Você está na página 1de 11

Curso de MINITAB – Universidade Federal de Ouro Preto

Ferramentas da Qualidade
Curso de MINITAB – Universidade Federal de Ouro Preto

1 - Introdução

Este capítulo abordará as mais diversas ferramentas da qualidade, fornecidas pelo


MINITAB. Estas ferramentas são largamente utilizadas na área da qualidade de produtos
e processos.

Gráfico Seqüencial
O gráfico seqüencial estuda os dados relativos ao tempo para revelar qualquer
comportamento não aleatório. Esta ferramenta permite a detecção de padrões no
conjunto de dados analisados.

EXEMPLO 1

Proposta:
Verificar se existe alguma tendência no número de clientes atendidos por ano.

Problema:
Um banco deseja saber a quantidade de clientes que são atendidos por ano. A fim de
adotar práticas de melhoria de atendimento, bem como aumentar o número de clientes.

Dados coletados:
Foi coletado o número de clientes por ano durante 15 anos.

Ferramenta:
• Run Chart

Arquivo de dados:
clientes.MPJ

Variável Descrição
Número de
Números de clientes atendidos por ano.
clientes

Run Chart
1. Abra clientes.mpj
2. Selecione Stat > Quality Tools > Run Chart
3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto

4. Clique em OK

INTERPRETANDO OS RESULTADOS

Run Chart of Número de Clientes


80000
Número de Clientes

75000

70000

65000

60000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Observation
Number of runs about median: 2 Number of runs up or down: 3
Expected number of runs: 8,46667 Expected number of runs: 9,66667
Longest run about median: 8 Longest run up or down: 8
Approx P-Value for C lustering: 0,00025 A pprox P-Value for Trends: 0,00001
Approx P-Value for Mixtures: 0,99975 A pprox P-Value for Oscillation: 0,99999

No nosso exemplo, adotando um nível de significância de 0,05, temos indicação de


cluster e tendência para o conjunto de dados analisados.
Curso de MINITAB – Universidade Federal de Ouro Preto

Gráfico de Pareto
O gráfico de Pareto permite determinar a ordem em que os problemas devem ser
solucionados de acordo com sua freqüência de ocorrência e sua importância relativa.

EXEMPLO 2
Proposta:
Analise das insatisfações dos clientes.

Problema:

Uma agência bancária está interessada em melhorar a satisfação de seus clientes para
isso precisa saber quais problemas possuem maior relevância para a clientela e, então,
poder trabalhar nestes primeiro.

Coleta de dados:
Os dados foram coletados através de questionário aplicado aos cliente todos os dias em
um período de um mês.

Ferramenta:
• Pareto Chart

Arquivo de dados:
reclamacoes.MPJ

Variável Descrição
Reclamações Tipos de reclamações feitas pelos clientes.

Pareto Chart

1. Abra reclamacoes.mpj
2. Selecione Stat > Quality Tools > Pareto Charts
3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto

4. Clique em OK

INTERPRETANDO OS RESULTADOS

Pareto Chart of Reclamações


1800
1600 100
1400 80

Percent
1200
Count

1000 60
800
600 40
400 20
200
0 0
Reclamações al os do o il a el el r
so iti çã ív ív he
s vid ic
a F g n Ot
Pe de em ile po
in o un to di
s
s nã co
m rt a o
b ito ito Ex nã
m
Dé pó
s
se co
ni
de ic a trô
de ên el
e
nte Ag xi a
a
r ov Ca
p
m
Co
Count 599 351 209 188 132 73 56 47
Percent 36,2 21,2 12,6 11,4 8,0 4,4 3,4 2,8
Cum % 36,2 57,4 70,0 81,4 89,4 93,8 97,2 100,0

A maior barra corresponde ao efeito Pessoal que possui um total de 599 ocorrências, ou
seja, representa a maior insatisfação do cliente. O gráfico de linha mostra o percentual
acumulado até determinada categoria (até 95%).
Observa-se que a última coluna é determinada por Others que significa o acúmulo das
freqüências dos tipos de reclamações que excederam o percentual acumulado definido.
Curso de MINITAB – Universidade Federal de Ouro Preto

Diagrama de Causa e Efeito


O Diagrama de Causa e Efeito é realizado por pessoas que estão diretamente envolvidas
com o processo, elaborando-se uma lista dos fatores que podem estar alterando a média
do processo e/ou aumentando sua variabilidade. Para isso torna-se necessário uma
coleta sistemática de informações qualitativas e quantitativas que permita decidir (entre os
fatores listados) quais os que efetivamente estão agindo sobre o processo.

EXEMPLO 3
Proposta:
Analisar o custo elevado de impressão.

Problema:
O departamento de uma impressão de uma gráfica preocupada com os seus gastos
mensais decidiu analisar as prováveis causas que poderiam influenciar na sua
contabilidade no final do mês.

Coleta de dados:
As causas identificadas através de brainstorm.

Ferramenta:
• Cause-and-effect

Arquivo de dados:
impressão.MPJ

Cause-and-Effect

1. Abra impressao.mpj
2. Selecione Stat > Quality Tools > Cause-and-effect
3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto

4. Clique em OK.

INTERPRETANDO OS RESULTADOS

Diagrama de Causa e Efeito


Mensuração Meio ambiente Método

Q ualidade de impressão

Impressão colorida
desnecessária
F alta de mensuração U midade Imprimir e-mail
das cópias
Imprimir em v ez de
salv ar
N ão dar preferência a
laser Custo
elevado de
impressão
Tipo de papel
D esconhecimento do
custo S ujeira na impressora
Não reutilização do papel
Impressões
desnecessárias N ão reutilização do
Impressora tonner
F alta de desregulada
conscientização N ão reutilização do
cartucho

Mão de obra Máquina Matéria-prima

A partir do gráfico acima é possível visualizar as causas que geram o efeito custo elevado
de impressão.
Curso de MINITAB – Universidade Federal de Ouro Preto

Estudo de Repetitividade e Reprodutibilidade


A repetitividade é o grau de concordância entre o resultado de medições sucessivas de
um mesmo mensurando (ex.: uma mesma peça), sob as mesmas condições de medição.
As condições de repetitividade são: mesmo procedimento de medição, mesmo
observador, mesmo instrumento d medição, mesmo local e repetição em curto período de
tempo.
A reprodutibilidade dos resultados de medição é o grau de concordância entre os
resultados das medições de um mesmo mensurando efetuadas sob condições variadas
de medição (ex: variando o operador).

Comando Gage R&R Study (Crossed)

EXEMPLO 4
Proposta:
Análise da espessura de três peças.

Problema:
Uma fábrica deseja verificar a espessura de suas peças.

Coleta de dados:
Foram medidas as espessuras de três peças por duas vezes e por dois operdores.

Ferramenta:
• Gage R&R Study (Crossed)

Arquivo de dados:
espessura.MPJ

Variável Descrição
Peça Espessura das peças.
Operador Operador A e B.
Medida Valor da espessura da peça.

Gage R&R Study (Crossed)


1. Abra espessura.mpj
2. Selecione Stat > Quality Tools > Gage R&R Study (Crossed)
3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto

4. Clique em OK.

APRESNTANDO OS RESULTADOS

Gage R&R Study - ANOVA Method

Two-Way ANOVA Table With Interaction

Source DF SS MS F P
Peça 2 0,160000 0,0800001 126,766 0,008
Operador 1 0,001180 0,0011801 1,870 0,305
Peça * Operador 2 0,001262 0,0006311 3,191 0,114
Repeatability 6 0,001187 0,0001978
Total 11 0,163629

Alpha to remove interaction term = 0,25

Gage R&R

%Contribution
Source VarComp (of VarComp)
Total Gage R&R 0,0005059 2,49
Repeatability 0,0001978 0,97
Reproducibility 0,0003082 1,51
Operador 0,0000915 0,45
Operador*Peça 0,0002167 1,06
Part-To-Part 0,0198422 97,51
Total Variation 0,0203482 100,00

Study Var %Study Var


Source StdDev (SD) (6 * SD) (%SV)
Total Gage R&R 0,022493 0,134956 15,77
Repeatability 0,014062 0,084374 9,86
Reproducibility 0,017555 0,105328 12,31
Operador 0,009566 0,057393 6,71
Operador*Peça 0,014720 0,088318 10,32
Part-To-Part 0,140863 0,845175 98,75
Total Variation 0,142647 0,855882 100,00

Number of Distinct Categories = 8


Curso de MINITAB – Universidade Federal de Ouro Preto

Gage R&R (ANOVA) for Medida


Reported by :
G age name: Tolerance:
D ate of study : M isc:

Components of Variation Medida by Peça


100 % Contribution 1,44
% Study Var
Percent

1,32
50
1,20

0
Gage R&R Repeat Reprod Part-to-Part 1 2 3
Peça
R Chart by Operador
A B Medida by Operador
UCL=0,05936 1,44
Sample Range

0,050
1,32
0,025 _
R=0,01817 1,20

0,000 LCL=0
A B
Operador
Xbar Chart by Operador
A B Operador * Peça Interaction
1,4 1,4
Operador
Sample Mean

A
Average

B
_
_
UCL=1,3072 1,3
1,3
X=1,2731
LCL=1,2389 1,2
1,2

1 2 3
Peça

Gráfico Multi-Vari
O gráfico Multi-Vari é uma das importantes ferramentas utilizadas para o estudo das
interações entre variáveis e entre níveis de uma determinada variável. Este gráfico
apresenta, de forma gráfica, a análise de variância, pis compara as médias dos diferentes
grupos. Podendo, assim analisar o relacionamento entre variáveis que influenciam o
processo.

EXEMPLO 5

Proposta:
Identificar como as variáveis do processo influenciam na variável resposta.

Problema:
Uma empresa injetora de plástico fabrica quatro garrafas de uma vez. Deseja-se saber
como que o diâmetro do gargalo das garrafas (variável de interesse) é influenciada pela
posição da garrafa (garrafa 1,2,3,4) e pelo turno (turno 1,2).

Ferramenta:
• Multi-Vari Chart

Arquivo de dados:
garrafas.MPJ

Multi-Vari Chart
1. Abra garrafa.mpj
2. Selecione Stat > Quality Tools > Multi-Vari Chart
Curso de MINITAB – Universidade Federal de Ouro Preto

3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK.

INTERPRETANDO OS RESULTADOS

Multi-Vari Chart for Diâmetro by Turno - Garrafa


4,725 Turno
1
2
4,700
3

4,675
Diâmetro

4,650

4,625

4,600

4,575

4,550
1 2 3 4
Garrafa

Neste gráfico, observa-se que o valor médio de diâmetro vai aumentando à medida que
analisamos a garrafa 1,2,3,4. Ou seja, a variação entre as garrafas é muito maior que a
variação entre os turnos.