Baixe o app para aproveitar ainda mais
Prévia do material em texto
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006 1 Um estudo de caso sobre a aplicação do Controle estatistico de processo (CEP) como metodo de controle da qualidade. Cristiano Souza Marins (UENF) csm@uenf.br Erik da Silva Oliveira (UENF) erik@uenf.br Daniela de Oliveira Freitas (UENF) daniela_99@hotmail.com Resumo O objetivo deste trabalho é a análise do Controle Estatístico de Processo (CEP) e do Controle Estatístico da Qualidade (CEQ) como métodos de avaliação e controle da qualidade, tendo como parâmetro, um estudo de caso no qual serão utilizadas ferramentas e métodos de formulação de parâmetros para análise e verificação das variáveis envolvidas nos processo de tratamento de água potável. Palavras chave: Qualidade; Controle Estatístico de Processo (CEP); Estudo de caso. 1. Introdução Nos últimos anos temos observado mudanças ocorridas no âmbito empresarial caracterizando este cenário pelo crescente aumento da rivalidade direta entre as empresas através da internacionalização. Além da competição direta há entre as empresas neste novo cenário, o confrontamento de sistemas produtivos em nível internacional e local na busca de uma vantagem competitiva. Por outro lado, os fatores avançados de produção, como conhecimento, tecnologia e principalmente a qualidade de processos assume, neste contexto, o principal papel na obtenção de vantagens competitivas reais e sustentáveis. Entretanto, como a qualidade é difícil de ser medida e mensurada surge à necessidade de ferramentas e métodos de formulação de parâmetros para analise e verificação das variáveis envolvidas nos processos. Dentre os modelos possíveis estão o Controle Estatístico de Processo (CEP) e Controle Estatístico de Qualidade (CEQ) que serão foco de análise deste trabalho tendo como pano de fundo um estudo de caso em uma empresa de laticínio no município de Itaperuna no Noroeste Fluminense. 2. Controle Estatístico da Qualidade (CEQ) Segundo Reis (2001), o Controle Estatístico da Qualidade (CEQ) é um dos ramos do Controle da Qualidade, e o Controle de Qualidade é parte integrante da Avaliação da Qualidade, sendo este muito mais abrangente incorporando inclusive também o CEP (Controle Estatístico de Processo). Conforme afirma Paladini (1995; apud; Reis, 2001), o “Controle de Qualidade” consiste na comparação dos resultados obtidos com os padrões ou objetivos pré-fixados. Seria um modo de estudo das características de um processo com o auxílio de índices de maneira a faze-lo comportar-se da forma desejada. O objetivo principal do CEQ é a redução sistemática da variabilidade nas características principais para a qualidade do produto. Woodall e Montgomery (1999; apud; Reis, 2001) definem o CEQ como um ramo da Estatística Industrial, compondo-se basicamente de: Inspeção (Aceitação por Amostragem: Controle Estatístico de Processo – CEP, Planejamento de Experimentos e Estudo de Capabilidade de Processos). XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006 2 O conceito de Controle Estatístico da Qualidade (CEQ) baseia-se no fato de que para se exercer o controle de um processo, ou uma série de processos que levam ao produto acabado, precisa-se entender o seu comportamento. E o CEQ deu base para se definir o comportamento do processo como bom ou aceitável. Em função disso, todos os problemas podem ser rastreados, identificados e eliminados de um processo, de modo que ele continue a produzir produtos com qualidade aceitável. 3. Controle Estatístico de Processo (CEP) O Controle Estatístico do Processo (CEP) utiliza técnicas estatísticas para analisar o comportamento do processo de fabricação e efetuar ações corretivas de melhoria, que permitam mantê-lo dentro de condições preestabelecidas. Tem como objetivo “auxiliar na obtenção dos padrões especificados de qualidade e reduzir a variabilidade em torno dos padrões especificados” (Reis, 2001). Nesse contexto, a variabilidade não pode ser eliminada, mas pode ser conhecida e controlada. “Quando somente causas comuns (controláveis ou atribuíveis) afetam o processo, ele é dito controlável e previsível”. Assim, o Processo se considera sob Controle Estatístico quando a variabilidade do mesmo é atribuída unicamente ao processo (causas comuns), enquanto que o Processo se considera fora de Controle Estatístico quando a variabilidade deste se deve a causas especiais de variação, sendo que as causas ocorrem de forma imprevisível gerando instabilidade no processo. 3.1 Ferramentas do Controle Estatístico de Processo: Gráficos de Controle Para a implantação da qualidade foram desenvolvidas técnicas que facilitam a aplicação de conceitos de gerenciamento da qualidade. Também são usadas diversas ferramentas de coleta e apresentação de informações. Dentre essas ferramentas destaca-se os gráficos de controle. De acordo com Levine et. al.( 2000), gráfico de controle é um meio de monitorar as variações nas características de um produto ou serviço, focalizando a dimensão do tempo no qual o sistema produz produtos ou serviços, e estudando a natureza da variabilidade no sistema. O gráfico de controle pode ser utilizado para estudar o desempenho passado e/ou para avaliar condições presentes. Dados coletados por meio de um gráfico de controle podem formar a base para a melhoria do processo. Além de oferecer uma exposição visual dos dados que representam um processo, o principal foco do gráfico de controle é a tentativa de separar as causas de variações especiais (ou identificáveis), das causas de variações comuns ou devidas ao acaso. A distinção entre as duas causas de variação é crucial, uma vez que causas especiais de variações são consideradas como sendo aquelas que não fazem parte de um processo e são passíveis de correção ou exploração sem modificar o sistema, enquanto as causas comuns de variação somente podem ser reduzidas por meio de modificações no sistema. A forma mais comum de gráficos de controle irá fixar limites de controle que estão entre ± 3 desvios padrões da medida estatística de interesse. Dessa forma, fica definido assim: Média do processo ± 3 desvios padrões de modo que: Limite de controle superior (LCS) = média do processo + 3 desvios padrões e Limite de controle inferior (LCI) = média do processo – 3 desvios padrões. XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006 3 Uma vez que esses limites de controle estejam ajustados, o gráfico de controle é avaliado a partir da perspectiva de identificação de qualquer padrão que possa existir nos dados ao longo do tempo e determinação de quaisquer pontos que fiquem fora dos limites de controle. A faixa entre os limites de controle define a variação aleatória no processo. Se os pontos traçados no gráfico estiverem dentro dos limites de controle e estiverem dispostos de forma aleatória, pode-se dizer que o processo está sob controle estatístico. Caso contrário, se um ou mais pontos estiverem fora dos limites de controle ou estiverem dispostos de forma não aleatória, pode-se dizer que o processo está fora de controle estatístico. Então, indicam uma ou mais causas determináveis de variação, e assim precisa-se identificar os fatores que causam tais variações para que esses pontos sejam eliminados. Para que os gráficos sejam construídos, é necessário que sejam avaliadas as características da qualidade. Para isso podem ser utilizados diferentes tipos de escalas: quantitativas, para variáveis, e qualitativas, para atributos. Os atributos são obtidos mais rapidamente, porém, podem apresentar medidas menos precisas. Segundo Soares (2001, apud, Reis, 2001) se for escolhida a forma de medição variável, os gráficos usados são: o Gráfico “ X e R” (média e amplitude, o Gráfico “ X e s” (média e desvio-padrão), o Gráfico “X̃ e R” (mediana e amplitudee o Gráfico “Xi e R” (X individual e amplitude). Se for escolhida a forma de medição por atributos, existem basicamente quatro tipos de gráficos que podem ser usados: o Gráfico p ou da Proporção de Defeituosos, o Gráfico np ou do Número Total de Defeituosos, o Gráfico c ou de Número de Defeitos na Amostra e o Gráfico u ou de Defeitos por Unidade. E os gráficos de controle para atributos devem ser utilizados quando os gráficos para variáveis não podem ser utilizados e quando se verifica que o número de características a controlar é muito elevado, então, a verificação da qualidade é feita por inspeção visual, onde a característica é medida em termos do tipo bom/ruim, sim/não, conforme/não-conforme, etc. Se o processo está sob controle estatístico, sem a atuação de causas especiais, deve-se avaliar sua capacidade. 4. Estudo de caso A empresa pesquisada é do setor de laticínios e fica situada no município de Itaperuna, na Região Noroeste do Estado do Rio de Janeiro, e devido a um pedido dos seus diretores não iremos expor o nome e a marca da empresa, denominando-a de Fábrica de Leite em Pó X, resguardando assim a sua identidade. Fundada em 1960 a Fábrica de Leite em Pó X, tem uma importância vital para a Região do Noroeste Fluminense empregando diretamente, mais de 400 funcionários, e indiretamente é responsável pela geração de renda de quase 5000 famílias, entre estes pequenos, médios e grandes produtores rurais, prestadores de serviço, etc. A fábrica tem uma produção variada, entre os seus produtos principais estão o creme de leite em lata, o leite condensado e o leite em pó, comercializados em todo o país. Conta ainda com uma linha de produção capaz de absorver mais 150.000 litros de leite “in natura”, processando cerca de 500.000 litros de leite por dia. Para atender as exigências, principalmente das normas de qualidade NBR 9896, 9800, 7229 e 13403 e ISO 14000, além das resoluções ambientais CONAMA nº 20/86, decreto nº 11.760 e CONAMA nº 006, B.S. 3680: part 4A, da ISO 14000, toda a água utilizada ou derivada no processo de produção é tratada em um reservatório próprio dentro fábrica seguindo um rígido controle interno. O consumo médio diário da Fábrica é de 1000m3 e a capacidade máxima diária de tratamento da empresa é de 1300m3. A figura 1 é uma representação simples do processo de tratamento de água potável, através de um fluxograma de processo. XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006 4 Será feito uma análise do Controle Estatístico do Processo de Tratamento de Água Potável da Fábrica de Leite em Pó X através do tratamento dos dados com a utilização do software Custom/QC para a elaboração dos gráficos de controle. Matéria-Prima Movimentação Processo A1 B1 C1 C4 B2 C2 B4 C5 C6 C7 B3 C3 B5 Água Bruta A2 A3 A4 Sulfato de alumínio Carbonato de cálcio Hipoclorito de sódio Tubulação Canaleta de Floculação Canaleta de decantação Bomba captação Decantador 1 Tubulação Pré-filtro Filtro Cisterna Tubulação Decantador 2 Caixa d´água FIGURA 1 - Fluxograma de Processo 4.1 Tratamento dos dados Como são coletadas quatro amostras de água para análise em diferentes horários todos dias, no qual medem-se principalmente os indicadores de cloro, pH e turbidez utilizando os reativos: hipoclorito, Sulfato, Carbonato e Purga. Para efeito de análise resolvemos escolher para tratamento as análises de cloro durante vinte dias, ficando organizadas da seguinte forma: 1 = todas as coletadas no dia 1º e 2 = todas as coletadas no dia 2, e assim até o dia 20 e para cada data tiveram, pela sua tabela, 3 coletas de amostra as quais foram consideradas, como por exemplo, no dia 1/11 tiveram 3 coletas no dia 2/11 tiveram 3 coletas, e assim por diante. Amostra X1 X2 X3 X4 X Ri 1 1,0000 1,0000 1,0000 1,0000 1,0000 0,0000 2 1,0000 1,0000 0,8000 0,8000 0,9000 0,2000 3 0,8000 1,0000 1,0000 0,8000 0,9000 0,2000 4 1,0000 1,0000 1,0000 1,0000 1,0000 0,0000 5 1,0000 1,0000 1,0000 1,0000 1,0000 0,0000 6 1,0000 0,8000 0,8000 0,8000 0,8500 0,2000 7 1,0000 1,0000 0,8000 0,8000 0,9000 0,2000 8 1,0000 1,0000 1,0000 1,0000 1,0000 0,0000 9 1,5000 1,0000 1,0000 1,0000 1,1250 0,5000 10 1,0000 1,5000 0,8000 0,8000 1,0250 0,7000 11 0,8000 1,0000 0,8000 0,8000 0,8500 0,2000 12 0,8000 1,0000 1,0000 0,8000 0,9000 0,2000 XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006 5 13 1,0000 1,0000 1,0000 1,0000 1,0000 0,0000 14 1,0000 1,0000 1,0000 1,0000 1,0000 0,0000 15 1,0000 1,0000 1,0000 1,0000 1,0000 0,0000 16 1,0000 1,0000 0,8000 0,8000 0,9000 0,2000 17 0,8000 1,0000 1,0000 0,8000 0,9000 0,2000 18 1,5000 1,0000 1,0000 1,0000 1,1250 0,5000 19 0,6000 1,0000 1,0000 0,6000 0,8000 0,4000 20 1,5000 1,0000 1,0000 1,0000 1,1250 0,5000 0,9650 0,2100 QUADRO 1 - Análises Efetuadas dos indicadores de cloro O cálculo dos limites de controle foi obtido segundo as fórmulas descritas tópico: gráficos de controle. / 1,118 / 0,965 / 0,812 LSC UCL Gráfico X LMC Ave LIC LCL = = = / 0, 479 / 0, 210 / 0,000 LSC UCL Gráfico R LMC Ave LIC LCL = = = O próximo passo, neste caso, seria plotar os gráficos de controle e fazer uma análise crítica, conforme descrito no tópico :Interpretação dos gráficos de controle. 4.2 Interpretando os gráficos de controle Utilizando o software o Custom/QC e baseando-se nos dados do Quadro 1, podemos plotar o seguinte gráfico: Sheet1 XBar Chart 1 5 9 12 16 20 Sample # 0.800 0.881 0.963 1.044 1.125 XBar 0.812 LCL 1.118 UCL 0.965 Ave FIGURA 2 - Gráfico X referente ao controle de cloro no tratamento de água potável. XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006 6 Sheet1 XBar Chart 1 5 9 12 16 20 Sample # 0.800 0.881 0.963 1.044 1.125 XBar 0.800 LCL 1.000 UCL 0.900 Ave FIGURA 3 - Gráfico X referente ao controle de cloro no tratamento de água potável com os limites alterados. De acordo com o Gráfico X podemos extrair as seguintes observações: 4 dos 20 pontos estão fora de controle (cerca de 20% dos dados), 1 ponto está fora dos limites especificados, 9 pontos estão abaixo da média, 6 pontos estão crescendo ou decrescendo, 14 pontos estão alternando em subidas e descidas, 2 de 3 pontos são maiores ou iguais (≥ ) a 2 sigma (σ ), 4 de 5 são maiores ou iguais (≥ ) ao mesmo sigma (σ ), 15 pontos estão dentro de 1 sigma (σ ), 11 pontos estão na parte de cima da média e 3 pontos são maiores ou iguais (≥ ) a 1,5 sigma (σ ). Fazendo uma análise de acordo com o tópico: Interpretação dos Gráficos de Controle, podemos observar que como há 4 pontos fora de controle indicando a necessidade de mudanças no processo de controle, podendo haver a necessidade de reformulação dos limites ou dos métodos de controle. De acordo com o Gráfico X há um índice considerável de pontos, 14, alternando (Periodicidade ou ciclos) que podem indicar uma de suas variáveis sofre mudanças rápidas, ressaltando a necessidade de conhece-las e o fatores que a influenciam o seu comportamento a fim de serem controlados. Como o programa mede a normalidade da distribuição amostral verifica-se que a mesma é normal, não surgindo a necessidade de ajustamento do modelo, nota-se que dos 20 pontos, 16 estão entre a média ± 2*desvio padrão, i.e., 80% dos dados indicando normalidade da amostra. Constata-se também que há um excesso de variabilidade indicando picos extremos de comportamento, significando ajustes freqüentes em uma das variáveis. Como podemos vislumbrar na análise sobre o Gráfico X dos valores obtidos através das amostras, seria interessante considerarmos que dentro dos padrões exigidosdevemos diminuir o limite superior para 1,000 e passar o limite inferior para 0,800 (tendo em vista que este foi o menor valor conseguido), se alterarmos os limites inferiores devemos alterar o limite médio para 0,9. Dessa forma, obtemos o gráfico da figura 3. E baseando-se no gráfico da figura 3, podemos chegar as seguintes conclusões: 10 das 20 pontos estão fora de controle (50% dos dados), 1 ponto está fora dos limites especificados, 9 pontos estão acima da média ,6 pontos estão crescendo ou decrescendo, 14 pontos estão alternando para cima e para baixo, 2 de 3 pontos são maiores ou iguais (≥ ) a 2 sigma (σ ), 4 de 5 são maiores ou iguais (≥ ) ao mesmo sigma (σ ), 15 pontos estão dentro de 1 sigma (σ ), 8 pontos são maiores que 1 sigma (σ ), 7 pontos estão no lado de cima da média e 3 pontos são maiores ou iguais ao mesmo 1,5 sigma. XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006 7 Podemos verificar que alterando os limites, tanto superior quanto inferior, aumentou a quantidade de pontos fora de controle estatístico (50%), contudo nos demais tópicos o comportamento teve pouca variação. Agora extrairemos o gráfico R para efeito de análise e comparação. Sheet1 Range Chart 1 5 9 12 16 20 Sample # 0.000 0.175 0.350 0.525 0.700 Range 0.000 LCL 0.479 UCL 0.210 Ave FIGURA 4 - Gráfico R referente ao controle de cloro no tratamento de água potável com os limites alterados Conforme o gráfico R podemos observar as seguintes informações: 14 das 20 amostras, estão fora de controle (70% dos dados), 1 ponto está fora dos limites específicos, 9 pontos estão abaixo da média, 6 pontos estão crescendo ou decrescendo, 14 pontos estão alternando em subidas e descidas, 2 de 3 pontos são maiores ou iguais (≥ ) a 2 sigma (σ ), 4 de 5 são maiores ou iguais (≥ ) ao mesmo sigma (σ ), 15 pontos estão dentro de 1 sigma (σ ), 8 pontos são maiores ou iguais (≥ ) ao mesmo sigma (σ ), 5 pontos estão na parte de cima da média e 3 pontos são maiores ou iguais (≥ ) a 1,5 sigma (σ ). Podemos verificar que além dos problemas apresentados nos gráficos X a maior parte dos pontos cerca de 70% estão fora de controle e há uma seqüência 15 pontos localizada abaixo da média, podendo significar uma anormalidade. Em todos os casos apresentados nos gráficos, exalta-se a necessidade de mudança e ajustamento no modelo pesquisado e analisado, sendo necessário verificar e tratar as causas partindo daí a necessidade de uma pesquisa mais apurada. 5. Considerações finais Este trabalho teve um mero caráter elucidativo buscando aliar o conhecimento teórico da sala de aula à prática cotidiana empresarial quanto ao Controle Estatístico de Processo (CEP) e Controle Estatístico da Qualidade (CEQ), devendo para maior aprofundamento ser realizado um novo trabalho sob a perspectiva de melhoria e otimização do processo da empresa pesquisada. Sendo assim, delimitamo-nos a exaltar a importância deste trabalho como uma forma de aprimoramento e ampliação do conhecimento adquirido em sala de aula e de possibilidade futura da elaboração de um trabalho, como já foi ressaltado, mais elaborado. 6. Referências Bibliográficas LEVINE, David M.; BERENSON, Mark L.; STEPHAN, David. Estatística: teoria e aplicações usando Microsoft Excel em português. Rio de Janeiro: CTC, 2000. XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de Novembro de 2006 8 REIS, Marcelo Menezes. Um modelo para o ensino do Controle Estatístico da Qualidade. 2001. Tese (Doutorado em Engenharia de Produção) – Programa de Pós-Graduação em Engenharia de Produção, UFSC, Florianópolis.
Compartilhar