Aplicação Dos Conceitos de Controle Estatístico

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.ufsc.br ISSN 1676 - 1901 / Vol. 7/ Num.
2/ agosto 2007
Aplicao dos conceitos de Controle Estatstico de Processo (CEP) em uma indstria de fundio do Norte Catarinense
Application of the concepts of Statistical Control of Process (CEP) in an industry of casting of the Catarinense North
Gueibi Peres Souza Msc. Doutorando do PPGEP Universidade Federal de Santa Catarina Departamento de Engenharia de Produo e Sistemas Rod. Admar Gonzaga, 1623, Apto. 102 Bl 2 Itacorubi, Fpolis - SC Brasil 88034001 (48) 331-7027 gueibi@deps.ufsc.br
Manoel Domingos Filho Msc. Doutorando do PPGEP Universidade Federal de Santa Catarina Departamento de Engenharia de Produo e Sistemas Rua Jos Henrique Veras 431 Lagoa da Conceio, Fpolis - SC Brasil 88032-060 (48) 331-7027 manoeld@deps.ufsc.br
Robert W. Samohyl, Ph.D Professor do PPGEP Universidade Federal de Santa Catarina Departamento de Engenharia de Produo e Sistemas Rod. Tertuliano de Brito Xavier, 23252 Colinas de S. Francisco, Apto. 101 Bl Yrup Canasvieiras, Fpolis - SC Brasil 88054-601 (48) 331-7027 samohyl@deps.ufsc.br
64
Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.ufsc.br ISSN 1676 - 1901 / Vol. 7/ Num. 2/ agosto 2007
RESUMO O objetivo desse artigo realizar um estudo de caso em uma indstria de fundio, localizada no Estado de Santa Catarina, aplicando conceitos bsicos de Controle Estatstico de Processo (CEP). Mais precisamente, nosso objetivo consiste em analisar a qualidade e a capacidade de produo da indstria, visando identificar particularidades e caractersticas do processo, assim como oportunidades de melhorias teis aos operadores e responsveis pelo monitoramento do processo na empresa, ou mesmo para outras pessoas que trabalhem e lidem com processos similares. Nesse estudo, utilizamos alguns dos principais tipos de grficos de controle j consagrados na literatura, tais como o grfico de controle para observaes individuais; o grfico da amplitude mvel; o grfico da mdia mvel exponencialmente ponderada e o grfico da soma cumulativa. O trabalho limita-se apenas a realizar anlises estatsticas sobre os dados fornecidos para estudo e possivelmente construir conjecturas baseadas nas informaes transmitidas pela empresa, esperando e acreditando na fidedignidade e veracidade das mesmas, sem, no entanto desprezar toda e qualquer informao e/ou inferncia adquirida a partir de um olhar mais tcnico cientfico e no tanto emprico dos dados. Nesse artigo, ns no temos a pretenso de desenvolver mtodos e modelos estatsticos mais robustos para realizar tal estudo. Palavras-chave: Grficos da Soma Cumulativa; Grfico da Mdia Mvel Ponderada Exponencialmente; ndice de Capacidade de Processo. ABSTRACT This paper aims to apply the zip code concept in real data of a casting industry in Santa Catarina, in order to identify features and particularities of this process, as well as improving useful qualities for employees who monitories the company procedure, or even other people who work and deal with similar processes. The paper uses basically the construction of control charts, which are more suitable to the sample collecting features made in the company, besides calculating its capacity, what brings interesting issues for the main identified problems which must be improved. The paper limits to perform statistical analysis and consequently to build conjectures based on the information provided by the company, believing in the veracity of it, without setting aside any information or inference acquired through a more scientific, technical approach, not just empirical, of the data. This is the way theoretical concepts found in literature and practical procedures watched in the company will be discussed, always aiming for validations that indicate the route of new researches, as well as exploring new opportunities decurrently of the adoption of other procedures. Key Words: Cumulative-Sum Control Chart; Exponentially Weighted Moving Average Control Chart; Process Capability Ratios.
65
1.
INTRODUO
Uma indstria de fundio que produz blocos para veculos automotores, situada no Norte do Estado de Santa Catarina, fornece seus produtos a grandes nomes da indstria automotiva mundial, portanto, atua em um mercado bastante competitivo, onde a qualidade um aspecto qualificador e tambm ganhador de pedidos. Aplicando-se conceitos de controle estatstico de processo (CEP), por exemplo, em produtos tidos como estratgicos pela empresa, possvel se identificar diretrizes que levem a uma maior qualidade a ser percebida por parte do cliente. Um dos produtos considerados como estratgico, por j estar consolidado no mercado, sendo inclusive tradicional na fundio da empresa, um determinado bloco de motor para caminhes a diesel. Um dos aspectos em que medida sua qualidade atravs de sua dureza, ou seja, de seu grau de resistncia trao, tendo como unidade de medida o Mega Pascal (Mpa). O processo de avaliao da qualidade das unidades produzidas requer um teste destrutivo do corpo de prova. O mesmo exige que o bloco seja cortado, para que se retire o(s) corpo(s) de prova que sero usinados e em seguida submetidos a um ensaio de trao com limite mnimo de especificao de 230 Mpa. Devido a esta particularidade do processo de inspeo, a coleta de amostras se d de forma unitria. Outros aspectos que corroboram para que se adote este tipo de amostragem o fato das grandes dimenses do bloco, o que dificulta seu manuseio, alm do fato de que ele s pode ser submetido ao ensaio de trao aps estar resfriado (variando entre 45 e 240 minutos aps sua fundio, dependendo das condies locais de temperatura), o que inviabiliza uma inspeo antes que todo o lote seja produzido. O processo de inspeo se d sempre com o primeiro bloco do lote que produzido, se sua propriedade de dureza respeitar o valor crtico o lote aceito, caso contrrio segue-se um procedimento que admite a existncia de problemas com o(s) corpo(s) de ensaio, o que pode ser visualizado na figura 1.
66
C o le t a r o p r im e ir o b lo c o d o lo t e E x t r a ir o c o r p o d e p ro va U s in a r o c o r p o d e p ro va R e a l iz a r o e n s a io d e tra o
R esu lta d o < L IE
R e je it a r o lo t e R e je it a r a A m o stra
C o m p arar o r e s u lt a d o d o e n s a io co m L IE
R esu lta d o > L IE
A c e it a r o lo t e
C o le t a r o s e g u n d o e o t e r c e ir o b lo c o d o lo t e
Figura 1 Fluxograma do Processo de Inspeo. Fonte: Autores.
2.
APRESENTAO DOS DADOS
Os dados dos resultados dos testes de trao fornecidos pela empresa, foram acessados atravs do Ncleo de Normalizao e Qualimetria (NNQ) da Universidade Federal de Santa Catarina (UFSC), os quais correspondem a ensaios de trao realizados na linha de fundio, sempre que ocorreram produes, durante todo o ano de 2004. Estes dados esto apresentados na sua forma original no quadro 1, possuindo freqncia amostral de um bloco/dia.
67
Quadro 1: Trao de Blocos (Mpa)

Amostra 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Trao 279 256 266 267 248 259 264 250 247 264 263 251 238 235 248 266 276 239 264 246 267 257 248 246 268 274 257 257 Amostra 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 Trao 251 253 241 269 255 250 258 252 249 260 232 253 251 255 250 267 257 247 253 245 265 252 276 270 261 263 264 254 Amostra 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 Trao 252 261 239 243 270 253 240 284 258 235 258 252 278 237 260 272 264 265 268 283 253 255 277 256 273 277 247 265 Amostra 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 Trao 231 250 273 278 282 270 264 251 248 252 262 261 269 241 255 249 239 251 256 261 281 263 285 247 271 259 245 264 Amostra 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 Trao 245 247 238 252 259 269 254 274 274 272 278 245 267 263 252 269 270 263 230 253 251 235 260 264 262 272 242 251 Amostra 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 Trao 262 250 268 260 246 237 264 265 267 274 282 256 269 255 260 270 255 267 265 266 258 247 257 253 272 249 269 250 Amostra 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 Trao 261 256 259 263 265 257 262 271 283 247 251 256 237 240 258 255 253 -
Fonte: Empresa.
3.
ESTUDOS PRELIMINARES
Para que se possa ter uma viso geral do comportamento estatstico destes dados e as possibilidades de aplicao de conceitos especficos de CEP, foram realizados testes objetivando verificar a presena de normalidade na distribuio da srie e/ou a existncia de autocorrelao serial. Foram tambm realizadas estimativas da mdia e do desvio padro dos resultados coletadas ao longo dos 185 dias.
68
Os resultados obtidos, visualizveis nas figuras 2 e 3, foram de que os dados seguem uma distribuio normal, possibilitando, portanto, a aplicao de grficos de controle do tipo Shewhart, e de outros grficos alternativos que so comumente utilizados quando as amostras forem unitrias, tais como CUSUM e EWMA. A utilizao dos grficos de Shewhart se justifica pela simplicidade de construo e de interpretao dos resultados. A introduo do conceito de grfico de controle foi dado por Walter A. Shewhart em 1924, com o objetivo de controlar a variabilidade do processo na empresa Bell Laboratories. Particularmente o autor apresentou os grficos de controle da mdia e do desvio padro amostral. Esses grficos consistem de uma linha central (mdia do processo), e duas linhas paralelas a esta, chamadas de limites inferior (LIC) e superior de controle (LSC). Todos os grficos de controle construdos com essa mesma filosofia so denominados de grficos de Shewhart. Infelizmente esses grficos so ineficientes para detectar pequenas alteraes na mdia do processo motivo pelo qual estamos aplicando outros tipos de grficos de controle em nosso estudo. Quanto questo da autocorrelao, como pode ser visualizada na figura 4, a medida de trao coletada no dia t, no influenciou a medida de trao coletada no dia t+1, significando, portanto, que o processo de fato no autocorrelacionado. Tais caractersticas permitem que se trabalhe com os dados em sua forma original, tornando assim desnecessria qualquer transformao na srie para que seja possvel a aplicao da teoria e conceitos de grficos de controle.
69
4 0
3 0
Freqncia
2 0
1 0
0 2 3 0 2 3 6 2 4 2 2 4 8 2 5 4 2 6 0 2 6 6 2 7 2 2 7 8 2 8 4
T ra o
Figura 2 Histograma. Fonte: PcGive 10.
.9 9 9 .9 9
Probabilidade
.9 5 .8 0 .5 0 .2 0 .0 5 .0 1
.0 0 1 2 3 0 2 4 0 2 5 0 2 6 0 2 7 0 2 8 0
T ra o
T e s te d e N o r m a lid a d e A n d e r s o n - D a r lin g A - Q u a d r a d o : 0 .2 7 1 P -V a lo r: 0 .6 7 1
Figura 3 Grfico de Probabilidade da Normalidade. Fonte: PcGive 10.
Funo de Autocorrelao Simples da Trao

1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0
Autocorrelao
10
15
20
Figura 4 Correlograma. Fonte: PcGive 10. 70
importante e necessrio mencionar que, como as amostras so de tamanho unitrio, a amplitude do processo considerada neste trabalho foi amplitude mvel, que consiste na diferena entre a maior e a menor medida de trao entre o dia t e o dia t-1. J no caso da estimativa do desvio padro do processo, foi realizada duas estimativas: uma atravs da forma tradicional (equao 3.1), considerando a amostra global, e outra atravs do clculo de SD (equao 3.2), pois trata-se de uma medida mais confivel, por basear-se apenas na disperso dos valores amostrais, sendo, segundo COSTA et al. (2004), insensvel a causas especiais que alteram a mdia do processo. Para o processo em questo, utilizando as frmulas 3.1 e 3.2 (apresentadas a seguir), temos, respectivamente, os valores de 11.865 e 11,274. Como a estimativa a ser utilizada no restante do trabalho ser a do estimador SD (11,274), lembramos que o valor de d 2 utilizado no clculo foi o correspondente a n = 2 (1,128), por tratar-se de uma diferena entre dois valores apenas. J a mdia calculada para este processo, foi de 258,18.
S 1 n 1
X
i 1
(3.1)
SD
MR d2
(3.2)
4.
IMPLEMENTAO DE GRFICOS DE CONTROLE
Objetivando detectar possveis mudanas na mdia do processo, foram construdos os grficos alternativos aos de Shewhart mais indicados para amostras unitrias, ou seja, o da soma cumulativa (CUSUM) e o da mdia mvel exponencialmente ponderada (EWMA - que possui desempenho similar ao da soma cumulativa). Tambm foi construdo o grfico da amplitude mvel, para que se conhea e analise a variabilidade do processo. As anlises e interpretaes feitas baseadas nestes grficos esto apresentadas gradativamente nos tpicos a seguir. 71
4.1 Grfico das observaes individuais (Xi) Como no se conhecia o valor mdio alvo do processo, por no ter sido informado pela empresa, antes de se construir o grfico, foi realizado um teste de anlise de varincia (ANOVA). Para isto, estratificou-se a amostra em 5 sub-amostras de tamanho 37 (respeitando-se a ordem cronolgica das observaes coletadas), para verificar se a mdia do processo apresentava modificaes ao longo dos 185 dias em que foram feitas as coletas amostrais. A hiptese nula (H0) considerada, foi de que todas as mdias das sub-amostras eram estatisticamente iguais, e a hiptese alternativa (Ha), de que pelo menos a mdia de uma das sub-amostras diferia das demais. Como pode ser visualizado na figura 5, onde so apresentados os resultados do teste ANOVA, no se obteve fortes evidncias para que se rejeitasse a hiptese nula, levando-nos a concluir com nvel de significncia de 5%, que a mdia do processo realmente no sofreu alteraes significativas ao longo do perodo analisado.
Anlise de Varincia Fonte DF SS Fator 5 606 Erro 364 51198 Total 369 51804
MS 121 141
F 0.86
P 0.507
Level Trao x1 x2 x3 x4 x5
N 185 37 37 37 37 37
Mean 258.18 256.16 256.65 260.76 257.49 259.86
StDes 11.86 10.82 12.12 13.59 12.24 10.21
Individual 95% CIs For Mean Based on Pooled StDev ----------+---------+---------+-----(----*----) (----------*----------) (----------*----------) (----------*----------) (----------*----------) (---------*----------)
Figura 5 Resultados da ANOVA. Fonte: PcGive 10.
Apesar dos resultados do teste ANOVA apresentados mostrarem que no houve uma diferena estatisticamente significativa entre as mdias das sub-amostras, sob o ponto de vista do controle estatstico de processo, na terceira sub-amostra identificada como X3 (entre a 75 e a 111 observao) ocorreu uma sensvel
72
modificao na mdia do processo, o que pode ser mais bem visualizado travs da figura 6.
280 270 260 250 240 230 Trao x1 x2 x3 x4 x5
Figura 6 Box-plots da Trao Versus as Sub-amostras. Fonte: PcGive 10.
Na figura 7 apresentado o grfico dos valores individuais das 37 primeiras observaes (sub-amostra X1), no qual foram inseridas posteriormente as demais observaes, para que fosse possvel identificar se alguma das observaes pertencentes a qualquer uma das sub-amostras se apresentaria fora dos limites de controle calculados. Tal procedimento visualizvel na figura 8, e foi adotado em todas as aplicaes de grficos de controle deste trabalho, com intuito de acompanhar tal comportamento quando se modificava o objeto de estudo em questo (mdia ou amplitude do processo). Com base nas figuras 7 e 8, pode-se concluir, num primeiro momento, que as observaes individuais distriburam-se aleatoriamente em torno da linha mdia do processo, mantendo-se dentro da regio de controle do grfico, no exigindo, portanto, nenhuma interveno no processo por parte do operador.
73
2 9 0
L S C = 2 8 7 .5
I nd ivid ual
2 8 0 2 7 0 2 6 0 2 5 0 2 4 0 2 3 0 L IC = 2 2 4 . 8 2 2 0 0 1 0 2 0 3 0 4 0 L M = 2 5 6 .2
Valor
r v a
Figura 7 Grfico Xi para a Sub-amostra X1. Fonte: PcGive 10.
3 0 0
I nd ividual
2 9 0 2 8 0 2 7 0 2 6 0 2 5 0 2 4 0 2 3 0
L S C = 2 9 2 .0
L M = 2 5 8 .2
Valo r
L IC = 2 2 4 . 4 2 2 0 0 1 0 0 2 0 0
r v
Figura 8 Grfico Xi para toda a Amostra. Fonte: PcGive 10.
4.2 Grfico da Amplitude Mvel (MR)
Observando-se as figuras 9 e 10, onde a mdia das amplitudes recalculada automaticamente pelo software aplicativo utilizado ficou um pouco acima do valor calculado pela frmula 3.2, pode-se concluir que de um modo geral o processo no apresentou uma variabilidade que ultrapassasse os limites de controle. No entanto, importante mencionar que a coleta feita no sexagsimo quarto dia (sub-amostra X2) apresentou uma amplitude de 44 Mpa, portanto, fora do limite superior de controle. A ocorrncia deste fato pode estar associada a duas possveis situaes mutuamente excludentes: uma relacionada probabilidade do risco (alarme falso), ou risco do produtor em rejeitar um corpo de prova usinado que seja bom, que corresponde ao
74
nvel de significncia do processo; ou ainda a ocorrncia de um alarme verdadeiro, que tenha originado uma possvel interveno no processo que eliminou a causa especial que o gerou, pois todas as amostras seguintes voltaram a ficar dentro dos limites de controle oscilando aleatoriamente em torno da linha mdia do processo. importante ressaltar que um grfico de controle nada mais do que uma seqncia de testes de hipteses, em que a probabilidade do risco o erro do tipo I. Esse erro s ocorre quando se rejeita a hiptese nula verdadeira, isto , um corpo de prova bom, mas rejeitado pela empresa. Mas existe tambm o erro do tipo II ( ), tambm conhecido como o risco do consumidor, que consiste em no rejeitar uma hiptese nula falsa. o caso em que o corpo de prova no est dentro dos padres especificados pela empresa, mas mesmo assim, o lote contendo todos os blocos de motores no rejeitado como sendo problemtico.
4 0
L S C = 4 1 .5 5
A m p litud e M ve l
3 0
2 0 R = 1 2 .7 2 1 0 L IC = 0 0 1 0 2 0 3 0 4 0
r v a
Figura 9 Grfico da Amplitude Mvel para a Sub-amostra X1. Fonte: PcGive 10.
75
50
A m p litud e M ve l
1 40 30 20 10 0 0 10 0 20 0 R = 1 2 .7 2 L S C = 4 1 .5 5
L IC = 0
s e r v a e s
Figura 10 Grfico da Amplitude Mvel para toda a Amostra. Fonte: PcGive 10.
4.3 Grfico da Soma Cumulativa (CUSUM)
Os grficos de controle de somas cumulativas foram propostos inicialmente por PAGE (1954) e posteriormente estudados por muitos autores tais como EWAN (1963), PAGE (1961), WOODALL e ADAMS (1993) dentre outros. O grfico CUSUM incorpora diretamente toda a informao nas seqncias de valores da amostra de um valor alvo, como por exemplo, a mdia do processo. Alm disso, o CUSUM combina informao de vrias amostras, tornando-o mais eficaz do que os grficos de Shewhart para detectar pequenas mudanas na mdia do processo. Outra vantagem deste tipo de grfico sobre os de Shewhart a sua eficincia em detectar pequenas mudanas no processo quando se utilizam amostras unitrias. Se o objetivo de uma indstria monitorar a mdia de uma determinada caracterstica de um produto, ento a forma geral do CUSUM dada pela expresso:
i
Ci ( X j 0 ) ,
j 1
(4.1)
em que X j a mdia da j-sima amostra e Ci a soma cumulativa at, e incluindo, a i-sima amostra. No caso de amostras de tamanho unitrio, tem-se a igualdade:
X j X j . Na prtica no muito comum utilizar a estatstica definida em (4.1) para
76
construir o grfico da mdia, uma vez que existe um algortmico muito eficiente denominado de CUSUM tabular, que o mais usado. O CUSUM tabular trabalha acumulando desvios de 0 que esto acima do alvo, com uma estatstica S , e acumulando desvios de 0 que esto abaixo do alvo, com uma estatstica S . Essas estatsticas S e S so denominadas CUSUMS unilaterais superior e inferior respectivamente, e so calculadas da seguinte forma:
Si mx[0, X i ( 0 K ) Si 1 ]
(4.2)
Si mx[0, ( 0 K ) X i Si 1 ] ,
(4.3)
onde os valores inicias so Si Si 0 . A constante K conhecida como valor de referncia ou de tolerncia, e sempre escolhido a meio caminho entre o valor-alvo
0 e o valor da mdia com o processo fora de controle 1 . Se mudana na mdia

expressa em unidade de desvios-padro, como por exemplo, 1 0 , ento o valor de K a metade da magnitude da mudana, isto :
| | 1 0 . 2 2
(4.4)
A regio de atuao do grfico ou intervalo de deciso H, outra constante que precisa ser estimada e o mais comum adotar H igual a 5 vezes o desvio padro
do processo.
Como desejvamos detectar pequenas mudanas na mdia do processo, optamos por empregar o grfico CUSUM em nosso estudo de caso. Observe-se nas figuras 11 e 12 a ocorrncia de uma pequena mudana na mdia do processo (j detectada na figura 6) que muito provavelmente est ligada ocorrncia de uma causa verdadeira que foi rapidamente identificada e combatida, fazendo com o que o processo voltasse, j na prxima coleta, a regio de controle do grfico. Como o sinal disparado pelo grfico CUSUM ocorreu na 91 observao, podemos concluir que o
77
momento do descontrole (MD) ocorreu aproximadamente na 86 observao, dado que o alarme disparou aps cinco desvios positivos consecutivos da mdia do processo. Tais grficos, da forma como foram construdos, nos permitem tambm, contemplar tanto a estatstica Si quanto Si . Com relao a K e H, utilizamos, respectivamente, os valores 5 e 0,5, buscando manter o intervalo mdio entre alarmes falsos igual a 370 amostras, conforme os grficos originais de Shewhart. Esse intervalo de 370 amostras tambm chamado de ARL (Average Run Length), ou seja, trata-se do nmero mdio de amostras observadas at a ocorrncia um alarme (NMA).
50
C U S U M S u p e r io r
4 5 .0 9 6
S oma Cumulativa
-5 0 0
C U S U M In f e r io r
-4 5 .0 9 6 10 20 30 40
O b s e r v a e s
Figura 11 Grfico CUSUM para a Sub-amostra X1. Fonte: PcGive 10.
50
C U S U M S u p e r io r
S oma C umulativa
4 5 .0 9 6
-5 0 0
C U S U M In f e r io r
- 4 5 .0 9 6 100 200
O b s e r v a e s
Figura 12 Grfico CUSUM para toda a Amostra. Fonte: PcGive 10.
78
4.4 Grfico da Mdia Mvel Exponencialmente Ponderada (EWMA)
Similarmente ao grfico da soma cumulativa, o grfico da mdia mvel exponencialmente ponderada, uma forma alternativa ao grfico X de Shewhart, utilizado para detectar pequenas mudanas na mdia do processo. A principal diferena entre estes dois grficos, que no EWMA os dados no se afastam gradual e indefinidamente da linha mdia como no caso do CUSUM, e sim, apenas at atingir a nova mdia, passando ento a oscilar aleatoriamente em torno da mesma. O grfico da mdia mvel exponencialmente ponderada foi introduzido por ROBERTS (1959) e foi estudado por muitos pesquisadores dentre os quais se destacaram CROWDER (1989) e LUCAS e SACCUCCI (1990). Roberts definiu o grfico utilizando a seguinte expresso:
Zi X i (1 ) Z i 1 ,
(4.5)
em que 0 1 uma constante e o valor inicial do EWMA (exigido com a primeira amostra em i = 1) o alvo do processo, de modo que Z 0 0 . O desempenho desse grfico depende tanto dos valores mltiplos do desvio padro, quanto dos valores de . De modo geral, o grfico EWMA apresenta desempenho similar ao grfico CUSUM, com os valores de variando no intervalo
0, 05 0, 25 , sendo que na prtica os valores mais utilizados so: 0, 05 ,
0,10 e 0, 20 . Duas vantagens desse grfico so: (i) pode ser utilizado para
fazer previses de valores futuros e (ii) robusto no normalidade dos dados. O grfico EWMA construdo, fazendo-se a plotagem de Z i versus o nmero da amostra i (ou tempo). A utilizao desse grfico em nosso estudo de caso, foi de grande valia para mostrar as pequenas mudanas e as oscilaes sofridas pela mdia do processo. Observando as figuras 13 e 14 notam-se sutis modificaes na mdia do processo, como j detectado no grfico das somas cumulativas, pois existem oscilaes da mdia ao longo do processo acima e abaixo de 258.18, que representa a mdia geral estimada.
79
L S C = 2 6 6 .6 2 6 5
EWMA
L M = 2 5 6 .2 2 5 5
2 4 5 0 1 0 2 0 3 0 4 0
L IC = 2 4 5 . 7
b s e r v a e
Figura 13 Grfico EWMA para a Sub-amostra X1. Fonte: PcGive 10.
2 70
L S C = 2 6 9 .5
E W MA
2 60
L M = 2 5 8 .2
2 50 L IC = 2 4 6 . 9 0 100 200
b s e r v a e s
Figura 14 EWMA para toda a Amostra. Fonte: PcGive 10.
5.
ANLISE DOS NDICES DE CAPACIDADE DO PROCESSO
Toda a anlise feita at o momento buscou identificar informaes a respeito da estabilidade do processo, ou seja, se o mesmo estava funcionando adequadamente. Porm, torna-se necessrio sabermos tambm se o mesmo est produzindo uma porcentagem significativa de blocos fora dos limites de especificao, isto , se est produzindo itens defeituosos, pois segundo COSTA et al. (2004), no existe uma relao direta entre estabilidade e capacidade, podendo um processo mesmo estando em controle, produzir itens fora dos limites de especificao e vice-versa.
80
Para os resultados dos testes de trao fornecidos pela empresa, como j mencionado, s possuem limite inferior de especificao, portanto, foi utilizado como parmetro adimensional para medir sua capacidade o ndice Cpk (equao 4.6), pois dos mais utilizados o nico que permite calcular a capacidade unilateralmente. Na figura 15, possvel observar que o processo incapaz, segundo o clculo do Cpk, pois seu valor calculado ficou abaixo de 1. Isto nos leva a concluir que o processo realizado no ano de 2004 na empresa, esteve na maior parte do tempo em controle, porm, mostrou-se incapaz, produzindo uma porcentagem significativa de itens defeituosos.
Cpk
LIE 3
(4.6)
L IE
L IE M d ia
2 3 0 .0 0 0 2 5 8 .1 8 4 1 1 .2 7 4 3
D e s v io P a d r o
n d ic e d e C a p a c id a d e C pk 0 .8 3
230
240
250
260
270
280
290
Figura 15 Anlise da Capacidade do Processo Dados Originais. Fonte: PcGive 10.
6. Concluses
Com relao qualidade da produo de blocos para motores de caminho, podemos concluir que a empresa trabalha com um processo estvel, porm, ficou evidenciada a presena de pequenas oscilaes em torno da mdia, como mostrado nos grficos EWMA e CUSUM. Identificou-se tambm que o processo estudado apresenta uma variabilidade que no pode ser desconsiderada como mostrado nas
81
figuras 9 e 10, onde existem vrias observaes muito prximas dos limites de controle o que reforado pela figura 14. Nessa figura, se observa diversas variaes da mdia ao longo dos 185 dias em que foi monitorado, o que segundo MONTGOMERY (2004), significa uma falta de qualidade, na medida em que qualidade inversamente proporcional variabilidade. A causa desta variabilidade, muito possivelmente est ligada a um procedimento caracterstico no processo de fundio de ferro, que consiste na recomposio manual dos componentes qumicos responsveis por dar a liga ideal ao material, perdidos durante o processo de re-fundio, como ocorre, por exemplo, com blocos rejeitados ou utilizados no processo de inspeo. Por outro lado, confiando-se, antes de tudo, nas informaes retiradas dos prprios dados, o clculo do ndice de capacidade indicou uma aparente incongruncia, uma vez que, como pode ser observado nos dados do quadro 1, todas as observaes so maiores que o limite inferior de especificao (LIE) informado pela empresa (230 Mpa), com exceo da observao de nmero 131, cujo valor exatamente igual ao LIE. Esta situao leva a se esperar verificar que o processo fosse pelo menos razoavelmente capaz ao invs de incapaz, como apresentado na figura 15. Mas a resposta para essa aparente incongruncia est intrinsecamente relacionada j mencionada no pequena variabilidade do processo, pois o clculo do ndice de capacidade Cpk dado pela equao (4.6), faz com que seu valor estimado seja infectado negativamente por esta variabilidade. Os resultados obtidos com a utilizao dos diversos grficos de controle para amostras de tamanho unitrio, juntamente com a estimao do ndice de capacidade, atendeu de forma razoavelmente satisfatria s expectativas dos autores. A frustrao ficou por conta de se esperar encontrar um processo estatisticamente capaz de produzir os blocos dentro das especificaes desejadas, uma vez que se trata de uma grande empresa e j que trabalha h muito tempo com esse tipo de produto. Como consideraes finais, recomendamos a possibilidade de implementao de um controle estatstico no processo de recomposio dos componentes qumicos responsveis pela liga do ferro fundido. Acredita-se que esta iniciativa poderia levar a
82
uma reduo significativa da variabilidade do processo do bloco analisado, tendo em vista que um dos possveis fatores que influencia nos resultados dos testes de trao do mesmo.
7. Agradecimentos
Ao Ncleo de Normalizao e Qualimetria (NNQ) do Departamento de Engenharia de Produo e Sistemas (DEPS) que colocou a disposio toda sua estrutura fsica, incluindo o acesso ao software PcGive 10. Tambm ao Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico CNPq Brasil, pelo apoio concedido atravs de bolsa de doutorado.
REFERNCIAS
COSTA, A. F. B., EPPRECHT, E.K., CARPINETTI, L.C.R. Controle Estatstico de Qualidade. 1 ed. So Paulo: Editora Atlas, 2004.
CROWDER, S. V. Design of Exponentially Weighted Moving Average Schemes, Journal of Quality Technology, Vol. 19, 1989.
EWAN, W. D. When and How to Use Cu-Sum Charts, Technometrics, Vol. 5, 1963.
LUCAS, J. M.; SACCUCCI, M. S. Exponentially Weighted Moving Average Control Schemes: Properties and Enhancements , Techometrics, Vol. 32, 1990.
83
MONTGOMERY, D.C. Introduction to Statistical Quality Control. 4 ed. Rio de Janeiro: LTC Livros Tcnicos e Cientficos Editora S.A., 2004.
PAGE, E. S. Continuous Inspection Schemes, Biometrics, Vol. 41, 1954.
PAGE, E. S. Cumulative Sum Control Charts, Technometrics, Vol. 3, 1961.
ROBERTS, S. W. Properties of Chart Tests Based on Geometric Moving Average, Technometrics, Vol. 1, 1959.
SAMOHYL, R.W. Mdias por Amortecimento Exponencial (MAE). Disponvel em: www.webensino.ufsc.br Acesso em: 31/03/2004.
SAMOHYL, R.W. Introduo a Covarincia e Correlao. Disponvel em: www.webensino.ufsc.br Acesso em: 25/04/2004.
WOODAL, W. H.; ADAMS, B. M. The Statistical Design of CUSUM Charts, Quality Engineering , Vol. 5, 993.
Artigo recebido em 31/05/2006 e publicado em 21/08/2007.
84

Aplicação Dos Conceitos de Controle Estatístico

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aplicação Dos Conceitos de Controle Estatístico

Enviado por

Direitos autorais:

Formatos disponíveis

Universidade Federal de Santa Catarina Florianpolis SC - Brasil www.producaoonline.ufsc.br ISSN 1676 - 1901 / Vol. 7/ Num.

R esu lta d o < L IE

R esu lta d o > L IE

Figura 1 Fluxograma do Processo de Inspeo. Fonte: Autores.

APRESENTAO DOS DADOS

Quadro 1: Trao de Blocos (Mpa)

Figura 2 Histograma. Fonte: PcGive 10.

Figura 3 Grfico de Probabilidade da Normalidade. Fonte: PcGive 10.

Funo de Autocorrelao Simples da Trao

Figura 4 Correlograma. Fonte: PcGive 10. 70

IMPLEMENTAO DE GRFICOS DE CONTROLE

Mean 258.18 256.16 256.65 260.76 257.49 259.86

StDes 11.86 10.82 12.12 13.59 12.24 10.21

Figura 5 Resultados da ANOVA. Fonte: PcGive 10.

280 270 260 250 240 230 Trao x1 x2 x3 x4 x5

Figura 6 Box-plots da Trao Versus as Sub-amostras. Fonte: PcGive 10.

Figura 7 Grfico Xi para a Sub-amostra X1. Fonte: PcGive 10.

Figura 8 Grfico Xi para toda a Amostra. Fonte: PcGive 10.

4.2 Grfico da Amplitude Mvel (MR)

4.3 Grfico da Soma Cumulativa (CUSUM)

0 e o valor da mdia com o processo fora de controle 1 . Se mudana na mdia

Figura 11 Grfico CUSUM para a Sub-amostra X1. Fonte: PcGive 10.

Figura 12 Grfico CUSUM para toda a Amostra. Fonte: PcGive 10.

4.4 Grfico da Mdia Mvel Exponencialmente Ponderada (EWMA)

0, 05 0, 25 , sendo que na prtica os valores mais utilizados so: 0, 05 ,

Figura 13 Grfico EWMA para a Sub-amostra X1. Fonte: PcGive 10.

Figura 14 EWMA para toda a Amostra. Fonte: PcGive 10.

ANLISE DOS NDICES DE CAPACIDADE DO PROCESSO

Figura 15 Anlise da Capacidade do Processo Dados Originais. Fonte: PcGive 10.

PAGE, E. S. Continuous Inspection Schemes, Biometrics, Vol. 41, 1954.

PAGE, E. S. Cumulative Sum Control Charts, Technometrics, Vol. 3, 1961.

Artigo recebido em 31/05/2006 e publicado em 21/08/2007.

Você também pode gostar