P. 1
9 - Gráficos de Controle

9 - Gráficos de Controle

|Views: 7.748|Likes:
Publicado pordanilocuti
Autores: Danilo, Débora, Magno, Mateus, Robert e Tays
Autores: Danilo, Débora, Magno, Mateus, Robert e Tays

More info:

Published by: danilocuti on Aug 20, 2009
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

06/11/2013

pdf

text

original

Curso de MINITAB – Universidade Federal de Ouro Preto

Gráficos de Controle

Curso de MINITAB – Universidade Federal de Ouro Preto

1 - Introdução
Os gráficos de controle podem ser por variáveis ou por atributos, de acordo com a sua classificação das variáveis contínuas (ex.: comprimento de uma peça, temperatura de uma solução, ...) ou discretas, respectivamente. As cartas Xbar e R são as mais utilizadas nos gráficos por variáveis. Uma carta R avalia a variação entre subgrupos em uma ordem temporal. Uma carta Xbar nos ajuda a determinar se a média do processo está sob controle estatístico quando os dados forem coletados em subgrupos apropriados. Os gráficos P, NP, C e U são os mais utilizados nos gráficos por atributos.

2 - Objetivos
1. Monitorar os dados temporais para uma característica particular de qualidade, como exemplo: a cor de um produto, o peso ou a temperatura; 2. Detectar mudanças no processo ao longo do mesmo; 3. Responder perguntas do tipo: • São os lotes de matéria-prima ou a variação de turno que causam a variação do processo? • São causa especiais do processo ou causas naturais (como a temperatura) que ocasionam a variação no processo? • A variação entre as diferentes remessas (lotes) de produção é maior que o esperado?

Gráfico de controle por Variáveis
Uma carta de controle é um gráfico seqüencial desenvolvido especialmente para ajudar a identificar padrões anormais de variabilidade em um processo, possuindo além dos gráficos dos dados limites os quais denominamos limites de controle.

EXEMPLO 1
Proposta: Verificar se o processo está sob controle estatístico, ou seja, somente causas comuns de variação influenciam processos. Problema: A fábrica Peças & Peças deseja realizar um controle de qualidade do processo de fabricação de parafusos. Dados coletados: A cada meia hora são retiradas cinco peças da linha de produção, que são medidas em certa dimensão e os valores registrados. Definimos, neste caso, que o tamanho do subgrupo é igual a cinco sendo que 25 subgrupos foram obtidos. Ferramenta: • Xbar-R Arquivo de dados: parafusos.MPJ

Curso de MINITAB – Universidade Federal de Ouro Preto

Variável Parafuso Tempo Xbar-R

Descrição Leitura da dimensão obtida de cada parafuso. Hora em que cada subgrupo de parafusos foi examinado no processo.

1. Abra parafusos .mpj 2. Selecione Stat > Control Charts> Variables Charts for Subgroups > Xbar-R 3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK

INTERPRETANDO OS RESULTADOS Dois gráficos foram obtidos: o gráfico Xbar-R, para as médias e, o gráfico R, para as amplitudes. É recomendado que o gráfico R (amplitude) seja analisado em primeiro lugar.

Curso de MINITAB – Universidade Federal de Ouro Preto

Xbar-R Chart of 1; ...; 5
562 Sample M ean 561 560 559 558 LC L=557,587 1 3 5 7 9 11 13 Sample
1

U C L=562,237

_ _ X=559,912

15

17

19

21

23

25

8 Sample Range 6 4 2 0 1 3 5 7 9 11 13 Sample 15 17 19 21 23 25

U C L=8,52

_ R=4,03

LC L=0

No gráfico das amplitudes verifica-se que existe um ponto acima do limite superior de controle, caracterizando uma causa especial de variação. Esse ponto mostra que a amplitude no subgrupo 12 está muito maior que o aceitável, existindo muita variação nos dados deste subgrupo. No gráfico das médias, o valor da média do subgrupo 12 é maior que o limite superior de controle. Tem-se uma causa especial de variação detectada pelo gráfico de controle. Se desejarmos obter gráficos de controle por operadores, podemos usar o submenu Estimate Parameters BY Groups in. Em Variable used to define groups for estimating parameters, entramos com a coluna índices.

Gráfico de Controle por Atributos
Os gráficos de controle por atributos são usados quando dados possuem uma característica de atributo como aprovado/reprovado ou para contagem de defeitos ou produtos defeituosos. A análise destes gráficos é similar à dos gráficos de controle por variáveis, para detectar causas especiais de variação. Os gráficos de controle por atributos podem ser classificados por: P: para proporção de não-conformes NP: para número de não conformes C: para número de não-conformidades U: para proporção de não conformidades

Curso de MINITAB – Universidade Federal de Ouro Preto

Gráfico P EXEMPLO 2
Proposta: Verificar se a proporção de pedidos não aceitos está sob controle. Problema: O Banco de Minas deseja saber o número de pedidos não aceitos para a abertura de contas em uma rede bancária. Coleta de dados: Foram coletadas uma amostra de 20 pedidos. Ferramenta: • P Chart Arquivo de dados: pedidos.MPJ Variável Pedidos Descrição Número de pedidos não aceitos pelo banco.

PChart 1. Abra pedidos.mpj 2. Selecione Stat > Control Charts> Attributes Charts > P... 3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK

Curso de MINITAB – Universidade Federal de Ouro Preto

INTERPRETANDO OS RESULTADOS

P Chart of Pedidos não aceitos
0,18 0,16 0,14 0,12 Proportion 0,10 0,08 0,06 0,04 0,02 0,00 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 _ P=0,0590 UCL=0,1610

Tests performed with unequal sample sizes

O gráfico obtido está sob controle estatístico, pois todos os subgrupos estão dentro dos limites especificados de controle. Para cada subgrupo é calculado um valor para o limite superior e inferior de controle, pois o tamanho dos subgrupos é variável, ou seja, para cada amostra existe uma quantidade de pedidos diferentes.

Gráfico NP EXEMPLO 3
Proposta: Verificar se o processo de fabricação do produto pode ser considerado sob controle estatístico. Problema: Uma fábrica deseja analisar se os seus produtos estão conforme ou não conformes. Coleta de dados: Analisou-se 20 lotes contendo 35 produtos cada. Ferramenta: • NP Chart

Arquivo de dados: pecas.MPJ

Curso de MINITAB – Universidade Federal de Ouro Preto

Variável Peças

Descrição Número de Peças não conformes.

NPChart 1. Abra pecas.mpj 2. Selecione Stat > Control Charts> Attributes Chart > NP... 3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK. INTERPRETANDO OS RESULTADOS

Curso de MINITAB – Universidade Federal de Ouro Preto

NP Chart of Produtos não conformes
14 12 10 Sample Count 8 6 4 2 0 1 3 5 7 9 11 Sample 13 15 17 19 LCL=0 UCL=13,61

__ NP=6,65

Conclui-se que o número de peças não conformes está sob controle estatístico, já que nenhum ponto ultrapassa o limite de controle.

Gráfico C EXEMPLO 4
Proposta: Verificar o número de erros nas fichas de cadastramento de uma empresa. Problema: Foi observado um grande número de erros no preenchimento dos cadastros dos vendedores de uma empresa. Deseja-se analisar o número de erros por cadastro (não conformidades). Coleta de dados: Analisa-se uma amostra de 22 conjuntos, contendo 15 fichas de cadastro cada. Ferramenta: • C Chart Arquivo de dados: cadastros.MPJ Variável Cadastros Descrição Número de erros (não conformidades) em cada conjunto de cadastros.

Curso de MINITAB – Universidade Federal de Ouro Preto

CChart 1. Abra cadastro.mpj 2. Selecione Stat > Control Charts> Attributes Chart > C... 3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK. INTERPRETANDO OS RESULTADOS
C Chart of Número de erros
1 1

25
1 1 1

20 Sample Count

UCL=17,04 15

10

_ C=8,36

5 0 1 3 5 7 9 11 13 Sample 15 17 19 21 LCL=0

Conclui-se, analisando o gráfico obtido, que o número de erros por conjunto de 15 cadastro está fora de controle estatístico. Observa-se 5 pontos acima do limite superior de controle caracterizando a presença de possíveis causas especiais de variação. Nestes 5

Curso de MINITAB – Universidade Federal de Ouro Preto

pontos o número de erros por conjunto de cadastro foi superior que o valor máximo aceitável.

Gráfico U EXEMPLO 5
Proposta: Verificar o número de erros nas fichas de cadastramento de uma empresa. Problema: Considere o problema anterior. Observação: Para a construção deste gráfico, o tamanho do subgrupo pode ser constante ou variável. Ferramenta: • U Chart Arquivo de dados: ficha.MPJ Variável Cadastros UChart 1. Abra ficha.mpj 2. Selecione Stat > Control Charts> Attributes Charts > U... 3. Complete a caixa de diálogo como mostra a figura: Descrição Proporção de erros (não conformidades) em cada conjunto de cadastro cadastros.

Curso de MINITAB – Universidade Federal de Ouro Preto

4. Clique em OK. INTERPRETANDO OS RESULTADOS
U Chart of Núemro de erros
0,9 0,8 Sample Count Per Unit 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 1 3 5 7 9 11 13 Sample 15 17 19 21 LCL=0,0037 _ U=0,2977
1 1

1

UCL=0,5917

Tests performed with unequal sample sizes

Observa-se neste gráfico que a proporção de erros no conjunto de cadastros está fora de controle estatístico. Nota-se, também, que para cada subgrupo existem valores de limite superior e inferior de controle, devido ao número de cadastros analisados variar de subgrupo para subgrupo.

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->