Baixe o app para aproveitar ainda mais
Prévia do material em texto
AULA 4 E 5 – FERRAMENTAS DA QUALIDADE Na aula anterior vimos uma metodologia muito utilizada pelas empresas para melhorar a qualidade de produtos, serviços e processos dentro das empresas: O PDCA! Na aula de hoje, veremos as ferramentas que auxiliam no processo de melhoria contínua, ou seja, que são utilizadas nas etapas do PDCA. As ferramentas da qualidade são técnicas que podemos utilizar com a finalidade de definir, mensurar, analisar e propor soluções para problemas que eventualmente encontramos e interferem no bom desempenho dos processos de trabalho. Elas foram estruturadas, principalmente a partir da década de 50, com base em conceitos e práticas existentes. Desde então, o uso das ferramentas tem sido de grande valia para os sistemas de gestão. Podemos ainda considerá-las como um conjunto de ferramentas estatísticas de uso consagrado para melhoria de produtos, serviços e processos. Existem inúmeras ferramentas, mas as principais que veremos são: fluxograma, folha de verificação, diagrama de pareto, diagrama de causa e efeito, histograma, diagrama de dispersão, gráfico de controle e plano de ação 5W2H. Fluxograma O fluxograma tem como finalidade identificar o caminho real e ideal para um produto ou serviço com o objetivo de reconhecer os desvios. É uma ilustração sequencial de todas as etapas de um processo, mostrando como cada etapa é relacionada. Utiliza símbolos facilmente reconhecidos para denotar os diferentes tipos de operações em um processo. Existem inúmeros fluxogramas na internet, no entanto, nem todos utilizam símbolos corretos. Quando estamos utilizando um fluxograma em uma empresa, no trabalho, é essencial o uso correto desta simbologia. Nesse sentido, abaixo é ilustrado cada símbolo e quando ele deve ser utilizado. Caso um fluxograma não caiba em uma página, coloca-se um símbolo para indicar que existe continuação. Dentro do símbolo coloca-se o número da página que dá continuidade e/ou referência para localização. Na outra página, em sentido contrário a mesma referência deve ser indicada. Conector de página Operação ou atividade Dentro do símbolo deve ser descrita a atividade de forma sucinta, a Operação ou Atividade que é realizada e o responsável pela realização. Para iniciar a preparação de um fluxograma de processo sempre é útil obter-se a rotina do processo. Você deve familiarizar-se o máximo que puder com o processo e coletar informações do operador, supervisor, pessoal de compras, financeiro, etc. Também será bom que a pessoa que tenha maior conhecimento do processo participe da Sub-processo Indica que toda uma Rotina/Subprocesso é realizada neste ponto e que para simplificar o fluxo foi desenhado em outra página ou está em outro arquivo. Dentro do símbolo devem ser indicadas as observações. Observação Decisão Símbolo utilizado quando, no fluxo de informações, existe mais de um caminho para seguir. Neste caso, uma pergunta deve ser feita dentro do símbolo, de forma resumida. As respostas devem ser preferencialmente sim ou não. Utilizado quando determinada etapa do processo deve incluir a Emissão de Relatório. Emissão de relatório Utilizado quando determinada etapa do processo é realizada através de uma Tela de Programa de computador. Tela de programa Utilizado quando queremos indicar o Início ou o Fim de uma rotina ou de um fluxograma. Início/Fim Espera Movimentação Fluxo Conector de fluxo Símbolo utilizado para representar que alguma etapa ou material está em espera. Utilizado para representar quando há movimento/transporte de documentos materiais. Utilizado para representar o sentido do fluxo. O Conector de fluxo permite simplificar a vinculação de fluxogramas, sem que haja intercessões de linhas. Portanto, dentro do símbolo deve ser colocada uma letra ou outro sinal que permita a identificação de onde se encontra a continuação da rotina. elaboração do fluxograma. Descubra o que puder sobre as atividades. Trabalhe com fatos e dados, não apenas com opiniões. Organize as informações em um ou mais fluxogramas. Os fluxogramas também podem ser elaborados para qualquer sequência de eventos de natureza administrativa, tais como: trajeto de uma fatura, fluxo de materiais, etapas em um processo de alteração técnica, liberação de cota, colocação de pessoal, venda ou assistência técnica de um produto. Na Figura a seguir é ilustrado um fluxograma sobre o acompanhamento de um setor de produção (AC= ação corretiva; NC’S= não conformidades). Além desse modelo de fluxograma, que chamamos de fluxograma linear, dentro das empresas é muito comum utilizarmos o fluxograma funcional. O modelo funcional, mostra a sequência das atividades de um processo entre as áreas ou seções por onde ele flui e é útil para processos que não se completam em uma única área pois indica também os responsáveis por cada fase. Na Figura a seguir podemos perceber a diferença dos fluxogramas linear e funcional. Como ferramenta de análise de processos, o fluxograma apresenta vantagens que o qualificam como eficaz no trabalho a que se propõe: É uma ferramenta gráfica, um retrato, quadro ou desenho, sendo muito mais representativo do que centenas de palavras escritas. Permite uma visão global de todo o processo analisado. Os integrantes de cada atividade passam a se ver como componentes do processo e conseguem enxergar como podem influenciar ou ser influenciados pelas atividades antecedentes ou subsequentes. Mostra com clareza oportunidades de aperfeiçoamento no processo. Define exatamente o pessoal envolvido nas atividades do processo, identificando muitas vezes clientes negligenciados em análises anteriores. As informações sobre o processo são mais claras, permitindo explicá-lo com facilidade para os profissionais que não tomam parte dele. Permite fixar limites com uma maior facilidade. Diagrama de Ishikawa (Causa e efeito) O Diagrama de Ishikawa foi desenvolvido para representar a relação entre o “efeito" e todas as possibilidades de “causa” que podem contribuir para esse efeito. Também conhecido como Diagrama de Causa e Efeito ou Espinha de Peixe, foi desenvolvido por Kaoru Ishikawa, da Universidade de Tóquio, em 1943, onde foi utilizado para explicar para o grupo de engenheiros da Kawasaki Steel Works como vários fatores podem ser ordenados e relacionados. Porém, somente em 1962, J. M. Juran "batizou" este diagrama como sendo Diagrama de Ishikawa.” Ishikawa observou que embora nem todos os problemas pudessem ser resolvidos, ao menos 95% poderiam ser, e que qualquer trabalhador fabril poderia efetivamente utilizá-las. Os diagramas de causa e efeito são elaborados para ilustrar claramente as diversas causas ou fatores que afetam um problema, separando-as em grupos por tipo de causa. Para cada efeito, provavelmente haverá diversas categorias principais de causas, por exemplo, as causas principais da variação do processo são normalmente divididas nos 8M’s: Material, Máquina, Mão-de-obra, Método, Meio Ambiente, Management (gerenciamento), Matéria Prima e Medição. Embora, esta ferramenta sugira a utilização dos 8M’s, não necessariamente é preciso utilizar todas as categorias ou nomeá-las dessa forma. O uso dos 8M’s pode ajudar a identificar as causas de um problema e servir como uma estrutura inicial para facilitar o raciocínio na sua análise. Na Figura a seguir, temos um exemplo genérico do diagrama de causa e efeito. Exemplo genérico de diagrama de Ishikawa utilizando os 8M’s Existem outras formas de agrupamento. Por exemplo, num programa de melhoria da qualidade para matéria-prima na indústria sucroalcooleira as causas do aumento da quantidade de terra aderida na cana-de-açúcar que é levada para a indústria foram agrupadas segundo a Figuraa seguir. Diagrama de Ishikawa com os principais fatores que influenciam a quantidade de terra em cana-de-açúcar Fonte: http://www.esalq.usp.br/qualidade/ishikawa/pag1.htm A terra é altamente prejudicial para indústria, aumentando custos e depreciando os produtos finais. Podemos observar que treinamento dos carregadores, tipo de carregadeira, pressa no carregamento e disposição da carga estão subordinados à causa carregamento. Essa ferramenta pode ser implementada em qualquer software com recurso gráfico como Word, Power Point, Paint Brush e Visio. Por que usar o diagrama de Ishikawa? ➢ Para identificar as informações a respeito das causas de um problema. ➢ Para organizar e documentar as causas potenciais de um efeito ou de uma característica da qualidade. ➢ Para indicar o relacionamento de cada causa e subcausa as demais, e, ao efeito ou característica da qualidade. ➢ Reduzir a tendência de deixar de procurar a causa verdadeira, ou parar cedo demais. Como preparar um Diagrama de Ishikawa para identificar causa de um problema 1. Entre as não conformidades identificadas decidir para qual deve ser realizada uma ação corretiva. 2. Desenhar um diagrama de Ishikawa, com o efeito anotado à direita (problema, não conformidade). 3. Indicar nas espinhas do diagrama as categorias tradicionais de causas principais ou consideradas úteis na organização das causas. 4. Fazer um “brainstorming” sobre as possíveis causas e alocá-las nas categorias principais apropriadas. Para cada causa, perguntar “Por que isto acontece?”. 5. Colocar as respostas nas ramificações da causa. Usar o mínimo de palavras possíveis. Já que mencionamos o “brainstorming”, vamos falar rapidinho sobre essa ferramenta da qualidade. Brainstorming O brainstorming também conhecido como tempestade de ideias visa facilitar a produção de soluções originais e possui duas fases principais: a produção de ideias seguida da avaliação das ideias propostas. Tem como princípio básico o julgamento adiado. Assim, contribui para a produção de ideias, o uso da imaginação e a quebra de barreiras mentais. Dessa forma, passa a ser um libertador da criatividade por não existirem situações absurdas. O objetivo principal é produzir um maior número de ideias possíveis sobre um problema particular e necessariamente real. O problema deverá ser simples e, se aplicado a uma questão complexa, esta deverá ser decomposta. Dessa forma, poderá ser aplicado o brainstorming a cada uma das partes. Essa técnica é utilizada para identificar possíveis soluções para problemas e oportunidades em potencial para a melhoria da qualidade. Folha de verificação As folhas de verificação são tabelas ou planilhas simples usadas para facilitar a coleta e análise de dados. O uso das folhas de verificação economiza tempo, eliminando o trabalho de se desenharem figuras ou escrever números repetitivos. São formulários planejados, nos quais os dados coletados são preenchidos de forma fácil e concisa. Registram-se os dados dos itens a serem verificados, permitindo uma rápida percepção da realidade e uma imediata interpretação da situação, ajudando a diminuir erros e confusões. Quando usar as folhas de verificação? ➢ Dispor os dados de uma forma organizada, facilitando a utilização; ➢ Verificar itens defeituosos ou não conformidades: saber o tipo de defeito e sua porcentagem; ➢ Verificar a localização do defeito ou da não conformidade: mostrar o local e a forma de ocorrência; ➢ Verificar as causas dos defeitos ou das não conformidades; ➢ Fazer comparação de uma amostra real com os limites de especificação; ➢ Determinar o turno, dia, hora, mês e ano, período em que ocorre o problema; ➢ Fornecer dados para várias ferramentas, tais como: diagrama de Pareto, diagrama de dispersão, gráfico de controle, histograma, etc. Pré-Requisitos para Construção da Folha de Verificação ✓ Identificar claramente o objetivo da coleta de dados: quais são os dados a serem coletados e porquê. ✓ Decidir como coletar os dados: Como serão coletados os dados? Quem irá coletar os dados? Quando serão coletados os dados? Qual método será utilizado para coleta dos dados? ✓ Estipular a quantidade de dados que serão coletados: tamanho da amostra. ✓ Coletar os dados dentro de um tempo específico: decidir o tipo de folha de verificação a ser usada, decidir qual o formato dos dados, serão números, valores ou símbolos? ✓ Fazer um modelo da folha de verificação. Tipos de folhas de verificação • Lista de verificação para distribuição do processo de produção Este tipo de lista é utilizado para estudar a distribuição de valores contínuos, característicos de alguns tipos de processo. Neste caso, normalmente são usados histogramas. Porém, ao fazer um histograma é duplamente trabalhoso coletar uma grande quantidade de dados e, em seguida, fazer um gráfico mostrando a distribuição de frequências. Um modo mais simples é classificar os dados no momento em que são coletados. No exemplo abaixo, podemos acompanhar a variação nas dimensões de certo tipo de peça cuja especificação de fabricação é entre 10,05 e 10,075. Cada vez que uma medição é feita, é somado o valor na célula correspondente a medida, de forma a ter-se o histograma pronto quando as medições são completadas. Por exemplo: Ao examinar a amostra A, têm-se 65 peças com medidas entre 10,06 e 10,65. Perceba que a soma da coluna A têm que dar 100, que é o tamanho da amostra, conforme cabeçalho da folha de verificação. • Lista de verificação para item defeituoso Este tipo de lista de verificação permite listar quantidades de defeito para cada item inspecionado, mostrando quais tipos de defeitos são frequentes e quais não são, possibilitando uma estratificação dos dados para auxiliar nas ações corretivas. Considerações ao desenvolver e utilizar este tipo de formulário: ✓ A contagem de defeitos pode não ser necessariamente igual ao número de unidades rejeitadas (isto é, mais de um defeito por unidade); ✓ A contagem de defeitos pode não refletir as mudanças ao longo do tempo; ✓ Definições operacionais podem ser necessárias para certos defeitos; ✓ Estas considerações podem ser gerenciadas através de um planejamento cuidadoso do formulário de coleta de dados; ✓ O formulário de tipos de defeito precede a construção de um gráfico de Pareto. Na Figura a seguir é ilustrado um exemplo de folha de verificação para contagem de itens defeituosos. • Folha de Verificação de Localização de Dados A folha de verificação de localização de dados permite a identificação e o registro da localização física das não conformidades, defeitos, acidentes ou outros tipos de observação, tendo um poderoso papel na solução deste tipo de problema. Geralmente possui um tipo de croqui ou uma vista ampliada em que são feitas marcas de modo a permitir a observação da distribuição da ocorrência do defeito, sendo indispensável no diagnóstico do processo. Nas Figuras a seguir podemos observar este tipo de folha de verificação. Lista de verificação para Localização de Dados – Não conformidades em chapa de vidro de 36 m2 • Formulários de registro Quando os valores a serem registrados não são conhecidos antes da atividade da coleta de dados devemos usar os formulários de registro, devendo-se escrever a informação e não apenas “checá-la”. Um tipo básico usado de maneira a melhorar a qualidade são o formulário de coleta de dados de variáveis. Um exemplo de formulário de registro é apresentado na Figura a seguir. Em resumo, lembre-se da finalidade da coleta de dados e tente elaborar uma lista de verificação apropriada e de fácil utilização, para atender as suas necessidades. Diagrama de Pareto O diagrama de Pareto tem como finalidade mostrar a importância de todas as condições, a fim de, escolher o ponto de partida para soluçãodo problema, identificar a causa básica do problema e monitorar o sucesso. Vilfredo Pareto foi um economista italiano que descobriu que a riqueza não era distribuída de maneira uniforme. Ele formulou que, aproximadamente 20% do povo detinha 80% da riqueza, criando uma condição de distribuição desigual. Os diagramas de Pareto podem ser usados para identificar problemas mais importantes pelo uso de diferentes critérios de medição, como frequência ou custo. A análise de Pareto classifica os problemas em ordem de gravidade e pode ser visualmente demonstrada na forma de um gráfico de barras, que é denominado diagrama de Pareto ou gráfico de Pareto. Este gráfico de barras pode ser elaborado a partir dos resultados de uma folha de verificação e nos auxilia a voltar a nossa atenção e esforços aos problemas verdadeiramente importantes. Na Figura a seguir é exemplificado um diagrama de Pareto sobre problemas em moradias. (OBS: os dados e o passo a passo (vídeo) da elaboração desse diagrama de pareto no excel está no link >> https://youtu.be/dwMaFAe3vWM). Diagrama de dispersão O diagrama de dispersão é um gráfico onde pontos no espaço cartesiano XY são usados para representar simultaneamente os valores de duas variáveis quantitativas, medidas em cada elemento do conjunto de dados. Um diagrama de dispersão não pode provar que uma variável causa outra, mas mostra se existe uma relação e a sua intensidade ou natureza. Em um diagrama de dispersão, o eixo horizontal (X) representa os valores medidos de uma variável e o eixo (Y) representa os valores da segunda variável. Observe nas figuras a seguir como os pontos marcados formam um padrão de agrupamento. A direção e a proximidade dos pontos nos indicam a intensidade da relação entre as variáveis. Quanto mais o padrão tender a uma linha reta mais forte fica a relação entre as variáveis. Uma linha reta significaria que cada vez que uma variável se modificasse, a outra também se modificaria na mesma proporção. Na sequência, vamos ver um exemplo de diagrama de dispersão e como construí-lo. Exemplo: O diretor de uma empresa de varejo identificou que nos últimos meses houve um aumento significativo do faturamento e um aumento no número de clientes (Tabela a seguir). Ele então, fez um gráfico de dispersão para identificar se o aumento do faturamento (efeito) tinha relação com o aumento do número de clientes (causa). O que podemos concluir? Mês Faturamento Número de novos clientes Janeiro R$2.000,00 15 Fevereiro R$3.000,00 13 Março R$4.000,00 21 Abril R$5.000,00 16 Maio R$3.000,00 10 Junho R$5.000,00 24 Julho R$5.000,00 17 Agosto R$5.000,00 15 Setembro R$6.000,00 23 Outubro R$8.000,00 27 Novembro R$10.000,00 34 Dezembro R$15.000,00 48 Para construir o diagrama de dispersão no excel, um vídeo e os dados desse exemplo estão no link>> https://youtu.be/W46U81KZcFU. Na sequência temos o diagrama de dispersão pronto. Para auxiliar na análise do diagrama de dispersão, utilizamos a linha de tendência e o R2. O R2 vai nos mostrar a quão forte ou fraca é a relação entre os dados. Ou seja, se tivermos um R2 próximo de 1, significa que os pontos estão bem próximos da linha de tendência, formando uma correlação perfeita. Ao contrário, se o R2 for baixo, essa correlação entre as variáveis é considerada fraca. (OBS: consideramos uma relação forte quando R2 > 0,7. Se o R2 estiver entre 0,5 e 0,7 é uma relação média e abaixo de 0,5 é fraca/inexistente). Portanto, o Diagrama de Dispersão é usado para analisar a relação entre duas variáveis e em que intensidade a mudança de um dado impacta outro dado. Assim podemos aplicá-lo: • Ao tentar identificar possíveis causas raiz dos problemas, ou seja, ao invés de levantar apenas suposições, fazer uma validação com um diagrama de dispersão para listar hipóteses de causas raiz com base em fatos e dados; • Após brainstorming de causas e efeitos usando um Diagrama de Ishikawa, por exemplo, para determinar se uma causa e um efeito estão relacionados. Imagine que ao discutir as causas do número de acidentes em uma rodovia, apareceu como causa o “dia de chuva”, então é possível fazer um diagrama de dispersão da relação entre dia de chuva e número de acidentes; • Na validação, se 2 efeitos ocorrem a partir de uma mesma causa. Isso é muito útil quando você tem várias não conformidades com uma mesma causa raiz e você quer validar se a correlação entre elas é verdadeira; • Ao testar a autocorrelação antes de construir um gráfico de controle. O que pode acontecer é que mesmo que o diagrama de dispersão mostre uma relação, não suponha que uma variável causou a outra. Ambos podem ser influenciados por uma terceira variável que não foi considerada, por isso, ao usar essa ferramenta é necessário o levantamento constante de hipóteses. Por exemplo: os estatísticos chegaram à hipótese que quanto maior o consumo de sorvetes na praia, mais pessoas morriam afogadas. Um pouco sem nexo. Mas quando as pessoas tomam mais sorvetes? Geralmente em dias quentes, e quanto mais calor, mais as pessoas costumam ir para o fundo do mar. Assim, obtém-se uma explicação lógica de correlação para o caso das mortes nas praias de Santos. Portanto, o fator morte e fator venda de sorvete está relacionado à temperatura. Histograma O histograma tem como finalidade mostrar a distribuição dos dados através de um gráfico de barras indicando o número de unidades em cada categoria. Um 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. Assim o histograma dispõe as informações de modo que seja possível a visualização da forma de distribuição de um conjunto de dados e também a percepção da localização do valor central e da dispersão dos dados em torno deste valor central. Usualmente, o centro da distribuição representada será igual a média, e os valores irão se espalhar entorno dela, como num monte de areia. No exemplo a seguir, é representado um histograma da distribuição do peso (em quilogramas) nas bagagens em um voo comercial. A altura das barras representa quantas observações foram feitas de bagagens em cada intervalo de peso. Note que, o maior número de ocorrências está entre 30 e 35 quilogramas, o que nos dá ideia do valor médio mais esperado de sobrecarga nas bagagens. Existem pesos maiores (por volta de 60) e menores (entre 0 e 5), porém são mais raros. Isso nos dá uma pista das chances de ocorrerem estas sobrecargas, e por isso, podemos dizer que a maior probabilidade de ocorrência está entre 30 e 35 quilogramas, variando de 0 a 60 quilogramas. Para que serve o Histograma? ➢ Para comparar os resultados do processo com os limites de especificação Quando você adiciona os limites de especificação do ao seu histograma, pode saber rapidamente se o procedimento atual foi capaz de produzir produtos “bons”. Os limites de especificação podem ter a aparência de peso, comprimento, densidade, quantidade de materiais a serem entregues ou o que for crucial para o produto de um determinado processo. ➢ Para comunicar informações graficamente Com o histograma, os membros da equipe podem ver com facilidade os valores que ocorrem na maioria das vezes (ou seja, a frequência dos valores). Se você usar um histograma para resumir grandes conjuntos de dados ou relacionar medidas a limites de especificação, usará uma ferramenta poderosa para a comunicação de informações. ➢ Para auxiliar na tomada de decisões No uso ou na criação do histograma, todos os dados têm significados que podem ajudá-loa identificar problemas com clareza e tomar decisões eficientes. Mas lembre-se sempre de que, se os dados que você tem em mãos não estiverem atualizados ou se você não souber como os dados foram coletados, será uma perda de tempo tentar mapeá-los. A realização de medições não pode ser usada para tomar decisões ou estimativas quando elas foram feitas por um processo que é diferente do atual ou foram coletadas sob condições desconhecidas. Tipos de Histogramas Antes de detalhar a aplicação da ferramenta, é preciso conhecer os tipos existentes para entender onde cada um se encaixa. Na Figura a seguir é ilustrado os tipos de histogramas existentes. • Tipo geral: Esse tipo de histograma representa os processos padronizados. O valor médio é encontrado no meio da faixa, onde a frequência é mais alta e vai diminuindo ao se aproximar dos extremos. É o tipo mais encontrado, geralmente. • Tipo assimétrico: O histograma assimétrico é fácil de identificar por apresentar somente um pico. Ele serve para apresentar um processo com um limite de especificação, ou seja, quando não são colocados valores acima de determinado limite. https://www.escolaedti.com.br/como-tomar-decisoes-eficientes/ Tipos de histogramas existentes • Tipo despenhadeiro: O nome diz respeito ao formato íngreme do gráfico, como se fosse despencar a qualquer hora. Esse histograma pode ser utilizado quando for preciso eliminar os dados. • Tipo pico isolado: Esse tipo apresenta uma separação entre os dois processos, isolando-os um do outro. Isso ocorre quando aconteceu uma falha. Em geral, é mais adequado construir um histograma da frequência relativa. Uma das razões é que a influência do tamanho da amostra é minimizada. A área total do histograma (soma das áreas de cada retângulo, considerando a base como sendo igual a 1) é 1 (ou 100%). Dessa forma, é possível comparar duas distribuições. • Tipo achatado: Esse histograma também é identificado como “platô”. Nele, as frequências aparecem de forma mais nivelada, com alturas semelhantes. Ele é utilizado quando há distribuições com médias distintas. • Tipo picos duplos: Se o tipo assimétrico se caracteriza por ter uma frequência em destaque, o tipo “picos duplos” apresenta duas. O gráfico representa uma situação em que dados diferentes serão inseridos, portanto, a análise deve ser feita de modo separado. O histograma é uma ferramenta extremamente útil para conhecer os dados. Ele nos mostra informações importantes, como centro e dispersão de conjunto de dados. Para interpretar adequadamente essa importante ferramenta, utilizamos alguns passos. Antes de começar a análise, é preciso saber qual é o tipo de informação que será extraída. Dependendo do tipo de variável que coletamos, vamos utilizar uma ferramenta diferente. Por isso, é importante conhecer os indicadores e os dados que eles podem representar: classificação: os resultados são classificações. Eles vão indicar se o resultado foi compatível com o padrão de qualidade determinado anteriormente ou não. Por exemplo, uma peça defeituosa ou não defeituosa, entrega atrasada ou não atrasada, cliente satisfeito ou não satisfeito; contagem: os resultados serão representados por números inteiros. Por exemplo, a quantidade de riscos em uma peça, de acidentes no mês, dentre outros; contínuos: os indicadores vão ser mostrados por valores dentro de um determinado intervalo. Por exemplo, peso, comprimento ou gasto mensal. Enquanto a informação a ser colhida de um histograma pode variar amplamente com a natureza dos dados e a perspectiva do observador, algumas generalizações podem ser feitas. Os pontos óbvios de interesse em um histograma são seus altos e baixos. Estes mostram quão amplamente e quão uniformemente a variável medida no eixo horizontal é dispersa. Na chamada distribuição normal, há um pico amplo na categoria média e os lados esquerdo e direito do histograma são simétricos. Isso não precisa ser o caso, no entanto. Pode haver vários picos e eles podem estar inclinados para cada extremidade da escala. Exemplo de histograma no excel Para entendermos melhor como construir um histograma no excel e analisa-lo, vamos ver um exemplo simples. Numa padaria, os pesos dos pães franceses produzidos foram registados durante 30 dias. Cada dia, cinco pães foram tirados ao acaso da máquina e o seu peso anotado na tabela abaixo. Dado que o peso especificado pode variar entre 200 e 225 gramas, o que podemos concluir sobre o processo? Na sequência são apresentados na Tabela, os dados da amostra de pesos dos pães. https://www.escolaedti.com.br/gestao-por-resultados-saindo-da-escuridao-e-tomando-as-melhores-decisoes/ https://www.escolaedti.com.br/ferramentas-da-qualidade/ 220,32 211,14 214,26 211,14 214,14 218,48 197,05 209,1 207,06 213,02 222,36 215,22 216,24 214,04 212,16 210,24 211,14 212,98 223,46 220,98 213 206,48 215,22 224,4 209,12 227,46 202,98 210,12 203,9 225,42 213,18 217,26 211,14 218,28 202,98 213,92 197,88 205,02 204 218,28 209,24 206,04 214,4 200,94 216,26 208 209,1 200,94 224,42 215,36 217,26 200,94 209,08 200,94 221,34 219,3 208,06 209,1 211,14 226,44 206,04 224,44 211,14 209,06 218,28 213,48 211,92 208,08 217,26 216,24 214,32 216,44 209,1 200,94 206,04 209,96 218,3 218,28 213,18 209,92 212,16 220,32 200,94 209,1 212,16 213,2 209,04 215,22 208,08 209,72 215,98 213,46 206,04 210,01 216,24 215,22 206,02 213,36 209,1 198,9 210 219,3 220,42 214,38 223,44 221,36 210,04 219,3 206,04 219,38 214,3 204 212,16 215,22 202,98 218,34 206,04 221,34 204 219,32 220,42 205,02 199,92 210,12 198,9 218,08 209,94 221,4 221,42 207,06 204 216,24 211,32 208,96 208,08 202,98 206,04 197,88 214,2 206,04 219,36 221,38 218,28 217,26 205,02 210,99 204 217,01 214,02 219,38 Para construir o histograma, precisamos retirar algumas informações dos dados: mínimo Valor mínimo dos dados máximo Valor máximo dos dados amplitude Máximo-mínimo da amostra média Média dos valores da amostra tamanho (n) Tamanho da amostra (número de pães pesados) Estimativas de Classes (K) Número de colunas no histograma (raiz quadrada do tamanho da amostra) classes (K) Arredondamento do tamanho da amostra incremento 1 Largura das colunas(classes) (amplitude/número de classes) Na sequência, a partir desses dados, podemos construir uma tabela no excel, contendo as seguintes informações: Classes Corte Frequência 1 = valor mínimo da amostra + (número da classe* incremento) Selecionar toda coluna de frequência, selecionar fórmula =frequência (amostra;coluna de corte) ctrl+shift+enter 2 ... Após a construção da tabela acima, selecionamos a coluna de frequência>>inserir gráfico de colunas. Para arrumar esteticamente o histograma, selecionamos as colunas>>botão direito sobre as colunas>>formatar série de dados>> largura do espaçamento>> 0 a 10%. Na sequência, selecionar eixo horizontal>> botão direito>>selecionar dados>>rótulos do eixo horizontal>>editar>>selecionar coluna de corte>>OK. Histograma do exemplo dos pesos de pães Para visualizar como construir o histograma no excel, acessar o vídeo no link>> https://youtu.be/dRGBaiJY0ms A partir do histograma, percebemos que a média está centralizada, no entanto, temos uma grande dispersão dos dados, o que gera pães acima e abaixo dos limites de especificação de 200 a 225 gramas. Nesse sentido, o histograma permite avaliar a centralização e dispersão dos dados, além de acompanhar os valores que excedem os limites de especificação do processo. Embora ele indique essa dispersão, o histograma não é capaz de identificar as causas da dispersão. Para isso, outras ferramentas, como o diagrama de Ishikawa, deveriam ser utilizadas para identificação de causas raízes. Gráfico de controle Antes de vermos o que são os gráficos de controle, precisamos entender, por que é necessáriofazer o controle do processo? Precisamos controlar o processo porque, do processo de produção, podem resultar itens (produtos) não conformes/defeituosos ou a porcentagem de defeituosos pode variar ao longo do tempo. O que causa a produção de defeituosos é a existência de variação nos materiais, nas condições do equipamento, nos métodos de trabalho, na inspeção, nas condições da mão de obra, e em outros insumos, etc. A variabilidade está sempre presente em qualquer processo produtivo, independente de quão bem ele seja projetado e operado. Se compararmos duas unidades quaisquer, produzidas pelo mesmo processo, elas jamais serão exatamente idênticas. Contudo, a diferença entre peças pode ser grande, provocando o aparecimento de produtos defeituosos, ou pode ser praticamente imperceptível. Além disso, as fontes de variabilidade podem agir de forma diferente sobre o processo. Conforme a fonte de variabilidade, o resultado pode ser: a) pequenas diferenças peça-a-peça (habilidade do operador, diferenças na matéria-prima etc.), b) alteração gradual no processo (desgaste de ferramentas, temperatura do dia etc.) e c) alteração brusca no processo (mudança de procedimento, queda de corrente, troca de setup etc.). Para o gerenciamento do processo e redução da variabilidade, é importante investigar as causas da variabilidade no processo. O primeiro passo é distinguir entre causas comuns/aleatória e causas especiais/controlável. Deming (1986) explica que a confusão entre causas comuns e especiais leva à maior variabilidade e a custos mais elevados. A atuação em causas comuns como se fossem causas especiais pode levar a um aumento indesejado da variação, além de representar um custo desnecessário. Por outro lado, se causas especiais passarem despercebidas, elas podem ser incorporadas ao resultado do processo, tornando aceitável o que deveria ser rejeitado, além de se perder uma oportunidade de melhoria do produto. As causas comuns são as diversas fontes (causas) de variação que atuam de forma aleatória no processo, gerando uma variabilidade inerente do processo. Essa variabilidade representa o padrão natural do processo, pois é resultante do efeito cumulativo de pequenas fontes de variabilidade (causas) que acontecem diariamente, mesmo quando o processo está trabalhando sob condições normais de operação. Um processo que apresenta apenas as causas comuns atuando é dito um processo estável ou sob controle, pois apresenta sempre a mesma variabilidade ao longo do tempo. Devido à variabilidade inerente do processo, as medidas individuais de uma característica de qualidade são todas diferentes entre si, mas quando agrupadas elas tendem a formar um certo padrão. As causas especiais são causas que não são pequenas e não seguem um padrão aleatório (erros de setup, problemas nos equipamentos ou nas ferramentas, um lote de matéria prima com características muito diferentes etc.) e por isso também são chamadas de causas assinaláveis. São consideradas falhas de operação. Elas fazem com que o processo saia fora de seu padrão natural de operação, ou seja, provocam alterações na forma, tendência central ou variabilidade das características de qualidade. Elas reduzem significativamente o desempenho do processo e devem ser identificadas e neutralizadas, pois sua correção se justifica economicamente. As causas especiais geralmente são corrigidas por ação local e, por isso, são de responsabilidade dos operadores, apesar de algumas vezes a gerência estar em melhor posição para resolver o problema. Nesse sentido, o controle do processo prevê a identificação e priorização das causas da variação da qualidade e visa a eliminação das causas especiais. Quando a variabilidade de um processo é devida somente a causas comuns, ele é suficientemente estável para predizermos sua qualidade, comportamento e resultados. E assim dizemos que o processo está sob controle e tem um comportamento previsível. Para auxiliar nesse controle do processo, Shewhart em 1924 desenvolveu os gráficos de controle, na Bell Telephone Laboratories. Shewart utilizou conceitos estatísticos que, por meio de gráficos, os operários podiam identificar as causas que interferiam na estabilidade do processo. A construção dos gráficos de controle, também chamados de gráficos de Shewhart, obedecem a um esquema geral que é adaptado a cada caso (Figura a seguir). Envolve registros cronológicos regulares de uma ou mais características calculadas a partir de amostras obtidas da produção. Estes valores são plotados, pela ordem cronológica, em um gráfico que possui uma linha central e dois limites, chamados limites de controle. Exemplo genérico de um gráfico de controle Pontos entre os limites de controle de forma aleatória, indicam que o controle está estável e apenas causas comuns estão atuando no processo. No entanto, pontos fora dos limites de controle, indicam a presença de causas especiais, caracterizando o processo como instável. Além disso, pontos entre os limites de controle em caráter não aleatório pode indicar que o processo em questão está instável ou fora de controle. É o caso quando ocorre uma tendência dos pontos, onde eles tomam um sentido nítido para cima ou para baixo. Esta tendência pode ocorrer pelo desgaste de uma ferramenta ou a fadiga de um funcionário. Na Figura abaixo temos um exemplo de gráfico onde os pontos estão dentro dos limites, mas apresenta tendência, e, portanto, é caracterizado como instável. Processo instável com tendência nos dados Também pode haver um deslocamento dos pontos de forma crescente ou decrescente. Este deslocamento pode ocorrer pela introdução de novos procedimentos, novo maquinário, novos funcionários ou pela implantação de um programa de qualidade que melhore o desempenho do processo. Na Figura abaixo é ilustrado um exemplo de processo com deslocamento dos dados. Processo instável com deslocamento nos dados Percebe-se que os dados se deslocam da parte acima da média para a parte inferior da média. Conforme a Figura a seguir, os gráficos de controle podem ser de dois tipos: gráficos por variáveis e gráficos por atributos. As variáveis são características da qualidade que podem ser expressas em medidas numéricas, por exemplo: peso, comprimento e temperatura. Os atributos são características da qualidade que não podem ser medidas numericamente, tais características são mais bem representadas pela presença ou ausência de um atributo e pode ser medido em conforme e não conforme, é o caso do aroma e cor. Os principais gráficos de controle por variáveis são: • (Media e R): são os gráficos da média e da amplitude. São os mais usados. Os gráficos de X e de R se complementam, devendo ser implementados simultaneamente. O gráfico X objetiva controlar a variabilidade no nível médio do processo e qualquer mudança que ocorra nele. É muito importante também verificar a dispersão de um processo que pode sofrer alterações devido às causas assinaláveis. Este aumento da variabilidade será detectado pelo gráfico R das amplitudes. • (Mediana e R): são os gráficos da mediana e da amplitude. Em algumas circunstâncias o gráfico Média é substituído pelo gráfico de medianas. Assim como o gráfico de Média, o gráfico das medianas deve ser aplicado juntamente com o gráfico de R para as amplitudes. O gráfico (mediana e R) é uma alternativa ao gráfico de (média e R). Por sua facilidade de aplicação pode ser usado para amostras pequenas (n = 5), mas não recomendado para amostras grandes (n = 7) para os quais é ineficiente, apresentando risco de erro no cálculo das medianas amostrais. • (X, R): gráficos de valores individuais e da amplitude. Em alguns casos pode ser mais conveniente controlar o processo baseado em leituras individuais do que em amostras. Isto ocorre particularmente quando a inspeção e a medida são caras, o ensaiofor destrutivo ou quando a característica que se está sendo examinada for relativamente homogênea (tal como o pH de uma solução química). Existem situações em que as características da qualidade não podem ser medidas numericamente. Por exemplo, uma lâmpada é classificada como “funciona” ou “não funciona”. Ou seja, existem casos em que as características da qualidade são mais bem representadas pela presença ou ausência de um atributo, e não por alguma medição. Em geral, os gráficos de atributo são utilizados nas seguintes situações: ✓ quando o número de características a controlar em cada produto é muito grande; ✓ em lugar de mensurações convém empregar calibradores do tipo passa não- passa; ✓ o custo de mensuração é elevado em relação ao custo da peça; ✓ a verificação da qualidade pode ser feita por simples inspeção visual. Os principais tipos de gráficos de atributo são: • Gráficos de p: para o controle da proporção de unidades defeituosas em cada amostra; • Gráficos de np: para o controle do número de unidades defeituosas por amostra; • Gráficos de c: para o controle do número de defeitos por amostra; • Gráficos de u: para o controle do número de defeitos por unidade de produto. Para a utilização dos gráficos de atributos, deve-se escolher as características principais ou mais significativas como geradoras de defeitos no produto. É recomendado a aplicação de gráficos de Pareto para determinação das características mais importantes. Construção dos Gráficos de Controle Independentemente do tipo de gráfico que será utilizado é necessário seguir etapas preparatórias para sua aplicação, que são: 1. Conscientização e treinamento das pessoas envolvidas no processo; 2. Definição do processo e sua interação com as demais operações; 3. Escolha das características da qualidade a serem controladas; 4. Definição de um sistema de medidas para as características; 5. Escolha dos pontos do processo em que serão efetuadas as medidas. Uma vez realizada a fase preparatória, a elaboração dos gráficos segue os seguintes passos: 1. Escolha do tipo de gráfico a ser utilizado; 2. Coleta dos dados; 3. Escolha dos limites de controle; 4. Cálculo da linha central e dos limites de controle; 5. Observação do estado(estabilidade) do processo mediante interpretação dos gráficos. 1. Escolha do tipo de gráfico a ser utilizado A escolha do tipo de gráfico a ser utilizado depende da característica a ser analisada e controlada. Sendo esta característica uma magnitude (peso, altura, largura, comprimento, etc.), os gráficos utilizados poderão ser: para valores individuais, os (mediana e R) ou (média e R). Quando a característica da qualidade não pode ser medida numericamente, por exemplo quando se utiliza dispositivos passa não-passa, estas características são denominadas de atributos. Se a característica da qualidade for um atributo, os gráficos p (ou np) e c (ou u) devem ser utilizados. O fluxograma da Figura a seguir mostra um esquema para a escolha do melhor gráfico a ser utilizado. Procedimentos para escolha do tipo de gráfico de controle 2. Coleta de dados Antes de se realizar a coleta de dados é necessário escolher o tamanho da amostra, também chamada de subgrupos racionais, assim como a frequência da amostragem e o número de amostras a serem coletadas. Esta escolha depende do tipo de gráfico, da fase de aplicação, de considerações econômicas, etc. Na amostragem é fundamental escolher amostras que representem subgrupos de itens que sejam o mais homogêneo possível, visando ressaltar diferenças entre os subgrupos. Isso objetiva, caso estejam presentes, fazer com que as causas assinaláveis/especiais se manifestem através das diferenças entre os subgrupos. Nos gráficos de controle, normalmente os pontos plotados são valores representativos de uma amostra e não de observações individuais devido a: • As médias são menos dispersas que observações individuais, indicando, assim, perturbações com um maior grau de discriminação que no caso das observações individuais; • Muitas vezes a distribuição das observações individuais não é normal, mas a distribuição da média vai se aproximar da normal à medida que o número de elementos da amostra aumenta (para n ≥ 4 já aparece a normalidade). As amostras devem ser formadas pelo que se chama de subgrupos racionais. Isso permite que: • Dentro de cada amostra as variações possam ser atribuídas ao acaso; e • Entre as amostras as causas de variação sejam identificáveis. Para tanto alguns cuidados devem ser tomados: ➢ As observações dos subgrupos racionais deverão ser do mesmo lote de produção, com matéria prima de mesmo fornecedor ou produzidos na mesma máquina e apenas por um funcionário. Garante-se, assim, que os valores das amostras sejam homogêneos quanto a origem; ➢ Obedecer a ordem cronológica, assim sendo consegue-se obter informações do processo ao longo do tempo; ➢ As observações devem ser feitas junto à linha de produção. 3. Escolha dos limites de controle A decisão sobre os limites de controle deve ser tomada com base, essencialmente, em fatores econômicos. Os limites 3σ são bastante usados, mas há situações onde é necessário aplicar outros critérios. Exemplo: quando ocorre um sinal de falta de controle em um processo sob controle e é difícil ou caro de se investigar, seria mais viável ampliar os limites para, por exemplo, 3,5σ ou 4σ se for necessário. Por outro lado, se a investigação for rápida e economicamente viável e o custo de produção de itens defeituosos for alto, limites mais estreitos (como por exemplo 2σ) poderão ser utilizados. 4. Cálculo da linha central e dos limites de controle O cálculo dos limites deverá ser considerado caso a caso, para cada tipo de gráfico e suas variantes. Embora existem vários gráficos de variáveis e de atributos, vamos ver apenas o gráfico de variável (média e R) e o gráfico de atributos de p (Embora veremos apenas 2 tipos de gráficos, devido ao tempo da disciplina, os outros gráficos são construídos de forma semelhante, utilizando outras equações e constantes para calcular os limites de controle). 4.1 Gráfico de variável (média e R) Para o cálculo dos limites de controle dos gráficos (Média e R) é necessário coletar 20 ou (25) subgrupos (amostras) de 5 ou (4) itens. Aproximadamente 100 dados. Em seguida calcular a média das médias amostrais () e a média das amplitudes (R): Média das médias amostrais (MMX) = soma das médias amostrais (MX) número de amostras Média das médias das amplitudes (MMA) = soma das amplitudes amostrais (MA) número de amostras Limites de controle para o gráfico de médias LSC= MMX + A2*MMA LM= MMX LIC= MMX- A2*MMA Limites de controle para o gráfico de amplitude LSC= D4*MMA LM= MMA LIC= D3*MMA OBS: os valores de A2, D4, D3 serão encontrados em anexo no moodle. Para encontrar o valor das constantes na tabela, nós utilizamos o n (número de itens em cada amostra). Por exemplo, conforme a tabela de constantes na Figura abaixo, para uma amostra de tamanho 5, teremos um A2= 0,577, D4= 2,114 e D3= 0. A tabela completa está em anexo no moodle. Exemplo de construção do gráfico de variável de média e amplitude no excel. Anéis de pistão para motores de automóveis são fabricados por um processo. Deseja-se estabelecer um controle estatístico para o diâmetro interno dos anéis. 25 amostras, cada uma de tamanho 5 (n), foram extraídas quando o mesmo estava sob controle. Considerando que os limites de especificação para os anéis de pistão são 74 ± 0,05 mm, o que podemos concluir sobre a estabilidade do processo? EXEMPLO GRÁFICO X(MEDIA) e R(AMPLITUDE) DADOS DE ANÉIS DE PISTÃO FORNJADOS N° DA AMOSTRA OBSERVAÇÕES X R 1 74,030 74,002 74,019 73,992 74,008 74,010 0,038 2 73,995 73,992 74,001 74,011 74,004 74,001 0,019 3 73,998 74,024 74,021 74,00574,002 74,010 0,026 4 74,002 73,996 73,993 74,015 74,009 74,003 0,022 5 73,992 74,007 74,015 73,989 74,014 74,003 0,026 6 74,009 73,994 73,997 73,985 73,993 73,996 0,024 7 73,995 74,006 73,994 74,000 74,005 74,000 0,012 8 73,985 74,003 73,993 74,015 73,988 73,997 0,030 9 74,008 73,995 74,009 74,005 74,004 74,004 0,014 10 73,998 74,000 73,990 74,007 73,995 73,998 0,017 11 73,994 73,998 73,994 73,995 73,990 73,994 0,008 12 74,004 74,000 74,007 74,000 73,995 74,001 0,012 13 73,983 74,002 73,998 73,997 74,012 73,998 0,029 14 74,006 73,967 73,994 74,000 73,984 73,990 0,039 15 74,012 74,014 73,998 73,999 74,007 74,006 0,016 16 74,000 73,984 74,005 73,998 73,996 73,997 0,021 17 73,994 74,012 73,986 74,005 74,007 74,001 0,026 18 74,006 74,010 74,018 74,003 74,000 74,007 0,018 19 73,984 74,002 74,003 74,005 73,997 73,998 0,021 20 74,000 74,010 74,013 74,020 74,003 74,009 0,020 21 73,988 74,001 74,009 74,005 73,996 74,000 0,021 22 74,004 73,999 73,990 74,006 74,009 74,002 0,019 23 74,010 73,985 73,990 74,009 74,014 74,002 0,029 24 74,015 74,008 73,993 74,000 74,010 74,005 0,022 25 73,982 73,984 73,995 74,017 73,996 73,995 0,035 ∑X= 1850,027 ∑R= 0,564 X= 74,001 R= 0,023 GRÁFICO X GRÁFICO R LC 74,001 LC 0,023 LSC 74,014 LSC 0,048 LIC 73,988 LIC 0,000 Desse modo podemos plotar o gráfico de média e amplitude no excel, o que resulta na seguinte Figura: A2= 0,577, D4= 2,114 e D3= 0 Para aprender como foi gerado no excel os gráficos, assista o vídeo sobre gráficos de controle de média e amplitude no excel no link>> https://youtu.be/xlomvYSZuag Percebam que nos gráficos por variáveis sempre geramos dois gráficos, um que analisa a média da variável e outro gráfico que avalia a variabilidade dos dados. Isso é necessário pois embora uma amostra apresente um valor médio aceitável, a variabilidade da amostra é alta. No exemplo acima, podemos concluir o processo está estável, pois tanto no gráfico de média como no gráfico de amplitude, os valores estão dentro dos limites de controle e não apresentam deslocamento ou tendência. Desse modo, concluímos que apenas causas comuns atuam no processo, ou seja, temos ausência de causas especiais. 4.2 Gráfico de atributos (p) • Para cada subgrupo, anota-se os valores: n = número de itens inspecionados d = número de itens defeituosos (não-conformes) • E então calcula-se a fração de não-conformes: p = d / n A fração média de não-conformes é calculada: di = n° de itens defeituosos no subgrupo i; ni = tamanho da amostra do subgrupo; K = número de subgrupos. Tamanho da amostra: Teoricamente o gráfico p só deve ser empregado para amostras com um número n de elementos maior que 10/p. Na prática é comum adotar-se n > 5/ p. Deve-se tomar pelo menos K = 25 amostras. Limites de Controle para o gráfico de p Exemplo de construção do gráfico de atributo p no excel. Amostra Número de itens inspecionados Número de defeituosos p sigma 1 237 9 0,0380 0,0124 2 227 16 0,0705 0,0170 3 187 10 0,0535 0,0165 4 207 14 0,0676 0,0175 5 224 14 0,0625 0,0162 6 238 16 0,0672 0,0162 7 193 15 0,0777 0,0193 8 232 12 0,0517 0,0145 9 180 14 0,0778 0,0200 10 185 7 0,0378 0,0140 11 176 11 0,0625 0,0182 12 199 8 0,0402 0,0139 13 230 17 0,0739 0,0173 14 219 11 0,0502 0,0148 15 188 16 0,0851 0,0204 16 205 11 0,0537 0,0157 17 217 12 0,0553 0,0155 18 212 9 0,0425 0,0138 19 221 17 0,0769 0,0179 20 215 13 0,0605 0,0163 Pmedio 0,060114504 Após construir a tabela com os valores, é possível plotar o gráfico de p no excel, conforme Figura a seguir: Para aprender como foi gerado no excel o gráfico, assista o vídeo sobre gráficos de controle p no excel >> https://youtu.be/qVqgf58xftw Ao analisar o gráfico de p, podemos concluir que o processo está estável pois os pontos estão dentro dos limites de controle de forma aleatória. Percebam que os limites de controle não são retos e variam conforme a amostra, isso acontece, pois, cada amostra tem um tamanho diferente. No entanto, se a diferença entre o tamanho das amostras for pequena, é possível utilizar um valor médio. 5. Observação do estado (estabilidade) do processo mediante interpretação dos gráficos. Sempre que se deseja introduzir o uso de um gráfico de controle, ou controlar um processo, deve-se analisar o processo quanto a sua estabilidade. A estabilidade diz respeito a verificação da variabilidade do processo quanto a seu comportamento normal. Para facilitar a explicação será analisado o caso dos gráficos de variáveis contínuas. Para a verificação da estabilidade de um processo devem ser elaboradas pares de gráficos de controle (por ex. da média e da amplitude) para cada característica de controle. Os critérios usuais, apresentados pela bibliografia em geral, podem ser resumidos na seguinte frase: o processo é considerado estável quando os seus gráficos de controle não indicarem sinais de anormalidade ou presença de causas especiais. Desta forma, os processos sob controle apresentam gráficos “bem-comportados”, seguindo um padrão já conhecido. O modelo de distribuição assumido para os gráficos de controle de variáveis contínuas é a distribuição normal. Logo, as condições de estabilidade do processo são aquelas esperadas do ponto de vista estatístico para esse tipo de distribuição. Mesmo tendo-se consciência de que alguns comportamentos não esperados poderiam ocorrer sem que isto signifique mudança do processo, como a sua probabilidade a priori de ocorrência é muito baixa, sempre que estes comportamentos aparecerem isto será interpretado como um sinal de instabilidade, ou seja, de processo fora de controle ou instável. Sempre devem ser analisados os pares de gráficos (da média e da amplitude) para verificar se existem sinais de anormalidade. As características de um padrão natural, estável, de um gráfico de controle podem ser resumidas em: ➢ A maioria dos pontos está próxima da linha média (cerca de 68% no intervalo de ±1 s em torno da média) sem entanto existir concentração excessiva neste intervalo. ➢ Cerca de 95% dos pontos (19 em 20 pontos) estão contidos no intervalo ±2 s em torno da média. ➢ Nenhum ponto cai fora dos limites de controle (pois a sua probabilidade é de apenas 0,27%). ➢ Os pontos vão se distribuindo mais ou menos igualmente acima e abaixo da média. ➢ Não se configuram tendências de aumento ou de diminuição sistemática. Por exemplo, a probabilidade de ocorrência de 7 pontos consecutivos acima da média é de 0,78 %. Logo, quando isto ocorrer, interpreta-se como uma tendência ao aumento da média. ➢ Não existem oscilações cíclicas. O Quadro a seguir apresenta as principais regras que indicam condições de instabilidade do processo. Sempre que um processo apresentar algumas das situações representadas ele deve ser considerado instável. Assim, causas especiais de variação devem estar presentes e devem ser controladas/eliminadas. Regras para decisão sobre estabilidade do processo Sempre que um processo mudar para melhor ou piorar, de forma consistente, os limites de controle existentes, calculados com os dados anteriores à mudança, deixam de ser representativos daquele “novo processo”. Desta forma, eles devem ser recalculados (atualizados) usando-se apenas os novos dados, com amostras retiradas do processo já modificado. A estabilidade é condição inicial imprescindível para se utilizar o controle estatístico do processo. Plano ação 5W2H Uma forma simples de planejar as ações operacionais, o 5W2H consiste na formatação de um plano respondendo as seguintes questões: O que? (What?), Por quê? (Why?), Onde? (Where?), Quando? (When?), Quem? (Who?), Como? (How?) e Quanto custa? (How much?). Metodologia 5W2H Sua meta nada mais é que solucionar um problemajá definido, por isso precisamos ter um problema pré-estabelecido e podemos fazer isso com brainstorming, por exemplo. Antes de entendermos como aplicar o 5W2H, precisamos ter certeza que estamos utilizando a ferramenta no problema e não sobre as causas, senão entraremos em um looping e o problema não será solucionado. Vamos usar um exemplo prático: Uma empresa de telefonia fixa quer reduzir as reclamações de interferências por radiofrequência nas redes de cabos em 50% em 1 ano. Então cria-se a seguinte tabela aplicando a ferramenta 5W2H: http://engenhariaexercicios.com.br/gestao-de-qualidade/como-aplicar-brainstorming-corretamente/ Exemplo de 5W2H Fonte: www.engenhariaexercicios.com.br/gestao-de-qualidade Com esse exemplo podemos entender que no primeiro “W”, no What (o que), podemos ter mais de uma contramedida e com as outras repostas podemos escolher a mais proveitosa. Para mais exemplos de 5W2H na prática, você pode assistir o vídeo : https://www.youtube.com/watch?v=tCoOt4FUDzw. Nessa aula vimos as principais ferramentas da qualidade utilizadas pelas empresas. É claro que existem muitas outras ferramentas operacionais e estratégicas, no entanto, nosso tempo é curto e não é possível aprendermos todas elas nesta disciplina. Para auxiliar na fixação do aprendizado, uma lista de exercícios estará em anexo no moodle para ser respondida e enviada por meio de uma tarefa. Para aprender a fazer as ferramentas no excel, assistam todos os vídeos com o passo a passo do diagrama de pareto, histograma, diagrama de dispersão e gráfico de controle no excel (são vídeos simples e curtos que fiz resolvendo os exemplos). Para facilitar, eles estão no youtube nos seguintes links: Diagrama de pareto>> https://youtu.be/dwMaFAe3vWM Diagrama de dispersão>> https://youtu.be/W46U81KZcFU Histograma>> https://youtu.be/dRGBaiJY0ms Gráfico de controle de média e amplitude>> https://youtu.be/xlomvYSZuag Gráfico de controle de atributo p>> https://youtu.be/qVqgf58xftw https://www.youtube.com/watch?v=tCoOt4FUDzw Referências TOLEDO, J. F; ALLIPRANDINI, D. H. Controle estatístico da qualidade. GEPEQ - /DEP/UFSCar, São Paulo-SP, 2004. <www.gepeq.dep.ufscar.br>. PALADINI, E. P. Gestão da qualidade: teoria e prática. In: Gestão da qualidade: teoria e prática. 2010. p. 339-339. CARPINETTI, Luiz Cesar Ribeiro et al. Gestão da qualidade. EDa Atlas SA, 2012. http://www.gepeq.dep.ufscar.br/
Compartilhar