Escolar Documentos
Profissional Documentos
Cultura Documentos
TQT
adapt
MINISTRIO DO
TRABALHO E DA
SOLIDARIEDADE
UNIVERSIDADECATLICAPORTUGUESA
ESCOLASUPERIORDEBIOTECNOLOGIA
FSE
NDICE
1 Introduo
1.1 Fluxograma
11
12
22
24
25
28
30
32
33
44
45
47
51
57
48
60
63
74
1.
Introduo
amostragem aleatria. aqui que comea a interveno da estatstica, interveno essa que
se ir prolongar pelo tratamento e anlise dos dados, pelas concluses e sua generalizao.
O grau de confiana depositado nas inferncias efectuadas poder tambm depois ser
avaliado atravs de mtodos estatsticos.
As ferramentas estatsticas so utilizadas na indstria por se ter a conscincia que ao
remover as causas dos problemas se obtm uma maior produtividade e que a resoluo de
problemas utilizando tcnicas grficas e especficas produz melhores resultados do que os
processos de procura no estruturados. Tais tcnicas, que permitem saber onde esto os
problemas, qual a sua importncia relativa e que alteraes iro provocar os efeitos desejados,
podem ser divididas em quatro grupos distintos:
Grfico de fluxo
Diagrama de Pareto
Diagrama de Ishikawa ou de Causa e Efeito
Folha de verificao
Histograma
Diagrama de disperso
Carta de controlo
b) Ferramentas intermdias
Tcnicas de amostragem
Inferncia estatstica
Mtodos no paramtricos
c) Ferramentas avanadas
Mtodos de Taguchi (desenho de experincias)
Anlises multi-variveis
Anlise de sries temporais
Tcnicas de investigao operacional
d) Ferramentas de planeamento
Desenvolvimento da funo qualidade (QFD)
Anlise modal de falhas e efeitos (AMFE)
Identificao do problema
Diagrama do processo
Anlise do problema
Histograma
Pareto
Grficos
Folha de verificao
Ishikawa
Carta de controlo
1.1
Fluxograma
Incio do processo
Fase do processo
Controlo
Deciso
Final do processo
Exemplo 1
Construir um fluxograma sobre o procedimento de tirar uma fotografia:
Tem
mquina?
Comprar
S
Tem
rolo?
Comprar
S
Escolher o objectivo
Enquadrar
Mquina
automtica?
N
N
Boa luz?
Deixar a mquina
ajustar a velocidade,
abertura e focar
Regular velocidade
Regular abertura
Focar
Tirar a fotografia
N
Tem flash?
S
Ligar
1.2
Diagrama de Pareto
Foi no sculo passado, ao analisar a sociedade, que o economista italiano Alfredo Pareto
concluu que grande parte da riqueza se encontrava nas mos de um nmero reduzido de
pessoas. A partir desta observao, e por tal concluso poder ser generalizada a muitas reas
da vida quotidiana, foi estabelecido o designado mtodo de anlise de Pareto, tambm
chamado mtodo ABC ou dos 20-80%. De uma forma sucinta, este mtodo diz-nos que a
grande maioria dos efeitos devida a um nmero reduzido de causas.
A grande aplicabilidade deste princpio resoluo dos problemas da qualidade reside
precisamente no facto de ajudar a identificar o reduzido nmero de causas que esto muitas
vezes por trs de uma grande parte dos problemas e variaes que ocorrem. Uma vez
identificadas dever-se- proceder sua anlise, estudo e implementao de processos que
conduzam sua reduo ou eliminao.
O princpio de Pareto pode ser usado para diferentes tipos de aplicaes em termos de
qualidade. Assim, uma vez que os problemas da qualidade aparecem normalmente sobre a
forma de perdas (items defeituosos e seus custos), de extrema importncia tentar esclarecer
o porqu da sua ocorrncia. A anlise de Pareto diz que, em muitos casos, a maior parte das
perdas que se fazem sentir so devidas a um pequeno nmero de defeitos considerados
vitais (vital few). Os restantes defeitos, que do origem a poucas perdas, so considerados
triviais (trivial many) e no constituem qualquer perigo srio. Por outro lado, este princpio
pode tambm ser aplicado reduo dos custos de defeitos. Tais custos compem-se
principalmente do custo das reparaes e das rejeies devidos a defeitos nos produtos em
curso de fabrico ou devolvidos pelos clientes. Mais uma vez o que se verifica que uma
pequena poro (cerca de 20%) dos produtos defeituosos ou do nmero de defeitos de uma
mesma produo muitas vezes responsvel pela maior parte (cerca de 80%) do custo global
dos defeitos, quer ao nvel da empresa, quer ao nvel do produto considerado.
na deteco das 20% das causas que do origem a 80% dos efeitos que o que o
diagrama de Pareto se revela uma ferramenta muito eficiente. Trata-se de uma representao
grfica ordenada na qual, para cada causa se representa, sob a forma de barras, a respectiva
consequncia (n. de defeitos, custo, etc.). A elaborao deste tipo de diagrama pode ser
sistematizada da seguinte forma:
2. identificar e listar o tipo de causas que lhe d origem (ex. processo, mquina,
operador, mtodo);
3. recolher dados e, para cada tipo de causa, registar o n. de vezes que estes
contribuem para o efeito em questo;
Exemplo 2
Num processo de fabrico de peas de plstico aparecem os defeitos abaixo indicados
com as respectivas ocorrncias e custos associados. Construir o respectivo diagrama de
Pareto.
Tipo de defeitos
Fissuras
N. de peas defeituosas
10
50
50
56
Falta de material
50
Descolorao
50
Borbotos
24
30
Picadelas
50
Bolhas
Rebarbas
Resoluo:
Tipo de defeitos
N. de peas
defeituosas
% de peas
defeituosas
% acumulada de peas
defeituosas
Rebarbas
56
56
56
Borbotos
24
24
80
Fissuras
10
10
90
Falta de material
93
Descolorao
96
Bolhas
98
Picadelas
100
60
100
90
80
70
40
60
30
50
40
20
30
20
10
% acumulada de peas
defeituosas
N. de peas defeituosas
50
10
0
0
Rebarbas
Borbotos
Fissuras
Falta de material
Descolorao
Bolhas
Picadelas
Tipo de defeitos
Pela anlise do grfico verifica-se que, dos 7 defeitos, 2 deles (29%) so responsveis por 80% do
nmero de peas defeituosas.
Tipo de defeitos
Custo unitrio
reparao/sucata
Custo total
Rebarbas
280
Borbotos
30
720
Fissuras
50
500
Falta de material
50
150
Descolorao
50
150
Bolhas
50
100
Picadelas
50
100
Tipo de defeitos
Custo total
% do custo total
% acumulada
do custo total
Borbotos
720
36
36
Fissuras
500
25
61
Rebarbas
280
14
75
Falta de material
150
7,5
82,5
Descolorao
150
7,5
90
Bolhas
100
95
Picadelas
100
100
800
100
700
90
Custo total
70
500
60
400
50
40
300
30
200
20
100
80
600
10
0
Borbotos
Fissuras
Rebarbas
Falta de material
Descolorao
Bolhas
Picadelas
Tipo de defeitos
Apesar dos borbotos constituirem apenas 24% das peas defeituosas e as fissuras
10% destas, so eles os principais responsveis pela grande maioria dos custos: 36%
dos custos so devidos s peas com borbotos e 25% dos custos s peas com
fissuras. As rebarbas que, como visto atrs totalizavam 56% das peas defeituosas, so
apenas responsveis por 14% dos custos.
10
1.3
11
Exemplo 3
Traar um diagrama de Causa-Efeito para o excesso de consumo de um automvel
Tipo de conduo
Excesso velocidade
Mecnico
Subidas e descidas
Conduo irregular
lcool
Cilindrada
Urgncia
Motor
Excesso carga
lcool
Piso
Mau estado
leo
Velas
Filtros
Tipo e condio
do piso
Pneus
Escape
Manuteno
Aerodinmica
Clima
Presso Trnsito
Altura do ano
/ ms /dia
Excesso de consumo
de combustvel
Condies
atmosfricas
Ambiente exterior
1.4
A anlise dos dados recolhidos ao longo de qualquer processo ir permitir avaliar a forma
como este est a decorrer, bem assim como tirar concluses sobre ele. No entanto, caso o
nmero dos dados recolhidos seja grande, o seu tratamento e anlise tornar-se- difcil a
menos que se recorra a mtodos que permitam a sua fcil ordenao e apresentao. Os
histogramas apresentam-se como um mtodo de simples elaborao que, atravs da
representao grfica do nmero de vezes que determinada caracterstica ou fenmeno
ocorre (distribuio de frequncia), permitem obter uma impresso visual objectiva sobre a
disperso e localizao dos valores recolhidos e, caso a amostra seja representativa, da
12
totalidade da populao. Tais diagramas podem assim ser utilizados para o controlo e melhoria
do processo.
Exemplo 4
Construir um histograma que represente o nmero de clientes de um dado restaurante
ao longo de 15 dias
12
13
10
10
15
11
12
11
14
12
13
12
13
12
13
Tabela de frequncia
Valor
Frequncia absoluta
Frequncia absoluta
acumulada
Frequncia relativa
(%)
Frequncia relativa
acumulada (%)
6,7
6,7
10
||
13,3
20
11
||
13,3
33,3
12
|||||
10
33,3
66,6
13
|||
13
20,0
86,6
14
14
6,7
93,3
15
15
6,7
100
Frequncia absoluta
5
4
3
2
1
0
9
10
11
12
13
14
15
N. clientes
15
10
0
9
10
11
12
N. clientes
14
13
14
15
35
30
25
20
15
10
5
0
9
10
11
12
13
14
13
14
15
N. clientes
100
90
80
70
60
50
40
30
20
10
0
9
10
11
12
15
N. clientes
15
n de classes = 1 +
log N
log 2
ou
n de classes =
Amplitude =
Outra forma possvel ser determinar o nmero de classes em funo do nmero total de
dados recorrendo tabela seguinte
16
N. de observaes
N. de classes
20 a 50
51 a 100
101 a 200
201 a 500
501 a 1000
10
> 1000
11 a 20
Como foi referido, estes mtodos permitem estimar um nmero aproximado de classes a
utilizar. A correcta amplitude de cada uma (e consequentemente o nmero de classes) poder
tambm ser determinada por simples inspeco dos dados da forma que mais convenha para
estabelecer a amplitude dos intervalos (por exemplo de 5 em 5 ou de 0,02 em 0,02) desde
que da no resulte um nmero de classes exageradamente grande ou pequeno que
conduza total perda de definio da forma do histograma.
Exemplo 5
Construir o histograma das frequncias absolutas e frequncias absolutas acumuladas
que represente a variao do dimetro de uma pea
2,525
2,527
2,527
2,534
2,520
2,515
2,533
2,520
2,510
2,543
2,529
2,536
2,518
2,522
2,519
2,542
2,514
2,524
2,532
2,518
2,506
2,538
2,524
2,527
2,530
2,512
2,521
2,510
2,527
2,541
2,543
2,545
2,542
2,522
2,534
2,535
2,517
2,528
2,512
2,528
2,531
2,528
2,540
2,526
2,528
2,522
2,521
2,515
2,519
2,519
2,540
2,535
2,530
2,523
2,519
2,519
2,521
2,523
2,519
2,522
2,526
2,532
2,525
2,510
2,531
2,536
2,523
2,529
2,526
2,532
2,526
2,522
2,511
2,511
2,529
2,529
2,522
2,520
2,502
2,523
2,530
2,522
2,519
2,524
2,523
2,513
2,525
2,522
2,520
2,514
Neste caso existem 90 dados que variam entre 2,502 e 2,545 (amplitude total = 0,043).
Por forma a estabelecer o nmero e a amplitude das classes, de ter em ateno que os
valores 2,502 e 2,545 devem tambm estar includos, pelo que ser razovel que a gama total
coberta pelas classes varie entre 2,500 e 2,550. Ao utilizar as frmulas anteriores para prever
o nmero de intervalos, verifica-se que este pode variar entre 7 (pela tabela) e 9. H tambm
que ter em linha de considerao a melhor forma de estipular a sua amplitude por forma a que
seja lgica a marcao dos seus limites. Por simples inspeco dos valores apresentados
17
parece apropriado fazer uma diviso em classes com uma amplitude de 0,005. Mais uma vez
importante relembrar a necessidade de definir desde logo a natureza dos limites inferiores e
superiores (i.e. abertos ou fechados). Apresenta-se de seguida a tabela de frequncias bem
como os histogramas de frequncias absolutas e frequncias absolutas acumuladas
contruidos a partir desta.
Classe
Frequncia
absoluta
Frequncia
absoluta
acumulada
[2,500;2,505[
[2,505;2,510[
[2,510;2,515[
\\\\\\\\\\
10
12
[2,515;2,520[
\\\\\\\\\\\\
12
24
[2,520;2,525[
\\\\\\\\\\\\\\\\\\\\\\\
23
47
[2,525;2,530[
\\\\\\\\\\\\\\\\\\\
19
66
[2,530;2,535[
\\\\\\\\\\\
11
77
[2,535;2,540[
\\\\\
82
[2,540;2,545[
\\\\\\\
89
[2,545;2,550[
90
25
Frequncia absoluta
20
15
10
5
0
2,500
2,505
2,510
2,515
2,520
2,525
2,530
2,535
2,540
2,545
2,550
Dimetro (cm)
90
Frequncia absoluta acumulada
80
70
60
50
40
30
20
10
0
2,500
2,505
2,510
2,515
2,520
2,525
2,530
Dimetro (cm)
18
2,535
2,540
2,545
2,550
50
45
45
40
40
35
35
30
30
25
25
20
20
15
15
10
10
5
0
0
A
D
Caracterstica
Categoria
60
60
50
50
40
40
30
30
20
20
10
10
0
A
Caracterstica
Caracterstica
Figura 3 - Possveis formas de distribuio que um histograma pode apresentar em torno do valor com maior frequncia
19
80
80
70
70
60
60
50
50
40
40
30
30
20
20
10
10
A B C D E F G H
I J K L M N O
Caracterstica
P Q R
S T U
Caracterstica
Figura 4 - Possveis formas de um histograma em termos de disperso em torno do valor com maior frequncia
20
Outra das utilidades dos histogramas consiste na possibilidade de, dados os limites de
especificao (tolerncias), verificar em que medida essas especificaes esto a ser
obedecidas.
LIE
LSE
Caracterstica
LIE
LSE
Caracterstica
LIE
LSE
Caracterstica
LIE
Caracterstica
LSE
LIE
Caracterstica
LSE
21
X=
xi
n i=1
X = fi xi
i= 1
em que fi representa a frequncia relativa de cada valor xi e n o nmero total de valores cuja
mdia se est a calcular.
No caso dos valores se encontrarem agrupados em J classes o clculo da sua mdia
aproximado atravs da frmula
J
X fj M j
j=1
22
onde fj representa agora a frequncia relativa da classe j cujo ponto mdio (ponto
representativo da classe) Mj. O smbolo utiliza-se precisamente por se considerar o ponto
mdio como representativo da respectiva classe.
10
19
30
31
a mediana ser o valor 7 uma vez que sua direita ficam o mesmo nmero de valores que sua
esquerda (i.e. 4).
No caso do nmero total de valores ser par, a mediana ser a mdia aritmtica dos dois
valores que dividem a srie (previamente ordenada) em dois grupos iguais: Assim, para o
conjunto de valores
2 4 4 5
9 10
15 16 16 20
A ltima medida de tendncia central que interessa para j considerar a moda. Esta
indica o valor ou gama de valores na qual a concentrao dos dados mxima.
Quando os dados amostrais so realizaes de uma varivel discreta, a moda ser o valor
dos dados que ocorre com maior frequncia, isto , o valor que mais se repete. Em ambos os
atrs apresentados existem ento duas modas: no primeiro caso estas so 2 e 7 e no
segundo 4 e 16.
23
amplitude (R) consiste unicamente na diferena entre o valor mximo e o valor mnimo dos n
valores observados e permite ter uma ideia da largura da gama de valores observados.
R = xmax - xmn
A outra medida do grau de disperso dos n valores xi observados o desvio padro (s)
que pode ser calculado atravs da frmula
n
( xi X )
s=
i= 1
n 1
ou
s=
fi ( xi X ) 2
n 1 i= 1
24
cuja mdia vale 4 e a amplitude 7, o seu desvio padro ser calculado da seguinte forma
s=
( 2 4 ) 2 + ( 5 4 ) 2 + ( 8 4 ) 2 + (1 4 ) 2
41
4 + 1 + 16 + 9
3
30
3
= 10 = 3 ,16
Quanto maior for o desvio padro maior ser a disperso dos valores em torno da mdia.
medida que o nmero de dados aumenta (n>30) torna-se, na frmula do desvio
padro, indiferente dividir por n ou por n-1, pelo que vlido fazer a aproximao de n n-1.
Neste caso o desvio padro da amostra (s) tender para o desvio padro da populao (s).
1.5
Diagrama de disperso
25
Figura 6 - Tipos de correlao que se podem obter: (a) positiva, (b) negativa e (c) sem qualquer tipo de correlao
Exemplo 6
Verificar se existe algum tipo de relao entre as alturas e os pesos de um grupo de
pessoas
Altura (m)
Peso (kg)
1,57
60
2,00
95
1,67
66
1,90
85
1,50
45
1,75
78
1,63
64
1,78
75
1,94
92
1,82
80
1,77
75
1,59
60
100
90
80
70
60
50
40
1,4
1,6
1,8
Altura (m)
26
Por simples inspeco do grfico resultante parece ser bvio que o peso
das pessoas parece aumentar com a sua altura tratando-se, por isso, de
uma correlao do tipo positivo. No entanto, e dado que a altura no a
nica condicionante do peso, verifica-se a existncia de situaes em que
uma menor altura implica, no entanto, um maior peso.
27
1,6
1,8
Altura (m)
1.6
Folha de verificao
importante garantir bastante objectividade na recolha de dados sendo para tal, antes
de mais, necessrio definir com preciso quais os dados que necessrio recolher. Avaliar
parmetros ou fazer leituras que no nos interessam apenas conduz a perdas de tempo e a
uma maior confuso em termos do seu armazenamento. Por forma a que isso no acontea
convm dispr de um formulrio/ficha bastante simples e convenientemente elaborado onde
as perguntas para as quais se deseja a resposta se encontram perfeitamente definidas e que
permita a qualquer utilizador identificar correctamente quais os items a medir/registar e em que
altura e sequncia tal dever ser feito.
As folhas de verificao no s facilitam a recolha de dados como tambm a sua
organizao. Com base nelas ser mais fcil posteriormente encontrar dados que sejam
necessrios, bem assim como fazer estudos retrospectivos. No existe uma folha de
verificao standard uma vez que estas devem ser elaboradas em funo do fim a que se
destinam. Na figura 7 d-se o exemplo de uma folha de verificao que poderia ser utilizada na
realizao de ensaios s matrias primas recepcionadas.
28
EMPRESA ABC
Observaes:
O responsvel do DQ:
Observaes:
O responsvel do DP:
Assinatura:
Apreciao global:
29
1.7
Carta de controlo
Um dos mtodos mais utilizados para ficar a conhecer, no s a forma como as causas
comuns provocam variaes nos processos mas tambm de identificar a existncia de causas
especiais, consiste na utilizao de cartas de controlo e foi desenvolvido nos anos 20 pelo Dr.
Walter Shewhart dos laboratrios Bell.
Uma carta de controlo trata-se de um mtodo grfico em que se marcam pontos
representativos de vrias fases consecutivas de um processo, permitindo assim seguir a sua
evoluo. O controlo estatstico do processo (do ingls, S.P.C.) baseia-se na utilizao das
cartas de controlo e o modo de, seguindo essa evoluo, conseguir interpretar as variaes
que ocorrem por forma a se poder decidir se devem ou no ser feitas alteraes.
A primeira fase da construo destes grficos consiste na recolha de uma srie de dados
relativos caracterstica a ser estudada (dimenses, n. de peas defeituosas, n. de defeitos
nas peas produzidas, tempos, etc.). Uma vez que, quer por uma questo de dinheiro como
de tempo, na grande maioria das vezes impossvel fazer o controlo de todas as peas, h
que seleccionar apenas algumas que sejam representativas das restantes (amostragem). Para
ser feito de forma correcta, tal dever seguir um plano e, uma vez que existem vrios tipos de
planos de amostragem disponveis, importante escolher aquele que d mais e melhor
informao. Amostragens bem feitas iro permitir que, verificando apenas uma pequena
quantidade de peas, seja possvel dizer o que se passa com a totalidade delas.
Numa fase seguinte os dados recolhidos devero ser reunidos e, dependendo do tipo
da carta de controlo a usar, convertidos numa forma tal que permita a sua marcao.
A utilizao das cartas de controlo frequentemente vista como um processo de
monitoragem. No entanto, para poderem assumir esse papel, tero antes que ser definidos
quais os limites de controlo para alm dos quais as caractersticas avaliadas do produto,
processo ou servio no podero passar. de ter em ateno que os limites de controlo no
so especificaes limites nem objectivos. De facto, cada caracterstica (por exemplo o
dimetro de um parafuso) tem um valor objectivo em torno do qual, devido s causas comuns,
os valores realmente observados se iro dispr. Consciente de que impossvel que todos
os produtos apresentem esse valor objectivo, o cliente estabelece ainda as especificaes
mximas admissveis (tolerncias) para alm das quais os produtos no devero passar: limites
mximo e mnimo de especificao. Por outro lado, o produtor tem que dispr de meios que
garantam a qualidade e homogeneidade do seu produto. Com esse objectivo marca nas
30
cartas de controlo limites para alm dos quais considera que o seu produto no
suficientemente bom para seguir para o cliente: limite mximo e mnimo de controlo. Estes
limites de controlo utilizados pelo produtor devero ser inferiores aos admitidos pelo cliente
por forma a evitar que cheguem a este produtos fora das especificaes
O conjunto de dados recolhidos que ir constituir a primeira das cartas de controlo
tambm utilizado para, atravs de frmulas baseadas na variabilidade natural do processo e no
plano de amostragem, determinar os limites de controlo das cartas subsequentes. O controlo
e melhoria do processo usando cartas de controlo deve ser encarado como um processo
iterativo em que se repetem as fases fundamentais de recolha de dados, controlo e anlise.
De facto, calculados os limites de controlo com esse primeiro conjunto de dados, se for
evidente a existncia de causas especiais de variao que leve pontos para fora dos limites ou
que tornem evidentes tendncias na variao dos pontos, o processo dever ser estudado
para se conseguir determinar o que o est a afectar e se tomarem depois as devidas aces
para eliminar essas causas especiais. Aps eliminadas, dever-se-o recolher mais dados e
recalcular os limites de controlo, fundamentais para interpretar os dados para o controlo
estatstico.
A partir do momento em que todas as causas especiais tenham sido eliminadas e o
processo se encontrar em controlo estatstico, a carta ir servir de ferramenta de
monitorizao. Sempre que algum ponto saia fora dos limites de controlo ou que apresentem
alguma tendncia marcada de variao, o processo dever ser interrompido e a razo de ser
de tal ocorrncia ser investigada uma vez que no vale a pena estar a produzir peas que
provavelmente iro ter defeitos ou estar fora das especificaes. Identificadas as causas
especiais que levaram ocorrncia destes pontos fora de controlo o processo dever ser
alterado por forma a contornar os problemas que as originaram. O ciclo recomea novamente
medida que mais dados so recolhidos, interpretados e usados como base de actuao.
Nesta fase, o processo poder ser interpretado em termos da sua capacidade. Ser
ento possvel prever a performance do processo podendo, quer o produtor quer o cliente,
confiar em nveis de qualidade consistentes e em custos estveis para atingir esse nvel de
qualidade.
Por outro lado, atingido o controlo estatstico no se deve ficar por a. Caso a variao
oriunda das causas comuns seja excessiva, o resultado do controlo do processo no ir de
encontro s necessidades uma vez que o produto continuar a apresentar pouca
homogeneidade. O processo em si dever ser investigado e corrigido por forma a eliminar
e/ou reduzir essas comuns e, para isso, tipicamente, uma atitude superior a nvel das chefias
31
dever ser tomada para melhorar o sistema. O objectivo que os produtos se tornem cada vez
mais homogneos e, consequentemente, que os limites de controlo se vo tornando mais
estreitos.
As cartas de controlo, que se apresentam assim como uma ferramenta de controlo e de
melhoria do processo, podem ser de dois tipos distintos consoante o controlo que
efectuado: controlo por variveis ou controlo por atributos. Cada um destes tipos de cartas
ser de seguida desenvolvido.
32
1.7.1.1
Como para qualquer outra, a primeira fase de construo de uma carta do tipo
mdias/amplitudes consiste na recolha de dados que, como j anteriormente referido, para
ser feita de uma forma correcta, dever ser baseada num plano. O primeiro passo ser decidir
qual o tamanho das amostras a retirar. Essas amostras devero ser representativas do resto da
produo (populao) e so normalmente constitudas por 4 ou 5 elementos cada.
Uma vez que o objectivo ser detectar as variaes no processo ao longo do tempo, as
amostras devero ser recolhidas suficientes vezes e a tempos apropriados por forma a
poderem refectir as eventuais alteraes que esto a ocorrer (por exemplo: diferenas dos
turnos, variaes de temperatura, lotes de materiais, diferenas entre a produo diurna e
nocturna, etc.). Geralmente 25 grupos so suficientes para construir uma carta de controlo
pois contm j leituras suficientes que permitam avaliar a variabilidade e localizao do
processo.
Ao elaborar uma carta do tipo
superior e a carta das amplitudes imediatamente abaixo. Na figura 8 pode-se ver um exemplo
deste tipo de cartas.
33
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
34
U
A
L
I
D
A
Amplitude
Somatrio
Mdia
X1
X2
X3
X4
X5
LCSX =
LCIX =
LCSR =
AMOSTRA
DATA
HORA
RUBRICA
Especificao:
A
M
P
L
I
T
U
D
E
Freq.:
Subgr.:
Carta N:
Caracterstica:
Pea:
Mquina:
Processo:
G
E
Como se pode ver, no eixo das ordenadas marcam-se as escalas das mdias e das
amplitudes, respectivamente, enquanto que na escala das abcissas se vai marcando a sua
evoluo ao longo do tempo. Na maioria das cartas de mdias e amplitudes, aparecem na
parte inferior e verticalmente abaixo das linhas verticais sobre as quais devem ser marcados os
pontos relativos a cada uma das amostras, espaos disponveis para registar os valores das
vrias leituras para cada uma das amostras sequenciais. Dado que se trata de uma carta de
mdias e amplitudes, existe ainda uma clula para marcar o valor da soma das leituras da
amostra respectiva, bem como a mdia e a amplitude dos seus valores. A mdia e a amplitude
so ento os valores representativos de cada amostra e iro ser marcados nas cartas
respectivas. Para uma amostra (ou subgrupo) constituda por n leituras (por exemplo 5) estas
estatsticas sero calculadas por
x + x + ...+ x
X =
R = xmx xmn
em que x1, x2, ... so os valores individuais, n o tamanho da amostra e xmx e xmn representam,
respectivamente, o valor mximo e o valor mnimo dos n valores da amostra.
Consideremos, a ttulo de exemplo, um conjunto de amostras constituda cada uma por 5
leituras. Para a primeira das amostras, os valores das 5 leituras so
14,2; 14;4; 14,0; 14,3 e 14,2.
X=
e a amplitude por
35
= 14,22
A primeira das colunas na parte inferior do grfico da Figura 8 dever, assim, apresentar a
seguinte aparncia:
AMOSTRA
DATA
8/9
HORA
22 h
RUBRICA
X1
14,2
X2
14,4
X3
14,0
X4
14,3
X5
14,2
Somatrio
71,1
Mdia (X)
14,2
Amplitude (R)
0,4
36
Tabela I
Frmulas a usar na determinao das linhas centrais e limites de controlo para as cartas de controlo por mdias e
amplitudes
Carta R
Carta X
Nestas frmulas,
LCS X =
LC X =
LCI X =
+ A2
LCSR = D4
LCR
- A2
LCIR = D3
das amostras e a mdia das amplitudes das vrias amostras que constituem a carta de controlo
(normalmente 25). Os parmetros A2, D3 e D4 so valores que se encontram tabelados (Tabela
II) e que so funo do tamanho das amostras recolhidas.
Tabela II
Parmetros a utilizar nas frmulas de clculo dos limites de controlo das cartas de controlo por mdias e amplitudes
Grfico R
Grfico X
n
A2
D3
D4
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1,880
1,023
0,729
0,577
0,483
0,419
0,373
0,337
0,308
0,285
0,266
0,249
0,235
0,224
0,212
0,203
0,194
0,187
0,180
0,173
0,167
0,162
0,157
0,153
0
0
0
0
0
0,076
0,136
0,184
0,223
0,256
0,284
0,308
0,329
0,348
0,364
0,380
0,391
0,404
0,414
0,425
0,434
0,443
0,452
0,459
3,267
2,575
2,282
2,115
2,004
1,924
1,864
1,816
1,777
1,744
1,716
1,692
1,671
1,652
1,636
1,621
1,608
1,596
1,586
1,575
1,566
1,557
1,548
1,541
37
As linhas centrais
limites de controlo superior e inferior a tracejado. Por forma a facilitar a sua identificao, a cada
uma das linhas dever-se- fazer corresponder as iniciais dos limites a que correspondem.
Caso a variabilidade no processo seja apenas devida a causas comuns, os pontos
representativos das mdias e das amplitudes das amostras no devero sair fora dos limites de
controlo e dispr-se-o aleatoriamente em torno do valor mdio. Neste caso esses limites
poder-se-o manter como limites de controlo para a carta seguinte. Caso tal no acontea, i.e.
se algum dos pontos ficar fora dos limites de controlo ou caso apresentem alguma tendncia
que possa parecer no natural dever-se- tentar investigar se algo est a correr mal no
processo, corrigir e, aps retirar novas amostras, recalcular os limites de controlo. A alternativa
ser retirar os pontos que se encontram fora de controlo e recalcular os limites com os
restantes pontos. Caso algum dos pontos continue fora dos limites, o processo dever ser
repetido at que tal no acontea. No entanto, se tal no for conseguido ao fim de 2 ou 3
tentativas isso querer significar que a variao a que o processo est sujeito no apenas
devida a causas comuns. Devero tambm existir causas especiais a afectar a sua
performance.
As frmulas e os factores usados para calcular os limites de controlo (Tabelas I e II) foram
determinados de modo a garantir que a variao dentro dos limites de controlo praticamente
devida apenas a causas comuns (existem 3 desvios padres entre cada um dos limites e linha
central, num total de 6 desvios padres o que significa que, se o processo estiver a ser
afectado apenas por causas comuns, 99,73% dos pontos devero ficar entre os limites de
controlo). Deste modo, qualquer ponto fora dos limites de controlo ser de levantar suspeitas
devendo-se prestar especial ateno e tentar averiguar se algo est a correr mal (ex.
inadvertncia dos operadores, mudana de turno, mquina defeituosa, etc.).
No entanto, no so apenas os pontos fora de controlo que devem ser alvo de especial
ateno. Como j se referiu, tambm tendncias no traado dos pontos devero ser foco de
estudo, nomeadamente:
padres oscilantes;
tendncias continuamente crescentes ou decrescentes (7 pontos seguidos
a aumentar ou a diminuir);
padres em zig-zag;
alterao do valor mdio em torno do qual os pontos oscilam;
38
As linhas
X + 2s ou abaixo de X - 2s;
X + 2s e X + s ou entre X - 2s e X - s.
Exemplo 7
Traar as cartas de controlo de mdias e amplitudes para o conjunto de 25 amostras
representadas abaixo. Determinar para cada uma das cartas os limites de controlo e verificar se
o processo est ou no sob controlo estatstico.
Amostra n.
Valores observados
28,0
25,2
26,4
26,2
24,2
26,4
26,6
25,4
26,8
24,2
27,0
25,6
26,0
25,6
24,8
27,8
24,8
26,6
26,2
26,4
26,0
26,0
24,2
24,4
26,6
27,4
24,0
25,0
24,8
24,8
27,8
24,2
25,4
26,8
26,0
26,8
27,2
26,0
24,8
27,0
28,8
24,8
24,4
24,8
25,0
10
26,6
24,8
25,2
25,8
25,6
11
26,6
25,6
26,0
26,0
26,2
12
27,2
25,0
26,6
27,0
25,6
39
(continuao)
Amostra n.
Valores observados
13
26,8
26,6
24,0
26,0
26,2
14
27,8
26,2
27,0
25,2
25,6
15
28,4
25,4
25,8
25,8
25,0
16
27,2
25,2
24,8
25,0
24,4
17
28,0
26,4
24,8
26,0
26,0
18
26,2
25,8
27,0
24,6
25,6
19
29,2
27,4
26,8
24,4
25,0
20
27,8
26,0
26,0
26,4
25,2
21
26,6
25,4
25,2
25,6
25,4
22
27,8
24,8
25,4
24,8
25,6
23
26,4
24,6
25,2
26,2
25,4
24
26,4
25,6
25,6
24,6
25,2
25
26,6
25,6
26,0
24,6
24,4
Numa primeira fase dever-se-o calcular as mdias e amplitudes para cada uma das
amostras:
Amostra n.
Valores observados
28,0
25,2
26,4
26,2
24,2
26,0
3,8
26,4
26,6
25,4
26,8
24,2
25,9
2,6
27,0
25,6
26,0
25,6
24,8
25,8
2,2
27,8
24,8
26,6
26,2
26,4
26,4
3,0
26,0
26,0
24,2
24,4
26,6
25,4
2,4
27,4
24,0
25,0
24,8
24,8
25,2
3,4
27,8
24,2
25,4
26,8
26,0
26,0
3,6
26,8
27,2
26,0
24,8
27,0
26,4
2,4
28,8
24,8
24,4
24,8
25,0
25,6
4,4
10
26,6
24,8
25,2
25,8
25,6
25,6
1,8
11
26,6
25,6
26,0
26,0
26,2
26,1
1,0
12
27,2
25,0
26,6
27,0
25,6
26,3
2,2
13
26,8
26,6
24,0
26,0
26,2
25,9
2,8
14
27,8
26,2
27,0
25,2
25,6
26,4
2,6
15
28,4
25,4
25,8
25,8
25,0
26,0
3,4
16
27,2
25,2
24,8
25,0
24,4
25,3
2,8
40
(continuao)
Amostra n.
Valores observados
17
28,0
26,4
24,8
26,0
26,0
26,2
3,2
18
26,2
25,8
27,0
24,6
25,6
25,8
2,4
19
29,2
27,4
26,8
24,4
25,0
26,6
4,8
20
27,8
26,0
26,0
26,4
25,2
26,3
2,6
21
26,6
25,4
25,2
25,6
25,4
25,6
1,4
22
27,8
24,8
25,4
24,8
25,6
25,7
3,0
23
26,4
24,6
25,2
26,2
25,4
25,6
1,8
24
26,4
25,6
25,6
24,6
25,2
25,5
1,8
25
26,6
25,6
26,0
24,6
24,4
25,4
2,2
O passo seguinte ser calcular o valor mdio das vrias mdias X bem assim como
o valor mdio das amplitudes R . Somando todas 25 e as 25 amplitudes tem-se que
25
25
i=1
i=1
X i = 647 e R = 67,6
e, portanto,
X = 25,9 e R = 2,7
Aplicando agora as frmulas para a determinao dos limites de controlo para cartas
do tipo X /R temos que, dado que o tamanho da amostra 5, da tabela III A2 = 0,577, D3
= 0 e D4 = 2,115 e, portanto:
41
42
43
3
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
27,8
24,8
26,6
26,2
26,4
26,0
26,0
24,2
24,4
26,6
27,4
24,0
25,0
24,8
24,8
27,8
24,2
25,4
26,8
26,0
26,8
27,2
26,0
24,8
27,0
28,8
24,8
24,4
24,8
25,0
26,6
24,8
25,2
25,8
25,6
27,2
25,0
26,6
27,0
25,6
26,8
26,6
24,0
26,0
26,2
27,8
26,2
27,0
25,2
25,6
28,4
25,4
25,8
25,8
25,0
27,2
25,2
24,8
25,0
24,4
28,0
26,4
24,8
26,0
26,0
26,2
25,8
27,0
24,6
25,6
29,2
27,4
26,8
24,4
25,0
27,8
26,0
26,0
26,4
25,2
26,6
25,4
25,2
25,6
25,4
27,8
24,8
25,4
24,8
25,6
26,4
24,6
25,2
26,2
24,4
26,4
25,6
25,6
24,6
25,2
26,6
25,6
26,0
24,6
24,4
26,1 26,3 25,9 26,4 26,0 25,3 26,2 25,8 26,6 26,3 25,6 25,7 25,6 25,5 25,4
1,0 2,2 2,8 2,6 3,4 2,8 3,2 2,4 4,8 2,6 1,4 3,0 1,8 1,8 2,2
26,6
25,6
26,0
26,0
26,2
26,0 25,9 25,8 26,4 25,4 25,2 26,0 26,4 25,6 25,6
3,8 2,6 2,2 3,0 2,4 3,4 3,6 2,4 4,4 1,8
27,0
25,6
26,0
25,6
24,8
26,4
26,6
25,4
26,8
24,2
28,0
25,2
26,4
26,2
24,2
Amplitude
X1
X2
X3
X4
X5
Somatrio
Mdia
AMOSTRA
DATA
HORA
RUBRICA
LCSX =
LCIX =
LCSR =
24,5
25
Especificao:
A
M
P
L
I
T
U
D
E
25,5
Freq.:
Subgr.:
26
Carta N:
26,5
Caracterstica:
27
27,5
Pea:
Mquina:
Processo:
G
E
1.7.1.2
pela qual se usam muito frequentemente as cartas de amplitudes (R) como medida da variao
do processo o facto da amplitude (R) ser um parmetro bastante fcil de calcular alm de se
mostrar relativamente eficiente para amostras de pequenos tamanhos (n<9). Apesar de se
apresentar como um indicador muito mais eficiente
da variabilidade do processo
especialmente para amostras de tamanho superior, o desvio padro (s) , no entanto, muito
menos utilizado que a amplitude. Tal deve-se maior complexidade do seu clculo e sua
menor sensibilidade na deteco da existncia de causas especiais de variao. Uma vez que
se esto a analisar amostras, se apenas um dos pontos apresentar um valor atpico, este
passar muito mais despercebido ao utilizar o desvio padro como medida de amplitude do
que se utilizar R.
Como j visto anteriormente, o desvio padro que caracteriza uma amostra constituda
pelos valores x1, x2, , xn calculado atravs da frmula
n
( xi X )
s=
i= 1
n 1
X /s
Tabela III
Frmulas a usar na determinao das linhas centrais e limites de controlo para as cartas de controlo por mdias e
desvios padro
Carta s
Carta X
LCS X = X + A3 s
LCSs = B4 s
LC X = X
LCs
LCI X = X - A3 s
LCIs = B3 s
44
= s
em que
mdias das diversas amostras. A3, B3 e B4 so constantes que variam com o tamanho da
amostra. Estas encontram-se registadas na Tabela IV.
Tabela IV
Parmetros a utilizar nas frmulas de clculo dos limites de controlo das cartas de controlo por mdias e desvios
padro
Grfico s
Grfico X
n
A3
B3
B4
2,66
3,27
1,95
2,57
1,63
2,27
1,43
2,09
1,29
0,03
1,97
1,18
0,12
1,88
1,10
0,19
1,82
1,03
0,24
1,76
10
0,98
0,28
1,72
1.7.1.3
As cartas de controlo por medianas so uma alternativa utilizao das cartas de controlo
por mdias e amplitudes. Este tipo de cartas, mais apropriadas quando a amostra apresentam
um tamanho inferior a 10 e, preferencialmente, mpar, so mais fceis de utilizar uma vez que
no requerem muitos clculos.
45
Tabela V
Frmulas a usar na determinao das linhas centrais e limites de controlo para as cartas de controlo por medianas e
amplitudes
Carta
~=
LCS X
~
X
~ =
LC X
~
X
~ =
LCI X
~
X
~
X
Carta R
~
A2 R
LCSR = D4
LCR
~
A2 R
LCIR = D3
~
X e R representam, respectivamente, a mdia das medianas e a mdia das amplitudes das
diversas amostras. Os factores
~
A 2 , D3 e D4 necessrios para o clculo dos limites de controlo
Tabela VI
Parmetros a utilizar nas frmulas de clculo dos limites de controlo das cartas de controlo por medianas e
amplitudes
Grfico R
Grfico X
n
~
A2
D3
D4
1,88
3,27
1,19
2,57
0,80
2,28
0,69
2,11
0,55
2,00
0,51
0,08
1,92
0,43
0,14
1,88
0,41
0,18
1,82
10
0,36
0,22
1,78
46
1.7.1.4
Tabela VII
Frmulas a usar na determinao das linhas centrais e limites de controlo para as cartas de controlo por valores
individuais e amplitudes mveis
Carta Xi
Xi e R
LCSXi=
Xi
LCXi =
Xi
LCIXi =
Xi
Carta Rm
LCSRm = D4
+ E2 R
LCRm
Rm
LCIRm = D3
- E2 R
Rm
diversas amplitudes mveis. Os factores E2, D3 e D4 necessrios para o clculo dos limites de
controlo encontram-se na Tabela VIII.
Tabela VIII
47
Parmetros a utilizar nas frmulas de clculo dos limites de controlo das cartas de controlo por valores individuais e
amplitudes mveis
Grfico Xi
n
Grfico Rm
E2
D3
D4
2,66
3,27
1,77
2,57
1,46
2,28
1,29
2,11
1,18
2,00
1,11
0,08
1,92
1,05
0,14
1,86
1,01
0,18
1,82
10
0,98
0,22
1,78
48
49
10
11
12
13
14
15
16
17
18
19
20
21
22
LCS =
LC =
LCI =
23
24
25
O
D
A
Q
50
U
A
L
I
D
A
D
Proporo
(p, u)
np
Nmero
(np, c)
Freq.:
Tam. mdio amostra:
Tamanho da
amostra (n)
Carta N:
DATA
HORA
RUBRICA
Pea:
Caracterstica:
AMOSTRA
Mquina:
Processo:
G
E
De seguida ir-se-o analisar as diferenas entre cada um dos tipos de cartas de controlo acima
mencionados.
1.7.2.1
Tabela IX
Frmulas a usar na determinao das linhas centrais e limites de controlo para as cartas de controlo do tipo np e do
tipo p
Carta np
Carta p
L CSnp = np + 3 np (1 p)
L CSp = p + 3
L C np = np
L Cp = p
L C Inp = n p 3 np (1 p )
L C Ip = p 3
51
p(1-p)
p(1-p)
Exemplo 8
Determinar os limites de controlo para o conjunto de dados representados abaixo e, por
simples inspeco, avaliar se o processo se encontra ou no em controlo estatstico.
Amostra n.
Tamanho do subgrupo n
100
100
100
100
100
100
100
100
100
10
100
11
100
12
100
13
100
14
100
15
100
16
100
17
100
18
100
19
100
20
100
21
100
22
100
23
100
24
100
25
100
Total
= 2500
pn = 68
Uma vez que neste caso o tamanho da amostra constante (n=100) ser mais apropriado
utilizar uma carta de controlo do tipo np para o nmero de unidades defeituosas.
52
68
2500
= 0,0272
68
2500
= 2 ,72
Aplicando agora as frmulas cima para a determinao dos limites de controlo teremos
que
L CS = pn + 3 pn(1 p ) = 2 ,72 + 3 2 ,72 (1 0, 0272) = 7 , 6
LC = pn = 2 ,72
LCI = p n 3 pn(1 p ) = 2, 72 3 2,72 ( 1 0 , 0272) = 2, 2
Dado no fazer sentido ter um limite de controlo inferior negativo considera-se, neste
tipo de casos, que o LCI vale 0. Desta forma, para o processo se encontrar em controlo
estatstico, o nmero de peas defeituosas em cada uma das amostras recolhidas ter que
estar entre 7 (arredonda-se para o inteiro imediatamente inferior) e 0) o que, por anlise dos
valores da tabela, de facto acontece.
53
Exemplo 9
Determinar os limites de controlo para o conjunto de dados representados abaixo e, por
simples inspeco, avaliar se o processo se encontra ou no em controlo estatstico.
Amostra n.
Tamanho do subgrupo n
724
48
763
83
748
70
748
85
724
45
727
56
726
48
719
67
759
37
10
745
52
11
736
47
12
739
50
13
723
47
14
748
57
15
770
51
16
756
71
17
719
53
18
757
34
19
760
29
Total
= 14 091
pn = 1030
54
Amostra n.
Tamanho do subgrupo
np
724
48
0,066
763
83
0,109
748
70
0,094
748
85
0,114
724
45
0,062
727
56
0,077
726
48
0,066
719
67
0,093
759
37
0,049
10
745
52
0,070
11
736
47
0,064
12
739
50
0,068
13
723
47
0,065
14
748
57
0,076
15
770
51
0,066
16
756
71
0,094
17
719
53
0,074
18
757
34
0,045
19
760
29
0,038
Total
= 14 091
pn = 1030
1030
= 0 ,073
14091
O valor obtido por ambos os processos dever ser aproximadamente o mesmo a menos
de algumas diferenas nas casas decimais devidos aos arredondamentos efectuados no
clculo dos valores de p para cada amostra.
55
Outra questo se pe agora: que valor de n considerar para a determinaos dos limites
de controlo?
A forma mais correcta de proceder ser, para cada caso, considerar o tamanho da amostra
(n) correspondente. Desta forma os limites de controlo superior e inferior iro ser diferentes
de amostra para amostra devido aos diferentes valores de n utilizados. Tal como se v no
grfico seguinte os limites so agora representados por segmentos de recta para cada
amostra.
Amostra n.
Tamanho
L CSp = p + 3
p(1-p)
L C Ip = p 3
724
0,102
0,044
763
0,101
0,045
748
0,102
0,044
748
0,102
0,044
724
0,102
0,044
727
0,102
0,044
726
0,102
0,044
719
0,102
0,044
759
0,101
0,045
10
745
0,102
0,044
11
736
0,102
0,044
12
739
0,102
0,044
13
723
0,102
0,044
14
748
0,102
0,044
15
770
0,101
0,045
16
756
0,101
0,045
17
719
0,102
0,044
18
757
0,101
0,045
19
760
0,101
0,045
p(1-p)
Nos casos em que o tamanho da amostra no difere muito de caso para caso admissvel
considerar o tamanho mdio da amostra como base de clculo (de facto isso que se costuma
fazer na prtica). No caso presente teremos ento que, para um tamanho mdio da amostra de
742 (mais exactamente 741,6) os limites de controlo superior e inferior sero, respectivamente,
0,102 e 0,044.
56
1.7.2.2
57
58
6
10
11
12
13
14
15
16
17
18
19
21
22
23
24
25
0,066 0,109 0,094 0,114 0,062 0,077 0,066 0,093 0,049 0,070 0,064 0,068 0,063 0,076 0,066 0,094 0,074 0,045 0,038
20
Proporo
(p, u)
Nmero
(np, c)
724 763 748 748 724 727 726 719 759 745 736 739 723 748 770 756 719 757 760
Tamanho da
amostra (n)
RUBRICA
AMOSTRA
DATA
HORA
0,02
0,04
LCI =
LCS =
LC =
0,06
0,08
np
0,10
Freq.:
0,12
Carta N:
0,14
Caracterstica:
Processo:
0,16
Pea:
Mquina:
G
E
Tabela X
Frmulas a usar na determinao das linhas centrais e limites de controlo para as cartas de controlo do tipo c e do
tipo u
Carta c
Carta u
LCSc = c + 3 c
LCSu = u + 3
LCc = c
LC u = u
LCI c = c 3 c
LCI u = u 3
u
n
u
n
Exemplo 10
Determinar os limites de controlo para o conjunto de dados representados abaixo e, por
simples inspeco, avaliar se o processo se encontra ou no em controlo estatstico.
N. amostra
N. de montagens
inspeccionadas
N. total de defeitos
encontrados
10
30
18
10
20
24
15
26
21
10
Total:
26
182
59
Como o tamanho da amostra varivel, ter-se- que construir uma carta do tipo u
para o que , antes de mais, necessrio determinar o nmero de defeitos por montagem
inspeccionada.
N. amostra
N. de montagens
N. total de defeitos
inspeccionadas
encontrados
10
30
7,5
18
10
10
20
6,7
24
15
7,5
26
6,5
21
10
Total:
26
182
60
As amostras devem ser recolhidas ao longo de vrios turnos, com uma cadncia
descontnua por forma a no excluir quaisquer alteraes do processo resultantes da
utilizao de diferentes materiais, operadores, mquinas, tempos de medio, etc.
Depois de recolhidos, registados e tratados os valores, determinam-se os chamados
ndices de capacidade do processo Cp e Cpk:
Cp =
LSE LIE
6 si
e
Mn LSE X; X LIE
C pk =
3 si
R
d2
onde d2 uma constante que depende do tamnho da amostra considerada tal como se
mostra na Tabela XI
Tabela XI
Variao da constante d2 com o tamanho da amostra
d2
1,128
1,693
2,059
~2,326
2,534
2,704
2,847
2,970
10
3,078
61
O ndice Cp relaciona a disperso dos valores com a tolerncia especificada, isto , mede
a variabilidade do processo. Por outro lado, o Cpk compara simultaneamente o seu acerto ou
regulao (medida central) e a sua variabilidade relativamente tolerncia.
A capacidade do processo ser considerada satisfatria se quer o Cp quer o Cpk forem
superiores a 1,33. Nesta situao garante-se que a disperso dos valores est toda contida
nos 4s da curva de disperso normal e que, para alm disso, o processo se encontra
centrado em torno do valor ptimo. Se algum destes parmetros for inferior a 1,33, devero
ser tomadas aces (usualmente a nvel da gerncia) para trazer o processo para prximo
dos valores ptimos desejados bem assim como para reduzir a sua variabilidade.
62
Fluxogramas
Diagramas de Pareto
Existncia de manchas
Tipo de corte
Qualidade do tecido
60
Tamanho
Existncia de furos
Cr
20
Mudana de endereo
Falecimento
No levantado
63
Operador
Mquina
1
A
Segunda
Tera
Quarta
Quinta
Sexta
**
oo
*
ooo
*****
oooo
*
ooo
*
oooo
##
+
##
+
##
###
*
o
**
oo
*****
oo
*
o
**
o
*****
o
*
o
*
oo
#
+
****
oo
#
*
oo
#
**
o
*
o
*
oo
*
o
#
+
deformao
* peso
o dureza
# picada
+ humidade
Tipo de defeitos
riscos
picadas
deformao
descolorao
dimenso errada
Frequncia
Custo unitrio
30
20
10
10
15
15
15
60
30
60
64
Histogramas
17
20
19
17
17
19
18
16
25
18
23
17
17
17
18
18
17
18
22
22
16
20
20
65
N. coroas
Frequncia
20
76
121
144
82
57
301,19
301,11
299,68
298,49
303,66
299,95
298,72
298,56
299,70
298,34
298,07
297,59
299,57
297,87
298,23
299,20
303,76
299,19
300,12
298,73
299,75
299,83
300,14
299,12
302,04
299,70
298,86
299,75
299,60
302,10
299,76
303,49
301,05
301,35
299,70
298,29
300,96
300,84
301,63
302,00
300,24
298,65
300,86
301,81
303,07
299,55
300,52
298,34
298,11
300,83
302,17
298,61
301,99
299,26
298,35
299,13
298,00
302,39
298,85
298,36
303,91
299,08
299,18
300,48
300,86
297,72
299,38
299,83
297,99
299,07
298,76
298,98
299,07
299,48
298,94
297,47
304,22
302,85
302,45
302,83
299,07
305,13
297,84
300,20
301,59
298,16
300,02
301,33
299,16
300,80
Sabendo que o valor de peso especificado para cada pacote de 300 2 gramas,
que concluses pode tirar atravs da anlise do respectivo histograma?
66
Dia
Padeiro
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
A
A
A
B
B
A
A
B
B
B
A
B
B
A
A
A
B
B
B
A
Mquina 1
209,2
208,5
204,2
204,0
209,6
208,1
205,2
199,0
197,2
199,1
204,6
214,7
204,1
200,2
201,1
201,3
202,3
194,1
204,8
200,6
209,5
208,7
210,2
203,3
203,7
207,9
204,8
197,7
210,6
207,2
207,0
207,5
196,6
205,5
209,2
203,1
204,4
211,0
201,3
202,3
Mquina 2
210,2
206,2
210,5
198,2
213,2
211,0
198,7
202,0
199,5
200,8
200,8
205,8
204,6
208,0
205,5
196,3
202,1
208,4
208,4
204,3
212,0
207,8
205,9
199,9
209,6
206,2
205,8
213,1
215,3
201,2
204,6
200,9
199,4
202,7
200,0
205,5
206,6
202,6
212,3
201,4
214,3
215,3
215,7
212,5
208,4
212,3
208,1
207,5
206,9
209,6
212,2
211,4
209,6
203,5
209,1
208,0
210,0
215,6
214,5
209,1
221,8
216,7
213,8
210,2
214,9
216,2
211,9
209,9
207,1
209,5
209,8
211,2
209,2
206,9
206,3
207,9
209,4
211,8
207,5
205,8
214,6
212,3
215,2
211,3
212,8
208,4
212,9
210,6
213,6
206,8
207,6
214,4
206,1
210,6
209,8
205,3
209,1
205,4
212,9
212,0
214,4
212,0
202,7
210,4
214,8
210,8
209,0
212,3
212,2
214,2
212,6
212,6
207,1
212,3
211,4
203,6
207,0
209,0
204,3
204,2
Diagramas de disperso
67
Data
Presso de ar
(kgf/cm2)
% garrafas
defeituosas
Data
Presso de ar
(kgf/cm2)
% garrafas
defeituosas
1/10
8,6
0,889
22/10
8,7
0,892
2/10
8,9
0,884
23/10
8,5
0,877
3/10
8,8
0,874
24/10
9,2
0,885
4/10
8,8
0,891
25/10
8,5
0,866
5/10
8,4
0,874
26/10
8,3
0,896
8/10
8,7
0,886
29/10
8,7
0,896
9/10
9,2
0,911
30/10
9,3
0,928
10/10
8,6
0,912
31/10
8,9
0,886
11/10
9,2
0,895
1/11
8,9
0,908
12/10
8,7
0,896
2/11
8,3
0,881
15/10
8,4
0,894
5/11
8,7
0,882
16/10
8,2
0,864
6/11
8,9
0,904
17/10
9,2
0,922
7/11
8,7
0,912
18/10
8,7
0,909
8/11
9,1
0,925
19/10
9,4
0,905
9/11
8,7
0,872
Cartas de controlo
68
N. de batch
Viscosidade
33,75
33,05
34,00
33,81
33,46
34,02
33,68
33,27
33,49
10
33,20
11
33,62
12
33,00
13
33,54
14
33,12
15
33,84
69
Amostra n.
Data
Leituras
2/2
52,5
52,9
52,9
53,5
3/2
53,0
52,8
53,5
52,4
4/2
52,8
52,9
52,7
52,8
5/2
52,9
52,9
52,9
52,9
6/2
52,8
52,9
52,7
53,1
9/2
52,6
53,4
53,1
53,3
10/2
53,5
53,6
52,8
52,7
11/2
53,1
53,3
53,5
53,0
12/2
53,4
53,1
53,1
53,1
10
13/2
53,2
53,4
53,1
52,9
11
16/2
53,4
53,0
53,9
53,1
12
17/2
52,8
52,9
53,2
53,2
13
18/2
53,2
53,3
52,9
53,1
14
19/2
53,5
52,9
54,0
53,9
15
20/2
54,3
53,6
53,6
53,8
16
23/2
53,2
53,3
54,0
53,7
17
24/2
53,8
54,0
53,8
53,8
18
25/2
53,1
53,6
53,7
53,8
19
26/2
53,7
53,8
53,0
53,5
20
27/2
53,3
53,1
53,6
53,0
21
1/3
53,3
53,7
53,3
53,8
22
2/3
53,1
53,1
53,2
53,1
23
4/3
53,6
53,4
53,2
53,0
24
5/3
53,4
53,7
53,0
53,2
25
6/3
53,3
53,2
53,5
53,4
70
N. da
amostra
Tamanho da
amostra
N. de defeitos
na amostra
100
12
80
80
100
110
10
110
12
100
11
100
16
90
10
10
90
11
110
20
12
120
15
13
120
14
120
15
110
16
80
17
80
10
18
80
19
90
20
100
21
100
22
100
23
100
10
24
90
25
90
71
Amostra
N. de defeitos por m2 de
madeira
10
11
12
13
14
15
16
17
18
19
20
72
Data
Tamanho da
amostra
N. de defeitos
na amostra
13/8
1524
70
14/8
1275
53
15/8
1821
132
16/8
1496
91
17/8
1213
32
18/8
1371
55
19/8
1248
69
20/8
1123
67
21/8
1517
159
22/8
1488
94
23/8
2052
105
24/8
1696
37
25/8
1427
58
26/8
1277
75
27/8
1613
73
28/8
1987
145
29/8
1360
41
30/8
1439
50
31/8
1723
118
1/9
2035
169
2/9
1314
88
3/9
215
24
4/9
1384
77
5/9
1995
185
6/9
467
36
73
2.
Bibliografia
Controle da Qualidade Total, Volume III, Feigenbaum, A.V., Makron Books, So Paulo
(1994).
Mtodos Estatsticos para Melhoria da Qualidade, Kume, H., Editora Gente, Rio de
Janeiro (1993).
Statistical Process Control (SPC) - Reference Manual, Chrysler Corporation, Ford Motor
Company and General Motors Corporation (1995).
74
TQT