ISHIKAWA - 7 Ferramentas Estatsticas para o

Controle da Qualidade:
Folha de Verificao
Estratificao
Diagrama de Causa e Efeito
Diagrama de Pareto
Histograma
Diagrama de Disperso
Grfico de Controle


7 FERRAMENTAS PARA O CONTROLE
DA QUALIDADE
ISHIKAWA:
O uso dessas ferramentas resolve
aproximadamente 95% dos problemas de
qualidade em qualquer tipo de organizao,
seja ela industrial, comercial, de prestao
de servios ou pesquisa

7 FERRAMENTAS PARA O CONTROLE
DA QUALIDADE

FOLHA DE VERIFICAO
preciso ter em mos dados que possam ser analisados
A folha de verificao serve para coletar esses dados
Deve ser simples, prtica e de fcil entendimento
Definir bem quais so os dados a serem coletados
FOLHA DE VERIFICAO
FOLHA DE VERIFICAO
O tempo de coleta no poder ser muito longo
definir um prazo mnimo e mximo

Treinamento do pessoal
FOLHA DE VERIFICAO
ESTRATIFICAO

Quando levantamos os dados na nossa folha de
verificao, est tudo confuso, tudo misturado
Precisamos classificar, ou seja, juntar aquilo que
igual ou muito parecido: isso estratificar
A estratificao permite saber onde esto, quais
so e quanto pesa cada problema encontrado

ESTRATIFICAO
Tudo Subgrupos
heterogneo homogneos




Estratificar por:
Tipo de solo, umidade, corte, linha de nibus, mesorregio,
tamanho do produtor, sexo, idade, classe social, tipo de
cliente, tempo, etc
Estratificao
Estratificao
ESTRATIFICAO
Modelo matemtico hierrquico
Hipteses testadas:
H
0
: Igualdade de talhes
H
0
: Igualdade de caminhes dentro de talhes
H
0
: Igualdade da posio de amostragem na carga

ESTRATIFICAO
Estrato A Talho 1:
Fazenda Bom Retiro, Zona 13
Solo arenoso (L.V.A.)
40 dias aps ltima chuva (15 mm)
Cana de primeiro corte

Estrato B Talho 2:
Fazenda Santa Isabel, Zona 1
Solo argiloso (L.V.E.)
5 dias aps ltima chuva (64 mm)
Cana de terceiro corte

ESTRATIFICAO
1 2 3 4 5 6
20
15
10
5
0
LS = 5,1
X = 3,2
LI = 1,2
Limites
3o
para n = 9
=

Caminhes
I
m
p
u
r
e
z
a
s

m
i
n
e
r
a
i
s

(
%
)

Grfico de controle e anlise exploratria em solo arenoso e seco
1 2 3 4 5 6
40
30
20
10
0
50
Caminhes
I
m
p
u
r
e
z
a
s

m
i
n
e
r
a
i
s

(
%
)

Limites 3o
para n = 9
LS = 8,1
X = 4,5
LI = 0,9
=
Grfico de controle e anlise exploratria em solo argiloso e mido

Procedncia dos Dados
Limites de Controle Talho 1 Talho 2 An. Conjunta
LIMITE SUPERIOR
5,1 8,1 6,6
MDIA
3,2 4,5 3,8
LIMITE INFERIOR
1,2 0,9 1,1

Tabela 7. Comparao dos limites de controle para talho 1,
talho 2 e anlise conjunta (varivel % de
impurezas minerais)
ESTRATIFICAO
( )
Y t c t f e
ijk
l l
i
l
j
l
i
l
k
l
ijk
l
= + + + +
onde,
l = 1, 2, 3, 4 ndice de varivel de resposta
i = 1, 2 ndice de talho
j = 1, 2, .., 6 ndice de caminho
k = 1, 2, ..., 9 ndice de furo
Y
l
ijk
= % de impurezas minerais no talho i, caminho j
e furo k, para a varivel de resposta l
Modelo Estatstico
Variveis de resposta: % de impurezas minerais
(amostra seca) estimada a partir da concentrao
de Th, Sc, Fe e Hf
Denominadas Th, Sc, Fe e Hf, respectivamente, no
trabalho


Tabela 1. Nveis de confiana, em percentagem,
considerando todas as variveis de resposta e
tcnicas aplicadas, para rejeio da hiptese
H
0
:talho 1 = talho 2
VARIVEIS
TCNICAS
Th Sc Fe Hf
ANOVA-BRUTOS 87 85 44 78
ANOVA-Transformados 99 99 92 75
RANOVA 99 99 88 42
Testes de Hipteses Probabilsticos
Distribuio de palha no plantio direto:
Teste t de Student
Mau funcionamento da mquina

Estratificao, possibilidade de melhoria e posio
de amostragem:
Carregamentos de cana-de-acar
Testes Uni e Multivariados

Inclinao Esquerda
Hiptese Testada:
H
0
: Palha Esquerda = Palha Direita
H
1
: Palha Esquerda > Palha Direita
Valor de t de Student Calculado = 34
Valor de t Tabelado ((12-1) gl., Alfa=
1/1.000.000) = 9,5
Assim:
Rejeita-se H
o
com mais de 99,9999% de Confiana
Erro < 1/milho

Dados Utilizados no Teste
Localizaao do Ponto
1 2 3 4 5 6 7 8 9 10 1-2-3-4 7-8-9-10 Difererenca
0 1 1 1 1 0 0 0 0 0 3 0 3
1 1 1 1 1 0 0 0 0 0 4 0 4
1 1 1 1 1 0 0 0 0 0 4 0 4
1 1 1 1 1 0 0 0 0 0 4 0 4
1 1 1 1 1 0 0 0 0 0 4 0 4
1 1 1 1 1 0 0 0 0 0 4 0 4
0 1 1 1 1 0 0 0 0 0 3 0 3
1 1 1 1 1 1 0 0 0 0 4 0 4
1 1 1 1 1 1 0 0 0 0 4 0 4
1 1 1 1 1 0 0 0 0 0 4 0 4
1 1 1 1 1 0 0 0 0 0 4 0 4
1 1 1 1 1 0 0 0 0 0 4 0 4
83,3 100 100 100 100 16,7 0 0 0 0 Mdia= 3,8333333
Desvio= 0,3892495
Estratificao:
Modelo matemtico hierrquico
Hipteses testadas:
H
0
: Igualdade de talhes
H
0
: Igualdade de caminhes dentro de talhes
H
0
: Igualdade da posio de amostragem na carga

Metodologia Estatstica
OS 5 POR QUS
HISTOGRAMA
Permite uma rpida visualizao da distribuio
dos dados


Histograma
0
2
4
6
8
11 12 13 14 15 16 17 Mais
Bloco
F
r
e
q

n
c
i
a
Freqncia


Operao de escarificao
Histograma de distribuio da profundidade de escarificao, na rea A1
0
5
10
15
20
25
30
35
40
0
,
0
7
5
0
,
1
0
,
1
2
5
0
,
1
5
0
,
1
7
5
0
,
2
0
,
2
2
5
0
,
2
5
0
,
2
7
5
0
,
3
0
,
3
2
5
0
,
3
5
0
,
3
7
5
0
,
4
0
,
4
2
5
M
a
i
s
Profundidade (m)
F
r
e
q

n
c
i
a
-
5,00
10,00
15,00
20,00
25,00
30,00
35,00
40,00
45,00
F
r
e
q

n
c
i
a

r
e
l
a
t
i
v
a

(
%
)
LIE LSE
LIE e LSE limites de especificao
DIAGRAMA DE CAUSA E EFEITO
Depois de sabermos quais so os nossos
problemas precisamos encontrar as suas causas
Cada problema ser um efeito e para encontramos
suas causas podemos utilizar os 6m
Vale a pena ressaltar que 90% das causas so
encontradas (se encaixam) em 4 dos 6m:
Material, mo-de-obra, mtodo, mquina
Outros: meio ambiente, medida



DIAGRAMA DE CAUSAS E EFEITO OU
ESPINHA DE PEIXE
DIAGRAMA DE CAUSA E EFEITO
EFEITO
materiais mtodos mo-de-obra
mquinas medidas meio ambiente
DIAGRAMA DE CAUSA E EFEITO OU
ESPINHA DE PEIXE

FATORES QUE INFLUENCIAM TEOR DE
IMPUREZAS MINERAIS
(Diagrama de Ishikawa)
Impurezas
minerais
(%)
Variedade
Queima
Intens. do
fogo
Chuva
Mdia
Intens. Solo
Formigas
Carregamento
Corte
Nmero
Tipo
Disposio
Pressa
Treinamento
Carregadeira
Pensar globalmente, agir localmente
DIAGRAMA DE PARETO

Depois de estratificado, precisamos priorizar
aquilo que realmente tem peso

Utilizando o Pareto, fica fcil visualizar o que
importante

DIAGRAMA DE PARETO
DIAGRAMA DE PARETO

DIAGRAMA DE PARETO

1 - Demora na entrega
2 - Conserto da pea
3 - Defeito na embalagem
4 - Substituio da pea
5 - Outros
Reclamaes dos Clientes Reclamaes dos Clientes
DIAGRAMA DE PARETO
Devemos gastar energia na barra que apresentar
maior ndice

Na maioria das vezes, tomando medidas para
resolver o que mais importante, os outros
problemas automaticamente desaparecem
DIAGRAMA DE PARETO
Oportunidades e Ameaas
Planejamento Estratgico - Empresa Agrcola
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
3.2 1.1 4.1 2.1 1.3 4.3 3.5 3.1 1.2 7.1
Seqncia2
Seqncia1
80 % dos
votos !
Estuda a correlao entre causa e efeito



DIAGRAMA DE DISPERSO
Investimento em propaganda X
Aumento nas vendas
y = 8,3023x + 170,78
180
280
380
480
580
0 10 20 30 40
Invest. Propaganda (x)
V
e
n
d
a
s

(
y
)
Fatores determinantes dos melhores resultados
-0,20
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
-0,8 -0,6 -0,4 -0,2 0,0 0,2
Custo de Produo

P
r
o
d
u
t
i
v
i
d
a
d
e


Qual o meu grupo?
Seu Grupo
DIAGRAMA DE DISPERSO
DIAGRAMA DE DISPERSO
Relao Escolar & Comum
y = -0,3398x + 196076
145000
150000
155000
160000
165000
170000
175000
180000
185000
190000
60000 70000 80000 90000 100000 110000 120000
Escolar
C
o
m
u
m
Resultado Econmico
-15
-10
-5
0
5
10
15
20
25
30
-15 -10 -5 0 5 10 15 20 25 30 35
Resduos da varivel Th
R
e
s
i
d
u
o
s

d
a

v
a
r
i

v
e
l

S
c

Correlao Residual :
r = 0,999
Teste de Hiptese :
Ho: r=0
H1: (r > 0) ou (r < 0)
Rejeita-se Ho com 99,99%
Diagrama de disperso para resduos das variveis Sc e Th
Controle de Peso do Gabriel
y = -0.0772x + 82.045
R = 0.3182
80.0
80.5
81.0
81.5
82.0
82.5
0 5 10 15 20
Diagrama de
Disperso
Tendncia pode no ser reta:
Parbolas Maximizao
Comportamentos Assintticos
Exemplo: Curva de informao na amostragem,
modelagem no linear.






DIAGRAMA DE DISPERSO
Amostragem Curva de Informao
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
0
20
40
60
80
100
I
n
f
o
r
m
a

o

(
%
)
Tamanho da Amostra
n = 62 N = 15.000 ...
...
GRFICOS DE CONTROLE
Muitas vezes no podemos parar e ficar analisando
dados, nmeros, tabelas, etc
Quando usamos grficos padronizados, o
acompanhamento das metas torna-se mais simples,
fcil e rpido
Depois de definirmos o que vamos controlar, como
coletar os dados e estabelecermos uma meta, o
acompanhamento se torna fcil atravs dos grficos
de controle

GRFICOS DE CONTROLE
LSC=X 3
S
c n
Linha Central =X
LIC=X 3
S
c n
4
4
+

Grficos de Controle para Mdias Aritmticas

1 2 3 4 5 6
20
15
10
5
0
LS = 5,1
X = 3,2
LI = 1,2
Limites
3o
para n = 9
=

Caminhes
I
m
p
u
r
e
z
a
s

m
i
n
e
r
a
i
s

(
%
)

Grfico de controle e anlise exploratria em solo arenoso e seco
1 2 3 4 5 6
40
30
20
10
0
50
Caminhes
I
m
p
u
r
e
z
a
s

m
i
n
e
r
a
i
s

(
%
)

Limites 3o
para n = 9
LS = 8,1
X = 4,5
LI = 0,9
=
Grfico de controle e anlise exploratria em solo argiloso e mido
Comparao com os melhores resultados
1
2
3
4
5
6
7
8
10
11
12
13
14
15
17
18
19
20
22
23
24
25
26
27
28
29
30
31
32
16
21
9
Ocorrncias
C
u
s
t
o

R
$
/
h
a
Benchmarker
Apenas voc sabe o seu cdigo!
Comparao com os melhores resultados
leo
Diesel
Sementes Inseticida Herbicida Ad.
Plantio
Ad.
Cobertura
Mo de
Obra
Itens
C
u
s
t
o

R
$
/
h
a
GRFICOS DE CONTROLE
GRFICOS DE CONTROLE
Grfico de Controle
0
2
4
6
8
10
12
1 2 3 4 5 6
Amostras
V
a
l
o
r
Peas com def eito
LSC
LIC
Nmero mdio
Amostragem Curva de Informao
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
0
20
40
60
80
100
I
n
f
o
r
m
a

o

(
%
)
Tamanho da Amostra
n = 62 N = 15.000 ...
...
Algortimo de Amostragem para
Pesquisa de satisfao
Frmula geral por segmento (estrato) de clientes
n
=
n0 .
1+ 1 * n0
N
N = Tamanho de segmento (nmero
de clientes)

n0 = Tamanho de amostra se N
muito grande (populao infinita
3000 clientes)

n = Tamanho de amostra
por segmento
Segmento com alta heterogeneidade (varincia): n
0
= 100
Segmento com mdia heterogeneidade: n
0
= 50
Segmento com baixa heterogeneidade: n
0
= 25
Dimensionamento de n
o
por
Heterogeneidade de Segmento

Trabalhando com aproximadamente 90% da informao 10%
de erro

Exemplo: Segmento de mdia heterogeneidade, n0= 50 e tamanho de
segmento igual a 40 clientes (N).

n
=
50 = 22.2 22 questionrios nesse segmento
1+ 1 * 50
40


P Produto
(formatao de processos internos)
o que o consumidor
compra e considera de
valor nunca um
produto. sempre a
utilidade, isto , o que o
produto ou servio faz
por ele. E o que de
valor para o
consumidor tudo,
menos o bvio.
Peter Drucker
O Papa da Administrao
ESTIMATIVA DA GRANDEZA DE AMOSTRAS

AMOSTRAGEM
n=
t s
d
1+
1
N
t s
d
2
2
|
\

|
.
|
|
\

|
.
|
n = tamanho da amostra
n
p
= tamanho da amostra piloto; em cada caminho 9 furos, n
p
= 9
t = valor t de Student, com n
p
-1 graus de liberdade e uma confiana
especificada
s = estimativa do desvio padro a partir de amostra piloto
d = margem de erro ou preciso escolhida
N = tamanho da populao
( )
Y t c t f e
ijk
l l
i
l
j
l
i
l
k
l
ijk
l
= + + + +
onde,
l = 1, 2, 3, 4 ndice de varivel de resposta
i = 1, 2 ndice de talho
j = 1, 2, .., 6 ndice de caminho
k = 1, 2, ..., 9 ndice de furo
Y
l
ijk
= % de impurezas minerais no talho i, caminho j
e furo k, para a varivel de resposta l
Modelo Estatstico
Variveis de resposta: % de impurezas minerais
(amostra seca) estimada a partir da concentrao
de Th, Sc, Fe e Hf
Denominadas Th, Sc, Fe e Hf, respectivamente, no
trabalho


Tabela 1. Nveis de confiana, em percentagem,
considerando todas as variveis de resposta e
tcnicas aplicadas, para rejeio da hiptese
H
0
:talho 1 = talho 2
VARIVEIS
TCNICAS
Th Sc Fe Hf
ANOVA-BRUTOS 87 85 44 78
ANOVA-Transformados 99 99 92 75
RANOVA 99 99 88 42