Baixe o app para aproveitar ainda mais
Prévia do material em texto
Análise da Capacidade de Processos e Sistemas de Medida Disciplina: Controle Estatístico da Qualidade (ESA-1077-4) Profa.: Maria Luíza Guerra de Toledo maria.toledo@ibge.gov.br mailto:maria.toledo@ibge.gov.br Análise da Capacidade Muitos processos/negócios são medidos com variáveis que possuem especificações precisas. Tempo de entrega: 72 horas ou menos Peso do biscoito: 55 a 65 gramas Diâmetro da roda do carro: 15,95 a 16,05 polegadas Análise da Capacidade Diâmetro da roda do carro: 15,95 a 16,05 polegadas A fábrica de rodas de carros trabalha para que cada peça tenha 16 polegadas de diâmetro. Especificações do diâmetro: 15,95 a 16,05 polegadas O processo é capaz de atender essas especificações? Análise da Capacidade Limites de especificação são os valores mínimo e máximo aceitáveis para variáveis de entrada e saída de um processo. Análise da Capacidade Queremos que nossos processos sejam estáveis e atendam as especificações. Esse processo é estável, mas está atendendo as especificações? Análise da Capacidade Índices de capacidade incorporam a dispersão do processo e a especificação em um único número. Dispersão da especificação Dispersão do processo A tolerância é a diferença entre os limites inferior e superior de especificação. Análise da Capacidade Porcentagem fora da especificação Da amostra de 100 peças, 6 estão fora da especificação superior, resultando em 6% dos produtos fora da especificação. Análise da Capacidade Partes por milhão (PPM) fora da especificação Se o processo for estável durante a produção de 1.000.000 de rodas, aproximadamente 60.000 dessas rodas estarão fora da especificação. 6/100 = 60.000/1.000.000 60.000 peças por milhão estão fora da especificação Análise da Capacidade Mas, e se o processo estiver assim? Espec inferior Espec superior Porcentagem fora da especificação = PPM = 0 Se usássemos apenas esses valores para estimar a capacidade, não saberíamos que o processo precisa ser melhorado. Análise da Capacidade Cp > 1 Cp < 1 Tolerância 6s LSE LIE LSE LIE 6s Tolerância Análise da Capacidade Processo Capaz: Cp > 1,33 Igual a 0,0064% fora da especificação Tolerância Dispersão do processo Análise da Capacidade Valores da RCP (Cp) e Falhas Associadas (ppm) para um processo normalmente distribuído e sob controle estatístico Suposições importantíssimas: 1. A característica de qualidade tem distribuição normal. 2. O processo está sob controle estatístico. 3. No caso de especificações bilaterais, a média do processo está centrada entre os limites de especificação superior e inferior. Análise da Capacidade Ambos os processos têm Cp > 1,33. Mas só os produtos do processo 1 atendem as especificações. Análise da Capacidade Cpi > 1 LSE LIE X 3s Cps < 1 LSE LIE X 3s Cpk = Cps Análise da Capacidade LSE LIE Cpi < 1 X 3s LSE LIE Cpu > 1 X 3s Cpk = Cpi Análise da Capacidade Exemplo: IC para a Capacidade de um Processo Suponhamos que um processo estável tenha LSE=62 e LIE=38. Uma amostra de tamanho n=20 revela que a média do processo está centrada aproximadamente no ponto médio do intervalo de especificação e que o desvio padrão amostral é S=1,75. Assim, uma estimativa pontual de Cp é Análise da Capacidade Exemplo: IC para a Capacidade de um Processo O intervalo de 95% de confiança para Cp é: Análise da Capacidade Análise da Capacidade Tamanho da amostra, n Cp (Alto)/ Cp (Baixo) C/Cp (Baixo) Cp (Alto)/ Cp (Baixo) C/Cp (Baixo) Determinação do tamanho da amostra e do valor crítico para testar H0: Cp=Cp0 Análise da Capacidade Exemplo: Teste sobre Razão da Capacidade Um cliente informou a seu fornecedor que, para se qualificar para negócios com a sua firma, ele deve demonstrar que sua capacidade de processo supera Cp=1,33. Assim, o fornecedor estabelece um procedimento para testar as hipóteses: O fornecedor deseja ter a certeza de que, se a capacidade do processo for inferior a 1,33, haverá alta probabilidade (digamos, 0,90) de detectar esse fato (1-a). Ao mesmo tempo, se a capacidade do processo exceder 1,66, haverá grande probabilidade (0,90) de o processo ser julgado capaz (1-b). Análise da Capacidade Exemplo: Teste sobre Razão da Capacidade Para achar o tamanho da amostra e o valor crítico C na tabela, calculamos e localizamos o valor na tabela, onde a=b=0,10, o que dá n=70 e C/Cp(Baixo)=1,10. De onde obtemos C: C=1,10 x Cp(Baixo) = 1,10 x 1,33 = 1,46 (Alto) (Baixo) Análise da Capacidade Exemplo: Teste sobre Razão da Capacidade: Assim, para demonstrar a capacidade, o fornecedor deve tomar uma amostra de n=70 peças, e a razão amostral da capacidade do processo ( ) deve exceder C=1,46. Isso mostra que, para demonstrar que a capacidade do processo é, no mínimo, igual a 1,33, o Cp da amostra observada deve exceder consideravelmente 1,33. Análise da capacidade de um processo utilizando um gráfico de controle Exibem a capacidade potencial do processo, pois avaliam também o controle estatístico do mesmo (o que histogramas, gráficos de probabilidade e razões de capacidade não o fazem). Exemplo: Dados de resistência à ruptura de garrafas de refrigerante para 20 amostras de cinco observações cada. Análise da capacidade de um processo utilizando um gráfico de controle Análise da capacidade de um processo utilizando um gráfico de controle Análise da capacidade de um processo utilizando um gráfico de controle Ambos os gráficos exibem controle estatístico. Análise da capacidade de um processo utilizando um gráfico de controle Os parâmetros do processo podem ser estimados a partir dos gráficos de controle como: Logo, Portanto, o processo é inadequado. •Muitas vezes a análise de capacidade do processo indica um processo fora de controle. •É inseguro estimar a capacidade do processo em tais casos. •O processo deve ser instável para produzir uma estimativa confiável de sua capacidade. •Quando o processo está fora de controle, o primeiro objetivo é encontrar e eliminar as causas assinaláveis para trazer o processo de volta em um estado sob controle. Análise da capacidade de um processo utilizando um gráfico de controle •Um experimento planejado é uma abordagem sistemática para variar as entradas controláveis no processo e analisar os efeitos dessas variáveis do processo na saída. •Um de seus principais usos é isolar e estimar fontes de variabilidade em um processo. Exemplo: •Máquina de encher garrafas de refrigerante. Cada máquina tem um grande número de torneiras de enchimento que devem ser ajustadas independentemente. • Característica de qualidade: conteúdo de xarope (em graus Brix) do produto final. Análise da capacidade de um processo utilizando um experimento planejado •Pode haver variação no Brix observado (s2B) em razão da variabilidade da máquina (s2M), variabilidade das torneiras (s 2 T) e variabilidade do teste analítico (s 2 A). •A variabilidade é s2B =s 2 M + s 2 T + s 2 A •Um experimento permitiria estimar essas variâncias. Análise da capacidade de um processo utilizando um experimento planejado Análise da capacidade de um processo utilizando um experimento planejado Como uma porção substancial da variabilidade total observada no Brix é devida à variabilidade entre torneiras, talvez o processo possa ser melhorado mediante redução da variabilidade torneira-a-torneira. Gráficos de controle e métodos tabulares •Um aspecto importante na implementação do controle estatísticoé assegurar uma adequada capacidade do medidor e do sistema de inspeção. •Matematicamente, temos que: s2total =s 2 produto + s 2 medidor •Podemos usar gráficos de controle e outros métodos estatísticos para separar esses componentes da variância. Estudos sobre a capacidade de um medidor e de um sistema de medidas Gráficos de controle e métodos tabulares Exemplo: Medindo a capacidade do medidor •Deve-se usar um instrumento como parte de uma implementação proposta de CEP. •É importante obter uma avaliação da capacidade do medidor. •Obtém-se 20 unidades do produto, e o operador do processo utiliza duas vezes o instrumento para medir cada unidade do produto. Estudos sobre a capacidade de um medidor e de um sistema de medidas Estudos sobre a capacidade de um medidor e de um sistema de medidas Poder discriminativo do instrumento Magnitude do erro de medida (capacidade do medidor) •O desvio padrão do erro de mensuração, smedidor, pode ser estimado como: •A distribuição do erro de mensuração usualmente é bem aproximada pela normal. Assim, 6smedidor é uma boa estimativa da capacidade do medidor: 6smedidor=6(0,887)=5,32 •As mensurações individuais podem variar em até ±3smedidor (±2,66) devido a erro do medidor. Estudos sobre a capacidade de um medidor e de um sistema de medidas •É uma prática bastante comum comparar a estimativa da capacidade do medidor com a largura das especificações ou a faixa de tolerância (LSE-LIE). •Razão da precisão para a tolerância (ou razão P/T): •No exemplo, LSE=60 e LIE=5. Logo, ou seja, a amplitude de variação do medidor representa 9,7% da tolerância do processo. Estudos sobre a capacidade de um medidor e de um sistema de medidas •Em geral, admite-se P/T≤0,1. •Isso significa que um dispositivo de medição deve ser calibrado em unidades um décimo tão grandes quanto a precisão exigida na medida final. Estudos sobre a capacidade de um medidor e de um sistema de medidas •Nesse exemplo, pelas medidas amostrais da tabela, temos S=3,17 (desvio padrão de todos os dados da tabela). •Essa é uma estimativa do desvio padrão da variabilidade total, incluindo tanto a variabilidade do produto como a variabilidade do medidor. •Portanto, s2total=S 2=(3,17) 2=10,05. •Como s2total=s 2 produto+s 2 medidor e como dispomos de uma estimativa de s2medidor=(0,887) 2=0,79, podemos obter uma estimativa de s2produto como Estudos sobre a capacidade de um medidor e de um sistema de medidas •Portanto, o desvio padrão da característica do produto é •A medida também pode ser expressa como uma percentagem da variabilidade da característica do produto, ou (smedidor/sproduto)x100 = (0,887/3,04)x100=29,2%. •Logo, a variabilidade do medidor corresponde a 29,2% da variabilidade na característica do produto. •Essa expressão é melhor do que P/T porque não depende da largura dos limites de especificação. Estudos sobre a capacidade de um medidor e de um sistema de medidas •Também é possível planejar estudos da capacidade de um medidor para investigar dois componentes do erro de mensuração: repetibilidade e reprodutibilidade. s2erro de medição=s 2 medidor=s 2 repetibilidade+s 2 reprodutibilidade Estudos sobre a capacidade de um medidor e de um sistema de medidas Essa visão dos erros de mensuração lida principalmente com a precisão do medidor, e não com sua exatidão. Estudos sobre a capacidade de um medidor e de um sistema de medidas Métodos baseados na análise de variância A análise de variância pode ser usada para analisar os dados de um experimento, e então estimar os componentes apropriados da variabilidade do medidor. Se há a peças selecionadas aleatoriamente e b operadores também selecionados aleatoriamente, e se cada operador mede cada peça n vezes, então as medidas (i=peça, j=operador, k=medida) podem ser representadas pelo modelo Este é um modelo de efeitos aleatórios da análise de variância. Supomos que as variáveis aleatórias Pi, Oj, (PO)ij e eijk, sejam distribuídas normalmente com média zero e variâncias dadas por s2P, s 2 O, s 2 PO, s 2 e, respectivamente. a b Métodos baseados na análise de variância Portanto, a variância de qualquer observação é composta pelos componentes da variância que queremos estimar. O uso da análise de variância envolve a partição da variabilidade total nas medidas nas seguintes componentes: SQtotal = SQpeças + SQoperadores + SQPxO + SQerro Métodos baseados na análise de variância Cada soma de quadrados é dividida pelos seus graus de liberdade para gerar médias quadráticas: MQpeças = SQpeças/(a-1) MQoperadores = SQoperadores/(b-1) MQPxO = SQPxO/(a-1)(b-1) MQerro = SQerro/ab(n-1) Métodos baseados na análise de variância As componentes de variância podem então ser estimadas por: an bn Métodos baseados na análise de variância Exemplo: Os dados representam medidas térmicas (em graus C por Watt x 100) em um módulo utilizado para inicialização de um motor. Três inspetores, que trabalham no processo, mediram três vezes cada 10 amostras do produto. Métodos baseados na análise de variância Utilizando um software (Minitab), a tabela de análise de variância é dada por: Métodos baseados na análise de variância Utilizando as equações anteriores, as componentes de variância são estimadas por: Métodos baseados na análise de variância Tratamos s2e como o componente repetibilidade da variância, e a reprodutibilidade do medidor como a soma dos componentes de variância do operador e de peça x operador, s2reprodutibilidade = s 2 b + s 2 tb. Portanto, s2medidor = s 2 reprodutibilidade + s 2 repetibilidade E a estimativa no exemplo é Métodos baseados na análise de variância As especificações para esse módulo são LIE = 18 e LSE=58. Portanto, a razão P/T para o medidor é sendo, portanto, superior a 0,10. MONTGOMERY, Douglas. Métodos e filosofia do controle estatístico do processo. In: Introdução ao controle estatístico da qualidade. 4ª edição. Rio de Janeiro: LTC, 2004. p. 220-252. Referência:
Compartilhar