartados e os LSC e LIC recalculados. Para tal foi calculado um novo valor de cbar (vide Tabela 7). 73 GRÁFICOS C 74 Amostra Nº de defeitos por amostra 1 21 2 24 3 16 4 12 5 15 6 0 7 28 8 20 9 31 10 25 11 20 12 24 13 16 14 19 15 10 16 17 17 13 18 22 19 18 20 0 21 30 22 24 23 16 24 19 25 17 ∑ 457 Tabela 7 Número total de defeitos = 457. cbar = 457 / 23 = 19,87, ou seja, foram observados 19,87 defeitos por amostra de 100 notebooks. Novos limites de controle: LSC = 19,87 + 3.√19,87 = 33,24 LC = 19,87 LIC = 19,87 – 3. √19,87 = 6,50 Esses são os limites a serem utilizados como padrão de referência para o controle rotineiro do processo. 3. Gráficos u – são utilizados para o controle do número de não conformidades (ou defeitos) por unidade de produto. 75 GRÁFICOS U Limites de Controle do Gráfico de u O gráfico do número de não conformidades por unidade de produto (u) é adequado quando várias não conformidades independentes podem ocorrer em uma mesma unidade do produto e há o interesse em controlar o número de não conformidades/unidade de produto e, não, por amostra. 76 GRÁFICOS U Esse controle é particularmente importante em produtos que resultam de montagens complexas, tais como veículos, computadores, eletrodomésticos, máquinas-ferramentas etc. A estimativa do número médio de defeitos por unidade de produto é dada por: ubar = (número de não conformidades em todas as amostras) / (número total de itens observados) 77 GRÁFICOS U Os limites de controle para o gráfico de u são dados por: LSC = ubar + 3. √(ubar / n) LC = ubar LIC = ubar - 3. √(ubar / n) onde: n = tamanho da amostra utilizada para estimar o número médio de defeitos por unidade do produto. 78 GRÁFICOS U Exemplo: em uma linha de montagem de televisores deseja- se controlar o número de não conformidades por unidade de televisor montada. Para tal, são inspecionadas 20 amostras de 10 televisores cada e construída a Tabela 8. 79 GRÁFICOS U 80 Amostra Tamanho da amostra Nº de não conformidades na amostra Nº de não conformidades por unidade 1 10 20 2,0 2 10 24 2,4 3 10 16 1,6 4 10 28 2,8 5 10 20 2,0 6 10 32 3,2 7 10 22 2,2 8 10 10 1,0 9 10 22 2,2 10 10 16 1,6 11 10 8 0,8 12 10 20 2,0 13 10 10 1,0 14 10 14 1,4 15 10 18 1,8 16 10 18 1,8 17 10 16 1,6 18 10 22 2,2 19 10 24 2,4 20 10 12 1,2 ∑ 372 37,2 Tabela 8 ubar = 372 / 200 = 1,86 LSC = 1,86 + 3. √(1,86/10) = 3,15 LC = 1,86 LIC = 1,86 – 3. √(1,86/10) = 0,57 81 GRÁFICOS U Comparando os dados da Tabela 8 com os LSC e LIC calculados tem-se que a amostra #6 apresenta um número não conformidades por produto superior ao LSC. Logo, essa amostra deve ser descartada e os limites de controle recalculados (vide Tabela 9). 82 GRÁFICOS U 83 Amostra Tamanho da amostra Nº de não conformidades na amostra Nº de não conformidades por unidade 1 10 20 2,0 2 10 24 2,4 3 10 16 1,6 4 10 28 2,8 5 10 20 2,0 7 10 22 2,2 8 10 10 1,0 9 10 22 2,2 10 10 16 1,6 11 10 8 0,8 12 10 20 2,0 13 10 10 1,0 14 10 14 1,4 15 10 18 1,8 16 10 18 1,8 17 10 16 1,6 18 10 22 2,2 19 10 24 2,4 20 10 12 1,2 ∑ 340 Tabela 9 ubar = 340 / 190 = 1,79 LSC = 1,79 + 3. √(1,79/10) = 3,06 LC = 1,79 LIC = 1,79 - 3. √(1,79/10) = 0,52 Esses são o limites a serem utilizados como padrão de referência para o controle rotineiro do processo. 84 GRÁFICOS U
Compartilhar