Baixe o app para aproveitar ainda mais
Prévia do material em texto
1Inspeção de Qualidade 1.1 Objetivo: Estabelecer rotina para retirada de amostras dos lotes, e para estabelecer o regime de inspeção a ser utilizado de maneira permanente e organizada e apresentar conceitos e técnicas relativas ao procedimento de inspeção por atributo. 1.2 Objetivo: Este plano é aplicável quando das inspeções realizadas nos materiais na Inspeção de Recebimento, nas auditorias de processos ou produtos acabados, ou em outros setores, quando determinados nos planos de inspeção e/ou nas instruções de inspeção. 1.3 Glossário: Lote - É um conjunto de unidades do produto, do qual a amostra é retirada e inspecionada para determinar o cumprimento com o critério de aceitação. Inspeção por amostragem - É o tipo de inspeção que consiste em uma ou mais unidades do produto, provenientes de um lote, recolhido aleatoriamente e examinado para uma ou mais características de qualidade. Inspeção cem por cento - É a inspeção de todas as unidades de produto (lote). Cada unidade do produto é aceita ou rejeitada, individualmente, para as respectivas características da qualidade. Inspeção por atributo - Consiste na verificação para cada unidade do produto, do lote ou amostra da presença ou ausência de uma determinada característica qualitativa e na contagem do número de unidades inspecionadas que possui (ou não) a referida característica. Inspeção por atributo zero defeito – consiste na execução da amostragem prevista, porém utilizando-se o critério de aceitação “zero defeitos”, ou seja, o lote sendo amostrado só será aprovado caso nenhuma não conformidade seja encontrada.O tópico de inspeção por atributo zero defeito é aplicado conforme a necessidade ou solicitação do cliente. Nível de inspeção - Determina a relação entre o tamanho do lote e o tamanho da amostra. Na inspeção por atributos prevêem -se três níveis: nível I, II e III. • O nível I deve ser especificado quando uma menor discriminação for necessária, e o nível III, quando for necessária uma maior. • Existem mais quatro níveis especiais que podem ser usados, quando especificado. Utilizam-se quando tamanhos de lotes relativamente pequenos e grandes riscos de amostragem podem ser tolerados. Os níveis são o S1, S2, S3 e S4. Nível de qualidade aceitável - Máxima porcentagem defeituosa (ou o máximo de defeitos por cem unidades) que, para fins de inspeção por amostragem, podem ser considerada satisfatória como média de um processo. Plano de amostragem - Plano, segundo os quais, uma ou mais amostras são retiradas do lote de inspeção com o propósito de decidir pela sua aceitação ou rejeição. Nível de amostragem simples - São aqueles nos quais os resultados de uma amostra simples (única) de um lote de inspeção já são conclusivos na determinação da sua aceitabilidade. 1.4 Selecionando um Plano de Amostragem Simples Um plano de amostragem simples por atributos é definido por dois parâmetros: um tamanho da amostra, n, e um número de aceitação, Ac. De cada lote, retira-se uma amostra de n unidades, que são examinadas uma a uma. Se o número de unidades defeituosas encontradas na amostra for menor ou igual a Ac, o lote é aceito; se for maior que Ac, o lote é rejeitado. Esses planos são tabelados em função do tamanho dos lotes e do NQA. Além dessas duas informações, o usuário precisa definir o nível de inspeção com que pretende trabalhar. O nível de inspeção fixa a relação entre o tamanho do lote e o tamanho da amostra. A norma prevê três níveis de inspeção, salvo indicação contrária, deve-se utilizar o nível II. Há ainda quatro níveis especiais, S1, S2, S3 e S4, para os casos em que só podem usar tamanhos de amostra muito pequenos (por exemplo, no caso dos ensaios destrutivos muito caros) e em que possam e devam ser tolerados grandes riscos de amostragem. Tamanho do lote Níveis especiais de inspeção Níveis gerais de inspeção S 1 S 2 S3 S4 I II III 2 a 8 A A A A A A B 9 a 15 A A A A A B C 16 a 25 A A B B B C D 26 a 50 A B B C C D E 51 a 90 B B C C C E F 91 a 150 B B C D D F G 151 a 280 B C D E E G H 281 a 500 B C D E F H J 501 a 1200 C C E F G J K 1201 a 3200 C D E G H K L 3201 A 10000 C D F G J L M 10001 a 35000 C D F H K M N 35001 a 150000 D E G J L N P Acima de 150000 D E H K N Q R A norma prevê ainda a utilização de modos de inspeção atenuado e severo, de forma comutativa, visando a uma melhor utilização dos recursos alocados à inspeção. Se o histórico do fornecedor gera confiança (dez lotes consecutivos aceitos), então o consumidor pode dar-se o luxo de substituir a inspeção normal pela atenuada, reduzindo assim o tamanho das amostras. Por outro lado, se o histórico do fornecedor não gera confiança (dois em cinco lotes consecutivos rejeitados), então a inspeção normal é substituída pela inspeção severa, que reduz o número de aceitação (tornando mais rigoroso o critério para aceitação dos lotes). 1.5 Sistema de Comutação Usa-se o regime normal em toda a inspeção inicial. Permissão para iniciar-se o programa de inspeção, tanto em regime severo como atenuado, pode ser prescrita nos documentos relativos a compra, encomenda, projeto ou por acordo entre as partes interessadas na inspeção. 1.5.1. Normal para severo Quando a inspeção normal estiver sendo aplicada, será necessário passar para inspeção severa se, entre cinco lotes consecutivos, dois tiverem sido rejeitados na inspeção original 1.5.2. Severo para normal Quando estiver sendo aplicada a inspeção severa, a normal deve substituí-la se cinco lotes consecutivos tiverem sido aprovados na inspeção original. 1.5.3 Normal para atenuada Estando em aplicação a inspeção normal, a inspeção atenuada deve ser usada desde que seja satisfeita a condição de que os dez lotes precedentes (ou mais) tenham sido submetidos à inspeção normal e nenhum sido rejeitado 1.5.4 Atenuada para normal Estando em aplicação a inspeção atenuada, deve-se passar para a normal e se qualquer uma das condições abaixo descritas ocorrer: a) Um lote for rejeitado; b) Um lote for considerado aceitável como resultado do uso das tabelas de inspeção atenuada (tabelas 4, 7 ou 10, da NBR 5426) e o número de aceitação tenha sido ultrapassado, sem que o número de rejeição tenha sido alcançado; c) A produção tornar-se irregular (ou em atraso); d) Tenham ocorrido condições adversas que justifiquem a mudança para a inspeção normal. 1.6 Exercícios. (Utilizar as tabelas de Inspeção por amostragem) 1. Determine o plano de amostragem e o critério de aceitação/rejeição para: m Nível NQA QA Amostragem Inspeção 6000 II 4,0 simples normal 6000 II 4,0 simples severa 6000 II 4,0 simples atenuada 2. Determine o plano de amostragem e o critério de aceitação/rejeição para: m Nível NQA Amostragem Inspeção 300 II 1,0 simples normal 300 II 1,0 simples severa 300 II 1,0 simples atenuada Tamanho do lote de 6000 Nível de Inspeção II Tamanho do lote Níveis especiais de inspeção Níveis gerais de inspeção S 1 S 2 S3 S4 I II III 2 a 8 A A A A A A B 9 a 15 A A A A A B C 16 a 25 A A B B B C D 26 a 50 A B B C C D E 51 a 90 B B C C C E F 91 a 150 B B C D D F G 151 a 280 B C D E E G H 281 a 500 B C D E F H J 501 a 1200 C C E F G J K 1201 a 3200 C D E G H K L 3201 A 10000 C D F G J L M 10001 a 35000 C D F H K M N 35001 a 150000 D E G J L N P Acima de 150000 D E H K N Q R Ex 1 A codificação de amostragem será a letra L NQA=4,0 Inspeção Normal: Tamanho da amostra de 200, Aceitação (Ac) =14 e Rejeição = 15 Ex 1 NQA=4,0 Inspeção Severa: Tamanho da amostra de 200, Aceitação (Ac) =12 e Rejeição = 13 Ex 1 NQA=4,0 Inspeção Normal: Tamanho da amostra de 80, Aceitação (Ac) =7 e Rejeição = 10 Ex 1 Tamanho do lote Níveis especiais de inspeção Níveis gerais de inspeção S 1 S 2 S3 S4 I II III 2 a 8 A A A A A A B 9 a 15 A A A A A B C 16 a 25 A A B B B C D 26 a 50 A B B C C D E 51 a 90 B B C C C E F 91 a 150 B B C D D F G 151 a 280 B C D E E G H 281 a 500 B C D E F H J 501 a 1200 C C E F G J K 1201 a 3200 C D E G H K L 3201 A 10000 CD F G J L M 10001 a 35000 C D F H K M N 35001 a 150000 D E G J L N P Acima de 150000 D E H K N Q R Tamanho do lote de 300 Ex 2 Nível de Inspeção II A codificação de amostragem será a letra H NQA=1,0 Inspeção Normal: Tamanho da amostra de 50, Aceitação (Ac) =1 e Rejeição = 2 Ex 1 NQA=1,0 Considerar o plano imediatamente abaixo da seta Inspeção Severa: Tamanho da amostra de 80, Aceitação (Ac) =1 e Rejeição = 2 Ex 2 NQA=1,0 Inspeção Normal: Tamanho da amostra de 20, Aceitação (Ac) =0 e Rejeição = 2 Ex 2 2-1 2 Inspeção de Qualidade 2.1 Curva Característica de Operação Um plano de amostragem simples por atributos é definido por dois parâmetros: um tamanho da amostra, n, e um número de aceitação, Ac. De cada lote, retira-se uma amostra de n unidades, que são examinadas uma a uma. Se o número de unidades defeituosas encontradas na amostra for menor ou igual a Ac, o lote é aceito; se for maior que Ac, o lote é rejeitado. A cada plano de amostragem está associada uma única curva característica de operação (CCO), curva que relaciona a probabilidade de aceitação do lote, pac, com a proporção p de itens defeituosos. A figura 2.1 apresenta o efeito do tamanho da amostra e do número de aceitação dos lotes. CCO 0 10 20 30 40 50 60 70 80 90 100 0 1 2 3 4 5 6 p(%) Pac (%) n=200, ac=5 n=200, ac=4 n=300, ac=5 2-2 2.2 Calculando a probabilidade de Aceitação de um Lote Vamos começar assumindo que um grande carregamento de um determinado produto fornecido tenha em média 5% de itens defeituosos. Para um carregamento ou um lote com 5% de defeituosos, a probabilidade de que o plano de amostragem n = 5 e c = 0 é dada pela função binomial representada por: xnx pp xnx n xf )1( )!(! ! )( n = tamanho da amostra p = proporção de itens defeituosos x = número de defeitos em uma amostra f(x) = a probabilidade de x defeitos em uma amostra Portanto, para o plano de amostragem de aceitação da empresa, n = 15, C = 0 e para um lote com 5% de defeitos (p = 0,05), temos: 0150 )05,01(05,0 )!015(!0 !15 )( xf Calculando, f(x) = 0,4633. Nós agora sabemos que o plano de amostragem n = 15, c = 0 tem uma probabilidade de aceitar um lote com 5% de defeitos de 46,33%. Por isso, deve haver uma probabilidade correspondente de 1 – 0,4633 = 0,5367 de rejeitar um lote com 5% de itens defeituosos. 2.3 Risco do Consumidor e Risco do Produtor Os planos de amostragem (valores de n e de Ac, tamanho da amostra e número máximo de itens defeituosos permitido na amostra para que o lote seja aceito) podem ser obtidos com base nos pares (p0, α0) e (p1, β1), onde: P0 é a máxima proporção de defeituosos que o consumidor considera satisfatória como média de um processo; po também é conhecida como NQA – Nível de Qualidade Aceitável; P1 é uma proporção de defeituosos que o consumidor considera totalmente insatisfatória como média de um processo; p1 também é chamada como NQI – Nível de Qualidade Inaceitável; α é o risco que o fabricante está disposto a aceitar de que um lote de boa qualidade, com proporção de defeituosos igual a p0, seja rejeitado; β é o risco que o comprador está disposto a aceitar de que um lote de má qualidade, com uma proporção de defeituosos igual a p1, seja aceito. 2-3 Por este procedimento, baseado nos riscos do produtor e do consumidor, para a determinação dos planos de amostragem. Na prática, contudo, adotam-se os planos da norma brasileira NBR 5426, que é baseada na norma militar americana MIL STD 105D desenvolvida durante a Segunda Guerra Mundial. NQA = Máxima porcentagem defeituosa (ou o máximo número de defeitos por cem unidades) que, para fins de inspeção por amostragem, pode ser considerada satisfatória como média de um processo. O NQA, juntamente como o código literal da amostra, é usado para classificar os planos de amostragem. 2.4 Calculando o Risco do Consumidor e Risco do Produtor Exemplo 2: Considere os planos de inspeção tabelados abaixo n Ac NQA NQI Plano I 200 1 1,0 2,0 Plano II 300 2 1,5 2,5 a) Qual o melhor plano do ponto de vista do consumidor? Ponto de vista do consumidor (Plano I) 53,13)02,01(02,0 )!200(!0 !200 )0( 2000 f 18,7)02,01(02,0 )!199(!1 !200 )1( 1991 f P(Ac) = P(0) + P(1) = 20,71% Ponto de vista do consumidor (Plano II) 05,0)025,01(025,0 )!300(!0 !300 )0( 3000 f 39,0)025,01(025,0 )!299(!1 !300 )1( 2991 f 48,1)025,01(025,0 )!298(!2 !300 )2( 2982 f P(Ac) = P(0) + P(1) + P(2) = 1,92% O risco do consumidor é a probabilidade de aceitar um lote de baixa qualidade. Portanto, a melhor alternativa deste ponto de vista é o Plano II 2-4 a) Qual o melhor plano do ponto de vista do produtor? Ponto de vista do produtor (Plano I) 38,13)01,01(01,0 )!200(!0 !200 )0( 2000 f 27)01,01(01,0 )!199(!1 !200 )1( 1991 f P(Re) = 100 – P(Ac) P(Re) = 100 – (13,38 + 27) = 59,6% Ponto de vista do produtor (Plano II) 07,1)015,01(015,0 )!300(!0 !300 )0( 3000 f 9,4)015,01(015,0 )!299(!1 !300 )1( 2991 f 16,11)015,01(015,0 )!298(!2 !300 )2( 2982 f P(Re) = 100 – (1,07+4,9+11,16) = 82,87% O risco do produtor é a probabilidade de rejeitar um lote de boa qualidade. Portanto, a melhor alternativa deste ponto de vista é o Plano I 2-5 2.5 Exercícios Propostos 1. Seja um lote de 50 peças, com duas defeituosas. Qual a probabilidade de aceitação do lote se for adotado o plano de amostragem (n = 10; Ac = 1)? 2. Do ponto de vista do consumidor, qual dos seguintes planos é melhor? Plano Código NQA NQI Amostragem Inspeção (a) J 1,0 4,0 simples normal (b) F 0,65 4,0 simples normal (c) M 1,0 4,0 simples severa 3. Do ponto de vista do produtor, qual dos seguintes planos é melhor? Plano Código NQA NQI Amostragem Inspeção (a) J 1,0 4,0 simples normal (b) F 0,65 4,0 simples normal (c) M 1,0 4,0 simples severa 4. Qual o risco do consumidor (NQI = 2,0) se estiver em uso o plano de amostragem simples, inspeção normal, letra M e NQA = 0,25? 5. Para um plano de amostragem de aceitação n = 25 e Ac = 0, encontre a probabilidade de aceitar um lote que tem uma taxa de defeito de 2%. Qual a probabilidade de aceitar o lote se a taxa de defeito foi de 6%? 3-1 3Exercícios Revisão – Inspeção de Qualidade 3.1 Um produto é apresentado para inspeção simples de recebimento em lotes de 250 peças e Nível II de inspeção. A inspeção é realizada de acordo com a norma NBR 5426, por amostragem simples, inspeção normal, com NQA = 1,5 e NQI=5,0 a) Escolha os planos de amostragem simples, inspeção normal, atenuada e severa, pertinentes. A codificação de amostragem segundo a tabela apresentada no módulo 1 considerando o tamanho do lote de 250 e o nível II de inspeção será a letra G Considerando o nível de qualidade aceitável de 1,5 e a codificação G para as inspeções normal, severa e atenuada, termos os seguintes planos de amostragem: Inspeção Tamanho lote (m) Tamanho amostra (n) Aceitação (Ac) Rejeição (Re) Normal 300 32 1 2 Severa 300 50 1 2 Atenuada 300 13 0 2 a) Calcule o risco do produtor para a inspeção atenuada O risco do produtor será a probabilidade de rejeitar um lote de boa qualidada, dada por: P(Ac) = P(0) + P(1) 821,0)015,01(015,0 )!13(!0 !13 )0( 130 P 163,0)015,01(015,0 )!12(!1 !13 )1( 121 P P(Ac) = P(0) + P(1) =0,984 P(Re)= 1- P(Ac)=1,54% b) Quando se deve passar da atenuada para normal? Caso número de aceitação tenha sido ultrapassado, sem que o número de rejeição tenha sido alcançado. Ou seeja, caso seja encontrada 1 peça com defeito o lote deverá ser aceito e na próxima inspeção a inspeção normal deverá ser retomada 3-2 c) Calcule o risco do consumidor para a inspeção severa O risco do consumidor será a probabilidade de aceitar um lote de má qualidada, dada por: P(Ac) = P(0) + P(1) 0769,0)05,01(05,0 )!50(!0 !50 )0( 500 P 192,0)05,01(05,0 )!49(!1 !50 )1( 501 P P(Ac) = P(0) + P(1) =26,92% d) Quando se deve passar da inspeção normal para a severa? Quando estiver sendo aplicada a inspeção severa, a normal deve substituí-la se cinco lotes consecutivos tiverem sidoaprovados na inspeção original. Exercícios Propostos 3.2 Um produto é apresentado para inspeção simples de recebimento em lotes de 300 peças. A inspeção é realizada de acordo com a norma NBR 5426, por amostragem simples, inspeção normal, com NQA = 1,0. Considere o Nível II de inspeção e Nível de Qualidade Inaceitável NQI=4,0 a) Escolha os planos de amostragem simples, inspeção normal, atenuada e severa, pertinentes. b) Qual a probabilidade de aceitação de um lote se o processo produz 2% de peças defeituosas? c) Calcule o risco do consumidor e risco do produtor para inspeção normal d) Quando se deve passar da inspeção normal para a severa? E da atenuada para normal? 3.3 Um produto é apresentado para inspeção simples de recebimento em lotes de 5000 peças. A inspeção é realizada de acordo com a norma NBR-5426, nível III, com NQA = 0,40. a) Escolha o plano de amostragem simples, com comutação entre os modos de inspeção normal, atenuada e severa b) Calcule o risco do produtor para as inspeções acima 4-1 4Capabilidade de Processos Cp, Cpk 4.1. INTRODUÇÃO AO CONTROLE ESTATÍSTICO DE PROCESSO (CEP) Na natureza não existem dois exemplares exatamente iguais da mesma coisa. Há alguma variabilidade em toda parte, mesmo onde, aparentemente, só existe identidade, como nas linhas de produção das indústrias. Esta variabilidade exige que, para se controlar o processo de produção, sejam utilizadas informações provenientes do uso de técnicas estatísticas, especialmente desenvolvidas. São os gráficos de controle, os quais permitem conhecer o verdadeiro estado do processo de produção na presença de flutuações nas características de qualidade do produto. Quando, em 1924, W. A. Shewhart introduziu os gráficos de controle, salientou que devemos estar atentos a duas causas de variação: as causas comuns e as causas especiais.As causas especiais correspondem a desvios do procedimento padrão de operação e devem ser imediatamente atacadas. As causas comuns, entretanto, estão embutidas no próprio processo tecnológico usado. Sua retirada exige envolvimento da gerência, pois só ela pode fazer mudanças no processo ou incorporar inovações tecnológicas. Os gráficos de controle permitem identificar o momento em que o processo sai de controle. Sua grande utilidade, entretanto, vem após seu uso continuado. Um processo monitorado é um processo em constante análise, o que mais cedo ou mais tarde leva a aumento de sua produtividade. A carta de controle estatístico é um gráfico que registra a evolução de uma variável ao longo do tempo, com limites que permitem diferenciar variações usuais e não usuais, isto é, distinguir quando um processo está sob efeito apenas de causas comuns e quando está sob efeito de alguma causa especial. Causas comuns ou aleatórias: Consistem de muitas causas que individualmente tem pouca influência. Cada uma delas produz pequena variação. Exemplos: pequenas variações na matéria-prima, pequenas vibrações de máquinas, diferenças pequenas no ajuste de válvulas. Causas especiais ou assinaláveis: consistem de uma ou poucas causas individuais. Cada uma das causas assinaláveis pode produzir grandes variações. Exemplos: falhas do operador, ajustes errados ou grandes alterações, por exemplo, no ajuste das máquinas ou matéria-prima defeituosa. O conceito de variação decorre de uma lei da natureza que afirma não existirem dois seres exatamente iguais. Da mesma forma como ocorre na natureza, pode-se dizer que não existem dois objetos fabricados exatamente iguais. A variação pode ser facilmente notada, como a diferença de altura de dois seres humanos, ou pode ser muito pequena, como a diferença de peso de dois fios de cabelo de uma mesma pessoa. Quando a variação é muito pequena, aparentemente os objetos são iguais. Isto é devido às limitações dos instrumentos de medida. Ao se utilizar instrumentos mais precisos, as variações podem ser facilmente observadas. Para que se possa controlar a qualidade de um produto é necessário ter habilidade para se medir as variações que ele apresenta. Existem três tipos de variações que podem ocorrer em um item produzido: 4-2 1a) Variação Interna - É aquela que ocorre dentro de um mesmo item. Por exemplo, o acabamento superficial é diferente em faces opostas da mesma peça, ou o diâmetro de um eixo varia ao longo do seu comprimento. 2a) Variação Item a Item - É aquela que ocorre entre itens produzidos em tempos próximos. Por exemplo, a intensidade luminosa de quatro lâmpadas produzidas consecutivamente por uma mesma máquina será diferente. 3a) Variação Tempo a Tempo - É aquela que ocorre entre itens produzidos em diferentes períodos durante o dia. Por exemplo, a peça produzida pela manhã será diferente daquela produzida à noite, devido ao desgaste da ferramenta de corte. Processos diferentes poderão ter tipos diferentes de variação; entretanto, o conceito será semelhante. Existem seis fatores que contribuem para essa variação, são eles: Máquinas, Métodos, Materiais, Meio ambiente, Mão- de-obra e Medidas. Estes fatores são exemplificados a seguir e podem ser visualizados no Diagrama de Causa Efeito, mostrado na Fig. 1, também conhecido como Diagrama Espinho de Peixe ou Diagrama de Ishikawa. 1) Máquinas - Este fator de variação inclui o desgaste de ferramenta, o ajuste das máquinas, as vibrações das máquinas, as flutuações elétricas, hidráulicas e pneumáticas, etc. Quando todas estas fontes estão ocorrendo juntas existe uma certa variabilidade, na qual o processo opera. Mesmo máquinas supostamente iguais terão variabilidades diferentes. 2) Métodos - As alterações nos parâmetros dos processos ou na tecnologia utilizada podem provocar variações nos produtos fabricados. 3) Materiais - Uma vez que variações ocorrem no produto acabado, elas também ocorrem em matérias primas, já que estas são produtos acabados de outros processos. Variações em características tais como resistência à tração, dutibilidade, limite de escoamento, porosidade, composição química, etc., contribuem para a variação no produto final. 4) Meio ambiente - Temperatura, umidade, luminosidade e radiação podem contribuir para a variação do processo e, conseqüentemente, no produto final. 5) Mão-de-obra - O treinamento do operador, forma como o operador executa uma operação, suas condições físicas e emocionais, podem contribuir para a variação de sua performance e, conseqüentemente, do produto final. 6) Medidas - As falhas nos equipamentos de inspeção, a utilização inadequada desses equipamentos ou a aplicação incorreta de padrões de qualidade, podem contribuir para a variação no produto final. Em geral, as variações decorrentes da inspeção correspondem a um décimo do total das variações. Quando estes seis fatores de variação estão presentes no processo de uma forma normal ou esperada, dizemos que um padrão de causas comuns ou causas aleatórias está se desenvolvendo. Causas comuns ou causas aleatórias de variação são inevitáveis e são difíceis de serem identificada, pois são de pequena significância. As causas de variação de grande significância e, portanto, facilmente identificáveis, são classificadas como causas especiais de variação. 4-3 Figura 1 - Diagrama de Causa e Efeito ou Diagrama de Ishikawa 4.2 CALCULANDO A CAPACIDADE DE PROCESSO Especificações são valores numéricos que estabelecem os limites inferiores e superiores, dentro dos quais a medida da característica deve ficar para atender um dado nível de qualidade. Um processo é capaz se produz sempre dentro das especificações. É possível criar índices que descrevam numericamente. Um dos mais comuns é a capacidade de processo , um índice baseado no fato de que a média de várias médias segue a distribuição normal. É calculado da seguinte forma: A capacidade de um processo pode ser expressa quantitativamente, através do índice denominado Cp, donde: Resumindo-se, pode-se dizer que os índices de capacidade são medidas apropriadas a medir se a dispersão do processo encontra-se dentro doslimites de especificação do cliente, ou seja, basta que o histograma representativo das medidas encaixe-se dentro desses limites. Para os exemplos citados deve-se considerar que há especificação bilateral com limites superiores e inferiores, mas essa especificação também pode ser unilateral. Os índices de capacidade não consideram a possibilidade de um processo estar desajustado, isto é, de possuir uma variabilidade adequada mas estar fora do valor nominal. Para isso, podem ser usados o índice denominado Cpk, onde: 4-4 Assim, as duas maneiras para melhorar o processo são: 1 Diminuir a dispersão 2 Centralizar o processo As tabelas a seguir representam uma estimativa da porcentagem de defeituosos considerando os índices de capacidade. Já a última, traz as constantes para cálculo utilizando uma estimativa do desvio padrão 4-5 Constantes para o calculo dos limites para a média e amplitude 4.3 - VARIABILIDADE DO PROCESSO E ESPECIFICAÇÕES O estabelecimento das especificações é feita pela engenharia do produto, independentemente da variabilidade do processo. Assim sendo, existem três situações que podem ocorrer quando se comparam as especificações do produto com a variabilidade do processo: caso I quando a variabilidade do processo é menor que do que a diferença entre as especificações; caso II quando a variabilidade é igual à diferença entre as especificações; e caso III quando a variabilidade do processo é maior que a diferença entre as especificações. Caso I [ 6σ < ( LSE - LIE) ]: Esta situação, onde a variabilidade do processo é menor que a diferença entre as especificações, é a mais desejada. A Fig. 2 a ilustra. No caso da diferença entre as especificações ser apreciavelmente maior do que a variabilidade do processo, Fig. 2 a, nenhuma dificuldade é encontrada na produção, mesmo quando ocorre algum deslocamento da média do processo, Fig 2 b, ou algum aumento na sua dispersão. O caso I é o mais vantajoso do ponto de vista econômico, uma vez que, mesmo quando o processo sai de controle, não ocorre itens defeituosos. Outra vantagem dessa situação é que não são necessários ajustes freqüentes e buscas de causas especiais de variação no processo. Esta situação permite que a utilização de cartas de controle seja descontinuada ou a freqüência de inspeção diminuída. Figura 2 Mudanças na média e na dispersão do processo, caso I 4-6 Caso II - [ 6σ = ( LSE-LIE) ]: A Fig. 3 ilustra este caso, onde a variabilidade é igual à diferença entre os limites de especificação. Neste caso, quando ocorre um deslocamento da média do processo, Fig. 3.8 b ou um aumento na sua dispersão, Fig. 3 c, valores individuais ficarão fora das especificações, acarretando retrabalho ou refugo de itens produzidos. Por outro lado, se o processo for mantido sob controle, não haverá produção de itens defeituosos, Fig. 3. a. Esta é a situação em que as cartas de controle deve ser continuamente aplicadas, de forma que as causas especiais de variação possam ser imediatamente identificadas e eliminadas do processo. Figura 3 Mudança na média e na dispersão do processo, caso II Caso III - [ 6σ > ( LSE-LIE) ]: Quando a variabilidade do processo é maior do que a diferença entre as especificações, ocorre uma situação indesejada. A Fig. 4 ilustra este caso. Nesta situação, mesmo com o processo sob controle, alguns valores individuais ficarão fora das especificações, acarretando retrabalho ou refugo de itens produzidos. Em outras palavras, o processo não é capaz de produzir conforme as especificações, Fig. 4 a. Uma solução para este caso é alterar as especificações, tornando-as compatíveis com a variabilidade do processo. A segunda solução é manter as especificações e realizar inspeção 100% nos itens produzidos, para separar aqueles fora das especificações. A terceira solução é atuar no processo de forma a reduzir a sua dispersão, Fig. 4 c, através de mudança no material, treinamento do operador ou aperfeiçoamento da máquina. Uma outra solução é deslocar a média do processo, Fig. 4 b, de forma que todos os itens fora das especificações possam ser retrabalhados. Figura 4 - Mudança da média e na dispersão do processo, caso III A análise do índice de capacidade é muito útil na tomada de decisões sobre a adequação do processo às especificações. Uma regra prática para esta análise é descrita a seguir: 4-7 Processo Vermelho: ( Cp < 1): A capacidade do processo é inadequada à tolerância exigida. Nesta situação, o ideal, é realizar o trabalho com outro processo mais adequado às especificações. Não sendo possível mudar o processo, deve-se tentar diminuir a sua variabilidade. Por último, resta a possibilidade de se alterar as especificações do produto. Processo Amarelo: ( 1 ≤ Cp ≤ 1,33): A capacidade do processo está em torno da diferença entre as especificações. O tratamento deve ser semelhante àquele dado ao processo vermelho. Neste caso cartas de controle são muito úteis para manter o processo sob controle e evitar a produção de itens fora das especificações. Processo Verde: ( Cp > 1,33): A capacidade do processo é adequada à tolerância exigida. Se a capacidade está entre 3/4 e 2/3 da tolerância, é aconselhável coletar amostras periódicas para acompanhamento do processo. Se a capacidade do processo é menor que a ½ (metade) da tolerância, não é preciso maiores cuidados com o processo, a menos que se queira reduzir a tolerância para aumentar a qualidade do produto. A fórmula do índice de capacidade,considera que o processo está sempre centrado na média. Na prática, entretanto, isto nem sempre ocorre. O risco de interpretações erradas pela utilização do Índice de Capacidade para análise de processos que não estão centrados na média podem ser melhor visualizado na Fig. 5 Figura 5 - Interpretação dos Índices de Capacidade e Performance 4-8 EXERCÍCIO RESOLVIDO 1. Os dados a seguir representam o conjunto dos dados das últimas seis horas de produção: Os projetos de produtos e peças fornecem não somente as medidas que o produto ou a peça devem ter, mas também o intervalo que essas medidas podem variar. Esses valores são as especificações que, para este caso, estão entre 81,5 +/- 6,5. Com base nestas informações, analise os índices de capacidade/capabilidade do processo. Com base nos resultados diga quais atitudes devem ser tomadas. Use a estimativa do desvio padrão. Solução: Primeiramente faz-se necessário calcular a média e amplitude de cada subgrupo conforme a tabela abaixo. Em vermelho as médias das amplitudes e das médias que serão utilizadas para os cálculos de Cp e Cpk Em seguida iremos calcular o desvio padrão, estimado por: 428,2 059,2 5 2 d R O valor utilizado para d2 foi obtido através da tabela abaixo, utilizando-se como tamanho do subgrupo 4 1 2 3 4 máx min amplitude (R) Média 78 77 79 82 82 77 5 79 82 82 81 79 82 79 3 81 86 83 79 84 86 79 7 83 77 79 81 79 81 77 4 79 76 78 79 79 79 76 3 78 82 82 90 90 90 82 8 86 5 81 4-9 Cálculos de Cp e Cpk: 892,0 428,26 7588 6 LIELSE Cp 96,0 428,23 8188 3 sup LSE Cpk 82,0 428,23 7581 3 inf LIE Cpk 82,0inf)sup;min( CpkCpkCpk A figura abaixo ilustra graficamente os resultados obtidos: 88848076 LSL Target USL Process Capability of C1; ...; C4 5-1 5Capabilidade de Processos Exercícios 5.1. Exercícios 1. Um processo está caracterizado por uma distribuição normal com média de 52 g e um desvio padrão de 1,5 g. Sabendo que as especificações de nosso cliente são de 50 ± 4 g. Pede-se: a) O Cp e o Cpk . Solução: Cálculos de Cp e Cpk: 888,0 5,16 4654 6 LIELSE Cp 44,0 5,13 5254 3 sup LSE Cpk 33,1 5,13 4652 3 inf LIE Cpk 44,0inf)sup;min( CpkCpkCpk b) Um esboço da representação gráfica mostrando os limites, O Cp e o Cpk c) A porcentagem aproximada em ppm dos itens fora de especificação A figura abaixo ilustra graficamente os resultados obtidos: 5-2 Para estimativa da quantidade de defeitos iremos utilizara tabela abaixo onde os valores de Cp e Cpk diferem: Considerando o valor mais próximo da tabela (0,50) corresponde aproximadamente a 66807 ppm no limite superior 33,1 5,13 4652 3 inf LIE Cpk Considerando o valor mais próximo da tabela (1,33) corresponde aproximadamente a 32 ppm no limite superior 44,0 5,13 5254 3 sup LSE Cpk 5-3 2. Considere a média e amplitude de 20 amostras de tamanho n = 4 representadas na tabela abaixo Determine a porcentagem de itens fora das especificações (994,0 – 1006,0), o Cp e o Cpk, para as seguintes situações: 1. A média X = 1000 e o desvio-padrão = 2,0 2. A média X aumenta para 1002,0 e o desvio-padrão mantém-se em 2,0 3. A média X aumenta para 1002,0 e o desvio-padrão dobra, passando portanto para 4,0 3. Amostras de tamanho n = 6 são retiradas de um processo em intervalos regulares de tempo. A característica de qualidade (normalmente distribuída) é medida e são calculados os valores de X e R para cada amostra. Após 40 amostras, obtém-se: a) Se os limites de especificação são 33 +/- 4,0, que conclusões podem ser tiradas acerca da capacidade do processo de produzir itens dentro das especificações? b) Nesse processo, ocorre retrabalho quando um item excede o limite superior de especificação, e ocorre refugo quando um item está abaixo do limite inferior de especificação. Quais os percentuais de retrabalho e refugo que o processo está produzindo? c) Se o processo estivesse centrado em X = 33, qual seria o efeito nos percentuais de retrabalho e refugo? 6Cartas de Controle 6. Estabilidade 6.1 Conceito: É a mudança da tendência no decorrer do tempo. Um processo de medição estável está sob controle estatístico com respeito a localização. Também conhecida como deslocamento lento e gradual A estabilidade do sistema de medição é um estudo que visa inicialmente demonstrar que o sistema mantém a confiabilidade ao longo do tempo, enquanto a análise de repetibilidade e reprodutibilidade apresenta o resultado instantâneo que naquele momento o sistema é potencialmente capaz de atender nossa necessidade por acurácia de medidas, o estudo da estabilidade nos mostra se ele mantém estas propriedades ao longo do tempo 6.2 Carta de controle A utilização da carta de controle compreende duas etapas. Em primeiro lugar é necessário montar a carta, determinando os limites de controle. Uma vez concluída com sucesso a montagem da carta, passa-se a controlar o processo através dela, medindo a variável controlada, marcando os pontos na carta e verificando as condições do processo sob controle. Quando o processo está sob controle, deve-se deixá-lo funcionar. Quando o processo sai de controle, é necessário corrigi-lo, interrompendo-o, se necessário, para investigações e 6.3 GRÁFICO DA MÉDIA - GRÁFICO X Um gráfico X apresenta as variações observadas nas médias da característica de qualidade em amostras selecionadas. Os limites de controle para o gráfico X serão: Onde as constantes utilizadas para os cálculos dos limites estão tabeladas no quadro 1 abaixo: 6.4 GRÁFICO DA AMPLITUDE (R) Na seção anterior ficou claro que os limites do gráfico X dependem de uma estimativa de σ′, o desvio-padrão do processo. Assim é preciso, antes de se construir o gráfico X , verificar se a variabilidade do processo está sob controle. Isto porque, se existem causas especiais atuando no aumento ou diminuição da variabilidade do processo, os limites do gráfico X ficarão comprometidos. Existem duas formas de medir a variabilidade do processo: pelo desvio padrão e pela amplitude. Trataremos apenas da amplitude, que é a forma mais difundida. Como anteriormente, para construir o gráfico da amplitude, é preciso obter a linha média e os limites de controle. Estas quantidades são dadas pelas seguintes expressões: onde D3 e D4 são lidos no Quadro 1. 6.5 PROCESSO FORA DE CONTROLE Quando um ponto, correspondente a um subgrupo, cai fora dos limites de controle, o processo está fora de controle, ou trata-se de um processo instável. Isto significa que uma causa especial de variação está presente. Uma regra prática para verificar se um processo está sob controle é dividir o intervalo entre o limite superior e o limite inferior de controle, em 6 faixas, conforme mostrado na Fig 3.4 abaixo, e verificar a distribuição dos pontos nestas faixas. Cerca de 34% dos pontos devem estar em cada faixa C, 13,5% dos pontos em cada faixa B e 2,5% dos pontos em cada faixa A. Um processo também pode ser considerado fora de controle, mesmo quando todos os pontos caem dentro dos limites de controle. Esta situação ocorre quando um padrão de variação anormal está presente no processo. Não é normal que 9 ou mais pontos consecutivos se situem do mesmo lado da linha média. Também não é normal quando 15 pontos consecutivos se situam dentro da faixa ±1σ em torno do valor central. A probabilidade de ocorrência de um padrão normal é aproximadamente igual à probabilidade de um ponto cair além dos limites de ±3σ. Alguns desses padrões anormais estão descritos abaixo e ilustrados na Fig. Abaixo 1. Padrão 1: Um único ponto além da A, ou seja, acima do limite superior ou inferior de controle; 2. Padrão 2: Nove pontos consecutivos do mesmo lado do valor central, ou seja, todos os 9 ( nove) pontos acima ou abaixo da linha média; 3. Padrão 3: Seis pontos consecutivos continuamente aumentado ou diminuindo, no gráfico; 4. Padrão 4: Quatorze pontos consecutivos alternando-se para cima e para baixo, no gráfico. 5. Padrão 5: Dois em três pontos consecutivos, situados na zona A do gráfico; 6. Padrão 6: Quatro em cinco pontos consecutivos nas zonas A ou B de um mesmo lado do gráfico; 7. Padrão 7: Quinze pontos consecutivos situados na zona C acima ou abaixo da linha média; 8. Padrão 8: oito pontos consecutivos de ambos os lados da linha média com nenhum situado na zona C Exemplo: Você trabalha numa empresa de autopeças que produz eixos para sistemas de transmissão. Uma das peças produzidas deve estar dentro das seguintes especificações 250 +/- 50 . No entanto, um problema crônico no processo tem produzido peças fora das especificações, resultando em scraps e retrabalhos. Desta maneita, o supervisor deseja construir uma carta de controle ao longo do tempo para monitorar a variação deste processo. A amostragem utilizou um subgrupo de tamanho 5 e 20 amostras ao longo do mês, conforme tabela abaixo. Pede-se contruir a carta da média e da amplitude. Para cada subgrupo iremos calcular a amplitude R, diferença entre o maior e menor valor e a média. Em seguida iremos calcular a média de todas as médias e a média das amplitudes. Os valores estão representados na tabela abaixo max min r x 1 265 205 263 307 220 307 205 102 252 2 268 260 234 299 215 299 215 84 255,2 3 257 210 280 269 251 280 210 70 253,4 4 267 281 265 214 318 318 214 104 269 5 346 317 242 258 276 346 242 104 287,8 6 300 208 187 264 271 300 187 113 246 7 280 242 260 321 228 321 228 93 266,2 8 250 299 258 267 293 299 250 49 273,4 9 265 254 281 294 223 294 223 71 263,4 10 308 235 283 277 260 308 235 73 272,6 11 200 235 246 328 296 328 200 128 261 12 276 264 269 235 290 290 235 55 266,8 13 221 176 248 226 231 248 176 72 220,4 14 334 280 265 272 283 334 265 69 286,8 15 265 262 271 245 301 301 245 56 268,8 16 280 274 263 287 258 287 258 29 272,4 17 261 248 260 274 337 337 248 89 276 18 250 278 254 274 275 278 250 28 266,2 19 278 250 265 270 298 298 250 48 272,2 20 197 286 274 243 231 286 197 89 246,2 76 263,79 Calculo dos limites de Controle para o gráfico das médias: Um gráfico X apresenta as variações observadas nas médias da característica de qualidade em amostras selecionadas. Os limites de controle para o gráfico X serão: XLC 263.79 8,30776577,079,2632 RAXLSC 78,21976577,079,2632 RAXLIC O valor A2 foi retirado através da tabela de constantes considerando o tamanho do subgrupo n=5 Calculo dos limites de Controle para o gráfico das amplitudes RLC 76 3,16176115,24 RDLSC 07603 RDLSC Os valores D3 e D4 foram obtidos através da tabela de constantes considerando o tamanho do subgrupo n=5 De posse dos valores dos limites de controles para o gráfico das médias e amplitudes, iremos plotar individualemente as médias e amplitudes para construção das cartas. O gráfico a seguir representa a situação deste processo: Através da análise gráfica pode-se perceber que não houve a ocorrência de nenhum dos oito testes estatísticos. Portanto, podemos dizer que o processo é estável. 7-1 7Cartas de Controle 7. Exercício Para os exercício resolvido iremos utilizar a tabela e os 8 testes estatísticos Um processo também pode ser considerado fora de controle, mesmo quando todos os pontos caem dentro dos limites de controle. Esta situação ocorre quando um padrão de variação anormal está presente no processo. Não é normal que 9 ou mais pontos consecutivos se situem do mesmo lado da linha média. Também não é normal quando 15 pontos consecutivos se situam dentro da faixa ±1σ em torno do valor central. A probabilidade de ocorrência de um padrão normal é aproximadamente igual à probabilidade de um ponto cair além dos limites de ±3σ. Alguns desses padrões anormais estão descritos abaixo e ilustrados na Fig. Abaixo 1. Padrão 1: Um único ponto além da A, ou seja, acima do limite superior ou inferior de controle; 2. Padrão 2: Nove pontos consecutivos do mesmo lado do valor central, ou seja, todos os 9 ( nove) pontos acima ou abaixo da linha média; 3. Padrão 3: Seis pontos consecutivos continuamente aumentado ou diminuindo, no gráfico; 4. Padrão 4: Quatorze pontos consecutivos alternando-se para cima e para baixo, no gráfico. 5. Padrão 5: Dois em três pontos consecutivos, situados na zona A do gráfico; 6. Padrão 6: Quatro em cinco pontos consecutivos nas zonas A ou B de um mesmo lado do gráfico; 7. Padrão 7: Quinze pontos consecutivos situados na zona C acima ou abaixo da linha média; 8. Padrão 8: oito pontos consecutivos de ambos os lados da linha média com nenhum situado na zona C 7-2 4-3 Exemplo: Você trabalha numa empresa de autopeças que produz eixos para sistemas de transmissão. Desta maneita, o supervisor deseja construir uma carta de controle ao longo do tempo para monitorar a variação deste processo. A amostragem utilizou um subgrupo de tamanho 5 e 20 amostras ao longo do mês, conforme tabela abaixo. Pede-se contruir a carta da média e da amplitude. Amostra 1 2 3 4 5 Maior Menor Amplitude Média 1 31 29 40 36 26 40 26 14 32,4 2 34 26 31 31 31 34 26 8 30,6 3 36 26 22 31 16 36 16 20 26,2 4 33 31 31 35 33 35 31 4 32,6 5 30 31 33 31 20 33 20 13 29 6 29 28 32 28 41 32 28 4 31,6 7 35 33 30 29 41 35 29 6 33,6 8 18 38 34 35 30 38 18 20 31 9 41 31 33 31 32 41 31 10 33,6 10 32 28 32 36 25 36 25 11 30,6 11 31 38 20 44 26 44 20 24 31,8 12 31 36 32 28 20 36 20 16 29,4 13 27 32 28 25 23 32 23 9 27 14 31 33 36 35 34 36 31 5 33,8 15 27 32 28 25 23 32 23 9 27 16 35 33 37 36 39 37 33 4 36 17 31 33 36 35 34 36 31 5 33,8 18 27 26 23 25 23 27 23 4 24,8 19 27 32 28 25 23 32 23 9 27 20 31 33 36 35 34 36 31 5 33,8 10 30,78 Calculo dos limites de Controle para o gráfico das médias: Um gráfico X apresenta as variações observadas nas médias da característica de qualidade em amostras selecionadas. Os limites de controle para o gráfico X serão: XLC 30,78 22,3710577,078,302 RAXLSC 34,2410577,078,302 RAXLIC O valor A2 foi retirado através da tabela de constantes considerando o tamanho do subgrupo n=5 Calculo dos limites de Controle para o gráfico das amplitudes RLC 10 63,2310115,24 RDLSC 01003 RDLSC 4-4 Os valores D3 e D4 foram obtidos através da tabela de constantes considerando o tamanho do subgrupo n=5 De posse dos valores dos limites de controles para o gráfico das médias e amplitudes, iremos plotar individualemente as médias e amplitudes para construção das cartas. O gráfico a seguir representa a situação deste processo: Através da análise gráfica pode-se perceber houve a ocorrência do padrão 8 para o gráfico das médias e do padrão 1 para o gráfico das amplitudes. Portanto, conclui-se que o processo não é estatisticamente estável. 8. 1 8 Ferramentas da Qualidade 8.1 INTRODUÇÃO Com a finalidade de estudar métodos estatísticos utilizados em Controle Estatístico de Processo (CEP), faremos inicialmente uma breve abordagem aos conceitos básicos de estatística. Os métodos que a Estatística utiliza são aplicáveis a todas as ciências, sendo que alguns são mais utilizados em uma área do que em outra. Assim, por exemplo, os métodos de controle estatístico da qualidade são mais utilizados nas indústrias e em serviços. Na indústria sua utilização vai desde o recebimento de matéria-prima, passando por todas as etapas de transformação, inspeção de qualidade do produto (na fase do acabamento), e terminando na colocação do produto acabado no mercado consumidor. Pode-se dizer que a utilização dos métodos estatísticos de controle de qualidade é hoje a grande responsável pelo sucesso da indústria japonesa em todos os setores de atividade. É claro que estes métodos não constituem nenhuma novidade, mas o que deve ressaltar é o caráter sério e racional com que os japoneses os impuseram em seu programa industrial, com o emprego de profissionais capacitados. 8.2 COLETA DE DADOS Não existem na natureza dois elementos exatamente iguais; sempre há variação. Esta é uma das razões dos projetos de engenharia incluírem tolerância em especificações; é o reconhecimento de que a variação está presente nos produtos. Existem basicamente dois tipos de variação: a aleatória (também chamada de variação comum ao processo) e a não aleatória que tem origem em causas especiais que devem ser eliminadas a fim de que se consiga uma maior uniformidade nos produtos ou serviços produzidos. Para estudar a variação existente nos processos1 é necessário fazer observações, isto é, coletar dados. Os principais métodos que permitem coletar dados estatísticos são o levantamento completo e a amostragem. No levantamento completo estuda-se as variáveis de interesse em todos os elementos que compõem um universo (população) claramente definido. Por exemplo, algumas indústrias fazem inspeção completa considerando cada item como defeituoso ou não defeituoso em toda sua produção (aqui o universo é toda a produção). As desvantagens mais sérias deste método são o elevado custo, pois significa trabalhar com volumes de informações muito grandes (toda produção) e a consequente demora na obtenção dos resultados, além de cometer erros na leitura e no tratamento dos dados. A amostragem é entendida como um levantamento parcial das variáveis de interesse dos elementos que compõem o universo. É dito parcial uma vez que se considera uma fração do universo, isto é, uma amostra. Suas grandes vantagens são, obviamente, o custo, que em geral é muito inferior ao do levantamento completo, o tempo gasto na coleta dos dados e fidedignidade das informações que ela traz. Ao se desenvolver uma pesquisa de opinião pública, por exemplo, uma pesquisa 1 Observação: Entende-se por processo uma série de ações ou operações, influenciada por vários fatores que contribuem para um eventual resultado. Por exemplo, na indústria, processo é a combinação de máquinas, métodos, mão-de-obra, medição, meio ambiente e materiais (6M) 8. 2 sobre aceitabilidade de um determinado produto no mercado consumidor. Utiliza-se um questionário para se fazer a coleta de dados. Na indústria, quando se está acompanhando o processo através de gráficos de controle, não se faz questionário algum; mas deve ser confeccionado um impresso apropriado, prevendo tomar as informações do equipamento, nome do operário que está fazendo a coleta de dados, nome ou número da operação, especificação de engenharia, critérios do depto. De métodos e processos, enfim, tudo o que seja relevantepara identificação dos registros efetuados. Em outras situações é necessário apenas a confecção de uma simples planilha para sistematizar a coleta de dados. Na prática, a coleta de dados é feita utilizando as chamadas folhas de verificação. 8.3 FOLHA DE VERIFICAÇÃO As folhas de verificação são uma ferramenta de fácil compreensão, usada para responder a pergunta: “Com que frequência certos eventos acontecem?”. Ela inicia o processo transformando opiniões em fatos. A construção da folha de verificação envolve as seguintes etapas: Estabelecer exatamente qual evento está sendo estudado. Todos têm que estar observando a mesma coisa; Definir sobre o período durante o qual os dados serão coletados; Construir um formulário claro e de fácil manuseio, certificando-se de que todas as colunas estão claramente utilizadas e que há espaço suficiente para registro de dados; Coletar os dados honestamente. Certifique-se de haver tempo para a tarefa de coleta de dados. Para ilustrar a coleta de dados (folha de verificação), observe um exemplo através da tabela abaixo: Problema Mês 1 2 3 Total A 5 B 3 C 12 Total 8 5 7 20 8. 3 8.4 GRÁFICO DE PARETO O Gráfico de Pareto é um tipo especial de gráfico que possibilita separar os poucos problemas que são realmente importantes, em termos de quantidade ou em termos de custo, daqueles muitos que não têm grande importância, de modo que seja possível concentrar a atenção nos aspectos realmente prioritários. Elaborado através de uma folha de verificação ou em uma outra fonte de coleta de dados, nos ajuda a dirigir nossa atenção a esforços para problemas verdadeiramente importantes. Em geral, teremos então melhores resultados se atuarmos na barra mais alta do gráfico do que nos embaraçando nas barras menores. Exemplo: Numa fábrica de auto-rádios, em um determinado período de tempo, observou-se os seguintes problemas: Identificação Problema Freqüência (no de vezes) A Sintonia com jogo 253 C Parafuso solto 69 B Ponteiro pulando 146 E Material estranho 29 D Outros problemas 52 Total 549 A análise de Pareto consiste em relacionar os problemas em ordem de importância. Nesse exemplo estamos interessados em ordenar os problemas quanto as suas quantidades (freqüências). Calcula-se então as porcentagens de contribuição de cada um: Sintonia com jogo (253/549)X100% = 46,1% Parafuso (69/549)X100% = 12,6% Ponteiro pulando (146/549)X100% = 26,6% Material estranho (29/549)X100% = 5,3 % Outros problemas (52/549)X100% = 9,4% O próximo passo é ordenar os problemas, do maior (o que tem maior porcentagem) para o menor (que tem menor porcentagem) Identificação Problema Porcentagem A Sintonia com jogo 46,1% B Ponteiro pulando 26,6% C Parafuso solto 12,6% D Outros problemas 9,4% E Material Estranho 5,3% 8. 4 Façamos agora o gráfico de Pareto, que nada mais é do que um gráfico de colunas ordenadas, colocando-se no eixo horizontal os problemas ordenados e no eixo vertical as porcentagens: Exemplo de Gráfico de Pareto EDCBA 29 52 69146253 5,3 9,512,626,646,1 100,0 94,7 85,2 72,7 46,1 500 400 300 200 100 0 100 80 60 40 20 0 Defect Count Percent Cum % P er ce nt C ou nt Pareto Chart for Problemas Oth ers 5 81922 2 5 81922 3,6 8,914,333,939,3 100,0 96,4 87,5 73,2 39,3 50 40 30 20 10 0 100 80 60 40 20 0 Defect Count Percent Cum % P er ce nt C ou nt Reclamacões de clientes em serviços externos Transporte Instalação Expedição Administrativo Outros 8. 5 Considerando o exemplo anterior, faça agora o gráfico de Pareto considerando o custo total para o reparo de cada defeito. Problema Frequência Custo de reparo Por unidade total Classificação Porcentagem Sintonia com jogo 253 0,25 Parafuso solto 69 0,10 Ponteiro pulando 146 0,60 Material Estranho 29 0,05 Outros problemas 52 0,25 (em média) Total - - 8. 6 8.5 DIAGRAMA DE CAUSA E EFEITO O Diagrama de Causa e Efeito é uma ferramenta utilizada para apresentar a relação existente entre um resultado de um processo (efeito) e os fatores (causas) do processo que, por razões técnicas, possam afetar o resultado considerado. Freqüentemente, o resultado de interesse do processo constitui um problema a ser solucionado e então o diagrama de causa e efeito é utilizado para sumarizar e apresentar as possíveis causas do problema considerado, atuando como um guia para a identificação da causa fundamental deste problema e para a determinação das medidas corretivas que deverão ser adotadas. Para cada efeito existem, seguramente, inúmeras categorias de causas. As causas principais podem ser agrupadas sobre seis categorias conhecidas como 6M: método, mão-de- obra, material, medição, meio ambiente e máquina. Um diagrama de causa e efeito bem detalhado tomará a forma de uma espinha de peixe e daí o nome alternativo de diagrama espinha de peixe. A partir de uma bem definida lista de possíveis causas, as mais prováveis são identificadas e selecionadas para uma melhor análise. Quando examinar cada causa, observe fatos que mudaram, como, por exemplo, desvios na norma ou dos padrões. Lembre-se de eliminar a causa e não o sintoma do problema. Investigue a causa e seus contribuidores tão a fundo quanto possível. Etapas na construção do Diagrama de Causa e Efeito: 1. Comece o processo estabelecendo de comum acordo uma definição que descreva o problema selecionado em termos claros do que seja, onde ocorres, quando ocorre e sua extensão. 2. A pesquisa das causas para construção do diagrama de causa e efeito é feita por um dos seguintes métodos: Um brainstorming conduzido sobre as possíveis causas, sem preparação prévia Incentive os membros do grupo a dispender algum tempo, entre as reuniões, no uso da folha de verificação para detectar causas e examinar a etapas do processo mais de perto. 3. Construa o diagrama de causa e efeito atual: Colocando o problema já definido no quadro à direita Desenhando as tradicionais categorias de causas (6M), para o processo produtivo e/ou qualquer outra causa que auxilie a organização dos fatos mais importantes Aplicando o resultado do brainstorming para as apropriadas categorias principais Para cada causa questione: Por que isto acontece?, relacionando as respostas como contribuidores da causa principal 8. 7 4. Interpretação Observe as causas que aparecem repetidamente Obtenha o consenso do grupo Colete os dados para determinar a frequência relativa das diferentes causas. Interpretação/Utilização típica para o diagrama de causa e efeito: Procure não sair fora da área de responsabilidade do grupo a fim de minimizar frustrações Se as idéias surgem muito lentamente, use as categorias principais das causas como catalisadores. Ex: O que em material é causador? Utilize o mínimo de palavras possível Certifique-se da concordância geral quanto à definição do problema A figura abaixo apresenta a estrutura de um diagrama de causa e efeito. Como a sua forma lembra o esqueleto de um peixe, ele também é conhecido como Diagrama Espinha de Peixe. Trinca no núcleo das placas Limpeza Alta Temperatura Medida de vazão Micrômetro Procedimento incorre Temperatura do aço Aço Sistema hidráulico Rolos Moral Habilidade Men Machines Materials Methods Measurements Environment Cause-and-Effect Diagram Não aferido Ausente Educação Treinamento Atenção Concentração Composição química Temperatura Empeno e desgaste inferiores incorreto rolos superiores e Espaçamento entre Montagem das cunhas Alteração da velocidade Falta de controle 8. 8 Escolha uma das alternativas abaixo e monte um Diagrama de Causa e Efeito:Elevado consumo de combustível de um automóvel,Atraso para um encontro, elevado consumo de água em um edifício residencial, Discagem do número de telefone errado, Erros de datilografia, outros 5 causas principais 1 2 3 4 5 5 Por quês 1 2 3 4 5 Who Why What When Where How 8. 9 8.5 DIAGRAMA DE DISPERSÃO,COEFICINTE DE CORRELAÇÃO E REGRESSÃO Em algumas situações é interessante considerar duas variáveis para dar resposta a alguma investigação. Por exemplo, será que existe associação entre horas de treinamento e produtividade para os operários de uma determinada fábrica? Bem, se tivermos dados de ambas as variáveis ao longo do tempo, isto é, pares de valores, por exemplo, mês a mês, poderemos usar um gráfico, chamado diagrama de dispersão, e verificar qual o comportamento. Vamos supor que temos os dados apresentados na tabela a seguir: Operário Horas de treinamento (X) Produtividade (Y) 1000 unidades 1 2 20 2 4 28 3 6 35 4 8 48 5 10 54 6 12 58 7 14 60 8 16 61 9 18 60 10 20 62 Portanto, conforme mostrado no gráfico abaixo, verifica-se que há uma tendência entre horas de treinamento e produtividade, isto é, na medida em que horas de treinamento aumentam, também cresce a produtividade, e vice-versa. Dizemos então que há uma correlação positiva. Podemos, também, medir o agrupamento dos valores através do coeficiente de correlação que irá variar de –1 a 1. Quando r está próximo de 1, existe forte correlação positiva.Quando r está próximo de –1, existe forte correlação negativa. Quando r está próximo de zero, dizemos que não existe correlação. No exemplo anterior considerado, temos r= 0,92 o que significa que horas de treinamento e produtividade estão fortemente correlacionadas positivamente. 20100 60 50 40 30 20 Horas de treinamento P ro du tiv id ad e 8. 10 Para calcularmos o coeficiente de correlação, basta usarmos a fórmula dada por: ( )( ) ( ) ( )∑∑ ∑ == = −− −− = n i i n i i n i ii yyxx yyxx r 1 2 1 2 1 Para o exemplo anterior, teríamos: n x y ( )xxi − (1) ( )yyi − (2) (1)* (2) ( )2xxi − (3) ( )2yyi − (4) 1 2 20 -9 -28,6 257,4 81 817,96 2 4 28 -7 -20,6 144,2 49 424,36 3 6 35 -5 -13,6 68 25 184,96 4 8 48 -3 -0,6 1,8 9 0,36 5 10 54 -1 5,4 -5,4 1 29,16 6 12 58 1 9,4 9,4 1 88,36 7 14 60 3 11,4 34,2 9 129,96 8 16 61 5 12,4 62 25 153,76 9 18 60 7 11,4 79,8 49 129,96 10 20 62 9 13,4 120,6 81 179,56 x =11 y =48,6 772 330 2138,4 92,0 2138330 772 )4()3( )2(*)1( ===r Nesse caso, como há uma forte correlação positiva, podemos ajustar uma equação da reta (regressão) para prever o comportamento deste fenômemo através de uma equação. Utilizando a equação abaixo, para a determinação do coeficiente angular: ( ) ( )( ) ( ) ( )22 ∑∑ ∑∑∑ − − = xxn yxxyn a = ( ) ( )( ) ( ) ( ) 33,2 110154010 486110611810 2 =− − =a n x y x*y X2 1 2 20 40 4 2 4 28 112 16 3 6 35 210 36 4 8 48 384 64 5 10 54 540 100 6 12 58 696 144 7 14 60 840 196 8 16 61 976 256 9 18 60 1080 324 10 20 62 1240 400 ∑ x =110 ∑ y =486 ∑ xy = 6118 ∑ 2x = 1540 8. 11 Como a equação da reta é descrita por: baxy += bxy += 34,2 Para acharmos o valor da constante b, devemos utilizar a fórmula em seguida: ( )( ) ( )( ) ( ) ( ) =− − = ∑∑ ∑∑∑∑ 22 2 xxn xyxxy b ( )( ) ( )( ) ( ) ( ) 9,22 110154010 61181101540486 2 =− − Portanto, a equação que define a regressão será da seguinte fórmula: 9,2234,2 += xy Exercício: 1. Com base na tabela abaixo: X 2 3 5 5 10 Y 6 9 14 16 30 A. Construa o diagrama de dispersão B. Ache o coeficiente de correlação C. Se houver correlação, faça o ajuste da regressão. 2. Com base na tabela abaixo: X 2 3 5 5 10 Y 6 0 15 5 2 D. Construa o diagrama de dispersão E. Ache o coeficiente de correlação F. Se houver correlação, faça o ajuste da regressão. 8. 12 8.6 HISTOGRAMA Com o objetivo de conhecer as características da distribuição associada a alguma população de interesse, retiramos uma amostra desta população e medimos, para os elementos da amostra, os valores assumidos pela variável considerada. Portanto, uma ferramenta que nos permite resumir as informações contidas em um grande conjunto de dados será muito útil neste contexto. O Histograma é um gráfico de barras no qual o eixo horizontal, subdividido em vários pequenos intervalos, apresenta os valores assumidos por uma variável de interesse. Para cada um destes intervalos é construída uma barra vertical, cuja área deve ser proporcional ao número de observações na amostra cujos valores pertencem ao intervalo correspondente. Exemplo: Medidas de 30 arruelas foram realizadas e os seguinte dados foram obtidos: 228 230 227 228 228 229 229 230 228 228 230 229 230 231 229 230 230 228 226 228 228 231 231 229 226 229 227 227 227 228 1 - Determina-se o maior e menor número dos dados brutos, então, calcula-se a amplitude R, diferença entre o maior e o menor valor daqueles números R = 231 - 226 = 5 2 - Divide-se a amplitude total R em um número conveniente de intervalo em classes usando a seguinte tabela: Número de elementos Número de classes (k) < 50 5 - 7 51 - 100 6 - 10 101 - 250 7 - 12 > 250 10 - 20 Para o nosso caso, N = 30 (<50) - K = 5. Dividindo a amplitude R por K (5/5). Encontraremos o valor = 1 3. Calcula-se os intervalos de classe. Para o primeiro, pegar o menor valor (226) e somar 1. Para o segundo, pega-se o próximo valor e soma-se 1. Assim por diante até chegar ao maior valor (231). Em seguida, determina-se o número de observações que caem dentro de cada intervalo e completa-se a tabela abaixo 8. 13 Intervalo freqüência 226,00 < 227 2 ** 227,00 < 228 4 **** 228,00 < 229 9 ********* 229,00 < 230 6 ****** 230,00 < 231 6 ****** 231,00 < 232 3 *** 4. Plota-se o gráfico 232231230229228227226 9 8 7 6 5 4 3 2 1 0 C1 Fr eq ue nc y 8. 14 Exercício: Dado a tabela abaixo, construir o Histograma correspondente: 14 15 12 13 13 12 11 14 12 13 13 14 16 13 14 15 14 16 15 12 17 12 14 13 11 14 8. 15 8.7 A CURVA NORMAL A variação natural de muitos processos industriais é realmente aleatória. Embora as distribuições de muitos processos possam assumir uma variedade de formas, muitas variáveis observadas possuem uma distribuição de freqüências que é, aproximadamente, uma distribuição de probabilidade normal. Probabilidade é a chance real de ocorrer um determinado evento, isto é, a chance de ocorrer uma medida em um determinado intervalo. Por exemplo, a freqüência relativa deste intervalo, observada a partir de uma amostra de medidas, é a aproximação da probabilidade. E a distribuição de freqüências é a aproximação da distribuição de probabilidades Para achar a área sob a curva normal devemos conhecer dois valores numéricos (também chamados de parâmetros), a média µ e o desvio padrão σ. Para se ter uma magnitude da situação, veja a tabela abaixo: Teste de Normalidade: Imagine a situação típica onde possuímos um conjunto de dados e estamos interessados em constatar se os mesmos são provenientes de uma população (distribuição) normal. Inicialmente faríamos um histograma que nos permitiria ter uma primeira impressão visual, o que é extremamente útil para detectarmos caso em que as observações são tão divergentes de uma distribuição normal que bastaria apenas esta impressão visual para admitirmos a não-normalidade. Considere o seguinte exemplo:A característica de interesse de uma barra de aço usada numa parte maior era o seu comprimento. Para analisá-la foram efetuadas medidas em 200 barras restantes de 40 amostras de tamanho 5 cada uma. Os resultadosforam: Área Ortografia Tempo Distância PPMSigmas Área Ortografia Tempo Distância PPMSigmas Área de uma fábrica média 170 erros ortográficos por página em um livro 31,75 anos por século Daqui à Lua -1σ Área de uma fábrica média 170 erros ortográficos por página em um livro 31,75 anos por século Daqui à Lua -1σ Área de um grande supermercado 25 erros ortográficos por página em um livro 4,5 anos por século 1,5 vez a volta ao mundo 617.0752σ Área de um grande supermercado 25 erros ortográficos por página em um livro 4,5 anos por século 1,5 vez a volta ao mundo 617.0752σ Área de uma pequena loja de ferragens 1,5 erro ortográfico por página em um livro 3,5 meses por século Uma viagem de norte a sul do Brasil 66.8033σ Área de uma pequena loja de ferragens 1,5 erro ortográfico por página em um livro 3,5 meses por século Uma viagem de norte a sul do Brasil 66.8033σ Área de uma sala de estar típica 1 erro ortográfico a cada 30 páginas (aprox. 1 capítulo do livro) 2,5 dias por século 45 minutos dirigindo em uma auto-estrada 6.2104σ Área de uma sala de estar típica 1 erro ortográfico a cada 30 páginas (aprox. 1 capítulo do livro) 2,5 dias por século 45 minutos dirigindo em uma auto-estrada 6.2104σ Tamanho da base de um telefone 1 erro ortográfico em uma enciclopédia 30 minutos por século Uma ida ao posto de gasolina mais próximo 2335σ Tamanho da base de um telefone 1 erro ortográfico em uma enciclopédia 30 minutos por século Uma ida ao posto de gasolina mais próximo 2335σ Tamanho de um diamante típico 1 erro ortográfico em todos os livros existentes em uma pequena biblioteca 6 segundos por século 4 passos em qualquer direção 3,46σ Tamanho de um diamante típico 1 erro ortográfico em todos os livros existentes em uma pequena biblioteca 6 segundos por século 4 passos em qualquer direção 3,46σ 8. 16 37 34.2 29.7 30.4 32 33.4 31 30.5 28.5 28.4 37.8 35.1 33.9 31.7 32.3 29.8 29.2 30.5 31.1 30 32.3 31.9 35 36.2 40.4 33.6 35 29.3 31 28.8 29 30 29.5 29.9 30.1 32.1 31.8 33.5 33.4 35.9 37 34.2 29.7 30.4 32 33.4 31 30.5 28.5 28.4 37.8 35.1 33.9 31.7 32.3 29.8 29.2 30.5 31.1 30 32.3 31.9 35 36.2 40.4 33.6 35 29.3 31 28.8 29 30 29.5 29.9 30.1 32.1 31.8 33.5 33.4 35.9 37 34.2 29.7 30.4 32 33.4 31 30.5 28.5 28.4 37.8 35.1 33.9 31.7 32.3 29.8 29.2 30.5 31.1 30 32.3 31.9 35 35.2 40.4 33.6 35 29.3 31 28.8 29 30 29.5 29.9 30.1 32.1 31.8 33.5 33.4 35.9 37 34.2 29.7 30.4 32 33.4 31 30.5 28.5 28.4 37.8 35.1 33.9 31.7 33.4 29.8 29.2 30.5 31.1 30 32.3 31.9 35 36.2 40.4 33.6 35 29.3 31 28.8 29 30 29.5 29.9 30.1 32.1 31.8 33.5 33.4 35.9 37 34.2 29.7 30.4 32 33.4 31 30.5 28.5 28.4 37.8 35.1 33.9 31.7 32.3 29.8 29.2 30.5 31.1 30 32.3 31.9 35 36.2 40.4 33.6 35 29.3 31 28.8 29 30 29.5 29.9 30.1 32.1 31.8 33.5 33.4 35.9 Visualmente, não podemos afirmar com exatidão através do histograma, se essa distribuição é normal. Desta maneira, aplicando o teste da normalidade, poderemos encontrar seis tipos de curvas (figura abaixo). As curvas (1,2 e 3) são consideradas como situações de normalidade. Enquanto as demais (4, 5 e 6) são consideradas como situações de não- normalidade 403530 40 30 20 10 0 C1 Fr eq ue nc y 8. 17 Como pode-se perceber, através do teste da normalidade, esta curva se aproximou da figura 5, o que nos sugere que esta distribuição não é normal. Considere, agora, a média das médias de cada sub-grupo de 5 medidas e representadas na tabela abaixo, iremos aplicar o teste da normalidade 34.62 33.08 31.56 31.72 33.36 32.46 31.6 30.86 30.5 30.30 34.78 33.26 32.4 31.98 33.42 31.74 31.24 30.86 31.02 30.62 33.68 33.62 32.62 32.88 35.04 32.50 32.40 30.62 31 30.38 33.02 32.24 31.52 31.62 32.98 32.20 31.76 31.46 31.48 31.80 P-Value: 0,000 A-Squared: 4,027 Anderson-Darling Normality Test N: 200 StDev: 2,77838 Average: 32,1305 403530 ,999 ,99 ,95 ,80 ,50 ,20 ,05 ,01 ,001 P ro ba bi lit y C1 Normal Probability Plot 8. 18 Fazendo o Histograma: Aplicando o teste da normalidade: Nesta condição, a curva se aproxima do caso 6, o que nos sugere uma situação de normalidade. 35,034,534,033,533,032,532,031,531,030,5 8 7 6 5 4 3 2 1 0 C3 Fr eq ue nc y P-Value: 0,316 A-Squared: 0,417 Anderson-Darling Normality Test N: 40 StDev: 1,21131 Average: 32,155 35,234,233,232,231,230,2 ,999 ,99 ,95 ,80 ,50 ,20 ,05 ,01 ,001 P ro ba bi lit y C3 Normal Probability Plot 1Inspeção de Qualidade 42780 1Inspeção de Qualidade tabs42779 2Inspeção de Qualidade CCO 42783 3Inspeção de Qualidade exerc42782 4Capabilidade de Processos 42784 5Capabilidade de Processos exerc42785 6Cartas de Controle 42800 7Cartas de Controle exerc 42801 8Ferramentas da Qualidade 42885
Compartilhar