Controle Estatistico do Processo ol a Segunda EdicaoCONTROLE ESTATISTICO DO PROCESSO (CEP) Manual de Referéncia de 2005 de 1995 (somente nova capa)CONTROLE ESTATISTICO DO PROCESSO CEP PREFACIO da Segunda Edigao Este Manual de Referéncia foi desenvolvido pelo Grupo de Trabalho de Controle Estatistico do Processo (CEP), sancionado pela Forga Tarefa dos Requisitos da Qualidade para Fornecedores da DaimlerChrysler, Ford ¢ General Motors e sob os auspicios da Sociedade Americana para a Qualidade (ASQ) e do Grupo de ‘Acio da Indistria Automotiva (AIAG). O Grupo de Trabalho responsivel por esta segunda edigao foi preparado pelas equipes da Qualidade e de Avaliagao do Fornecedor da DaimlerChrysler Corporation, Delphi Corporation, Ford Motor Company, General Motors Corporation, Omnex, Inc. e Robert Bosch Corporation, trabalhando em colaboragao com o Grupo de Ago da Industria Automotiva (AIAG). A Forga Tarefa padroniza os manuais de referéncia, reportando os formatos ¢ nomenclatura técnica usados pela DaimlerChrysler, Ford e General Motors em seus respectivos sistemas de avaliagio do fomecedor. Conseqiientemenie, este Manual de Referéncia pode ser usado por qualquer fornecedor para desenvolver informagdes que respondam aos requisitos de qualquer um dos sistemas de avaliago do fornecedor da DaimlerChrysler, Ford ou General Motors. Esta segunda edigo foi preparada para atender as necessidades e reconhecer as alteragées realizadas dentro da indistria automotiva com relagio as téenicas do CEP que surgiram desde a publicago original do manual em 1991 © manual é uma introdugdo a0 controle estatistico do processo. Ndo tem a inteng@o de limitar a evolugiio de meétodos CEP adaptados para processos ou produtos especificos. Embora estas orientagdes abordem a ‘maioria das situagdes que ocorrem normalmente em um sistema CEP, ainda podem restar dividas. Essas iividas devem ser encaminhadas ao grupo de Garantia da Qualidade para Fomecedores (GQF) do cliente. E caso de diividas sobre como entrar em contato com 0 grupo apropriado do GOF 0 representante do escritério de compras do cliente podera auxiliar ‘A Forga Tarefa gostaria de agradecer aos Vice-Presidentes Peter Rosenfeld da DaimlerChrysler Corporation, ‘Thomas K. Brown da Ford Motor Company e Bo Andersson da General Motors Corporation por sua lideranga comprometimento; & ALAG pelo desenvolvimento, produgao e distribuigo do manual; aos lideres da Forca Tarefa Hank Gryn (DaimlerChrysler Corportion), Russ Hopkins (Ford Motor Company) ¢ Joe Bransky (General Motors Corporation), que com sa contribuigo permitiram que este manual atendesse as necessidades espectficas da indistria automotiva (© manual foi traduzido em portugues e editado pelo IQA ~ Instituto da Qualidade Automotiva. Agradecemos 208 profissionais do IQA envolvidos na coordenagao dos trabalhos de edigo e pelo competente trabalho de interface feito junto & AIAG (Automotive Industry Action Group), para sancionamento das tradugdes. Mais informagoes sobre essa outras publicagées relacionadas a Qualidade no setor automotive podem ser obtidas através do site: www.iga.org.br ou pelo e-mail: publicacoes@iqa.org.br.CONTROLE ESTATISTICO DO PROCESSO CEP PREFACIO da Primeira Edigaio Este Manual de Referéncia foi preparado pelas equipes de qualidade e de avaliagao do fomecedor da Chrysler, Ford e General Motors, trabalhando sob 0 auspicio da Divisio Automotiva da Sociedade Americana para 0 Controle de Qualidade (ASQC) - Forga Tarefa dos Requisitos da Qualidade para Fornecedores, em colaboragao com o Grupo de Aco da Industria Automotiva (AIAG). A intengao da Forga Tarefa da ASQC/AIAG é padronizar os manuais de referéncia, formulérios para relat6rios nomenclatura técnica usados pela Chrysler, Ford e General Motors em seus respectivos sistemas de avaliagtio do fomecedor. Garantia de Qualidade do’ Fornecedor. Exceléncia da Qualidade Total e Objetivos para Exceléncia, Conseqiientemente, este Manual de Referéncia pode ser usado por qualquer fomecedor para desenvolver informagées que respondam aos requisitos de qualquer um dos sistemas de avaliagio. do fomnecedor da Chrysler, Ford ou General Motors Até agora, nfo havia uma abordagem formal e unificada na indiistria automotiva no que se refere a um controle estatistico do processo, Determinados fabricantes ofereciam métodos a seus fornecedores, enquanto outros nfo tinham requisitos especificos. No esforgo de simplificar e diminuir @ variagio nos requisitos de qualidade do fornecedor, Chrysler, Ford e General Motors decidiram desenvolver, € através do AIAG, distribuir este ‘manual. A 'equipe de trabalho responsdvel pelo contetido do Manual foi liderado por Leonard A. Brown da General Motors. ‘© manual deveria ser considerado como uma introdugo ao Controle Estatistico do Processo (CEP). Nio tem a intengo de limitar a evolugdo de métodos estatisticos adaptados para processos ou produto especifico nem a intengio de abranger todas as técnicas de CEP. Perguntas relativas a métodos altemativos deveriam ser dirigidas ao grupo de qualidade do cliente. A Forga Tarefa gostaria de agradecer: a lideranga e comprometimento dos. Vice-Presidentes Thomas T. Stallkamp da Chrysler, Clinton D. Lauer da Ford e Donald A. Pais da General Motors; a competéncia técnica e trabalho drduo das equipes de avatiagio do fornecedor e da qualidade; e as contribuigbes valiosas do Grupo de Agdo da Indiistria Automotiva (na pessoa do Diretor Exccutivo Joseph R. Phelan do AIAG) no desenvolvimento, produgio e distribuigdo deste manual de referencia, Gostarfamos também de agradecer o grupo de leitura ASQC liderado por Tripp Martin da Peterson Spring, que fez a revisio do manual e durante esse proceso fez contribuigdes valiosas para o objetivo e 0 conteiido, Bruce W. Prince Coordenador da Forga Tarefa Sandy Corporation Troy, Michigan Dezembro, 1991INDICE CAPITULO Melhoria Continua e Controle Estatfstico do Processo. Introdugao..... Seis Tépicos... CAPITULO I = Selo A sesso Prevengao Versus Deteccao CAPITULO I - Segi0 B sven ‘Um Sistema de Controle do Processo. CAPITULO I - Secao Variagdo: Causas Comuns e Especiais. CAPITULO I - Secio D... Agies Locais Agdes Sobre 0 CAPITULO I - Segio E... Controle do Processo e Capabilidade do Processo. Controle versus Capabilidade 1... Indices do Processo. - CAPITULO I - Segiio F .. O Ciclo de Melhoria do Processo e 0 Controle do Processo... CAPITULO I - Segiio G... Cartas de Controle: Ferramentas para o Controle ¢ a ‘Melhoria do Proceso Como eles funcionam? ......... sense smsanseensenenesnonorasnene Abordagem:... CAPITULO I - Seco H... Uso Efetivo e Beneficios das Cartas Controle... CAPITULO IL Cartas de Controle... Introducao Cartas de Controle para Varidveis . Cartas de Controle de Atributos Elementos das Cartas de Controle... CAPITULO II - Segiio A... Cartas de Controle do Processo Etapas Preparatérias... Mecénica da Carta de Controle. Estabelecimento dos Limites de Comtt0le..nmnnmunnnnnnesrninnnnesriniinnnnnnnnnin 59 Interpretagao do Controle Estatistico... 60 ‘Comentarios Finais 63 Extensdo dos Limites de Controle para Controle Contiauo.. 65 CAPITULO II - Seco B Definigao dos Sinais “Fora de Controle’ Ponto Além dos Limites de Controle. Padrées ou Tendéncias dentro dos Limites de Controle. Critérios das Causas Especiais vn. Comprimento Médio da Seqiténcia (CMS).. CAPITULO II - Se¢d0 C seen Formulas das Cartas de Controle Cartas de Controle para Varidveis. ixCartas das Médias e Amplitudes (X, R) ... 19 Cartas da Média e do Desvio Padrio (X, 5) 83 Caras da Mediana eda Amplitude (, R) 85 87 Cartas de Valores Individuais e Amplitude Mével (X, AM ) Cartas de Controle para Atributos... ‘As Cartas de Controle para os Itens Nao- Proporgao de Naio-Conformidades (Carta p) «n= Carta do Niimero de Nio Conformidades (Carta np) -.-. Carta do Niimero de Nao Conformidades por Unidade (Carta... Carta do Niimero de Nao Conformidades (Carta c)... CAPITULO III... ‘Outros Tipos de Cartas de Controle. Introdugéo Cartas com Base em Probabilidades Cartas de Controle para Pequenos Lotes Cartas para Detectar Pequenas Mudangas... Cartas Nao Normaii " Multivariadas Outras Cartas. Cartas de Controle de Regressio Cartas de Valores Residuais Cartas Autoregressivas .. Cartas de Zonas... CAPITULO TV enn ‘Compreendendo a Capabilidade do Processo e o Desempenho do Processo para Dados do Varidveis = ipo Introdugiio : CAPITULO IV - Secio A... Definigdes de Termos do Processo... Medidas do Processo para Processos Previstveis. Indices — Tolerdncias Bilaterais... ase Indices ~ Tolerdncias Unilaterais CAPITULO IV - Segd0 B .s..n Descrigdo de Condigdes. Processamento de Distribuigdes Nao Normais e Multvariadas. Relacionamento entre Indices e Proporgao de Nao Conformidades: 140 Distribuigdes Nao Normais Usando Transformagbes ovnnneos 140 Distribuicdes Nao Normais Usando Formas Nao Normais. 12 44 Distribuigdes Multivariadas. CAPITULO LV - Secdo Cou ‘Uso Sugerido das Medidas do Processo.... 0 Conceito da Funcdo Perda.. ‘Alinhamento do Processo aos Requisitos do Cliente. APENDICE A sven ‘Comentérios sobre Amostragem.. Efeitos da Formagao dos Grupos. Dados Autocorrelacionados.Exemplo de Proceso de Varios Fluxos .. Ffeitos do Tamanko da Amostra sobre os indices APENDICE Comentarios sobre as Causas Especiais. Supercontroleou Sobreajuste . Processos que Dependem do Tempo. Padroes Repetitivos. APENDICE C — Procedimento Uso das Cartas de Controle Descritas Neste Manual APENDICE D_ Relago entre Cy, Outros {ndices. APENDICE E.. sersve ‘Tabela de Constantes e Férmulas para Cartas de Controle APENDICE F.. Exemplo de Célculos do indice de Capabilidade. Conjunto de Dados... Analise Dados Estatisticos do Didmetro. Concluséo: APENDICE G Glossdrio de Termos € Simbolos Termos Utilizados neste Manual. Simbolos Usados Neste Manual... APENDICE H. Referéncias e Sugestoes de Leituras.. APENDICE “Tabelas Normais Padrao INDICE REMISSIVO.. Proceso de Feedback do Usuario do Manual CEP.LISTA DE ILUSTRACOES Figura 1.1: Um Sistema de Controle de Processo... 8 Figura 1.2: Variagao — Causas Comuns e Especiais.... 12 Figura L3: Controle do Processo e Capabilidade do Pr 18 Figura L4: O Ciclo de Melhoria do Proceso. 2 Figura L5: Cartas de Controle... 28 Figura IL 1: Dados para Varidveis..... 44 Figura 11.2: Dados do Tipo Atibutos om 46 ura IL.3: Elementos das Cartas de Controle... 49 Figura Ida: Exemplo de Carta de Controle (Frente)... ee 51 Figura IL 4b: Exemplo de Carta de Controle (verso) ~ Registro de Eventos. nS Figura IL.5: Estendendo os Limites do Controle ...nsnnennnnn 56 Figura 11.6: Recalculo dos Limites de Comtr0le.....revnn = 61 Figura I1,7: Limites de Controle Estendidos para 0 Controle Continuo. ot Figura IT8: Variagdo do Processo em Relagao aos Limites da Especificagao orn soe 67 Figura IL9: Pontos Além dos Limites de Controle... . ptr rr 10 Figure II.10: Seqiiéncias de uma Carta de Controle da Média nem : 3 Figura II 11: Seqiigncias de uma Carta de Controle da Amplitude canner erent emnnrnnn ED Figura II.12: Padroes Nao-Aleat6rios de uma Carta de Controle... . Figura II 13: Cartas da Média e da Amplitude = Figura II.14: Cartas da Média e do Desvio Padrio... Figura I.15: Cartas da Mediana e da Amplitude... Figura IL 16: Cartas de Valores Individuais e Amplitude Mével. Figura II.17: Carta para Proporgao de Nao Conformidades. Figura II.18: Carta do Numero de Nao Conformidades... : Figura II-19: Carta do Nilmero de Nao Conformidades por Unidade, 294 Figura 11.20: Carta do Ntimero de Nao Conformidades wmv 96 Figura IIL 1: Cartas de Controle. eae 100 Figura IIL2: Controle de Seméforo Figura IIL3: Pré-Controle = a Figura IL-4: Carta de Controle DNOM 108 Figura IIL.S: Carta CUSUM com Mascara V 109 Figura IIL6: Carta X, AM. ss 110 Figura IL7: Carta MMEP de Viscosidad: we LB. Figura IIL8: Carta X, AM de Viscosidade..... 2 Figura IV.1: Variagdo Dentro ¢ Entre Subgrupos 130 Figura IV.2: Comparagaio entre Cyy€ Py vonnnrnn arise 133 Figura IV 3: Comparaco entre um Proceso Previsivel ¢ um Processo Imaturo 135 Figura IV 4: Valores de Cpk e Ppk Produzidos por um Processo Previsfvel_¢ Imatur0 ..-.- 136 Figura IV.5: “Traves do Gol” x Fungio Perda... a sane MB Figura IV.6: Comparago entre a Fungo Perda e as Especificagdes.. soe 150 Figura IV.7: Comparago das Fungées Perds.... sae wn 151 Figura IV.8: Uri Sistema de Controle de Processo..... 152 Figura IV.9: Alinhamento do Processo aos Requisitos 154 xiiCAPITULO | Melhoria Continua e Controle Estatistico do ProcessoEsta pégina foi intencionalmente deixada em brancocapfruLo 1 Melhoria Continua e Controle Estatistico do Processo Introdugao Para prosperar no atual momento econémico, nds - fabricantes automotivos, fornecedores e distribuidores/servigos - devemos estar dedicados & melhoria continua. Devemos buscar constantemente ‘maneiras mais eficientes de produzir produtos e servigos. Estes produtos servigos devem continuar a melhorar em valor. Devemos dar énfase a0 ‘nosso cliente, tanto interno como extemo, e tomar a satisfago do cliente, no objetivo essencial do negécio. Para realizar isto, todos em nossa organizaclio devem estar ‘comprometidos com a melhoria € com 0 uso de métodos eficazes. Este manual descreve varios métodos estatfsticos bisicos, que podem ser usados para tomar nossos esforgos quanto & melhoria mais eficazes. Diferentes niveis de compreensio sao necessérios para a realizaglo de tarefes diferentes. Este manual esta voltado aos gerentes e profissionais técnicos que estio comegando a aplicar os métodos estatisticos. Ele também serviré como uma atualizagdo desses métodos bisicos para aqueles que agora se utilizam de técnicas mais avangadas. Nem todos os métodos basicos esto inclufdos aqui. A abrangéncia de outros métodos bisicos (como "checksheets", fluxogramas, grdficos de Pareto, diagramas de causa e efeito) e alguns métodos avangados (como outras cartas de controle, planejamento de experimentos, desdobramento da funcio qualidade, etc.) esto dispontveis em livros e brochuras como os citados no Apéndice H. Os métodos estatisticos basicos contidos neste manual incluem aqueles associados com o Controle Estatistico do Proceso ¢ a Anélise da Capabilidade do proceso. © Capitulo I oferece nogdes de controle do processo, explica varios conceitos importantes, tais como causas comuns e especiais de variagao. Ele também apresenta a carta de controle, que pode ser um instrumento ‘muito eficaz para analisar e monitorar os processos. © Capitulo Il descreve a construgdo € 0 uso de cartas de controle para dados do tipo varidveis' e dados do tipo atributos, © Capitulo IIT descreve outros tipos de cartas de controle que podem ser usadas em situagdes especializadas — cartas com base em probabilidades, cartas de pequenos lotes (short-run), cartas para detectar pequenas variagées, néo normal, multivariadas e outras cartas. (© Capitulo TV aborda a andlise da capacidade do processo. Os Apéndices trazem amostragem, supercontrole ou sobreajuste, um processo para a selego das cartas de controle, uma tabela de constantes © formulas, a tabela’ normal, um glossdrio de termos e simbolos © referéncias. ' Embora possa parecer estranho, o termo ““Varidveis” € utilizado para distinguir entre algo que varia carta de controle usada para a tomada de dados de uma varidvel continua.CAPITULO I ‘Melhoria Continua e Controle do Processo Estatstco Seis Topicos Seis t6picos devem ser esclarecidos antes que a discussao se inicie: 1) A coleta de dados ¢ 0 uso de métodos estatisticos para interpreté-los no é suficiente, O objetivo global é que o leitor compreenda melhor ‘0s processos que ele utiliza. E muito fécil tomar-se um expert nas ‘téenicas, sem produzir com isso nenhuma melhoria. Conhecer a fundo deveria ser a base para ago. 2) Os sistemas de medigio so criticos para a andlise adequada dos dados ¢ devem ser bem compreendidos antes que os dados do proceso sejam coletados. Quando no ha controle estatistico para fais sistemas, ou quando sua variagdo contribui com parcela substancial para a variago total dos dados do processo, decisdes inadequadas podem ser tomadas. Neste manual, assumiremos que esse sistema est sob controle ¢ nao contribui significativamente para & variagdo total dos dados. O leitor pode consultar o Manual Measurement Systems Analysis [Andlise dos Sistemas de Medigdo} (MSA), disponivel na AIAG para obter outras informagoes sobre 0 assunto. 3) © conceito bésico para o estudo da variaglio € uso de sinais estatisticos para melhoria do desempenho, pode ser utilizado em ‘qualquer area. Tais dreas podem estar na fabrica ou num escritério. Alguns exemplos so as méquinas (caracteristicas de desempenho), escrituragdo (taxa de erros), vendas brutas, andlises de perda (taxa de refugo), sistemas de computadores(caracterfstica de desempenho) € controle de materiais (tempos empregados nas movimentagdes). Este ‘manual enfoca principalmente as aplicagdes de fabrica. O leitor deve consultar as referéncias do apéndice H para aplicagdes administrativas e de servigos. 4) CEP significa Controle Estatistico do Proceso. Historicamente, os métodos estatisticos tém sido aplicados a pegas e nao a processos, A aplicago de técnicas estatfsticas para controlar resultados (como pecas) deveriam ser s6 0 primeiro passo. Enquanto 0s processos que geram 0s resultados nao forem a concentragao de nossos esforgos, 0 grande poder desses métodos para aperfeigoar qualidade, aumentar produtividade e reduzir custos néo poderd ser totalmente aleangado. 5) Embora cada ponto no texto seja ilustrado com exemplos, a compreensio verdadeira do assunto envolve contatos mais profundos ‘com as situagdes do controle de provesso. O estudo de casos reais do local de trabalho do proprio leitor ou de atividades similares seriam um complemento muito importante para o texto. Nada substitui a experiéneia pratica, 6) Este manual deveria ser considerado um primeiro passo em direglo a0 uso de métodos estatisticos. Ele apresenta abordagens geralmente aceitas que funcionam em diversas situagdes. Entretanto, hi excegdes nas quais nfo € adequado usar cegamente essas abordagens. Este manual no substitui a necessidade de se aumentarcapiruLo 1 Melhoria Continua ¢ Controle Estatfstico do Processo © conhecimento da teoria ¢ métodos estatisticos. Os leitores sio encorajados a buscar educagdo estatistica formal. Quando os processos cas aplicagées dos métodos estatisticos pelo leitor avangarem além do que € coberto neste manual, 0 leitor também é encorajado a consultar pessoas que tenham 0 conhecimento € a prética da teoria estatistica assim como de outras técnicas apropriadas. Os procedimentos utilizados sempre devem atender as necessidades do cliente.CAPITULO I~ Sego A Prevengio Versus Detecgo A NECESSIDADE DO CONTROLE DO PROCESSO Deteccao — Tolera a Perda Prevengao — Evita a PerdaCAPITULO I - Segdo A Prevencio Versus Deteceio CAPITULO | - Secao A Prevengao Versus Deteccao No pasado, a Manufatura geralmente dependia da Produgio para fazer 0 produto e do Controle da Qualidade para controlar e inspecionar 0 produto final e detectar os itens que néio se enguadravam nas especificagdes. Em situagdes administrativas, 0 trabalho & freqiientemente checado e rechecado, no esforgo de identificar erros. Ambos os casos, envolvem uma estratégia de detece#o, que geram desperdicio, porque permite que tempo e materiais sejam empregados nos produtos e/ou servigos os quais nem sempre serdo utilizados. E muito mais efetivo evitar 0 desperdicio, em primeiro lugar, niio produzindo resultados insatisfat6rios - uma estratégia de prevencio. Uma estratégia de prevencdo parece sensata ~ até mesmo ébvia - para a maioria das pessoas. E facilmente vista naqueles “slogans do tipo "Faga certo da primeira vez". Entretanto, “slogans” nao so suficientes. O que se requer é um entendimento dos elementos de um controle estatistico do processo. As sete subsegdes remanescentes desta introdugio cobrem estes elementos, e podem ser vistas como respostas as seguintes perguntas © O que significa um sistema de controle do processo? © Como uma variagiio afeta o resultado do processo? © Como podem técnicas estatfsticas mostrar se um problema & ocalizado ou envolve todo um sistema? © que significa um processo estar sob controle estatistico? O que significa um processo ser capaz? © O que € um ciclo de melhoria continua e em que papel o controle de processo participa dele? © O que sao cartas de controle, e como sio usadas? * Que beneficios podem ser esperados do uso de cartas de controle? Conforme este material estiver sendo estudado, 0 leitor poderé consultar © Glossério no Apéndice G para breves definigdes de palavras-chave & simbolos.CAPETULO I Segao B Um Sistema de Controle do Processo, MODELO DO SISTEMA DE CONTROLE DO PROCESSO COM FEEDBACK vOZ DO PROCESSO METODOS ESTATISTICOS PESSOAL D leneeneal EquipameNTo>| A MANEIRA QUE Lp» mareriais b| TRABALHAMOS/ ora TOS CLIENTES | métoposP| COMBINAGAO DE SERVI mevicAob| — RECURSOS eos J MEIO AMBIENTE) a a a IDENTIFICAGAO DAS NECESSIDADES DE ENTRADAS — PROCESSO/SISTEMA RESULTADOS MUDANCAS E EXPECTATIVAS voz DO 7 CLIENTE Figura |.1: Um Sistema de Controle de ProcessoCAPITULO I- Segio B Um Sistema de Controle do Processo CAPITULO | - Segdo B Um Sistema de Controle do Processo Um sistema de controle do proceso pode ser descrito como um sistema de “feedback”. O CEP é um tipo de sistema de “feedback”, Outros sistemas deste tipo, que no so estatisticos, também existem, Quatro elementos deste sistema so importantes para as discussées que virio subseqiientemente: 1. O Processo - Entende-se como processo, a combinago como um todo dos fomecedores, produtores, pessoas, equipamento, materiais de entrada, métodos e ambientes que trabalham juntos para produzir 0 resultado, e os clientes que utilizam o resultado (veja figura 1.1). O desempenho total do processo depende da comunicagio entre fornecedor cliente, da maneira como o proceso é planejado e implementado, ¢ da maneira como ele ¢ operado € gerenciado, Todos os controles restantes do processo serio viteis, somente se contribufrem para a manutencdo do nivel de exceléncia quanto para melhorar 0 desempenho total do proceso. 2, Informagées sobre o desempenho - Muita informagio sobre o real desempenho do processo pode ser conhecida através de estudo do resultado do processo. A informacao mais titi] sobre o desempenho do proceso ver entretanto, da compreenso do processo em si ¢ de sua variabilidade interna, Caracteristicas do processo (como temperaturas, tempos dos ciclos, taxas de alimentagio, taxas de absentefsmo, rotatividade de pessoas, atrasos, ou niimero de interrupgées) deveriam ser 0 objetivo principal de nossos esforgos. Nos precisamos determinar 0s valores-alvo para aquelas caracteristicas que resultam numa operagio mais produtiva do processo, e entéo monitorar 0 quao proximo ou distante deste alvo nds estamos. Se esta informagdo ¢ obtida © interpretada corretamente, ela pode mostrar se 0 processo esti operando ‘em condigées normais ou nao. AgGes adequadas podem ser executadas, se necessiiias, para corrigir 0 processo ou 0 resultado recém-produzido. ‘Quando a ago é necessdria ela deve ser oportuna e apropriada, ou 0 cesforgo da coleta de informacao tera sido um desperdicio. 3. Ago sobre 0 Processo - Uma ago sobre o processo € geralmente ‘mais econémica quando realizada para prevenir que as caracteristicas importantes (do processo ou do produto) variem muito em relagio aos seus valores-alvo. Isso garante que a estabilidade e a variago do resultado do processo sejam mantidas dentro de limites aceitaveis. Tal ago pode consistir em: * Mudangas nas operagdes ¥ treinamento dos operadores Y — mudangas nos materiais de entrada * -Mudangas nos elementos mais bésicos do préprio proceso ¥ equipamento Yo modo como as pessoas se comunicam ¢ se relacionamCAPITULO I~ Segao B Um Sistema de Controle do Processo Yo projeto do processo como um todo ~ que pode estar vulnerdvel as mudangas de temperatura ou umidade da Fabrica Os efeitos das agbes deveriam ser monitorados, com andlise mais detalhada ¢ medidas adequadas se necessirio. 4. Agdo sobre 0 resultado - Uma agio sobre 0 resultado & fregiientemente menos econdmica quando se restringe & deteccao © corrego do produto fora da especificagdo, nao indicando o feto gerador do problema no processo. Infelizmente, se 0 resultado atual ndo atinge consistentemente 0s requisitos exigidos pelo cliente, pode ser necessério inspecionar classificar todos os produtos ¢ refugar ou retrabalhar quaisquer itens ndo-conforme. Esta atitude deve ser mantida até que a aco corretiva necessdria sobre 0 proceso tenha sido tomada ¢ verificada. E obvio que a inspegdo seguida pela acdo somente sobre o resultado (0 produto) € um substituto muito fraco para um gerenciamento eficaz. do proceso. Ago somente sobre 0 produto pronto deveria ser usada estritamente como uma medida tempordria para processos instiveis ou incapazes (ver Capitulo I, Seco E). Portanto, as discusses que se seguem enfocam a coleta de informagdes do processo ¢ a andlise das mesmas, para que uma ago corretiva possa ser efetuada sobre o proprio processo. Lembre-se que 0 foco deve estar na prevengio ¢ no na detecgio. 10CAPITULO I - Segio B Um Sistema de Controle do Processo Esta pagina foi intencionalmente deixada em brancoCAPITULO I ~ Segio C Variagio: ausas Comuns © Especial [AS PEGAS VARIAM OE UMA PARA OUTRA at atl, fl saan TAMA ——PTAMANO—— TANI: a luas ELAS FoRMAM UMA AGLOMERAGKO QUE, SE ESTAVEL, PODE SER DESCRITA COMO UMA OISTRIBLIGAO, aan TaN ——P [AS DISTRIBUIGOES PODEM DIFERIR QUANTO LocaLeagto co1srensio Taio ——> Sano —> TAMo——> se arous casas comnsce yaacho esrvenet Sterna aut Cesravet Ao oweo0 EAPO rasan —> — ‘Se CAUSA ESPECIAS De VARUACO ESTIVEREM presentes, oRESULADO D0 PROCESO NAOT ESTAVEL AG LONGODO TEMPO. ramantio—— Figura 1.2: Variagao — Causas Comuns e EspeciaisCAPITULO I~ Sesto C \Variagio: Causas Comuns e Especiais CAPITULO I - Secdo C Variagao: Causas Comuns e Especiais A fim de efetivamente utilizar 0s dados de medigao no controle do processo, € importante entender o conceito de variagio, como ilustrado nna Figura 1.2. Dois produtos ou caracterfsticas nunca sio exatamente iguais, porque ‘qualquer processo contém muitas fontes de variabilidade. As diferencas ‘entre produtos podem ser grandes, ou clas podem ser imensamente pequenas, mas elas esto sempre presentes. O didmetro de um eixo usinado, por exemplo, seria suscetivel & variagéo potencial da méquina (folga, desgaste do rolamento), da ferramenta (esforgo, taxa de desgaste), do material (didmetro, dureza), do operador (precisio em centralizar, alimentago da pega), da manutengio (Iubrificagao, reposicdo de pegas gastas) e do meio ambiente (temperatura, constancia do fornecimento elétrico) e sistema de medigao, Para tomarmos um outro exemplo, © tempo requerido para processar uum faturamento poderia variar de acordo ‘com: as pessoas que realizam as diversas etapas do servigo, a confianga no equipamento que elas estejam usando, a precisio e a clareza da propria fatura, os procedimentos seguidos, e 0 volume de outros servigos realizados no escritério. Algumas fontes de variagio no processo causam a curto prazo, diferengas pega-a-pega, por exemplo, folgas e falhas entre a maquina € 0 dispositivo de fixagdo, ou a precisio do trabalho de um escriturario. Outras fontes de variagdo tendem a causar mudangas no resultado somente apés um longo perfodo de tempo. Essas variagdes podem ocorrer gradualmente, no caso de desgaste de ferramenta ou méquina, bruscamente como mudangas no procedimento, ou irregularmente como ‘mudanga no ambiente do tipo fornecimento de energia elétrica. Portanto, © intervalo de tempo e as condigdes sobre as quais as medidas sio feitas so criticos pois afetario a quantidade total de variagio que seré observada, Enquanto valores tomados individualmente podem ser todos distintos, ‘como um grupo eles tendem a formar um padrdo que podem ser descritos como uma distribuigao (ver Figura 1.2), Esta distribuiggo pode ser ccaracterizada pelos seguintes fatores © Localizagao (valor tipico ou "central") © Dispersio (abrangéncia ou “extensio" de valores do menor a0 maior). # Forma (o padrio de variagao - se a distribuigio ¢ simétrica, obliqua etc.) Do ponto de vista dos requerimentos m{nimos, 0 t6pico variagio € C eeralmente simplificado: pecas dentro das especificagdes so aceitiveis, pegas fora das especificagdes nio sio aceitaveis; relatsrios entregues, dentro do prazo slo aceitos, relatérios atrasados no so aceitos. Entretanto, 0 objetivo deve ser manter a localizacdo em um valor alvo 13CAPITULO I~ Segdo C ‘Variagio: Causas Comuns ¢ Especiais com o mtnimo de variagdo. Para gerenciar qualquer processo reduzir ‘sua Variagdo, a mesma deve ser rastreada de volta, até as suas fontes. O primeiro passo é fazer a distingdo entre causas comuns e causas especiais de variagao. Causas comuns referem-se as muitas fontes de variagdo que agem de forma consistente no proceso. AS causas comuns de um processo produzem uma distribuigdo estavel e repetitiva ao longo do tempo. Isto é chamado “sob estado de Controle Estatistico”, "sob Controle Estatistico ou as vezes somente “sob controle”. Causas comuns resultam em um sistema estdvel de causas proviveis. Se somente causas comuns de variagdo esto presentes ¢ nao se alteram, 0 resultado do process se torna previstvel Causas especiais (freqlentemente chamadas de causas que podem ser atribuidas), referem-se a quaisquer fatores causadores de variagdo que afetam apenas parte do resultado do processo. Quase sempre elas sto intermitentes ¢ imprevisiveis. As causas especiais so sinalizadas por um ‘ou mais pontos além dos limites de controle ou por padroes nio aleat6rios dos pontos dentro dos limites de controle. A menos que todas ‘as causas especiais sejam identificadas e tomadas as devidas providéncias, elas podem continuar a afetar 0 resultado do processo de ‘maneira imprevisivel. Se causas especiais esto presentes, o resultado do processo nd seri estvel ao longo do tempo. ‘As mudangas na distribuiglo do proceso em decorréncia de causas especiais podem ser tanto negativas como positivas. Quando estas mudangas ‘so negativas, clas precisam ser entendidas e eliminadas. Quando so positivas, elas devem ser entendidas ¢ transformadas em eat parte permanente do proceso. Com alguns processos’ bem. desenvotvidos, o cliente pode dar permissao especial para a execugio de tum processo que contenha, consistentemente, a ocorréncia de uma causa especial. Tais permissdes ilo, geralmente, requerer que os planos de controle do processo possam assegurar a conformidade vom os requisitos do cliente ¢ ao mesmo tempo proteger 0 processo contra outras causas especiais. (Ver Capitulo I, Seco 5) (Os processos que jé passaram por virios ciclos de melhoria continua, 4CAPITULO I~ Segaio C ‘Variago: Causas Comuns e Especiais Esta pagina foi intencionalmente deixada em branco 15CAPITULO I - Seo D Agbes Lovais © Agées sobre o Sistema AGOES LOCAIS E ACOES SOBRE O SISTEMA Agées Locais * Sao geralmente requeridas para eliminar causas especiais de variagéo * Podem geralmente ser executada por pessoas proximas ao processo * Podem corrigir normalmente cerca de 15% dos problemas do processo Ages Sobre o Sistema: * Sao usualmente requeridas para reduzir a variagdo devido a causas comuns * Quase sempre exigem ago gerencial para a corregao * Sao necessarias para corrigir aproximadamente 85% dos problemas do processo 16CAPITULO I~ Segao D [Agies Locais © Agies sobre o Sistema CAPITULO | — Seg&o D Acées Locais e Agdes Sobre o Sistema Hé uma importante relagiio entre os dois tipos de variagdo que acabamos de discutir e os tipos de agdes necessérias para reduzi-las.* Simples técnicas de controle estatistico do proceso podem detectar as ccausas especiais de variagio. Descobrir uma causa especial e tomar a atitude adequada € geralmente responsabilidade de alguém que esteja diretamente ligado com a operacao. Embora 0 gerenciamento possa, &s vezes, estar envolvido para corrigir a condigdo, a resolugdo para uma causa especial de variago geralmente requer ago local no sistema, ou seja, por parte das pessoas envolvidas diretamente na operagio. Isto é fato, principalmente durante os primeiros esforgos na melhoria do processo. Uma vez que se haja acertado a acdo apropriada para as causas especiais, as causas remanescentes exigitdo freqllentemente aco gerencial, em vez. de aco local. Estas mesmas técnicas estatisticas simples podem também indicar a extensio das causas comuns de variago, mas as préprias causas precisam de andlises mais detalhadas para screm isoladas. A correcio destas causas comuns & geralmente responsabilidade gerencial. As vezes, pessoas diretamente ligadas a operacao estardo em melhor posicdo para identificar as causas, € passd-las adiante para ago gerencial. De forma geral, no entanto, a solugio para as causas comuns de variagi0 geralmente requer ago sobre o sistema, Somente uma proporgdo relativamente pequena da excessiva variagdo do processo - a experigncia industrial sugere aproximadamente 15% - pode ser corrigida localmente, por pessoas diretamente ligadas a operagio. A maioria das causas - 0s outros 85% - podem ser corrigidos somente através de ago gerencial, sobre o sistema. Confusées a respeito do tipo de ago a aplicar, custam muito caro para a organizagio, em termos de esforgos desperdigados, solugdes de problemas postergadas, e problemas agravados. Pode ser errado, por exemplo, tomar uma agio local (ex. ajuste de uma méquina) quando uma agio gerencial sobre o sistema € necessiria (ex, selegdo de fomecedores que entreguem materiais com qualidade constante).* Portanto, trabalho em conjunto entre geréncia € aquelas pessoas ligadas diretamente a operagao é essencial para uma redugio significativa de causas comuns de variagio do proceso, 0 Dr. W. E. Deming tratou dessa questo em muitos artigos; por exemplo, consulte Deming (1967). Essas observagdes foram feitas pela primeira vez pelo Dr. J. M. Juran, ¢ foram confirmadas pela experiéncia do Dr. Deming, 7CAPITULO I - Seg E Controle do Procesvo ¢ Capabilidade do Processo CONTROLE DO PROCESSO S08 connote (causas ESPECIAIS ELININADAS) ZY (enesenga DE CAUSAS ESPECINE) CAPABILIDADE DO PROCESSO ‘CAPAESE ATENDER AS ESPeCICACbES, (WARAgAG DEOO ACAUSAS ‘ealuna For ReOUION) ‘S08 CONTROLE MAS NAO CAPAZ DE ATENDER AS ESPECIFICACOES {EXCESCIVA VARIAGAO DEVIBO A CAUEAS COMUNS) lidade do Processo Figura |.3: Controle do Proceso e CapabiCAPITULO I - Segi0 E Controle do Pracesso ¢ Capabilidade do Process CAPITULO | - Segao E Controle do Processo e Capabilidade do Processo Controle versus Capabilidade $ Consulte TS 16949, O sistema de controle do processo & parte essencial do sistema geral de gerenciamento dos negécios.’ Como tal, 0 objetivo do sistema de controle do processo é fazer previsdes sobre o estado atual € futuro do processo. Isso leva a decisdes economicamente sélidas sobre as agées que afetam o processo. Essas agdes exigem o balanceamento entre o risco de tomar uma ag20 quando esta ndo € necesséria (super controle ou “tampering”), ou deixar de tomar uma ago, quando a mesma é necesséria (sub controle). Estes riscos devem ser tratados, entretanto, no contexto das duas fontes de variago — causas especiais e causas comuns. (veja Figura 13.) E dito que um processo est operando sob controle estatistico, quando as ‘inicas fontes de variagdo so de causas comuns. Uma fungaio de um sistema de controle do proceso, entio, é fornecer um sinal estatistico que indique quando causas especiais de variacao esto presentes, ¢ evitar dar sinais falsos quando elas nao estao presentes. Isto permite que agdes, apropriadas sejam tomadas sobre causas especiais (removendo-as, ou ‘mantendo-as caso sejam benéficas). sistema de controle do proceso pode ser usado como um instrumento para uma tinica avaliagdo, mas 0 verdadeiro beneficio de um sistema de controle de processo € reconhecido quando este € usado como um instramento continuo de aprendizado, ao invés de uma ferramenta de conformidade (borv/ruim, estével/ndo estével, capaz/ndo capaz etc). Quando falamos em capabilidade do process, dois conceitos um tanto contrastantes precisam ser considerados: ‘© Capabitidade do proceso * Desempenho do processo A capabilidade do proceso é determinada pela variagio que vem das causas comuns. Ela geralmente representa o melhor desempenho do proprio processo, Isso € demonstrado quando 0 proceso esti sendo operado sob controle estatistico independente das especificagdes. Clientes internos e extemnos, contudo, sio normalmente mais preocupados com o desempenho do processo, isto é, do resultado geral do processo em relago aos seus requisitos (definido por especificagées), sem consideragao a variagao do processo. §Consulte W. E. Deming, (1994), € W. Shewhart, (1931). 19CAPITULO I - Segio E Controle do Processo e Capabilidade do Processo Em geral, uma vez que um processo sob controle estatistico possa ser descrito por uma distribuigdo previsivel, a proporcdo de pecas que estario dentro das especificagdes pode ser estimada a partir desta distribuigao. Enquanto 0 proceso permanece sob controle estatistico, ¢ rio apresenta mudangas na localizagao, na dispersio, ou na forma, cle vai continuar a produzir a mesma distribuigio de pegas dentro das especificagdes. Depois que o processo esté sob controle estatfstico, a primeira agZo sobre 6 processo seria posicionar 0 processo sobre 0 alvo, Se a dispersdo de um processo é inaceitavel, esta estratégia permite que um niimero minimo de pecas fora da especificagio sejam produzidas. Agdes sobre o sistema para reduzir a variagio proveniente de causas comuns sio geralmente requeridas para melhorar a habilidade do processo (e seu resultado) para tender consistentemente as especificagbes. Para uma discussio mais detalhada da capabilidade do processo, desempenho do processo e suas suposiges associadas, veja 0 Capftulo IV. © processo deve ser posto, primelramente, sob controle estatistico, através da detecgao © acdo sobre as causas especiais de variacao. Entéo seu desempenho se torna previsivel, e sua capabilidade em satisfazer as expectativas do cliente pode ser avaliada. Isto é a base para a melhoria continua. Todo proceso esté sujeito a classificagio baseada na capabilidade € controle. Um processo pode ser classificado em um dos 4 casos, como ilustrado no diagrama abaixo: Controle Estatistico Sob Controle Fora de Controle Accitaivel "Caso I Capabilidade —— ——— Inaceitavel Caso 2 Caso 3 Caso 4 Para ser aceitével, 0 processo deve estar sob um estado de controle estatistico © a capabilidade (variagao de causa comum) deve ser menor do que a tolerncia. A situagao ideal é ter um processo dentro do caso } onde 0 processo est sob controle estatistico e sua habilidade em atender 408 requisitos de tolerdncia € aceitével. Um processo enguadrado no Caso 2 esté sob controle mas tem uma excessiva variagdo de causas comuns, que deve ser reduzida. Um processo enquadrado no Caso 3 atende os requisitos de tolerdncia, mas nio esta sob controle estatistico; causas especiais de variagdo devem ser identificadas ¢ as respectivas agdes tomadas. No caso 4, 0 processo nao est sob controle, nem é aceitével. Variagées tanto de causas comuns quanto de causas especiais dever ser reduzidas, 20indices do Processo CAPITULO I Seco E Controle do Pracesso ¢ Capabilidade do Process Sob algumas circunstancias, o cliente pode permitir que o fornecedor ‘opere um proceso, mesmo que este seja um proceso que se enquadre no Caso 3. Estas circunstincias podem incluir: + 0 cliente € insensivel a variagio dentro das especificagées (veja discussio sobre fungao perda no Capitulo IV), * 0 custo envolvido na tomada de ago corretiva sobre causas especiais ultrapassa 0 beneficio para qualquer cliente ou todos eles. Causas especiais economicamente vidvel podem ser: desgaste de ferramenta, retificagao de ferramenta, variagao cfclica (sazonal), etc. © A causa especial tem sido identificada e documentada como consistente e previsivel Nestas situagSes, o cliente pode exigir o seguinte: © Oprocesso esta bem desenvolvido, © A causa especial a ser tolerada tem mostrado que age de uma ‘maneira consistente e dentro de um perfodo de tempo conhecido. © Um plano de controle do proceso esté implementado, 0 qual iré assegurar conformidade & especificago de todo o resultado do processo e assegurar protec30 contra outras causas especi inconsisténcia na causa especial tolerada. Consulte também o Apéndice A para obter uma discussio sobre os processos que dependem do tempo. A pritica aceita na indistria automotiva € calcular a capabilidade (variaglio de causa comum) s6 depois que um processo tenha demonstrado estar sob controle estatistico. Esses resultados so usados ‘como base para previsio de operago do processo, Hi pouco valor em fazer previsdes baseadas em dados coletados de um proceso que nao é estavel € que nao se repete a0 longo do tempo. Causas especiais sio responsdveis por mudancas na forma, na dispersio e na localizagio de um proceso, ¢ assim, podem rapidamente invalidar a previsdo sobre 0 processo. Ou seja, para que os diversos indices ¢ taxas do processo sejam usados como ferramentas preditivas, 0 requisito € que os dados usados para calculi-los sejam coletados de processos que esto em um estado de controle estatistico, Os {ndices do processo podem ser divididos em duas categorias: aqueles {que sio calculados usando estimativas de variagio dentro do subgrupo © aqueles que sio calculados usando a variagio total ao estimar determinado indice (consulte também o Capitulo TV). Varios indices diferentes foram desenvolvidos porque: 1, Nenhum indice pode ser universalmente aplicado para todos os processos 2. Nenhum processo pode ser completamente descrito por apenas um. 21CAPITULO I~ Sega E Controle do Processo e Capabitidade do Processo Por exemplo, é recomendado que Cp ¢ Cpx sejam ambos utilizados (veja Capitulo TV) e que além disso sejam depois combinados com técnicas grdficas para melhor entender a relago entre a distribuigao estimada e os limites de especificagao. De uma certa maneira, isso equivale a comparar (e tentar alinhar) a "vor do proceso" com a "voz do cliente’ (veja também a Sherkenbach (1991) Todos os indices tém pontos fracos e podem induzir ao erro. Quaisquer conclusées tiradas dos indices calculados deveriam ser direcionadas por ‘uma interpretagio apropriada dos dados sobre os quais os indices foram calculados ‘Companhias automotivas estabeleceram requisitos para a capabilidade do processo. E responsabilidade do leitor comunicar-se com seus clientes & determinar que indices usar. Em alguns casos, poderia ser melhor nem usar qualquer indice. E importante lembrar que a maioria dos indices de capabilidade incluem a especificagao do produto na sua formula. Se a especificagio € inadequada, ou nao € baseada nos requisitos do cliente, muito tempo e esforgo podem ser desperdigados na tentativa de forgar 0 processo a estar em conformidade. O Capitulo IV trata de indices selecionados para capabilidade e desempenho e contém orientagées sobre a aplicagao destes fndices. 22CAPITULO I - Segao E Controle do Processo e Capabilidade do Proceso Esta pagina foi intencionalmente deixada em branico 23CAPITULO I - Segio F (© Ciclo de Melhoria do Processo € 0 Controle do Processo ESTAGIOS DO CICLO DE MELHORIA CONTINUA DO PROCESSO 1, ANALISAR O PROCESSO. 2. MANTER O PROCESSO =O que o processo deveria estar fazendo? - Acompanhar 0 desempenho -O que pode dar errado? do proceso -O que o proceso esté fazendo? ~Detectar variagao de causa = Alcangar o estado de controle estatistico especial e atuar sobre ela -Determinar a capabilidade EXECUTAR PLANEJAR PLANEJAR EXECUTAR ATUAR EsTUDAR © ATUAR, ESTUDAR PLANEJAR 3.MELHORAR O PROCESSO ‘stuoan _- Muda 0 processo para entender melhor a variagéo de causa comum - Reduzir a variagao de causa comum ATUAR Figura 1.4: 0 Ciclo de Melhoria do ProcessoCAPITULO I - Seco F (© Ciclo de Methoria do Processo 0 Controle do Processo CAPITULO | — Segao F O Ciclo de Melhoria do Processo e 0 Controle do Processo Em aplicando-se 0 conceito de melhoria continua do processo, hi um ciclo composto de 3 estagios que pode ser muito til (ver Figura L. 4) Todo processo esta em um dos trés estégios do Ciclo de Melhoria. 1. Analisar o Processo ‘Uma compreensio basica do processo € essencial quando consideramos a melhoria do processo. Entre as perguntas a serem respondidas a fim de alcangar uma total compreensao do processo, estio as seguintes: © O que o proceso deveria estar fazendo? YO que é esperado em cada etapa do proceso? Y Quais sfo as definicdes operacionais dos resultados esperados? + O.que pode dar errado? YO que pode variar neste process? YO que ja sabemos a respeito da variabilidade deste processo? Y Que pardmetros sto mais sensiveis a variagdo? * Que o process est fazendo? Este processo est gerando refugo ou resultado que requeira retrabalhos? Y Este processo produz um resultado que esteja num estado de controle estatistico? YO processo é capaz? YO processo é confidvel? Muitas técnicas discutidas no Manual APQP ” podem ser aplicadas para se obter um melhor entendimento do processo. Essas atividades incluem: + Reunides em grupo * Consultas com pessoas que desenvolveram ou operam 0 proceso (“especialistas no assunto”) © Anilise critica da histéria do processo ‘¢ Blaboragio de uma Failure Modes and Effects Analysis [Andlise dos Efeitos e Modos de Falhas] (FMEA) As cartas de controle explicados neste manual so poderosos instrumentos que devem ser usados durante 0 Ciclo de Melhoria do Proceso. Esses métodos estatisticos simples auxiliam na diferenciagio entre causas comuns e especiais de variagao. A origem das causas especiais devem ser identificadas. Quando um estado de controle Chrysler, Ford e General Motors (1995), 25CAPITULO I~ Sesio F ‘0 Ciclo de Melhoria do Processo ¢ o Controle do Processo estatfstico for alcangado, o nivel atual de capabilidade de longo prazo do processo pode ser avaliado (veja Capitulo IV). 2. Manter (controlar) o Processo Uma vez que uma compreensio melhor do processo foi adquirida, 0 processo deve ser mantido dentro de um apropriado nivel de Capabilidade. Processos so dinimicos e podem mudar. O desempenho do proceso deve ser monitorado, para que medidas eficazes de revencio contra mudangas indesejdveis possam ser executadas. A mudanga desejavel deve também ser entendida ¢ institucionalizada. Novamente, os simples métodos estatisticos explicados neste manual podem ajudar. Construgo e uso de cartas de controle ¢ outras ferramentas permitirio um monitoramento eficiente do processo, Quando a ferramenta utilizada sinaliza que uma mudanga no processo ocorreu, medidas répidas c eficientes podem ser aplicadas para isolar as causas ¢ agir sobre elas. E muito facil parar neste estégio 2 do Ciclo de Melhoria do Processo. E importante perceber que hid um limite para os recursos de qualquer empresa. Alguns processos, talvez muitos, deveriam estar neste estagio. Entretanto, deixar de prosseguir para o prOximo estigio neste ciclo, pode resultar em uma desvantagem competitiva muito significativa. A ‘obtengdo da “classe mundial” requer um esforgo planejado € constante para mover-se em diregao ao préximo estégio do Ciclo. 3. Aperfeigoar o Processo Até este ponto, os esforgos tém sido dirigidos para estabilizar os processos e manté-los assim. Entretanto, para alguns processos, 0 cliente estard senstvel até mesmo a uma variagao dentro das especificagdes de engenharia (veja Capitulo IV). Nestes casos, 0 valor da melhoria continua nao seri percebido até que a variagio diminua. Neste ponto, ferramentas adicionais para andlise do processo, incluindo métodos estatisticos mais avangados como delineamento de experimentos, e cartas de controle avangados podem ser titeis. O apéndice H lista algumas referéncias tteis para estudo adicional. ‘A melhoria do processo através da reducdo de variagao, geralmente envolve a introdugio - proposital - de mudangas dentro do processo, € a avaliagao dos efeitos causados. O objetivo é uma melhor compreensto do processo, para que as causas comuns de variagdo possam ser reduzidas ainda mais. A intengdo desta redugio € a melhoria da qualidade ao menor custo. Assim que novos parimetros do processo tenham sido determinados, 0 ciclo volta ao estgio de Analisar o Processo. Uma vez que alteragdes foram introduzidas, a estabilidade do processo precisa ser reconfirmada, processo continua entao a mover-se em tomo do Ciclo de Melhoria do Process. 26CAPITULO I~ Sesto F ©0.Ciclo de Methoria do Process eo Conte do Processo Esta pagina foi intencionalmente deixada em branco 27CAPITULO I~ Segio G ‘Cartas de Controle: Ferramentas para 0 Controle € a Melhoria do Processo CARTAS DE CONTROLE Limite Superior de Controle Linha Central Limite Interior de Controle 1. Coleta + Reunir dados e marcd-los em uma carta 2. Controle * Calcular os limites preliminares de controle a partir dos dados do proceso. + Identificar causas especiais de variagao e agir sobre elas. 3. Andlise e Melhoria + Quantificar as causas comuns de variagdo, tomar agoes para reduzt-las. Estas trés fases séio repetidas para a melhoria continua do proceso. Figura 1.5: Cartas de Controle 28,CAPITULO I~ Segi0 G (Cartas de Controle: Ferramentas para o Controle ea Melhoria do Processo CAPITULO | - Segdo G Cartas de Controle: Ferramentas para o Controle e a Melhoria do Processo Em seus livros*, o Dr. W. E. Deming identifica dois erros cometidos com freqéncia no controle do processo: “Erro 1. Atribuir uma variagdo ou um erro a uma causa especial, quando na verdade a causa pertence ao sistema (causas comuns). Erro 2. Atribuir uma variagdo ou um erro a um sistema (causas comuns), quando na verdade a causa era especial. (0 excesso de ajuste ou supercontrole [rampering] € um exemplo ‘comum de erro No. 1. Nunca fazer nada para tentar encontrar ‘uma causa especial € um exemplo comum de erro No.2” Para 0 gerenciamento efetivo da variagio durante a produgio, deve haver tum meio efetivo para detectar as causas especiais. Existe a concepeo errada de que os histogramas podem ser usados com essa finalidade. Os histogramas so as representagOes gréficas da forma de distribuigdo da variago do processo. A forma da distribuigdo € estudada para verificar se a variagio do processo € simétrica ¢ unimodal, e, se ela segue uma distribuigo normal. Infelizmente, a normalidade nao garante a auséncia de causas especiais agindo no proceso. Ou seja, algumas causas especiais podem alterar 0 processo sem destruir sua simetria ou unimodalidade. Da mesma forma, uma distribuigéo no normal pode nao ter causas especiais agindo sobre ela, mas sua forma da distribuigao é nao simétrica. Os métodos estatisticos e de probabilidade com base no tempo sio suficientes para determinar se existem causas especiais, Embora virias classes de métodos sejam uteis para essa finalidade, a mais versatil e robusta € 0 género de cartas de controle que foram desenvolvidos & implementados pelo Dr. Walter Shewhart do Bell Laboratories”, enquanto estudava os dados do processo na década de 20. Foi ele quem primeiro fez a distingo entre variagZo controlada e no controlada, que corresponde & chamadas causas comuns e especiais. Ele desenvolveu uma ferramenta simples mas poderosa para separar os dois tipos de causas - a carta de controle. Desde aquela época, as cartas de controle tém sido usadas com sucesso numa grande variedade de situages de controle ¢ melhoria do processo. A experiéncia tem mosttado que as cartas de controle efetivamente evidenciam causas especiais de variagio quando elas ‘ocorrem, e refletem a extensfo da variago de causas comuns que devem ser reduzidas através da melhoria do sistema ou do processo. E imposstvel reduzir a zero, os erros acima mencionados. O Dr. Shewhart reconheceu isso e desenvolveu uma abordagem gréfica que minimiza no longo prazo, a perda econdmica gerada pelos dois erros. ® Deming (1989) e Deming (1994). * Shewhart (1931). 29CAPITULO I Sei G ‘Cartas de Controle: Ferramentas para 0 Controle e a Melhoria do Processo Quando as atividades de controle do processo, garantem que nenhuma fonte de variagfio de causas especiais esté ativa'”, diz-se que 0 processo esta sob controle estatistico ou "sob controle". Tais processos sio chamados de estiveis, previsiveis e consistentes, uma vez que € possivel prever'!' o desempenho do processo. ‘A existéncia ativa de uma causa especial deixaré 0 processo fora do controle estatistico ou "fora de controle". © desempenho desses processos instaveis nao pode set previsto. Como eles funcionam? Limite de Controle Quando Shewhart desenvolveu as cartas de controle, ele estavia preocupado com 0 controle econdmico dos processos. ov seja. so realizadas ages no processo apenas quando existem causas especiais Para tanto, os dados estatisticos da amostra, so comparados aos limites do controle. Mas como esses limites so determinados? Considere uma distribuigo de processo que pode ser descrita pela forma normal. O objetivo é determinar quando 0 processo esté sendo afetado por ‘causas especiais. Outra forma de dizer isso seria “O processo mudou desde que foi visto pela diltima vez ou durante 0 periodo da amostragem ‘As Duas Regras de Apresentagao de Dados de Shewhart: Os dados devem sempre ser apresentados de modo a preservar a ‘evidéncia dos dados para todas as previsdes que possam ser fellas a partir desses dados. ‘Sempre que for usada uma média, um intervalo ou histograma para resumir os dados, 0 resumo néo deve confundir 0 usudrio @ fazé-lo ‘executar uma agdo que ele ndo executaria se os dados tivessem sido apresentados em série temporal. |) Oprocesso {— mudou? Como a distribuigio normal é descrita pela centralizagdo do processo (média) e pela amplitude do processo (intervalo ou desvio padrio), @ primeira pergunta € A centralizagio ou a amplitude do proceso mudaram? © Isso € feito usando as informagdes do processo para identificar e eliminar a existéncia de causas especiais ou para detecté-las e remover seu efeito quando elas ocorrem. Assim como em todos os métodos de probabilidade, uma certa quantidade de risco esté envolvida aqui também. O nivel exato de confianga na previsio de agdes futuras no pode ser determinado apenas pelas medidas estatfsticas. A especializagao na érea se faz necessaria. 30CAPITULO I~ Segao G ‘Cares de Controle: Ferramentas para o Controle e a Melhoria do Processo Considere apenas a centralizag3o. Qual abordagem pode ser usada para determinar se a centralizago do processo mudou? Uma possibilidade seria olhar cada pega produzida pelo proceso, mas em-geral isso no é economicamente pritico. A alternativa ¢ utilizar uma amostragem do processo e calcular a média da amostra. O local do processo mudou? tomar n amostras - calcular® Se 0 processo ndo mudou, a média da amostra seré igual 4 média da distribuigao? A resposta € que isso acontece muito raramente. Mas como isso & possivel? Afinal de contas, o proceso nao mudou. Isso nao faz. com que se deduza que a média do processo permaneceu igual? O motivo disso é que a média da amostra é apenas uma estimativa da média do processo. Para esclarecer um pouco, considere uma amostra de tamanho um. A média da amostra € @ propria amostra individual. Com tais amostras aleat6rias a partir da distribuigo, as leituras eventualmente cobririo todo © intervalo do processo. Usando a seguinte férmula Intervalo da distribuicdo das médias = (V) nero do Proceso in para uma amostra de tamanho quatro, o intervalo resultante de médias de amostras seré /V'= 14 do intervalo do processo, para uma amostra de tamanho 100 ele seri //760'= },, 40 intervalo do processo. ie Shewhart usou essa distribuiglo de amostragem para estabelecer uma definigio operacional “sob controle estatistico”. Em primeiro lugar, comece com a hipétese de que 0 processo esta sob controle estatistico, ou seja, inocente até que se prove o contrério. Em seguida, compare a amostra com distribuicgo da amostragem usando os limites de desvi padrdo'® +3, Esses sfio chamados de limites de controle. Se a amostra ficar fora desses limites, entao hé motivos para crer que existe uma causa especial, Além disso, espera-se que todas as amostras (aleatérias) exibirio uma ordem aleat6ria dentro desses limites. Se um grupo de amostras mostrar um padrdo, hd motivos para cret que existe uma causa especial (consulte o Capitulo I, Segdo C e 0 Capitulo IL, Segio A), "= Consulte o Teorema do Limite Central ® Shewhart optou pelos limites de desvio padrio +3 como limites titeis para atingir 0 controle econémico dos processos, a1CAPITULO I - Sega G Cartas de Controle: Ferramentas para o Controle € a Methoria do Processo Distribuigdo das médias Distribuigdo individual tomar n amostras calcular X devido a Varlagao da Amostragem Em geral, para configurar uma carta de controle nés calculamos Linha central = média da estatistica que esté sendo analisada Lsc mite de controle superior = linha central + 3 x 0 desvio padrio das médias LIC = limite de controle inferior = linha central - 3 x 0 desvio padrio das médias Abordagem: Como as Cartas de Controle oferecem a definigio operacional “sob controle estatistico”, elas sfo ferramentas tteis em todos os estigios do Ciclo de Methoria (consulte 0 Capitulo I, Segdo F). Dentro de cada estigio, deve ser usado o ciclo PDSA Para andlise dos conjuntos de dados existentes Para os estigios de Anilise ¢ Melhoria do ciclo: Revisar os dados: YA métrica € apropriada, ou seja, ela reflete um atributo de processo e esti ligada a um fator de negécios chave? Y Os dados sao consistentes, ou seja, a mesma definigao operacional é usada por todos que coletam os dados? Y Os dados so confidveis, ou seja, é utilizado um esquema planejado de coleta de dados? ¥ Osistema de medigao € apropriado ¢ aceitavel? Plotar os dados: Y Colocar no grifico em ordem seqiiencial de tempo Y Comparar 20s limites de controle ¢ determinar se existem pontos fora dos limites de controle Y Comparar com a linha central e determinar se existem padres nao aleat6rios que podem ser claramente identificados ¥ Ciclo Plan-Do-Study-Act (Plangjar-Realizar-Estudar-Agir); também conhecido como ciclo PDCA (Plan-Do-Check-Act ~ Planejar-Realizar-Verificar-Agin), 32CAPITULO I - Segao G Cartas de Controle: Ferramentas para o Controle ea Melhoria do Processo ‘© Analisar os dados ‘+ Realizar as ages apropriadas Os dados so comparados com os limites de controle para ver se a variagao é estavel e € decorrente somente de causas comuns. Se causas especiais sio evidentes, o processo € estudado para se determinar posteriormente 0 que esté afetando 0 proceso. Apés agées (consultar Capitulo I, Segio D) terem sido aplicadas, mais dados devem ser coletados, limites de controle recalculados, se necessérios, e agées deve ser dirigidas @ qualquer causa especial adicional de variacio, Depois que todas as causas especiais tenham sido corrigidas, ¢ 0 processo esteja operando sob controle estatistico, a carta de controle continua como uma ferramenta de monitoragdo. A capabilidade do processo pode também ser calculada. Se a variagio decorrente de causas ‘comuns € excessiva, 0 processo no pode produzir resultado que consistentemente esteja em conformidade com os requisitos do cliente. O proprio processo deve ser investigado, e, especificamente, acdo gerencial deve ser tomada para melhorar o sistema, Para o controle ‘+ Revisar o esquema de coleta de dados antes de iniciar: ¥ A métrica € apropriada, ou seja, ela reflete um atributo de processo e esté ligada a um fator chave dos negécios? Y Os dados serio consistentes, ou seja, a mesma definicko operacional é usada por todos que coletam os dados? Y Os dados serdo confidveis, ou seja, um esquema planejado de coleta de dados € utilizado? Y Osistema de medigao é apropriado € aceitavel” ‘+ Plotar cada ponto & medida que ele é determinado: Y Comparar os limites de controle e determinar se existem pontos fora dos limites de controle Y Comparar com a linha central e determinar se existem padrdes no aleat6rios que podem ser determinados com clareza ‘© Analisar os dados Tomar a ago apropriada CContinuar a operar o processo, sem tomar nenhuma ago, ou % ontica Fonte geradora da causa especial e remové-la (se a resposta nfo for aceitével) ou reforgar (se @ resposta for aceitével), ou Y Continuar a operar 0 proceso, sem tomar nenhuma ago ¢ reduzir 0 tamanho ou a freqiéncia da amostra, ou Y Iniciar uma ago continua de melhoria Geralmente, descobre-se que embora o processo tenha sido direcionado a seu valor-alvo durante a configurag3o inicial, a real localizagio do processo (14)'* pode no corresponder a este valor. Para aqueles processos "A letra grega 11 usada para indicar a média real do processo, a qual é estimada pela média da amostra x 33CAPITULO I - Seei0 G (Cartas de Controle: Ferramentas para o Controle ea Melhoria do Processo onde a localizagdo real, desvia-se do valor nominal (alvo especifico) e a possibilidade de reposicionamento & econémica, deveria ser considerado © ajuste do processo, para que seja alinhado ao valor-alvo (consulte o Capitulo IV, Sego C), Isto presume que este ajuste ndo afeta a variagio do proceso; no entanto, pode nio ser verdade sempre, mas as causas para qualquer possivel aumento na variago do processo apés 0 realinhamento com 0 valor-alvo deveriam ser entendidas e avaliadas em relagdo & satisfagdo do cliente e ao efeito econdmico. 0 desempenho a longo prazo do processo deve continuar a ser analisado. Isso pode ser alcangado através de uma anilise critica periddica sistemética das cartas de controle, Novas evidéncias de causas especiais, podem ser reveladas. Algumas causas especiais, quando entendidas, sero benéficas e dteis para a melhoria do processo, Outras serio negativas e precisardo ser corrigidas ou removidas A finalidade do Ciclo de Melhoria ¢ adquirir uma compreensdo do processo e de sua variabilidade para aperfeigoar seu desempenho. A medida que essa compreenséo se desenvolve, a necessidade de monitoramento continuo das varidveis do produto pode tomar-se menor — particularmente em processos nos quais a andlise documentada mostra que as fontes principais de variagéo sao controladas com mais eficiéncia e eficdcia por outras abordagens. Por exemplo: nos processos nos quals a manutengao ¢ a fonte principal de variagao, 0 processo é melhor controlado pela manutencao preventiva € Preditiva; nos processos nos quais a configuragao do processo ¢ a fonte principal de variagao, 0 processo é melhor controlado pelas cartas de controle de configuracao. Para um processo que esté sob controle estatistico, os esforgos para melhorias deverio estar concentrados na redugdo das causas comuns de variago no processo. Reduzir esta variagio tard o efeito de "diminuigdo” da banda dos limites de controle mostrados na carta de controle - isto é, os limites, apés 0 recélculo, estardo mais préximos uns dos outros. Muitas pessoas, nao familiarizadas com a carta de controle, acham que isto estd "prejudicando" o processo para alcancar melhoria. Elas nfo percebem que se um proceso estd estavel e os limites de controle estio calculados corretamente, a chance do processo gerar erroneamente um ponto fora do controle & a mesma, indiferentemente da distancia entre os limites de controle (ver o Capitulo I, Sega E), Um ponto que merece ser mencionado & a questo do recéleulo dos limites da carta de controle. Uma vez calculados adequadamente, ¢ se nenhuma mudanca na variagdo devido as causas comuns ocorrer, entao 6s limites de controle permanecem legitimos, Sinais de causas especiais de variago nio requerem o recélculo dos limites de controle. Para a analise de longo prazo das cartas de controle, é melhor nao recalcular os limites de controle freqiientemente, mas somente quando uma mudanga no proceso assim determinar. Para a melhoria continua do processo, repita estes trés estigios do Ciclo de Melhoria: Andlise do Proceso, Manutengao (Controle) do Processo; Melhoria do Proceso, veja a Figura 1. 34CAPITULO I - Segio G Cartas de Controle: Ferramentas para o Controle ea Melhoria do Processo Esta pgina foi intencionalmente deixada em branco 35CAPITULO I - Segio H Uso Efetivo e Beneficios das Cartas de Controle BENEFICIOS DAS CARTAS DE CONTROLE Usadas adequadamente, cartas de controle podem: © Servir aos operadores para o controle continuo de um processo + Ajudar o processo a ter desempenho consistente e previsivel * Permitir que 0 processo alcance Melhor qualidade — Menor custo por unidade — Maior capabilidade efetiva * Fomecer uma linguagem comum para a discussao do desempenho do processo * Distinguir causas especiais de variagéio das comuns, como um guia para ages locais ou sobre o sistema. 36CAPITULO 1 Seco # Uso Bietivo e Beneficios das Cartas de Controle CAPITULO | - Segdo H Uso Efetivo e Beneficios das Cartas Controle 0 uso efetivo das cartas de controle permite a obtengio de beneficios importantes, Os ganhos e beneficios das cartas de controle estio diretamente relacionados ao seguinte: Filosofia do Gerenciamento: 0 modo como a empresa € gerenciada pode ter impacto direto sobre a eficécia do CEP. ‘A seguir estdo exemplos do que deve constar num CEP: ‘+ Enfoque da organizacao na redugo da variagio « Estabelecimento de um ambiente aberto, que minimize a competigio interna e ap6ie o trabalho conjunto de varias equipes. ‘+ Incentivo e financiamento ao treinamento da geréncia ¢ funcionérios, na utilizagio e aplicagao adequada do CEP. © Demonstragao de suporte € interesse na aplicagao € nos beneficios resultantes do CEP aplicado adequadamente, Fazendo visitas & formulando perguntas nas respectivas dre + Aplicagéo do CEP para promogao do entendimento da variagao nos processos de engenharia, * Aplicagio do CEP para o gerenciamento de dados ¢ utilizagio das informagdes na tomada didria de decisdes. Os itens acima suportam os requisites contidos nas normas ISO 9000:2000 e ISO/TS 16949:2002. Filosofia da Engenharia: 0 modo como a engenharia utiliza os dados para desenvolver projetos pode e teri influéncia sobre o nivel e tipo de variagio sobre 0 produto acabado. Estas so algumas maneiras pelas quais a engenharia pode mostrar 0 uso efetivo do CEP: ‘© Enfoque do departamento de engenharia na redugio da variaglo em todo 0 processo de projeto, ou seja, no niimero de alteragdes de projeto, no projeto de manufatura e montagem, mudangas de pessoal etc, «© Estabelecimento de um ambiente aberto de engenharia que minimize a competigao interna e ap6ie o trabalho conjunto de varias equipes. + Incentivo e financiamento do treinamento para a geréncia da engenharia ¢ funcionarios, na utilizagao e aplicago adequada do CEP. © Aplicagao do CEP para promogo do entendimento da variagio nos processos de engenharia 37CAPITULO I~ Segio H Uso Efetivo e Beneficios das Cartas de Controle © Entendimento necessério da variagio € estabilidade com relagao a medigio e aos dados que sfio usados no desenvolvimento do projeto. ‘© Suporte as mudangas da engenharia propostas apés a andlise das informagées do CEP, para auxiliar na redugtio da variacao. ‘Manufatura: 0 modo como a manufatura desenvolve e opera maquinas sistemas de transferéncia pode ter impacto sobre 0 nivel ¢ tipo da variagdo do produto acabado: = Enfoque do departamento de manufatura na redugo da variagio, por exemplo, ntimero de processos diferentes, impacto de processos com varios dispositivos e ferramentas, manutengo de ferramentas € maquindrio etc. ‘© Estabelecimento de um ambiente aberto de engenharia que minimize a competigao intema e apie o trabalho conjunto de varias equipes. © Incentive ¢ financiamento do treinamento para a geréncia de manufatura e funcionérios, na utilizagio ¢ aplicago adequadas do CEP. © Aplicagzo do CEP & compreensiio da variagiio nos processos de ‘manufatura, ‘© Entendimento necessirio da variagio ¢ estabilidade com relagao & medigo e aos dados que so usados no desenvolvimento do projeto de processo. '* Uso da anilise das informagdes do CEP para suportar as mudangas de processo para a redugao da variagao. + Nao liberagdo das cartas de controle para os operadores até a estabilizagio do proceso esteja estivel. A transferéncia da responsabilidade pelo processo para @ produgio deve ocorrer apés 0 processo ter estabilizado, © Garantia da colocagiio adequada dos dados do CEP para a sua utilizagao ideal pelos funcionérios. Controle da Qualidade: a fungdo Qualidade é um componente critico para o suporte de um processo CEP efetivo: ‘© Suporte ao treinamento em CEP para 0 gerenciamento, « engenharia © 08 funcionérios da organizacio. ‘© Orientagdo do pessoal chave dentro da organizagio na aplicagio adequada do CEP. « Auxilio na identificagao e redugZo das fontes de variagao, ‘© Garantia do uso ideal dos dados e das informagdes do CEP. Produgdo: © pessoal da produgo esté diretamente relacionado a0 processo e pode afetar sua variagio. Eles devem: ‘© Ser adequadamente treinados na aplicagio do CEP € na solugio de problemas.CAPITULO I - Secao H Uso Bietivo e Beneficios das Cartas de Controle ‘© Ter compreensio da variagdo ¢ estabilidade com relago & mediglo e aos dados que sio usados para 0 controle © aperfeigoamento do rocesso. ‘© Estarem alertas e comunicarem a mudanca nas condigdes. © Atualizarem, manterem e exibirem as cartas de controle dentro da ‘rea de responsabilidade. © Interagirem e aprenderem sobre o processo a partir das informagSes coletadas. © Usarem as informagdes em tempo real do CEP’ para executar 0 processo. ‘A aplicagio dos conceitos destacados acima resultard_no ambiente adequado para a compreensio e reducdo da variagdo. Em seguida, 0 processo Plan-Do-Study-Act (Planejar-Fazer-Estudar-Agir) pode ser usado para melhorar ainda mais 0 processo. No minimo, 0 uso do CEP para o monitoramento do processo resultaré ‘em manter 0 proceso em seus niveis atuais de desempenho. Entretanto, 0s verdadeiros aperfeigoamentos podem ser atingidos quando o CEP for usado para orientar © modo como os processos sto analisados. uso adequado do CEP pode resultar em uma organizagao concentrada na melhoria da qualidade do produto e do processo. 39,CAPITULO I - Sedo H Uso Efetivo e Beneficios das Cartas de Controle Esta pagina foi intencionalmente deixada em brancoCAPITULO II Cartas de ControleEsta pagina foi intencionalmente deixada em branco 42CAPITULO It ‘Cartas de Controle Introdugao ‘As cartas de controle podem ser usadas para monitorar ou avaliar um proceso. Existem, basicamente, dois tipos de cartas de controle: para dados do tipo varidveis ¢ para dados do tipo atributos. O proprio proceso determinard o tipo de carta de controle que seri usado, Se os dados derivados do processo tiverem natureza distinta (por exemplo, "PasswNao Passa’, "Aceitével/Inaceitével"), 0 tipo de carta para atributos seré usado, Se 0s dados derivados do processo tiverem natureza continua (por exemplo, didmetro, comprimento) 0 tipo de carta para varidveis seré usado. Dentro de cada tipo de carta existem varias combinagdes de cartas que podem ser usadas para avaliar melhor o processo, ‘Alguns dos tipos de cartas mais comuns incluem as cartas para a média (Xe amplitude (R), as cartas para valores individuais (1 ), as cartas para amplitude mével (MR ) e outras que pertencem & familia das cartas para varidveis. As cartas com base na contagem ou nos dados de porcentagem (por exemplo, p, np, c, u) pertencem & familia das cartas, para atributos ‘Ao introduzir as cartas de controle em uma organizagdo € importante priorizar as dreas problematicas e utilizar as cartas onde elas so mais necessirias. As indicagdes de problemas podem vir do sistema de controle de custos, das reclamagoes dos usudtios, dos gargalos intermos etc. O uso das cartas de controle para atributos para medidas de qualidade chave, quase sempre indica 0 caminho para as especificas reas de processo que precisam de exame mais detalhado, incluindo 0 possivel uso das cartas de controle para varidveis. Quando disponiveis, os dados para varidveis sempre sio a melhor opgao, uma vez que eles contém informagdes mais titeis do que os dados para atributos e exigem o mesmo esforgo, Por exemplo, vocé precisa de uma mostra maior para os dados do tipo atributos do que para os dados do tipo varidveis para obter o mesmo nivel de confianga nos resultados. Se 0 uso de sistemas de medigtio de varidveis nao for possfvel, a aplicagao da anilise de atributos deve ser considerada. 43‘CAPITULO IL Cartas de Controle CARTAS DE CONTROLE PARA ANALISE DO PROCESSO Processo Aavaliagao do processo exige medigbes eae 0 resultado é uma decisao tomada com base nas medi¢ées avout] | Anbenie waters | Metodos: Medigio T Exemplos de Resultados | Exemplos de Carta de Controle | * Diametro Externo do Eixo ( polegada ) X para a Média das Medidas | + Distancia do Furo & Face de Referéncia (mm ) + Resisténcia de Circuito ( ohms ) + Tempo de Deslocamento do Trem ( horas ) + Tempo para Processamento de Mudanca pela Engenharia ( horas ) R para a Amplitude das Medidas © método de medigao deve sempre gerar resultados precisos @ exatos Nao Preciso Preciso e° e.% Nao Exato e O fe Exato* + Nota: Algumas literaturas sobre metrologia definem exatidio como falta de tendéncia Figura II.1; Dados para VariaveisCAPITULO II Cartas de Controle Cartas de Controle para Variaveis Cartas de controle para varidveis representam a aplicagdo tipica do controle estatistico do processo, no qual 0s processos e seus resultados podem se caracterizar pelas medigdes das varidveis (veja Figura IL.1). ‘As cartas de controle para variéveis sio particularmente tteis por diversas razbes, Um valor quantitative (ex: “o didmetro é 16,45 mm”) contém mais informago do que uma simples declaragao Sim - Nao (ex.: “o didmetro estd conforme a especificagio). ‘© Embora a coleta dos dados para varidveis geralmente seja mais cara do que a coleta dos dados para atributos (por exemplo, um dado do tipo “Passa - Nao Passa”), € possivel tomar uma deciso mais rapidamente com um tamanho de amostra menor. Isso pode levar a menores custos totais de medigo devido ao aumento da eficiéncia. * elo fato de ser necessério verificar menos pegas antes de tomar decisdes confidveis, 0 periodo decorrido entre um sinal de “fora do controle” e a acdo corretiva em geral € menor. '* Com dados do tipo variaveis, o desempenho de um processo pode ser analisado e a melhoria pode ser quantificada , mesmo se todos os valores individuais estiverem dentro dos limites de especificagao. Isso € importante na busca de melhoria continua. ‘Uma carta para variaveis pode explicar dados do processo em termos de sua variagdo de processo, variabilidade pea-a-peca e média do processo. Por este motivo, as cartas de controle para variveis geralmente sio preparadas e analisadas aos pares, uma carta para a média do processo ¢ utra para a variago do proceso. O par mais comumente utilizado ¢ 0 das cartas X e R. Xé a média aritmética dos valores em pequenos subgrupos - uma medida da média do proceso; R é a amplitude dos valores dentro de cada subgrupo (0 maior menos o menor) - uma medida da variagio do processo. Entretanto, existem varias outras cartas de ‘controle que podem ser mais titeis sob determinadas cireunstancias. — ‘As cartas X e R podem ser as mais comuns, mas elas podem nao ser ‘as mais apropriadas para todas as situagdes. 45CAPITULO I Cartas de Controle CARTAS DE CONTROLE PARA CLASSIFICAGAO DO PROCESSO Processo | A decisao é tomada com | Pessoal | |Equipamento || Meio Ambiente base na classificagdo do resultado > [matorais ][ métodos | [Meagao ] aceepet — Exemplos de Resultados Exempios de Cartas de Controle © veiculo nao tem vazamento Carta p para proporgao de itens i ndo-conforme Alantena nao acende Didmetro do furo menor ou maior Carta np para o nimero de itens (avaliado usando um calibrador passa/nao passa) |_N0-conforme Remessa ao revendedor correta ou incorreta | | Bothas no péra-brisa Carta c para nlimero de nao- conformidade por unidade Imperfeigdes na pintura da porta Carta u para o nimero de nBo- conformidade por unidade Erros em uma fatura O critério de contormidade deve estar claramente definido e os procedimentos para decidir se estes critérios so atendidos dever produzir resultados consistentes ao longo do tempo. Exemplos de Critérios de Aceitacao Comentario | A superticie deve estar sem falhas O que é uma falha? A superticie deve estar conforme o padréo Conforme em que grau? fem cor, textura, briho @ no deve ter © inspetor concorda? | imperteigdes Como é medio? Qualquer material aplicado atrés do espetho no | * Visivel para quem? dove causar manchas visivels Sob quais condigdes Figura II.2: Dados do Tipo Atributos 46CAPTULO II Cartas de Controle Cartas de Controle de Atributos Embora as cartas de controle sejam mais utilizadas em termos de variaveis, também foram desenvolvidas cartas de controle para os atributos (ver figura 12). Dados do tipo atributos tém valores distintos ¢ podem ser contados para registros ¢ andlises. Na anélise de atributos, os dados sto separados em ccategorias distintas (conforme/ndo-conforme, aprovado/reprovado, passa/nfio passa, presente/ausente, baixo/médio/alto). Exemplos incluem a presenga de luma etiqueta obrigatéria, a continuidade de um circuito elétrico, a andlise ual de uma superficie pintada, ou erros de digitagdo em um documento. ‘Outros exemplos so as caracteristicas que so mensuréveis, mas onde os seus resultados séo reportados. com um simples uso de sim / ndo, tal como a ‘conformidade do didmetro de um eixo quando medido com um calibrador passa / nio-passa, a aceitabilidade da folga da porta via verificacao visual ou via calibrador, ou desempenho na pontualidade de entrega, Cartas de controle para atrbutos so importantes por diversas raze ‘© Situagdes com dados do tipo atributos existem em qualquer processo técnico ou administrativo, portanto técnicas de anilise para atributos so tteis em varias aplicagdes. A maior dificuldade esté em desenvolver definiges operacionais precisas sobre o que é uma conformidade. ‘© Dados do tipo atributos esto dispontveis em vérias situagées - onde quer que haja uma inspeco, registros de reparos, selegio de material rejeitado, etc, Nestes casos, nenhum esforgo adicional & necessério para a coleta de dados. A tinica despesa envolvida € 0 esforco da conversio dos dados para a forma de cartas de controle. © Quando existe a necessidade de se coletar novos dados, informagdes do tipo atributos sio geralmente obtidas de forma répida e econémica. Com ‘um simples instrumento de medigdo (por ex.: calibrador passa /-nao- passa ou padrdes visuais) a coleta geralmente no requer mao de obra especializada.'® Existem muitas ocasiées em que ha a necessidade de mio de obra especializada para a medigdo, particularmente quando a peca medida fica na érea "cinza". ‘© Muitos dados coletados para apresentacdo em relatérios gerenciais quase sempre esto na forma de atributos, e podem se beneficiar com a anslise das cartas de controle. Exemplos incluem taxas de refugo, auditorias da qualidade, ¢ material rejeitado. Por causa da capacidade em distinguir centre variagéo de causas comuns e especiais, a andlise das cartas de ‘controle pode ser valiosa na interpretacao destes relatérios gerenciais. Este manual utilizar conforme / ndo-conforme durante todas as discuss para atributos simplesmente porque ‘© Essas sdo categorias “tradicionalmente” utilizadas © Organizagdes que estio iniciando caminho para a melhoria continua comegam geralmente por estas categorias, «Varios exemplos dispontveis na literatura usam estas eategorias. Isso niio deve ser interpretado como se essas fossem as tnicas categorias “aceitéveis" ou que as cartas para atributos no podem ser usadas nos processos do Caso I (ver Capitulo I, Segio E)."” "© Consulte 0 capitulo Estudo do Sistema de Medigdo de Atributos no Manual de Referéneia MSA. " Consulte tambén : Montgomery (1997), Wheeler (1991, 1995), Wise e Fair (1998). 47capftuLom Cartas de Controle Elementos das Cartas de Controle Nao existe uma nica maneira “aprovada’ para exibir as cartas de controle. Entretanto, deve-se sempre ter em mente os motivos pelos quais, as cartas de controle (consulte 0 Capitulo I, Segdo E) esto sendo utilizadas, Todo formato € aceitavel, desde que ele contenha o seguinte (consulte a Figura 11.3) © (A) Escala apropriada E preciso usar uma escala que permita a visualizagao fécil da variagao natural do processo. Uma escala que resulte em uma carta de controle "estreita" nao permite a andlise nem 0 controle do proceso. SIM + (®)LSC,LIC A capacidade de determinar pontos fora dos limites que sinalizem ‘causas especiais. A carta de controle exige limites de controle com base na distribuigao da amostragem. Os limites de especificagao mao devem ser usados no lugar dos limites de controle validos para anilise e controle do processo. © (B)Linha central ‘A carta de controle exige uma linha central com base na distribuigao da amostragem, para permitir a determinagio de padrées nic aleat6rios que sinalizam causas especiais. '* (©) Seqiiéncia do subgrupo/Tempo ‘A manutengio da seqlléncia na qual 0s dados sto coletados oferece indicagées de "quando" uma causa especial ocorre, € se essa causa especial ¢ afetada pelo tempo. © (D) Identificacdo dos valores marcados como fora de controle (Os pontos marcados que esto fora do controle estatistico devem ser identificados na carta de controle. No caso de controle do processo, a andlise das causas ¢ sua identificagao devem ocorrer & medida que cada amostra € marcada, bem como nas revisOes periédicas para encontrar padrées nio aleatérios na carta de controle como um todo, ‘* (E) Registro de eventos 484 ie 8 4L subgrupo™ : CAPITULO II Cantas de Controle Além da coleta, colocagao em gréfico e andlise dos dados € preciso coletar informagdes adicionais de suporte. Essas informagées devem incluir a5 fontes potenciais de variagZo, assim como as agées realizadas para resolver os sinais fora de controle (OCS). As informagées podem ser registradas na carta de controle ou separadamente em um Registro de Eventos. | Se no houve nenhuma mudanga no processo entre os subgrupos, nao & preciso incluir necessariamente uma entrada no registro de eventos do | processo. B tse Linha Central uc 7 as » S » S © & OCS Subgrupo Registro de Eventos | 1 primeira turno - nova contiguragio; inserg&o 1C27; lote de material n® 1984 4 eno ra nve cantor nere 127 te mal 199 6 ‘terceiro turno - nova contiauracio; insercéo IC84; lote de material ni TORO ww | 7) lana tren ge etal 278 mrt satis 3 trenton oe etl 2103 | 42. [ma ure aa 80 23. ‘senso wmo lee maeale¢Z18 ete. t E Figura II.3: Elementos das Cartas de Controle Durante a anélise inicial do processo, 0 conhecimento daquilo que constituiria uma potencial causa especial potencial desse processo especifico pode estar incompleto. Conseqientemente, as atividades de coleta inicial de informagdes podem incluir eventos que no sero causas especiais. Tais eventos nao precisam ser identificados nas atividades subsegtientes de coleta de informagdes. Se as atividades de coleta inicial de informagées nao forem suficientemente abrangentes, 0 tempo gasto na identificagdo de eventos especificos que causam sinais fora de controle pode ter sido perdido. 49CAPITULO Caras de Controle ‘As seguintes informagSes de "cabegalho" devem ser incluidas nas cartas de controle que fazem parte de um relatério © naquelas que so atualizadas manualimente: +O qué: pega/produto/nome e niimero do servigo/identificagao ‘© Onde: operagio/informagao da etapa do processo/processo, nome/ idemtificagio © Quem: operador e avaliador ‘© Como: sistema de medigao utilizado, nome/némero, unidades (escala) © Quantos: tamanho do subgrupo, uniforme ou por amostragem Quando: esquema da amostragem (freqiéncia e tempo) A Figura IL4 mostra uma carta de controle completa, manualmente mantida que inclui todos esses elementos,CAPITULO Caras de Controle 3 rriret| rre Te] ve] 6s 09/6 Ls" s ole eisis | ars ORE SEIS emcee amy _conesa asa Fars Be sae iy ce oe = = pan - epsume sepnyidwy 2 seipey ep eyed 51 Figura Il.4a: Exemplo de Carta de Controle (Frente)caPITULO IL Cartas de Controle Ocs _ Subgrupo Registro de Eventos 1 TS1 = nova configuragaio; insergao MH18; lote de material no. 121950 2 Si-nc _ 3 Si lote de material no. 081984 4 |St=-nle 5 [S2-lote de material no, 081950 6 7 8 ‘S2—nova configuragdo; insergao DA14; continuar lote.de material no. 081950 ‘$2 lote de material no. 111951 S2-nle = 9 $3 -nova configuragao; insergdo DM19; lote de material no. 111952 | fo ~~} $3~substuida insereao quebrada pela ONS; continuaro ote de material 11 |S3=lote de material no. 111953 —_ 12 |S3-nle _ 73 [St - nova configuragao, insergao DM19; lote de material no. 111954 [14 Si-nc 15 __|St—lote de material no. 111955 16 _([St-nie 7 ‘S2-lote de material no. 111956 - _ 18 |S2—operador de backup - D.A. - 19 ‘$2 lote de material no. 111957 A 20 | $2 material ruim — produgao interrompida; material com etiqueta vermelt produgao separada da mudanga de lote. producdo Inspecionada e selecionada - 21 pegas O/S encontradas 21 ‘$3 — nova configuragao; insereao JK28; lote de material no. 111958 22 |S3-nie an 23 |S3~lote de material no. 081943 ~ 24 [S3=nle i 25 | St — nova configuragao; insergao GG16; lote de material 031942 26 Si-nc nena 27 $1 — lote de material no. 111940 28 (|St-nie Nota: Sx indica o turno; n/c indica que nao houve mudangas no processo. Figura Il.4b: Exemplo de Carta de Controle (verso) ~ Registro de Eventos 52CAPITULO II Segio A Carts de Controle do Provesso CAPITULO II - Segao A Cartas de Controle do Processo Etapas Preparatorias Atengao Antes de usar as cartas de controle, varias etapas preparatérias precisam ser seguidas: ¥ Estabelecer um ambiente apropriado para agdo. YY Definir 0 processo. Y Determinar os aspectos a serem analisadas: * Asnecessidades do cliente + Areas de problemas atuais ¢ em potencial + Correlagdo entre caracteristicas A cortelagéio entre as variéveis ndo implica uma relagdo causal (fundamental). Na auséncia do conhecimento do proceso, um Gelineamento de experimentos pode ser necessario para verificar tais relagGes e sua signifcdncia Y Definir a caracteristica A caracteristica deve ser operacionalmente definida, para que os resultados sejam transmitidos a todos os envolvidos de maneira que tenham o mesmo significado hoje como no passado. Isto envolve especificar qual informagao seré coletada, onde, como sob quais condigdes. Uma definigo operacional descreve a caracteristica que deve ser avaliada ese a caracteristica € qualitativa (distinta) ou quantitativa (continua). As cartas de controle para atributos seriam utilizadas para monitorar e avaliar as varidveis distintas, enquanto que as cartas de controle para varidveis seriam usadas para monitorar e avaliar as varidveis continuas. Y Definir o sistema de medigao A variabilidade total do processo consiste na variabilidade pega- apega e na variabilidade do sistema de medicao. E muito importante avaliar o efeito da variabilidade do sistema de medigo sobre a variabilidade geral do proceso ¢ determinar se ele é aceitével. O desempenho da medigio deve ser previsivel em termos de exatidao, precisdo e estabilidade. A calibragio periédica nfo € suficiente para validar a capacidade do sistema de medigio para seu uso pretendido. Além de ser 533CAPITULO II- Segio A ‘Cartas de Controle do Processo calibrado, o sistema de medicdo deve ser avaliado em termos de sua adequagdo 20 uso pretendido. Para obter outros detalhes sobre esse assunto consulte 0 Manual de Referéncia Measurement Systems Analysis ~ Anélise dos Sistemas de Medicio (MSA). A definigfo do sistema de ‘medigo determinara qual tipo de carta, varidveis ou atributos, seré apropriada, Y Minimizar a variagio desnecesséria Causas de variagdo externas desnecessérias deveriam ser reduzidas antes do estudo comegar. Isto poderia significar simplesmente verificar se 0 processo esté sendo operado como pretendido. O proposito € evitar problemas dbvios que poderiam e deveriam ser corrigidos sem 0 uso das cartas de controle. Isso inclui ajuste do processo ou super-controle. Em todos 0s casos, uum registro de eventos do processo pode ser mantido, anotando todos 0s eventos relevantes, tais como mudancas de ferramental, novos lotes de matéria-prima, mudangas no sistema de medigio etc. Isso auxiliard na andlise de processos subseqiientes, Y Garantir que 0 esquema de selegdo é apropriado para detectar causas especiais esperadas. | ATENGAO: Embora considere-se freqiientemente que a amostragem de | conveniéncia e/ou a amostragem acidental sejam amostragens | aleatérias, elas ndo sao. Quando se assume isso por engano, corre-se lum ‘isco desnecessario que pode levar a conclusdes erradas e/ou tendenciosas. Para obter outros detalhes, consulte o Capitulo I, Seco H. 54Mecanica da Carta de Controle CAPITULO I~ Segio A Caras de Controle do Processo As etapas para a utilizagdo das cartas de controle si 1. Coleta de dados 2. Estabelecimento dos limites do controle 3. Interpretago do controle estatfstico 4 Extenso dos limites do controle para 0 controle continuo (consultar a Figura ILS) Coleta de Dados ‘As cartas de controle sio desenvolvidas a partir das medigées de determinada caracteristica ou aspecto do processo. Essas medigées. se combinam em um dado estatfstico (controle), por exemplo, média, mediana, amplitude, desvio padrio, valores individuais, que descreve um atributo da forma da distribuigdo do processo. Os dados de medigo so coletados em amostras individuais de um fluxo do processo. As amostras sfio coletadas em subgrupos e podem consistir em uma ou mais pegas. Em geral, um subgrupo maior facilita a detecgdo de mudangas pequenas do processo. Criagio de um Plano de Amostragem ara que as cartas de controle sejam efetivas 0 plano de amostragem deve efinir os subgrupos racionais. Um subgrupo racional é aquele no qual as, amostras so Selecionadas de modo a minimizar as chances de que ocorra uma variagio devida as causas especiais dentro de um subgrupo, enquanto ‘maximiza a chance de ocorréncia de uma variagio por causas espociais entre (08 subgrupos. O principal a ser lembrado ao desenvolver um plano de amostragem € que a variagdo entre os subgrupos serd comparada com a variago dentro dos subgrupos. A tomada de amostras consecutivas para 0s subgrupos minimiza a possibilidade de que o processo mude e deve minimizar fa variago dentro do subgrupo. A freqiiéncia da amostragem determinard a ‘oportunidade que o processo tem de mudar entre os subgrupos. A variagdo dentro de um subgrupo representa a variagdo pega-a-peca a0 longo de um periodo curto.'* Toda variagdo significativa entre os subgrupos reflete mudangas do processo que devem ser investigadas para a tomada da ago adequada. Tamanho do subgrupo ~ O tipo de processo sob investigagio determina 0 ‘modo como o tamanho do subgrupo € definido. Como jé dissemos antes, um. subgrupo maior facilita a detecgao de mudancas pequenas do processo. A equipe responsével precisa determinar 0 tamanho adequado para 0 subgrupo. Se a mudanga esperada for relativamente pequena, entao é preciso ter um subgrupo maior comparado Aquele que seria necessério se a mudanga prevista fosse grande. ‘Consulte também o Apéndice A. 35CAPITULO II- Segio A ‘Cartas de Controle do Processo AMPLITUDE R ID DO SUBGRUPO HORA DATA AMPLITUDE R | [ere Marcar no grafico os dados Jnovos com relagéo aos limites de controle continuo 42[s2 | 64 6.4 \52 156. 35/59/49 | 33] "I" "eaten east ak 4.60) 6.23) 4.87| 4 17/05] 0.7 | t 0.8 | Figura 1.5: Estendendo os Limites do ControleCAPITULO I - Segto A ‘Cartas de Controle do Processo © tamanho do subgrupo deve permanecer constante, mas pode haver situagdes nas quais o tamanho do subgrupo varia dentro de uma tinica carta de controle. O edlculo dos limites do controle depende do tamanho do subgrupo e se o tamanho do subgrupo variar, os limites do controle ‘mudario para aquele subgrupo. Existem outras técnicas que tratam dos tamanhos variaveis do subgrupo; por exemplo, consulte Montgomery (1997), Grant e Leavenworth (1996). Fregiiéncia do Subgrupo ~ Os subgrupos séo tomaclos seqiiencialmente com relagdo 0 tempo, por exemplo, uma vez a cada quinze minutos ou duas vezes por turno. A meta € detectar mudangas no processo no decorrer do tempo. Subgrupos devem ser coletados com freqiiéncia suficiente, e em tempos apropriados, de modo a refletirem as potenciais oportunidades para mudanga. As potenciais causas de mudanga podem ser devidas as diferengas entre turnos, operadores substitutos, tendéncias de “aquecimento", lotes de materiais etc. ‘Mimero de Subgrupos - O mimero de subgrapos necessério para estabelecer 65 limites de controle deve atender 0 seguinte critério: suficientes subgrupos deveriam ser coletados para assegurar que as principais fontes de variagio que podem afetar 0 processo tenham tido uma oportunidade de aparecer. Geralmente, 25 ou mais subgrupos contendo cerca de 100 ou mais leituras individuais oferecem bom teste para a estabilidade e, se estivel, oferecem boas estimativas para a localizagio € dispersio do processo. Esse mimero de subgrupos garante que o efeito de quaisquer valores extremos da amplitude ou do desvio padrao seja minimizado, Em alguns casos, dados ja existentes podem estar disponiveis os quais poderiam acelerar esse primeiro estagio do estudo. Contudo, eles deveriam ser utilizados apenas se forem recentes e se a base para o estabelecimento dos subgrupos estiver claramente compreendida, Antes de continuar, um plano racional de amostragem deve ser desenvolvido e documentado. Esquema da Amostragem — Se as causas especiais que afetam 0 processo podem ocorrer inesperadamente, 0 esquema de amostragem apropriado é ‘uma amostra (ou probabilidade) aleat6ria. Uma amostra aleatéria ¢ aquela na qual cada ponto da amostra (subgrupo racional) tem a mesma chance (probabilidade) de ser selecionada. Uma amostra aleatéria € sistemética © planejada, ou seja, todos os pontos da amostra so determinados antes da coleta de quaisquer dados. No caso das causas especiais cuja ocorréncia € conhecida em épocas ou eventos especfficos, 0 esquema da amostragem deve utilizar esse conhecimento. A amostragem acidental ou por ‘convenigncia que nfo se baseia na ocorréncia esperada de uma causa especial especifica deve ser evitada, pois esse tipo de amostragem oferece ‘uma falsa idéia de seguranga, € pode levar a um resultado tendencioso € conseqilentemente a uma decisio possivelmente errada, Independente do esquema de amostragem utilizado, todos os pontos da amostra devem ser determinados antes que quaisquer dados sejam coletados (consulte Deming (1950) ¢ Gruska (2004)), NOTA: Para obter uma discussao sobre 0 sub agrupamento racional ¢ © efeito do sub agrupamento sobre a interpretagao da carta de controle, consulte o Apéndice A. 37CAPITULO I - Segio A (Cartas de Controle do Processo Configuragao da Carta de Controle Uma carta de controle deve conter as seguintes segdes: Y InformagGes de cabegalho que incluem a descrigio do proceso ¢ do plano de amostragem. Y- Registro/exibigdo dos valores de dados reais que foram coletados Esta segio também deve incluir a data ¢ a hora ou outra identificagao do subgrupo. Y Calculos de dados intermediérios (opcional para as cartas automatizadas) Esta segdo também deve incluir um espago para os célculos com base nas leituras € nos valores estatfsticos de controle calculados. Y Colocagao em grafico de cada estatistica de controle que esté sendo analisada © valor estatistico de controle em geral € marcado na esc: vertical e a seqiiéncia no tempo é marcada na escala horizontal. Os valores de dados e 0s pontos de marcagao da estatistica de controle devem ser alinhados verticalmente. A escala deve ser suficientemente ampla para conter toda a variagdo da estatistica do controle. Uma orientagio é que a escala inicial deve ser definida como o dobro da diferenca entre 0s valores maximo e minimo (esperados). Registro das observagées Esta segdo deve incluir detalhes como ajustes do processo, mudangas no ferramental, mudangas de material ou outros eventos que possam afetar a variabilidade do proceso. Registro dos Dados Brutos Y _Informar os valores individuais e a identificagao de cada subgrupo. V- Registrar todas as observagdes pertinentes. Calcular 0s Valores Estatisticos de Controle da Amostra para ‘Cada Subgrupo Os valores estatisticos de controle a serem marcadas sio calculadas a partir dos dados de medigao do subgrupo. Esses valores estatisticos podem ser a média, a mediana, a amplitude ¢ o desvio padrao da amostra entre outras. Calcular os valores estatisticos de acordo com as formulas do tipo de carta que esta sendo usado. 58CAPITULO Il - Segio A Cartas de Controle da Processo Marcar os Valores Estatisticos do Controle nas Cartas de Controle Marcar os valores estatfsticos do controle na carta. Verificar se os pontos de marcagdo dos valores estatsticos de controle correspondentes esto alinhados verticalmente. Conectar os pontos com linhas para auxiliar a visualizagio de padrées ¢ tendéncias, Os dados devem ser revisados durante a coleta para que sejam identificados possfveis problemas. Se algum ponto estiver substancial- ‘mente mais alto ou mais baixo do que outro, confirmar se os célculos & as marcagdes esto corretos e registrar todas as observagSes pertinentes. Estabelecimento dos Limites de Controle Os limites de controle séo definidos pela variagao natural dos valores estatisticos de controle. Eles definem um intervalo de valores em que os valores estatisticos devem cair dentro de modo aleatério, considerando-se que exista apenas causas comuns de variagao. Se a média de dois subgrupos diferentes do mesmo processo for calculada, é razodvel esperar que cles serio mais ou menos iguais. Mas, como eles foram calculados usando pegas diferentes, ndo se espera que as duas médias sejam idénticas. Mesmo que as duas médias sejam diferentes, existe um limite para a expectativa sobre essa diferenga devido a possibilidade aleatéria, 1850 define a localizagio dos limites de controle. Essa é a base de todas as técnicas da carta de controle. Se 0 processo & cestével (ou seja, tem variagao apenas da causa comum), entio para qualquer amostra de subgrupo existem grandes chances de que os valores estatisticos calculados fique dentro dos limites de controle. Se os valores estatisticos de controle exceder os limites de controle, entdo isso indica que uma variagio de causa especial pode estar presente. Existem duas fases nos estudos do controle estatistico do processo. 1. A primeira é a identificago e eliminacio das causas especiais de vvariago do processo. O objetivo é estabilizar o proceso. Diz-se que um processo estivel e previsivel esté sob controle estatistico. 2. A segunda fase diz respeito a previsio de medigées futuras, verificando assim a estabilidade do processo constante, Durante ssa fase, a andlise de dados e a reagdio as causas especiais so feitas em tempo real. Uma vez estével, 0 processo pode ser analisado para determinar se ele & capaz de produzir aquilo que o cliente deseja. Identificar a linha central e os limites de controle da carta de controle Para auxiliar na anélise gréfica dos valores estatisticos de controle marcados, desenhe linhas para indicar a estimativa do local (linha central) e os limites de controle da estatistica de controle na carta Em geral, para configurar uma carta de controle € preciso calcular: YA linha central YY OLimite Superior de Controle (LSC) YO Limite Inferior de Controle (LIC) Consulte o Capitulo II, Secao C para obter as formulas. 59CAPITULO IT- Seco A Cartas de Controle do Process Interpretagdo do Controle Estatistico ‘Se 0 processo nfo tiver causas especiais que afetem sua variabilidade, os Valores estatisticos de controle ficardo entre os limites de controle de modo aleat6rio (ou seja, nenhum padrio ser evidente). ‘As causas especiais podem afetar a centralizago do processo (por exemplo, ‘média, mediana) ou a variago (por exemplo, amplitude, desvio padrio) ou ambos. O objetivo da andlise da carta de controle ¢ identificar qualquer evidéncia de que a variabilidade do processo ou a centralizago do processo rio estejam operando em nivel constante — que um ou ambos estejam fora do controle estatfstico — e tomar as providéncias apropriadas. Na discussao a seguir, a Média ser usada para os valore estatisticos de controle da centralizagdo e a Amplitude como os valores estatisticos do controle da vatiagdo. As conclusées declaradas para essas. estatisticas de controle também se aplicam igualmente as outras possiveis estatisticas de controle. Como os limites de controle dos valores estatisticos da centralizagio dependem dos valores estatisticos da variaglo, esses devem ser ‘analisados em primeiro lugar por questdes de estabilidade. As estatisticas de variagZo e centralizagéo so analisadas separadamente, mas &s vezes a comparago dos padrées entre as duas cartas podem dar idéias adicionais sobre as causas especiais que afetam 0 proceso. Nao é possivel dizer que um proceso € estvel (sob controle estatistico), ‘a menos que ambas as cartas ndo tenham nenhuma condigéo fora de controle (indicagdes de causas especiais). Analisar 0s Dados marcados na Carta da Amplitude Desde que a habilidade em interpretar tanto as amplitudes dos subgrupos como as médias dos subgrupos depende da estimativa da variabilidade pega arpega, a carta R é analisada em primero lugar. Os pontos de dados sao comparados com os limites de controle para que se verifique pontos fora de controle, padrées anormais, ou tendéncias (ver Capitulo II, Seco D). Encontrar e Tratar Causas Especiais (Carta da Amplitude) Para cada indicagao de uma causa especial nos dados da curta de amplitude, conduza uma andlise da operago do processo para determinar a causa e melhorar a compreensio do processo; corrija aquela condicao & previna para que nio se repita. A propria carta de controle deveria ser um ‘guia util na andlise de problemas, sugerindo quando a condi¢ao comegou fe por quanto tempo ela continuou, No entanto, reconhega que nem todas as causas especiais so negativas; algumas causas especiais podem resultar em melhorias positivas do proceso em termos da diminuigao da variagdo na amplitude — estas causas especiais deveriam ser avaliadas para possivel institucionalizacao dentro do processo, onde apropriado. ‘A prontidio € importante na andlise de problemas, tanto em termos de ‘minimizar 0 resultado inconsistente da produgo como em termos de se ter evidéncias “frescas” para o seu diagnéstico, Por exemplo, 0 aparecimento de_—— 8 5 3 CAPITULO II- Sega A Cartas de Controle do Processo ‘um simples ponto além dos limites de controle é razo para se comegar uma anilise imediata do processo. Um registro de eventos do processo pode ser também uma fonte de informagio util em termos de se identificar causas especiais de variacao. CARTA DE CONTROLE X E R emcee ter rectiig Fe Sea Figura II.6: Recdlculo dos Limites de Controle Deveria ser enfatizado que a solugao de problemas € freqentemente a etapa ‘mais dificil e a que consome mais tempo. Anélise dos dados estatisticos da carta de controle pode ser um ponto de partida apropriado, mas outros, métodos tais como o diagrama de Pareto, diagrama de causa e efeito, ou ‘qualquer outra andlise grifica pode ser wil (veja Ishikawa (1976)). Por Ultimo, no entanto, as explicagdes para 0 comportamento se baseiam no proceso € nas pessoas que esto envolvidas com ele, Meticulosidade, paciéncia, perspicicia e entendimento serdo requeridos para se desenvolver ages que iro melhorar o desempenho de forma mensurdive. 61CAPITULO I- Segio A Cartas de Controle do Processo > Recalcular Limites de Controle (Carta da Amplitude) Quando for conduzir um estudo inicial do processo ou uma reavaliagio da capabilidade do processo, os limites de controle deveriam ser recalculados para excluir os efeitos dos perfodos fora de controle, para os processos nos quais as causas tenham sido claramente identificadas ¢ removidas ou institucionalizadas. Exclua todos os subgrupos afetados pelas causas especiais que tenham sido identificadas ¢ removidas ou institucionalizadas, e depois recalcule e trace a nova amplitude média (Ry) e 0s limites de controle. Faga a confirmagao de que todos os pontos da amplitude mostrem controle quando comparados aos novos limites, ‘caso contrario, repita a seqiigncia de identificagao/corregdo/recalculo, Se qualquer subgrupo for retirado da carta R por causa de causas especiais identificadas, eles deveriam ser excluidos também da carta X 0 Re X revisados deveriam ser usados para recalcular os limites de controle preliminares para médias, X + AoRt (ver Figura 11.6). NOTA: A exclusdo de subgrupos representando condigées instaveis nao & ‘apenas “jogar fora dados ruins”, Mas, pela exclusdo dos pontos afetados pelas causas especiais conhecidas, nés temios uma melhor estimativa do hivel de variagao devido &s causas comuns. Isto, em troca, dé uma base mais apropriada para que os limites de controle detectem ooorrencias futuras de causas especials de vatiagéio. Lembre-se, no entanto, que 0 proceso deve ser modificado para que as causas especiais nao ocorram ‘de novo (se indesejavel) como parte do processo. Encontrar e Tratar Causas Especiais (Carta da Média) Depois de identifieada a causa especial que afeta a variagao (Carta da Amplitude) ¢ que seu efeito foi removido, as causas especiais da Carta da ‘Média podem ser avaliadas. Na Figura II.6 os novos limites de controle «das médias indicam que duas amostras esto fora de controle. Para cada indicagio de uma condicao fora de controle nos dados da carta da média conduza uma andlise da operagdio do processo para determinar ‘a raziio para a causa especial; corrija a condiglo, e previna para que nao ‘ocorra novamente. Utilize os dados da carta como um guia para verificar ‘quando tais condigdes comesaram € por quanto tempo elas duraram. A prontidao na andlise é importante, tanto para diagnosticar, como para minimizar o resultado inconsistente. Novamente, esteja atento pois nem todas as causas especiais sio necessariamente indesejaveis (consulte 0 Capitulo I, Seco E e 0 Capitulo II, Segdo B). Técnicas de solugio de problemas, tais como a anilise do grafico de Pareto e do diagrama de causa e efeito podem ajudar. (Ishikawa (1976). Recalcular os Limites de Controle (Carta da Média) Quando um estudo inicial de proceso ou uma reavaliagiio da capabilidade do processo estiver sendo conduzida, exclua qualquer ponto fora de controle para os quais causas especiais foram encontradas ¢ 62Comentarios Finais CAPITULO I -Segio A Cartas de Controle do Process removidas; recalcule e trace a média do processo ¢ 0s limites de controle. Faca a confirmacio de que todos os dados mostram controle quando ‘comparados aos novos limites, caso contrério, repita a seqliéncia de identificagdo/corregdo/recélculo se necessario, As discusses anteriores tiveram o objetivo de dar uma introdugio funcional para a andlise da carta de controle. Embora essas discussdes tenham usado as Cartas da Média e da Amplitude, os conceitos aplicam- se a todas as abordagens das cartas de controle. ‘Além disso, hd outras consideragdes que podem ser titeis para o analista. Uma das mais importantes € 0 de lembrar que, mesmo com processos que estdo sob controle estatistico, as chances de se ter um sinal falso de uma causa especial em qualquer subgrupo individual aumenta & medida que mais dados so revisados. Enquanto for sensato investigar todos os eventos assinalados como possiveis evidéncias de causas especiais, deve se reconhecer que eles podem ter sido causados pelo sistema e que eles podem nao ser subordinados a problemas locais do processo. Se nenhuma evidéncia clara for encontrada para uma causa especial no processo, qualquer ago “corretiva” ird provavelmente servir para aumentar, ao invés de diminuir, a variabilidade total do resultado do processo. Para maior discussfo de interpretagdo, testes para a aleatoriedade nos dados, e solugio de problemas, veja AT&T (1984), Duncan (1986), Grant e Leavenworth (1996), Juran ¢ Godfrey (1999), Charbonneau € Gordon (1978), Ishikawa (1976), Wheeler (1991, 1995) ¢ Ott (2000), 63CAPTULO I- Segio A Cartas de Controle do Processo [Marcar os novos dados Icom relago aos limites }de controle continuo somnvos va.ones womouns | 2.15 ~ MEDIA. X AMPLITUDE- R | 20 Figura II.7: Limites de Controle Estendidos para o Controle Continuo 64CAPITULO I Sedo. A ‘Cartas de Controle do Processo Extensao dos Limites de Controle para Controle Continuo Quando 0s dados iniciais (ou hist6ricos) esto consistentemente contidos dentro dos limites de controle preliminares, estenda os limites de controle para cobrir periodos futuros. Pode ser desejavel aqui o ajuste do processo para 0 alvo, se 0 centro do processo esté fora do alvo, Estes limites seriam usados, para a monitoragdo continua do processo, com o operador e a supervisio local respondendo aos sinais de condigdes fora de controle na centralizago ou na variagdo das cartas X ou R com ago imediata (ver Figura I1.7). Uma mudanga no tamanho amostral do subgrupo afetaria a amplitude media esperada e os limites de controle para as amplitudes e médias. Esta situagdo poderia ocorrer, por exemplo, se fosse decidido que amostras menores fossem tomadas mais freqientemente, para assim detectar grandes mudangas no processo mais rapidamente sem aumentar 0 niimero total de pegas amostradas por dia. Para ajustar as linhas centrais e os limites de controle para um novo tamanho amostral do subgrupo, os seguintes passos deveriam ser seguidos: * Estimar 0 desvio padrdo do processo (a estimativa é mostrada como 6 - “sigma chapéu”).”” Usando um tamanho existente de subgrupo caloule: 6. = , onde R 6 a média das amplitudes dos subgrupos (para periodos com amplitudes sob controle) e d, é uma constante que varia de acordo com 0 tamanho da amostra n, 0 numero de amostras de um subgrupo, como mostrado na tabela parcial abalxo, tirada do Apéndice E: 1.13 | 1.69 | 2.06 | 2.33 | 2.53 | 2.70 | 2.85 | 2.97 | 3.08 * Usando 0s fatores da tabela baseado no novo tamanho do subgrupo, calcule a nova amplitude e limites de controle: Ree = Fed Faca 0 tracado destes novos limites de controle na carta como base para 0 controle continuo do processo. Enquanto 0 processo permanece sob controle para as médias e amplitudes, os limites atuais podem ser estendidos por periodos adicionais. Se, no entanto, houver evidéncia que a média ou a amplitude do processo tenha mudado (em uma ou outra dirego), a causa deve ser determinada e, se a mudanca for justificavel, os limites de controle devem ser recalculados baseados no desempenho atual Este manual distingue entre o desvio padrao estimado devido a variagdo dentro do subgrupo ea vvaringao total, usando os subscritos “Ce “P” respectivamente. 65CAPITULO - Seqio A Caras de Controle do Processo ” AT&T (1984) Conceitos Finais sobre o “Controle” — Consideragées A jonais “Um estado de controle perfeito nunca € atingido num processo de produgdo. © objetivo das cartas de controle do processo nao é a perfeigdo, mas um estado de controle razoavel e econdmico. Pars prop6sitos praticos, portanto, um processo controlado nao é aquele onde fh sua carta est sempre sob controle. Se uma carta nunca esteve fora de controle nés poderfamos seriamente questionar se aquela operagio ‘deveria ser acompanhada por uma carta. Para propésitos de fabrica, um processo controlado € considerado como aquele que tem apenas uma pequena porcentagem de pontos fora de controle, ¢ onde 0s pontos fora de Controle sio acompanhados por ages apropriadas™”. Ver também & Figura IL8 Obviamente, existem diferentes niveis ou graus de controle estatstico. A definigao de controle utilizada pode variar de simples pontos extremos ( além dos limites de controle), passando por seqiiéncias, tendéncias estratificagdes, até a andlise de zonas. A medida que 0 controle utilizado favanga para a andlise de zonas, a probabilidade de encontrar falta de controle aumenta (por exemplo, um processo sem pontos extremos pode demonstrar falta de controle através de uma seqtiéncia Sbvia, mesmo esta estando dentro dos limites de controle). Por esta razdo, a definigio do controle utilizado deveria estar consistente com a sua habilidade em detecti-lo e deveria permanecer 0 mesmo dentro de um periodo de tempo, dentro de um processo. Alguns fornecedores podem no ser capazes de aplicar integralmente as definigdes de controle na fabrica em ‘uma base de tempo real devido aos estdgios imaturos do treinamento de operadores ot falta de sofisticagio na habilidade do operador. A hhabilidade em detectar falta de controle em uma base de tempo real é uma vantagem da carta de controle. Extrapolar a interpretagio dos dados pode ser um perigo na manutenc3o de um estado verdadeiro de um controle econdmico.CAP{TULO Il- Sedo A Caras de Controle do Processo PROCESSO CAPAZ DE ATENDER A ESPECIFICAGAO (PRATICAMENTE TODO 0 RESULTADO ESTA DENTRO DA ESPECIFICACAO), COM NIVEIS DIFERENTES DE VARIACAO: esrecrencho eSpecinencho rauano pe rawanno — PROCESSO INCAPAZ DE ATENDER A ESPECIFICAGAO (O RESULTADO E PRODUZIDO ALEM DE UMA OU AMBAS ESPECIFICAGOES}: rao — rasanno — DESVIO PADRAO E AMPLITUDE (PARA UMA DETERMINADA AMOSTRA QUANTO MAIOR A AMPLITUDE MEDIA ~F, MAIOR 0 DESVIO PADRAO ~ a JS 7 r — 00 EXEHPLO (ESTANGO 0 DESVIO PADRKO DO PROCESO ATRAVES DA AMPLITUDE MEDI 0.169 X = 0.738 e UE = 0.500 2.33 LSE = 0.900 Rid =.169/2.33 0725 Figura II.8: Variagéo do Processo em Relaco aos Limites da Especificagao 67CAPITULO I -Segio A Cartas de Controle do Processo Esta pagina foi intencionalmente deixada em brancoCAPITULO IL Sesto B Definiglo dos Sinais "Fora de Controle" CAPITULO II - Secdo B Definicao dos Sinais “Fora de Controle” Ponto Além dos Limites de Controle A presenga de um ou mais pontos além de um dos limites de controle € a evidéncia priméria da variagdo por causa especial naquele ponto. Essa causa especial pode ter ocorrido antes desse ponto. Como 0s pontos além dos limites do controle seriam raros se houvesse variagio apenas por causas comuns, a suposiglo € que uma causa especial tenha contribuido para 0 valor extremo. Assim, todo ponto além de um limite de controle é um sinal para analisar a operagao ¢ procurar a ‘causa especial. Marque todos os pontos de dados que esto além dos limites de controle para investigagdo € ago corretiva, com base no ‘momento em que aquela causa especial realmente comegou. Um ponto fora dos limites de controle & geralmente sinal de um ou mais das seguintes situagdes: * 0 limite de controle e / ou ponto marcado foram mal calculados ou marcados. A variabilidade pega-a-pega ou da dispersio da distribuig#o aumentou (ou sea, ficou pior), seja naquele momento ou como parte de uma tendéncia. + Ossistema de medigao mudou (ex.: avaliador ou instrumento diferente). © Osistema de medigdo nao tem discriminagdo apropriada, Para as cartas que tratam da dispersio, um ponto abaixo do limite de controle mais baixo, em geral & sinal de uma ou mais das seguintes condigdes: © O limite de controle ou ponto marcado esti errado, + A dispersio da distribuigdo diminuiu (ou seja, ficou melhor). © Osistema de medigao mudou (incl dos dados) Um ponto além de um dos limites de controle em geral € sinal de que © proceso mudou naquele ponto ou como parte de uma tendéncia (consulte a Figura IL). Quando as amplitudes estio sob controle estatistico, a dispersio do processo - a variagio dentro do subgrupo - é considerada estivel. As médias podem entio ser analisadas para ver se a centralizacao do processo est mudando com o tempo. jindo possivel edigio ou alteragdo Desde que os limites de controle para X so baseados na quantidade da variagio das amplitudes, entio se as médias estio sob controle estatfstico, sua variagio esté relacionada com a quantidade de variaclo observada nas amplitudes - as causas comuns de variagao do sistema. Se as médias no esto sob controle, algumas causas especiais de variagio esto tornando a centralizagaio do processo instavel. 8CAPITULO L- Segio B Definigdo dos Sinais "Fora de Controle” Processo sob controle para Médias Processe fora de controle para Médias (um pouco além dos limites de controle) CARTA DE CONTROLE X E R = Figura II.9: Pontos Além dos Limites de Controle Padrées ou Tendéncias dentro dos Limites de Controle ‘A presenga de padrdes anormais ou tendéncias, mesmo quando todas as amplitudes esto dentro do limites de controle, pode ser evidéncia da influéncia de uma causa especial durante o periodo de ocorréncia do padrio ou da tendéncia. Este pode ser o primeiro aviso de uma condigio desfavorivel que deve set corrigida. Inversamente, certos padres ou tendéncias poderiam ser favordveis ¢ deveriam ser estudados para uma possivel melhoria permanente do processo. Comparagées de padrdes entre as cartas da amplitude e da média podem dar uma compreensio adicional Existem situagdes nas quais um "padrio fora de controle" pode ser um evento ruim para um processo e um evento bom para outro. Um exemplo disso € que em uma carta Xe R uma série de 7 pontos ou mais de um lado da linha central pode indicar uma situagao fora de controle. Se isso acontecesse em uma carta p, 0 processo poderia realmente estar methorando se a série estivesse abaixo da linha da média (menos no conformidades estio sendo produzidas). Assim, neste caso, a série € uma ocorréncia positiva — se identificamos e conservamos a causa, 70CAPITULO I - Sedo B Definigdo dos Sinais "Fora de Controle” Seqiiéncias Seqiléncias - Cada uma das situagées abalxo so sinais de que teve inicio uma mudanga ou tendéncia no proceso: ‘© Tpontos consecutivos em um lado da média X ou R #7 pontos consecutivos que séo consistentemente crescentes (igual ou maior que os pontos precedentes) ou consistentemente decrescentes. Marque o ponto que induz a decisio; pode ser itil estender uma linha de referencia de volta até o inicio da seqiléncia. A andlise deve considerar a hora aproximada em que aparentemente, teve inicio a tendéncia ou mudanga PROCESSO FORA DECONTROLE PARA PROCESO FORA DE CONTROLE PARA [AS MEDIAS (SEQUENCIAS LONGAS. [AS MEDIAS (SEQUENCIAS LONGAS ACIMA E ABAIXO DAS MEDIAS) ‘ACIMA) a Figure II.10: Seqiiéncias de uma Carta de Controle da Média ‘Uma seqiiéncia acima da amplitude média, ou uma seqligncia crescente significa um ou ambos dos seguintes casos: Y Mair dispersio nos valores do resultado, que pode acontecer por uma causa irregular (tal como um mal funcionamento do equipamento ou uma fixagao com folga) ou de uma mudanga em tum dos elementos do proceso (ex: um novo lote de matéria prima menos uniforme) ¥ Uma mudanga no sistema de medi dispositive de medigao). (ex.: novo inspetor ou 1CAPITULO If Segio B Definigio dos Sinais “Fora de Controle” PROCESSO FORA DE CONTROLE PARA AS PROCESSO FORA DE CONTROLE PARA AMPLITUDES (SEQUENCIAS LONGAS ACIMA ‘AS AMPLITUDES (SEQUENCIAS E ABAIXO DAS AMPLITUDES MEDIAS) LONGAS ACIMA) Figura lI.11: Seqiiéncias de uma Carta de Controle da Amplitude Uma seqiiéncia abaixo da amplitude média, ou uma seqiéncia decrescente significa um ou ambos dos seguintes: Y Menor dispersio nos valores do resultado, que é geralmente uma boa condigio, que deveria ser estudada para aplicagdes mais amplas e melhoria do processo. Y Uma mudanga no sistema de medigao, que poderia mascarar mudangas reais de desempenho. NOTE: A medida que 0 tamanho do subgrupo (n) se torna menor (5 04 menos), a probabilidade de seaiéncias abaixo de R aumenta, entéo uma seqdéncia de 8 ou mais pontos poderia ser necessaria para indicar uma redugao na variabilidade do proceso. ‘Uma seqtiéncia relativa & média do processo é geralmente sinal de um ou ambos dos seguintes: ¥ A média do proceso mudou - € pode ainda estar mudando. Y O sistema de medigio mudou (destocamento, tendéncia, sensibi lidade, ete.) nCAPITULO Il - Sedo. B DDefinisio dos Sinais "Fora de Controle" Padrées Nao Aleatorios Obvios ‘Além da presenga de pontos além dos limites de controle ou longas Seqiiéncias, outros padres distintos podem aparecer nos dados os quais, podem dar pistas de causas especiais. Deve se tomar cuidado para nao extrapolar a interpretagao dos dados, uma vez que todo dado aleat6rio (ou seja, de causa comum) pode as vezes dar a ilusio de nio aleatoriedade (ou seja, de causas especiais). Exemplos de padrées no aleat6rios poderiam ser tendéncias Gbvias (mesmo que eles nao satisfacam os testes de seqliéncia), ciclos, a dispersio geral dos dados dentro dos limites de controle, ou mesmo relagdes entre valores dentro dos subgrupos (ex.: a primeira leitura pode ser sempre a maior). Um teste para a dispersio global dos dados € descrito abaixo, Distancia dos pontos em relacao a R ou X ; Geralmente, cerca de 2/3 dos pontos marcados deveriam permanecer na regiao do tergo médio, entre os limites de controle e cerca de 1/3 deveria estar nas regiées dos dois tergos mais externos. Se, substancialmente mais de 2/3 dos pontos marcados ficarem préximos a R ou seguintes: . investigar um ou mais dos © Os limites de controle ou a marcagio dos pontos foram mal calculados ou mal marcados. © © processo ou 0 método de amostragem € estratificado. Cada subgrupo contém sistematicamente medidas de 2 ou mais fluxos de processos que tem médias de processo muito diferentes (ex.: uma pega de cada um dos diversos fusos). + 0 dado foi preparado (subgrupos com amplitudes que desviaram muito da média foram alterados ou removidos). Se substancialmente menos de 2/3 dos pontos marcados ficarem perto de R (para 25 subgrupos se 40% ou menos esto no tergo médio), investigue um ou ambos dos seguintes ‘© Os limites de controle ou pontos marcados foram mal calculados ou ‘mal marcados. © processo ou 0 método de amostragem faz com que subgrupos sucessivos contenham medidas de 2 ou mais fluxos de proceso que possuem variabilidade dramaticamente diferentes (ex.: lotes misturados nos materiais de entrada), ‘Se diversos fluxos de processo estio presentes, eles devem ser identificados © acompanhados separadamente (consulte também 0 ‘Apéndice A). A Figura II.12 mostra um padrio ndo-aleat6rio da carta R. 2BCAPITULO TI - Segto B Definigio dos Sinais "Fora de Controle" | AMPLITUDE R PROCESSO FORA DE CONTROLE PARA. PROCESSO FORA DE CONTROLE PARA AS AMPLITUDES (PONTOS MUITO AS AMPLITUDES (PONTOS MUITO PROXIMOS A AMPLITUDE MEDIA) PROXIMOS AOS LIMITES DE CONTROLE) isc]}- uc — Figura I1.12: Padres Nao-Aleatérios de uma Carta de Controle 74CAPITULO II- Segio B DefinigSo dos Sinais "Fora de Controle” Critérios das Causas Especiais Existem varios critérios para identificar as causas especiais (consulte a tabela abaixo e AT&T (1984)). Os critérios mais usados so discutidos acima. A decisfio quanto a quais critérios devem ser usados depende do processo que est sendo estudado/controlado. 1 Resumo dos Critérios de Causas Especiais | ponto a mais do que 3 desvios padrao™ a partir da linha central 7 pontos consecutivos no mesmo lado da linha central {6 pontos consecutivos, todos aumentando ou diminuindo 14 pontos consecutivos, alternando acima e abaixo 2 de 3 pontos > 2 desvios padrdo a partir da linha central (mesmo lado) 4 de 5 pontos > | desvio padrao a partir da linha central (mesmo lado) 15 pontos consecutivos dentro de | desvio padi da linha central (qualquer lado) 8 pontos consecutivos > I desvio padrio a partir da linha central (qualquer lado) Tabela 1.1 Nota 1: Exceto pelo primeiro critério, os numeros associados aos criterios nao estabelecem uma ordem ou pricridade de uso. A determinacao de quais critérios adicionais devem ser usados depende das caracteristicas especificas do processo e das causas especiais que so dominantes dentro do proceso. Nota 2: E preciso tomar cuidado para nao aplicar critérios milltiplos, exceto nos casos em que eles fizerem sentido. A aplicagao de cada critério adicional aumenta a sensibilidade para encontrar uma causa especial, mas ‘também aumenta as chances de ocorrer um erro do Tipo | ‘Ao examinar 0 texto acima, & preciso notar que nem todas as consideragdes sobre a interpretagio do controle se aplicam a fabrica. Existe muita coisa que © avaliador precisa lembrar, e a utilizagao das vantagens de um computador nem sempre é possivel na fabrica. Assim, grande parte dessa andlise mais detalhada talvez.tenha que ser feita offline e no em tempo real. Isso reforga a necessidade do registro de eventos do proceso e uma andlise criteriosa apropriada deve ser feita apés 0 fato. Outra consideragio é o treinamento dos operadores. A aplicagdo dos critérios adicionais de controle deve ser feita na fabrica quando aplicavel, mas apenas depois que o operador estiver pronto para isso, por meio de treinamento ¢ ferramentas adequados. Com o tempo ¢ a experiéncia adquirida, o operador reconhecerd esses padrdes em tempo real. 2 Nesta tabela, "desvio padriio" se refere ao desvio padrao utilizado nos célculos dos limites de 8CAPITULO I - Segao B Definiglo dos Sinais “Fora de Controle" Comprimento Médio da Seqiiéncia (CMS) No Capitulo I vimos que as decisGes tomadas com base em cartas deve equilibrar os riscos entre os erros do Tipo 1 (excesso de controle, alarmes falsos) e os erros do Tipo I (falta de controle). Uma medida desse equilfbrio é o Comprimento Médio da Seqiéncia (CMS). © Comprimento Médio da Seqiiéncia é 0 ntimero de subgrupos de amostras esperadas entre os sinais fora de controle, © Comprimento Médio da Seqiéncia sob controle (CMS,) é o nimero esperado de amostras do subgrupo entre os alarmes falsos. OMS. = 5 ErroTipoT} O CMS depende do modo como os sinais fora de controle so definidos, do verdadeiro desvio entre 0 valor alvo e a estimativa, e da variagao verdadeira com relagao & estimativa. ‘Abaixo temos uma tabela dos CMSs aproximados para a carta de controle ppadrio de Shewhart X , na qual exceder os limites de controle tinico sinal fora de controle. |__ Mudanga no Alvo_ Essa tabela indica que uma mudanga média de 1,5 desvios padrio (da média) seria sinalizado (em média) pelo 15° subgrupo apés a mudanga Uma mudanga de 4 desvios padrio seria identificado dentro de 2 subgrupos. 6CAPITULO II - Segd0. B Definigio dos Sinais "Fora de Controle" Esta tabela também mostra que um sinal falso pode ser indicado por um processo sem uma mudanga (ou seja, 0 proceso permanece sob controle estatistico) a cada 370 subgrupos (em média). Dado 7 5 | a magnitude pritica das mudangas pode ser reduzida In pelo aumento do némero de itens em cada subgrupo. Os subgrupos rmaiores reduzem o tamanho de Gye tornam mais rigidos os limites de controle em tomo de X ‘Alternativamente, os CMS's podem ser reduzidos pela adigio de mais critérios fora de controle. Outros sinais, como testes de execugao ¢ andlise de padrOes juntamente com os limites de controle reduzem 0 tamanho de CMS's ‘A bela a seguir apresenta as CMS's aproximadas para a mesma carta adicionando testes de execugdo de 7 pontos consecutivos de um lado de X . aaron 598 Lor | 539 02 | 418 | 03 | 308 os | 179 | o | 87 69 61 20 12 Como pode ser visto, a adigao de um critério extra para determinar fora de controle significativamente os CMSs de mudangas pequenas na média, resultando em uma diminuigdo no risco de um erro do Tipo I. Observe que o CMS da mudanga zero (sob controle) também sofreu redugio significativa. Isso representa um aumento no risco de um erro do Tipo I ou alarme falso, Esse equilibrio entre querer um CMS longo quando o processo esta sob controle versus um CMS curto quando existe uma mudanga no processo Ievou ao desenvolvimento de outros métodos de carta de controle. ‘Alguns desses métodos so descritos brevemente no Capitulo TI 1Pormulas das Cartas de Controle CAPITULO II - Sedo C s Sr cri reise sig Tt owoorscas st or sana cond RANA ‘ouamysasqns » Teneo Hine HOM ET ID, coWvsa snes: swan Ia MBA! sapnyidwiy @ seIpaw ep eHeD SOWA mummers vramnenenie semen oust te 100" 19rd Figura 1.13: Cartas da Média e da Amplitude 8CAPITULO II - Segao C Formulas das Cartas de Controle CAPITULO Il - Sedo C ‘Férmulas das Caras de Controle | As constantes de todas as cartas de controle que sao discutidas nesta segao estado listadas no Apéndice E. Cartas de Controle para Vari veis Cartas das Médias e Amplitudes (X, R) Média do Subgrupo: Fa tet, n n= mdmero de amostras de um subgrupo Amplitude do subgrupo: R = Xyqy—Xyn (Centro de cada subgrupo) Média Global: X,+X, k = néimero de subgrupos usados para determinar a Média Geral e a Amplitude Média Estimativa do Desvio Padrao de X : “i 9CAPITULO HI - Secio C Formulas das Cartas de Controle Caracteristicas da Carta: Linha Central Limites de Controle LC, =X LSC, =X+A,R LIC, LC,=R LSC, = DR LIC, 80CAPITULO II - Secio C Férmulas das Cartas de Controle Esta pagina foi intencionalmente deixada em branco 81MEDIA X DESV PADR s eK eawaa wna9] OBIped O!ASAQ OP 2 BIPEW BP EUeD CAPITULO I - Segio C Formulas das Cartas de Controle Figura ll.14: Cartas da Média e do Desvio Padrao 82CAPITULO I- Seto C ‘Rérmulas das Cartas de Controle Cartas da Média e do Desvio Padrao (X, s) Média do Subgrupo: n= niimero de amostras de um subgrupo Jo dentro do Subgrupo): niimero de subgrupos usados para determinar a Média Global ¢ 0 Desvio Padrao Médio Desvio Padrio Médio:* sts. Estimativa do Desvio Padrao de X : Caracteristicas da Carta: Linha Central Limites de Controle AS * Também conhecido como desvio padrio em pool. 83Formulas das Cartas de Controle CAPITULO II - Segio AMPLITUDE R MEDIANA X Figura ll16: Cartas da Mediana e da Amplitude ovo% Sosy ‘Yatra S0nHUSoM SHEA! ONaIANOD 00% apnyidwiy ep 2 euelpayy ep eHeD teas 84caPmruLo tl Formulas das Cartas de Controle Cartas da Mediana e da Amplitude (X, 2) Valor da Amostra: x, i 1... (tamanho da amostra) Mediana do Subgrupo: X'°! €0 valor do elemento O” da amostra quando os dados so organizados na ordem crescente sen for {mpar se n for par n= mimero de elementos de um subgrupo k= ntimero de subgrupos usados para determinar a Mediana Média e ‘Amplitude Média Amplitude do Subgruy R = Xyq.~Zyq (dentro de cada subgrupo) Mediana Média: Kak phat + x: k Amplitude Média: aR tht k Estimativa do Desvio Padrao de X : R, Man Caracteristicas da Carta: Linha Central Limites de Controle LSC, =X+AR LSC, = DR LIC, = DR 2 Esta abordagem da Carta da Mediana utiliza as médias para calcular a linha central ¢ os limites de controle, Existem outras abordagens na literatura que no utilizam as médias. 85Amplitude ‘Mavel AM VALORES: INDIVIDUAIS_X | ey ‘Formulas das Cartas de Controle CAPITULO I - Segio C [eno epnyidwy e slenplaipuy sesoje, esed SeHED Figura II.16: Cartas de Valores Individuais e Amplitude Mével 86CAP{TULO Il - Sedo C Formulas das Cartas de Controle Cartas de Valores Individuais e Amplitude Mével (X, AM) Valor Individual: x, i=1,...,k valores individuais Média dos Valores Individuais: pehthten Amplitude Mével: AM, =|x,-x,.|, 1= 2% (Amplitude entre o valor atual e o valor anterior) Amplitude Mével Média: re AM, + AMS. AM, Estimativa do Desvio Padrao de X : Caracteristicas da Carta: Linha Central Limites de Controle IC, =X LSC, =X+E,R LC,=R LSC, =D,R Como existem amplitudes méveis envolvidas, os pontos que esto sendo marcados na carta de amplitude estao correlacionados. Assim, 08 sinais validos ocorrem apenas na forma de pontos além dos limites de controle. Outras regras usadas para avaliar os padres nao aleatérios dos dados (consulte 0 Capitulo I, Segéo B) ndo sao indicadores confidveis das condigdes fora de controle, 87Formulas das Cartas de Controle CAPITULO I - Segio C oe Fate @2n atpake oon 80010 = ‘on 9600-95 PZEOO =dememm KEL = BHO. " oeue-sia moa L ones 008 7 |e = St ~ ee eetemne aon d eueg Figura Il.17: Carta para Proporgao de Nao Conformidades 88CAPITULO II - Segio C érmulas das Cartas de Controle Cartas de Controle para Atributos As Cartas de Controle para os Itens Nao-Conforme™* ‘As cartas para atributos fazem parte das cartas com base na probabilidade que sao discutidas no Capitulo IIT. Essas cartas de controle utilizam dados categorizados e probabilidades relacionadas as categorias para identificar a presenga de causas especiais. A anélise dos dados categorizados por essas cartas em geral utiliza a distribuigao binomial ou de equilibrio aproximada pela forma normal. Tradicionalmente as cartas para atributos so usadas para controlar peca inaceitaveis, identificando itens ndo-conforme e nio conformidades on dentro de um item, Nao hé nada intrinseco nas cartas para atributos que as limite ao uso exclusivo na determinagao dos itens néo-conforme. Elas também podem ser usadas para controlar eventos positives. Entretanto, 1nés seguiremos a tradigio © usaremos os termos ndo-conforme e nao conformidades. Propor¢ao de Nao-Conformidades (Carta p) Orientagio: Como os limites de controle se baseiam em uma aproximagio normal, a amostra deve ter um tamanho de modo que np > § Valor Individual n, =nimero de pegas inspecionadas; \imero de {tens nao-conformes encontrados np, Média dos Valores Individuais np tmp, +t MD 1, Fy toe My onde k = mimero de subgrupos Pit Py tint Ph rn se todos os 7, forem iguais ™ Uma alternativa para essas cartas € a Carta de Amplitude Mével e Valores Individuais (consulte Wheeler (1995)). 89CAP{TULO Tt - Segio C Formulas das Cartas de Controle Alternativamente conheci Caracteristicas da Carta: Linha Central Limites de Controle LC, LSC, =P +3 ee vr (i uc, = p-324=P) Se o tamanho da amostra for constante (7) Limites do Controle vpa=P) LSC, = p+3~ vn LIC, Limites de controle constantes quando 0 tamanho da amostra varia (para situagdes nas quais “2 > 0.75 ) max 7, Limites de Controle (ii = tamanho médio da amostra) (= tamanho médio da amostra} Exemplos de Usos: ‘© Accitar/Rejeitar Decisées com tamanho de subgrupo constante ou varidvel Y Resultados da First Time Quality (FTQ)* ¥- Proporgo de itens nao-conforme ¥ Proporgio de itens conforme™ Y. Proporgdo de itens acima (ou abaixo) de um valor limite # Decisdes do Julgamento Y Proporgdo de itens dentro de uma categoria especificada ¥ Proporgao de itens acima (ou abaixo) de um valor limite Y Proporgio de uptime (equipamento) ido como FTC (First Time Capability) ¢ RTY (Rolled Throughput Yield), 2 Esta carta também é chamada de carta g. Ela se baseia na pritica de calcular o pardmetro q = I — p. 90CAPITULO II - Segdo C Formulas das Cartas de Controle Esta pagina foi intencionalmente deixada em branco oOfe sane a on (@ Waue- ov 957 ‘ goo vezeere CAPITULO I1- Segao C Formulas das Cartas de Controle = en ry ot za | sies-sa 0x sev nea SiS ee eee du eye Figura I.18: Carta do Numero de Nao Conformidades 92CAPITULO II - Segao C Formulas das Cartas de Controle Carta do Numero de Nao Conformidades (Carta np) Restrigio: Exige um tamanho de subgrupo constante = 1 Orientagao: Como 05 limites de controle se baseiam em uma aproximacio normal, 0 tamanho da amostra deve ser determinado de forma que mp25 Valor Individual: np, n=ntimero de pegas inspecionadas; np = ntimero de itens ndo-conformes encontrados Média dos Valores Individuai +np. ip = RPP + ? k Caracteristicas da Carti Linha Central Limites de Controle: LC, = np LSC, = mp +3\nm0— "0 np+3y np\—B) n —— sh LIC, = p—3\npl—"P np -3y np-P) Exemplos de Uso: * Accitar/Rejeitar Decisdes com tamanho de subgrupo constante Y Resultados da First Time Quality (FTQ) ¥ Niimero de nfo conformidades Y _Niimero de conformidades Y Niimero de itens acima (ou abaixo) de um valor limite * Decisdes de Julgamento ¥- Niimero de itens dentro de uma categoria especificada ¥- Niimero de itens acima (ou abaixo) de um valor de limite ¥ Niimero de vezes em que uma condiczo ocorre 93Formulas das Cartas de Controle CAPITULO I - Seto C 94 | pny x00 sepermce} Figura II.19: Carta do Numero de Nao Conformidades por UnidadecaPmTULO I Pormulas das Cartas de Ci Carta do Numero de Nao Conformidades por Unidade (Carta u) Orientagio: Como 0s limites de controle se baseiam em uma aproximago normal, o tamanho da amostra deve ser suficientemente grande para que o ntimero de subgrupos com ¢ = 0 seja pequeno. Valor Individual: niimero de nio-conformidades encontrados na amostra n, = €0 tamanho da amostra Média dos Valores Individuais: Uy Fy tnt My gate k Caracteristicas da Carta: Linha Central Limites de Controle Para os limites de controle constantes quando 0 tamanho da amostra varia (nas situagdes em que max 7, Limites de Controle: Wit i LSC, = (71 = tamanho médio da amostra) Li vin Exemplos de Usos: (7 = tamanho médio da amostra) + Accitar/Rejeitar Decisdes com ntimero de itens por unidade varidivel ¥. Taxas de qualidade para designacdo de unidade especificada ¥ Numero médio (taxa) de nao conformidades por unidade ¥ _Niimero médio (taxa) de itens dentro de uma ou mais categorias * Decisdes do Julzamento Y Ntimero médio (taxa) de itens dentro de uma ou mais categorias ¥ Numero médio (taxa) de itens acima (ou abaixo) de um valor limite por unidade 95Férmulas das Cartas de Controle CAPITULO TL- Segto C ole 2 on oie-> asi ‘ OSI SLTILLTLEPAMLANSHAGUSE Figura lI.20: Carta do Numero de Nao Conformidades 96CAP(TULO I- Segio Formulas das Cartas de Controle Carta do Numero de Nao Conformidades (Carta c) Restrigio: Exige um tamanho de subgrupo constante = » Orientagao: Como os limites de controle se baseiam em uma aproximagao normal, a amostra usada deve ser suficientemente grande para que 0 nimero de subgrupos com c = 0 seja pequeno. Valor Indi idual: mero de ndo-conformidades encontrados na mostra; i = I,...,k Média de Valores Individuais: Cy tent Oy k= ntimero de amostras Caracteristicas da Carta: Linha Central Limites de Controle LC. LSC, =E +E ~3Ve LIC, Exemplos de Usos: © Aceitar/Rejeitar Decisdes com um niimero de itens por unidade constante Y Nivel de qualidade para a designagio de unidade especificada ¥ Niimero total de ndo conformidades por unidade Y_Naimero total de itens dentro de uma ou mais categorias + Decisdes do Julgamento ¥ Numero total de itens dentro de uma ou mais categorias por unidade Y- Niimero total de itens acima (ou abaixo) de um valor limite por unidade ¥- Niimero total de vezes em que uma condigdo ocorre dentro de uma unidade oTCAPITULO I - Sesto C Férmulas das Cartas de Controle Esta pagina foi intencionalmente deixada em branco 98CAPITULO III Outros Tipos de Cartas de Controle 99CAPtTULO Outros Tipos de Cartas de Controle Limite Superior de Controle Linha Central Limite Inferior de Controle CARTAS DE CONTROLE 1. Coleta de Dados * Coletar os dados e marca-los em uma carta de controle. 2. Controle * Calcular os limites de controle de teste a partir dos dados do processo * Identificar as causas especiais da variagao e tomar as medidas necessarias. 3. Andlise e Melhoria * Quantificar as causas comuns de variagao; tomar as medidas necessarias para reduzi-las. Essas trés fases se repetem para a melhoria continua do processo. Figura Ill.1: Cartas de Controle 100Introdugao CAPITULO IIL ‘Outros Tipas de Cartas de Controle Existem varios tipos de cartas de controle, além daquelas que foram discutidas nos capitulos anteriores. A maioria dessas cartas foi desenvolvida para situagdes ou condigées especificas de proceso que podem afetar 0 uso ideal das cartas de controle padrdo, Abaixo apresentamos uma breve descri¢lo das cartas mais comuns. Essa descrigao define as cartas, discute a oportunidade em que elas devem ser usadas ¢ relaciona as formulas associadas a carta quando necessério, Para obter outras informagdes sobre essas e outras cartas, consulte um texto de referéncia que trate especificamente desses tipos de cartas de controle. Cartas com Base em Probabilidades j 7 Amarelo IP Verde [As cartas com base em probabilidades pertencem @ uma classe de cartas de controle que utiliza dados categorizados ¢ as probabilidades relacionadas as categorias. A andlise dos dados categorizados em geral utiliza a distribuigdo binomial, multinomial ou distribuigao de Poisson. ‘Os exemplos dessas cartas incluem as cartas para atributos que foram discutidas no Capitulo Il, Seco C. As cartas para atributos usam as. categorias "bom" e “ruim’ (por exemplo, de conforme e nio-conforme). Entretanto, ndo ha nada inerente em nenhuma dessas formas (ou em ‘quaisquer outras formas) que exija que uma ou mais categorias sejam ruins", 0 problema é que os usuarios tendem a aplicd-las por comparagiio, ¢ nio por conhecimento. Isso é mais uma falha de profissionais e professores do que de alunos. Existe a tendéneia de tomar 0 caminho mais fécil, usando exemplos tradicionais (¢ estereotipados). Isso leva & fatha de percepeo que os profissionais da érea de qualidade jé tiveram (ou foram forcados a ter) sobre a filosofia da tolerncia, ou seja, fazer como "est impresso" (ou "suficientemente préximo"). Controle de Semaforo Com as cartas de controle de seméforo, a centralizagao e a variagao do processo so controladas usando uma carta. A carta controla o ntimero de pontos dos dados da amostra em cada uma das categorias designadas. Os critérios de decisio se baseiam nas probabilidades esperadas para essas categorias. Um cenario tipico seria dividir a variagao do processo em trés partes: atengio baixa, alvo, atengio alta, As éreas fora da variagtio esperada para © processo (64) so as zonas de parada. Um procedimento de controle simples mas efetivo como esse € 0 controle de seméforo, que é uma técnica de semi-varidveis (mais de duas categorias) que usa a amostragem dupla. Nessa abordagem a area alvo é designada como verde, as dreas de aviso so amarelas e as zonas de parada so vermelhas. (Ouso dessas cores originou o nome de "semforo" 101CAPITULO MIL ‘Outros Tipos de Cartas de Controle Pare Atengao Alvo o* Atengao Pare 4 4 LIE LE Pare ‘Atengao i Alvo }- a 3 yh ‘Atengao g Pare LSE LSE Y , Figura Ill.2: Controle de Semaforo Com essa categorizagdo, 0 processo pode ser controlado pela identificagao ¢ pelo grafico da proporcao de pontos de dudos designado como "atencao" dentro de uma amostra. A alocagio (% de atengio) controla o tamanho da amostra € a frequéncia necesséria. Obviamente, isso 86 permite 0 controle do proceso se a sua distribuigio for conhecida. A quantificagdo ¢ a andlise do processo exigem dados do tipo variiveis. ‘A. utilizagao principal desta ferramenta é de detectar mudangas no processo (causas especiais de variagio). Ou seja, esta é uma ferramenta ‘apropriada apenas para as atividades do estfgio 2. Como implementagao bésica, 0 controle de seméforo nio exige célculos nenhuma plotagem e, portanto, sua implementagio é mais facil do que a das cartas de controle. Como divide a amostra total (por exemplo, 5) em uma amostragem de dois estigios (por exemplo, 2, 3), esta abordagem pode sinalizar condigdes fora de controle com eficiéncia igual ou melhor ade uma carta de controle para o mesmo tamanho total da amostra (ver Heaphy ¢ Graska (1982). Embora 0 desenvolvimento desta técnica esteja totalmente fundamentado na teoria estatistica, ela pode ser implementada e ensinada no nivel do operador, sem envolver cdlculos matemiticos, Consultar 0 Capitulo I, Sega F. 102Processo de Contgureeae Prod Nowa Selee.2 Tudo Verde? ine om» "Danose err? aa 1 4 CAPITULO IIT ‘Outros Tipos de Cartas de Controle As hipoteses do controle de semiforo sio: © O processo estd sob controle estatistico. * 0 desempenho do processo (incluindo a variabilidade da medigio) € aceitavel. * O processo esté no alvo. Depois que as hipéteses so verificadas por um estudo de desempenho do proceso usando técnicas de dados do tipo varidveis, a distribuigao do processo pode ser dividida de forma que os desvios padrio médios + 1.5 sejam rotulados como a area verde, ¢ o restante da area dentro da distribuicdo do processo fique em amarelo. Toda a érea fora da istribuigdo do processo (a faixa de 99,73%) é rotulada com vermelho. Se a distribuig2o do processo seguir a forma normal, aproximadamente 86, 6% da distribui¢ao estard na drea verde, 13,2% estard na drea amarela e 0.3% estar na Area vermelha. Condigdes semelhantes podem ser estabelecidas quando a distribuigao & considerada no normal Para controle equivalente as cartas X and R com um tamanho de ‘amostra de 5, as etapas para o controle de seméforo podem ser resumidas da seguinte maneira: 1. Verificar 2 pegas; se ambas as pecas estiverem na drea verde, continuar a execugio. 2, Se uma ou ambas estiverem na zona vermelha, pare 0 processo, notifique a pessoa designada para que tome a ago corretiva ¢ separe ‘© material. Quando a configuracdo ou outras corregoes estiverem prontas, repita a etapa no. 1 3. Se uma ou ambas estiverem em uma zona amarela, verifique outras trés pecas. Se alguma das pecas estiver em uma zona vermelha, pare © processo, notifique a pessoa designada para que tome a ago corretiva e separe o material. Quando a configuragao ou outras corregées estiverem prontas, repita a etapa no. 1 Y Se nenhuma pega ficar em uma zona vermelha, mas trés ou mais estiverem em uma zona amarela (de 5 pegas), pare o processo, notifique a pessoa designada para que tome a ado corretiva. Quando a configuracio ou outras correcdes estiverem prontas, repita a etapa no. 1 Y Se trés pecas ficarem em uma zona verde ¢ o restante estiver na zona amarela, continue a execugao, As medig&es podem ser feitas com as varidveis, assim como a calibragao dos atributos. Determinados calibradores de varidveis, como indicadores de mostrador ou colunas eletronicas a ar sio mais adequados para esse tipo de programa, uma vez que o fundo do reldgio pode ser codificado. com cores. Embora nao seja necesséria nenhuma carta ou grafico, os grificos so recomendados, especialmente sendo possivel a existéncia de tendéncias sutis (mudancas em um periodo de tempo relativamente Jongo) no processo. Em qualquer situagiio de tomada de decisdo existe o risco de tomar uma decisao errada. Com a amostragem, os dois tipos de erros sao: © A probabilidade de chamar 0 processo de ruim quando na verdade ele € bom (taxa de alarmes falsos). * A probabilidade de chamar 0 processo de bom quando na verdade ele € ruim (taxa de erro). 103CAPITULO MIL Outros Tipos de Carts de Controle “Além dessas duas medidas, a sensibilidade do plano de amostragem pode ‘ser quantificada. A sensibilidade se refere & capacidade do plano de amostragem detectar condigdes fora de controle devido ao aumento das variagdes ou mudangas da média do processo. ‘A desvantagem do controle de seméforo € que ele tem uma taxa de alarme falso mais alta do que uma carta X and R de um mesmo tamanho de amostra total. ‘A vantagem do controle de seméforo € que ele é to sensivel quanto a carta ¥ and R de um mesmo tamanho de amostra total, Os usuarios tendem a aceitar os mecanismos de controle com base nesses tipos de dados devido @ facilidade da coleta de dados e da andlise. O foco esté no alvo € ndo nos limites da especificagdo e, portanto, esses mecanismos S30 ‘compativeis com a filosofia do alvo e com a melhoria continua, Pré-Controle Uma aplicagio da abordagem do controle de seméforo com a finalidade de controle de niio-conformidade, em vez de controle do processo chama-se Pré-controle. Ele se baseia nas especificagdes e ndo na variago do processo. Suas origens podem remontar ao trabalho de Frank Satterthwaite da Rath & Strong na Jones & Lamson Machine Company em 1954." ‘As hipéteses do pré-controle siio: ‘© © processo tem uma funcdo perda plana (consulte a segao sobre Fungo Perda no Capitulo IV). +O desempenho do processo (incluindo a variabilidade do sistema de ‘medigéio) é menor do que ou igual & tolerdncia, ‘A primeira hipétese significa que todas as fontes especiais de variagao do processo esto sendo controladas. A segunda hipotese declara que 99,73% das pecas que estio sendo produzidas esto dentro da especificagio, inspect e classificagiio de pegas. Se as hip6teses acima forem atendidas, a tolerdncia pode ser dividida para que a Tolerdncia Nominal de * "4 seja rotulada como a drea verde € 6 restante da rea dentro da especificagao seja amarela. A drea fora das especificagdes € rotulada como vermelha. Para um proceso que é normal com Cy Cy igual a 1.00, aproximadamente 86.6% das pecas estdo na drea verde, 13,2% estdo na area amarela ¢ 0,3% estio na drea vermelha, Seria possivel fazer céleulos semelhantes se a distribuigio fosse nio normal ow altamente capaz. ‘A amostragem de pré-controle utiliza um tamanho de amostra dois. Entretanto, antes de iniciar a amostragem, 0 processo deve produzir 5 pecas consecutivas na zona verde. Cada um dos dois pontos de dados é mareado na carta e revisado de acordo com um conjunto de regras. ® Consultar Bhote (1991) e ASQ Statistics Newsletter Vol 05 No 2 fevereiro de 1984. 104Nom - % Tol Nom - % Tol Nominal Nom + % Tol Nom + % Tol CAPETULO TIL Cvtros Tipos de Cartas de Controle 4 LE Nom - % Tol LIE Nom - % Tol Nom + % Tol LSE Nom + % Tol LSE v v Figura III.3: Pré-Controle As seguintes regras devem ser usadas com um pré-controle. © Dois pontos de dados na zona verde ~ continue executando 0 processo, + Um ponto de dados na zona verde e um ponto de dados na zona amarela ~ continue executando 0 processo. © Dois pontos amarelos consecutivos (mesma zona) ~ ajuste 0 proceso © Dois pontos amarelos consecutivos (zona oposta) ~ pare 0 processo e investigue ‘© Um ponto de dados vermelho ~ pare 0 processo ¢ investigue Sempre que 0 processo é ajustado, antes de comegar a amostragem, 0 processo deve produzir 5 peas consecutivas na zona verde. © pré-controle niio é uma carta de controle de processo, mas uma carta de controle de no-conformidade e, portanto, é preciso tomar muito cuidado quanto 20 modo como essa carta é usada e interpretada. As cartas de pré-controle ndo devem ser usadas quando 0 Cp, Cu € maior do que um ou do que uma fungio perda que nfo € plana dentro das especificagdes (consulte o Capitulo TV). 105CAPfTuLo Outros Tipos de Cartas de Controle Fungées Perda a UE LSE LE Ls! Alvo lana" Funcao Perda Sensivel Alvo Funcao Perda " A vantagem do pré-controle é sua simplicidade. A desvantagem do pré- controle é que os diagnésticos em potencial que estdo disponiveis para (08 métodos de controle de proceso normais nao estao disponiveis para © pré-controle, Além disso, 0 pré-controle nao avalia nem monitora @ estabilidade do processo. O pré-controle é uma ferramenta com base na compatibilidade e nao uma ferramenta de controle do processo. 106CAPITULO TIT ‘Outros Tipos de Cartas de Controle Cartas de Controle para Pequenos Lotes As abordagens da carta de controle padro sio adequadas para seqiiéncias de Produgio longas. Entretanto, existem processos que s6 produzem um riimero pequeno de produtos durante uma tinica sequéncia (por exemplo, trabalhos da fabrica). Além disso, o foco crescente no inventério just-in-time GIT) € os métodos “lean” de manufatura esto levando as seqiiéncias de produglo a se tomarem mais curtas. Sob a perspectiva coimercial, a produclo de grandes lotes de produtos varias vezes por més e a sua manutengao em. inventério para distribuico posterior pode levar a custos desnecessérios que podem ser evitados. Os fabricantes agora esto passando para o JIT — a producdo de quantidades menores de modo mais freqiientes para evitar os; custos da _manutengio de "trabalho em andamento” © inventétio. Por exemplo, no passado, seria satisfatério fabricar 10,000 pecas por més em Totes de 2.500 por semana. Atualmente, a demanda do cliente, os métodos Mlexiveis de manufatura ¢ os requisitos do JIT podem levar a fabricagio © expedigdo de apenas 500 pegas por dia. Para atingir as eficiéncias dos processos para pequenos lotes & essencial que os métodos CEP possam verificar se 0 processo esté verdadeiramente sob controle estatistico, ou seja se ele é previsivel, € se pode detectar a variagio devida a causas especiais durante esses * pequenos lotes* Wheeler (1991) descreve quatro requisitos para um "Estado Ideal" da operacao do processo que é essencial para a concorréncia nessa érea: a. "O processo deve ser inerentemente estivel a0 longo do tempo b. O proceso deve ser operado de forma estavel e consistent €. A meta do processo deve ser definida e mantida ao nivel adequado 4. Os Limites Naturais do Processo devem estar dentro dos limites da especificagao" E possivel criar cartas de controle cfetivas mesmo com quantidades pequenas de dados. As cartas orientadas para pequenos lotes permitem que uma tinica carta seja usada para 0 controle de varios produtos. Existem intimeras variagdes sobre esse tema. Entre as cartas para pequenos lotes mais descritas estao:”” a, Diferenga ou Desvio da carta Nominal (DNOM) X &R. Os processos de produgio para pequenos lotes de diferentes. produtos podem se caracterizar facilmente em uma tinica carta pela pela marcacdo na carta das diferencas existentes entre a medigio do produto ¢ seu valor alvo. Essas cartas podem ser aplicadas tanto as medigGes individuais quanto aos dados agrupados. ” E preciso tomar cuidado quando os subgrupos sao formados de populagdes pequenas ou quando eles so medigdes feitas em perfodos longos (consulte o Apéndice A). Wheeler (1991) discute a avaliagao dos dados com uma carta de Valores Individuais e Amplitude Mével (I e MR) para garantir que as informagdes importantes sobre 0 comportamento do processo nao sejam mascaradas pela formagao de subgrupos. 107capfruLo mt (Outros Tipos de Cartas de Controle Carta DNOM para Pegas dos Tipos 760, 822 ¢ 937 Figura Ill.4: Carta de Controle DNOM b. Carta padronizada X e R ‘A abordagem DNOM assume uma variag’o comum e constante entre 0s produtos controlados por uma nica carta. Quando existem diferengas Substanciais nas variagdes desses produtos, 0 uso do desvio do alvo do proceso torna-se problematico. Nesses casos os dados podem ser padronizados para compensar_ as diferentes médias do produto ¢ a Variabilidade usando uma transformagdo da forma: x- Zz H o Essa classe de cartas as vezes € chamada de carta Z ou Zed. Em alguns processos para pequenos lotes, o volume total da produgao pode ser pequeno demais para que a formagdo de subgrupos seja utiizada efetivamente, Nesses casos as medicoes da formagao de ‘grupos podem funcionar ao contrario do conceito do controle do processo @ podem reduzir a carta de controle a uma fungao de relatério de dados. Mas quando a formacéo de subgrupos ¢ possivel, as medigdes podem ser padronizadas para acomodar esse caso. ¢. Cartas de Controle para Atributos Padronizadas [As amostras dos dados para atributos, incluindo aquelas de tamanho varidvel, podem ser padronizadas para que virios tipos de pegas sejam ‘marcadas em uma Gnica carta. A estatistica padronizada tem a forma’ Diferenga da Média Desvio Padrao Por exempio, uma estatistica u para a taxa de defeitos deve ser padronizada como: Este método também se aplica as cartas mp, p, c€ uw. 108Cartas para Detectar Pequenas Mudangas CAPITULO IHL ‘Outros Tipos de Cartas de Controle Consulte Farum (1992), Juran ¢ Godfrey (1999), Montgomery (1997). Wheeler (1991) e Wise e Fair (1998) para obter discusses detalhadas ¢ exemplos das aplicagdes de curto prazo. Existem situagdes nas quais pequenas mudangas na média do processo podem causar problemas. As cartas de controle de Shewhart podem nio ser suficientemente sensfveis para detectar esas mudangas, por exemplo, menos de 1,30. As duas cartas alternativas discutidas aqui foram desenvolvidas para melhorar a sensibilidade da deteccao de pequenas, excursées na média do proceso. Embora a carta tipica de Shewhart use apenas as informagdes oferecidas pela maioria dos pontos datum recentes, as cartas da Soma Cumulativa (CUSUM) e da Média Mével Exponencialmente Ponderada (MMEP) exploram as informacdes disponiveis nos dados acumulados € hist6ricos. Consulte Montgomery (1997), Wheeler (1995) e Grant ¢ Leavenworth (1996) para obter as discussdes aprofundadas sobre esses métodos e comparagdes com as regras de detecgao suplementar para ampliar a sensibilidade da carta de Shewhart para mudangas pequenas no proceso, Carta CUSUM (Soma Cumulativa) Uma carta CUSUM marca a soma cumulativa dos desvios de médias sucessivas da amostra a partir de uma especificagto alvo, para que mesmo as pequenas mudangas permanentes (0,5 sigma ou abaixo) na média do proceso sinalizem eventualmente a ocorréncia de uma mudanga, Nas mudangas maiores, as cartas de controle de Shewhart so ‘Go efetivas quanto a CUSUM e exigem menos esforgo. Escas cartas so usadas com maior freqiiéncia para monitorar processos continuos, como na indistria quimica, onde pequenas mudancas podem ter efeitos significativos. Figura III.5: Carta CUSUM com Mascara VCAPITULO IIL Outros Tipos de Cartas de Controle ‘A carta CUSUM avalia a inclinagio da finha mareada, Uma ferramenta fgrafica (mascara V) € sobreposta 3 carta com um deslocamento com relagao Sinha de referéncia vertical a partir da origem de V passando através do ‘ltimo ponto marcado (consulte a Figura TIL). O deslocamento e 0 angulo dos bragos sio as fungdes do nivel desejado de sensibilidade is mudangas do processo. Uma condigao fora_de controle (por exemplo, uma mudanca significativa no processo) é_ indicada ‘quando 0s pontos marcadlos anteriormente fi dos bragos da mascara V. Esses bragos assumem 0 lugar dos limites superior e inferior de controle A carta da Figura ILS indica uma mudangi no processo ocorrida mais ou menos na época da amostra 14 ou 15. Devido & natureza dessa carta a mudanga nio foi detectada até que a amostra 23 fosse marcada. Quando a miscara V foi posicionada em pontos de dados anteriores, todas fs amostras ficaram dentro dos limites de contrale @, portanto, niio houve indicagao de uma situagio fora de controle, Comparativamente, uma marcagaio das cartas de Valores Individuals ¢ ‘Amplitude Mével (X, MR) para os mesmos dados (Figura HL6) nio detecta a mudanga de processo até a amostea 27 Carta MR para Espessura de Revestimento ieosrae IN wo 0.9868 Tso @ 9 A & S BOF Valor individual Obeergto 2 , is 19 =0.1024 3 coe. 3 | Eom moms | serie Figura Il.6: Carta X, AM Uma carta CUSUM tabular € uma altemativa para a abordagem da mascara V. Consulte Montgomery (1997) para obter uma discussio sobre esse procedimento. 110CAPETULO IIL Outros Tipos de Cartas de Controle Cartas MMEP (Mé Ponderada) Uma carta MMEP marca as médias méveis dos dados passados € atuais cujos valores da média recebem pesos que diminuem exponencialmente a partir do presente até o passado."” Conseqiientemente, os valores, da média so mais influenciados pelo desempenho recente do processo."" A média mével exponencialmente ponderada é definida pela equagio: Movel Exponencialmente x, +(1~ ANZ, onde 24 a constante ponderada 0 >1, 16 um numero de indice (tt...) Xx; €0 valor da amostra atual, @ 2,6 a média mével ponderada atual Um valor inicial 2 deve ser estimado para iniciar © processo com a primeira amostra, Por meio da substituigdo recursiva, sucessivos valores de Z, podem ser determinados a partir da equagiio: S (1-2) x. 412), paraO 23.0 F ft Média Global 22.5 6 22.0] ° a Variagao entre subgrupos: as - ss 15 16 7 18 19 Subgrupo Figura !V.1: Variagdo Dentro e Entre Subgrupos Variagao Total Variagao TotalCAPITULO IV - Segio A Definigdes de Termos do Process CAPITULO IV - Segdo A Definigdes de Termos do Processo ‘A variagdo do processo tem varios aspectos: * Variagao Inerente do Processo - Aquela porgio da variagio do processo devida apenas as causas comuns (sistemiticas) © Variagdo dentro do subgrupo (O-) - Esta € a variagio devida apenas a variagao dentro dos subgrupos. Se 0 processo estiver sob controle estatfstico, essa variag3o € uma boa estimativa para a variagio inerente do processo. Ela pode ser estimada nas cartas de i oo ea controte por ¥/, ov Ye, © Variacdo entre subgrupos ~ Esta é a variagdo devida & variagao entre os subgrupos. Se 0 processo estiver sob controle estatistico, esta variagio deve ser igual a zero. © Variagéa Total do Processo (O,)- Esta € a variagdo devida & variagio dentro do subgrupo e entre subgrupos. Se 0 processo nao est sob controle estatistico, a variagao total do processo inclui o ‘efeito das causas especiais, bem como o das causas comuns. Essa variaciio pode ser estimada pelo s, 0 desvio padrio da amostra, usando todas as leituras individuais obtidas de uma carta de controle yooe \eon onde x, € uma leitura individual, ¥ é a média das leituras individuais, en € 0 ndmero total de leituras individuais. detathada ou de um estudo do proceso: Op © Capabilidade do Processo - A amplitude 66 da variagio inerente do proceso, apenas para processos estatisticamente estaveis, onde & € geralmente estimada por y ou %, © Desempenho do Processo - A amplitude 66 da variagdo total do processo, onde é geralmente estimado pelo s, 0 desvio padrio do processo total. Quando 0 processo esta sob controle estatistico, a capabilidade do processo esta muito préxima do desempenho do proceso. Uma grande diterenga entre a capabiidade @ 0 desempenho & indica a presenga de uma causa ou de causas especiais. 13CAPITULO IV - Seco A Definigoes de Termos do Processo Medidas do Processo para Processos Previsiveis indices - Tolerancias jaterai Esta segio discute os indices mais usados, para os quais a especifi estabelece limites superior ¢ inferior.” ATENGAO: Os indices discutidos abaixo sao validos apenas quando ap proceso estd estavel (sob controle estatistico). Se 0 processo nao Bstiver sob controle estatistico, entao esses indices levar a conclusées erradas, como pode ser visto na Figura !V.4 Cu: Este € 0 indice da capabilidade. Ele compara a capabilidade do Cc processo com a variagio méxima permitida, como indicado pela P tolerancia. Este indice oferece uma medida de como o processo atenderé as necessidades de variabilidade. C, € calculado por c= DSELHE _ ESE=LE peeenan, RV “ 6 My , nao sofre impacto sobre a centralizagao do proceso. Esse indice pode ser calculado apenas para tolerncias de dois lados (bilaterais). Cu: Este € 0 indice da capabitidade. Ele leva em conta a centralizaga0 Uo (Grr processo € a capabilidade, Nas tolerancias bilaterais, Cx sempre ser Pi menor do que ou igual a C;. Cu SC, Cu serd igual a Cy apenas se 0 processo for centralizado. Cys € calculado como 0 minimo de CPU ou CPL onde: LSE-X _LSE-X , cpu = c R 3 Ry oppo RHE. X= HE 30, R/ 3 Gye G, sempre devem ser avaliados e analisados em conjunto. Um valor a de C, significativamente maior do que 0 Ci correspondente indica uma oportunidade de aperfeigoamento pela centralizagao do processo. 3 Como foi discutido no Capitulo I, Segio A, a andlise do processo exige que os dados tenham sido coletados usando sistema ou sistemas de medig2o consistentes com 0 proceso € que tenham caracteristicas aceitéveis do sistema de medicio. 13222.0 as 15 CAPITULO IV - Seco A DefinigBes de Termos do Processo Pz: Este € um indice de desempenho. Ele compara a desempenho do processo com a variagao méxima permitida pela tolerancia, Este indice oferece uma medida de como o proceso atende as necessidades de variabilidade. P, é calculado como: LSE-LIE_ LSE-LIE 60, 65 P, nao sofre impacto da centralizagao do processo. Pa: Este € um de desempenho. Ele leva em conta a centralizacio do processo e o desempenho. Para tolerincias bilaterais, Pu sempre sera menor do que ou igual a P,, Px ser igual a Py apenas se 0 processo estiver centralizado. ey Ps P, 6 calculado como o minimo entre PPU ou PPL onde: e . + 3 a . 1 2 2 Ss 5 y . a Capabilidade — C,, : 5 8 . Ps a 16 17 18 19 Subgrupo Figura IV.2: Comparagao entre Cpx@ Pox 133CAPITULO IV - Secio A Definigses de Termes do Processo Py & P, sempre devem ser avaliados e analisados em conjunto. Um valor ~ de P, significativamente maior do que 0 Pjx correspondente indica uma ‘oportunidade de melhoria pela centralizagio do processo. Se 0 processo esta sob controle estatistico, a capabilidade do proceso festard muito préxima do desempenho do processo. Uma grande diferenga entre os indices C ¢ P indica a presenga de uma causa ou de causas especiais. Consulte as Figuras IV.3 e IV.4. CR CR: Esta € a relagio de capabilidade, Bla ¢ simplesmente o inverso de Cy: 1 cR= op P. R PR: Esta & a relagio de desempenho. Ela é simplesmente 0 inverso de Px. 1 PR NOTA: © Apéndice F tem exemplos de cdlculos de todas essas medidas. PPM Uma taxa de nio-conformidade em partes-por-milho (ppm) € usada ‘ocasionalmente como medida suplementar para @ capacidade do processo, Para estimar a taxa de nao-conformidade usando as informagdes do indice de capabilidade, € preciso definir uma distribuigo de probabilidade dos dados. Embora em geral a distribuigao normal seja usada com essa finalidade, esta é uma hipétese que deve ser validada primeiro com 0 uso do teste goodness-of-fit. A relagao nao linear entre o indice de capabilidade ¢ a proporgio de nio-conformidades deve ser entendido para chegar as conclusdes corretas (consulte Wheeler (1999) para obter uma discussio detalhada sobre esse assunto). 134CAPITULO IV - Sega A Definigdes de Termos do Processo X Barra - Carta R: Proceso Imaturo nz § ne iso -22.79 z 3 Reso 8 na . bee 22283 & at 7... 6 8 6 6 ww nm Amonia ai 20-090 foe fos fos hoo Zz a Bo oot = Juco >) 6 « » @ 6 6 w © 2 om Amora X Barra Carta R: Processo Previsivel ne ssc=22 7093 : E ns 3 22.5308 g 3 ne ue 2227 ssc s0.908 £ os: Bos Ba aa 00 o oR ow &® © 0 2 2 ‘Amostra Note que as cartas de Amplitude so idénticas, uma vez que a variacao dentro do subgrupo 6 igual nos dots processos. Figura IV.3: Comparagao entre um Processo Previsivel e um Processo Imaturo 135CAPITULO IV - Secio A DefinigSes de Termas do Processo Processo Imaturo ~ fora de controle estatistico Ppk = 0.71 Cpk = 1.80 2572. : fares T2385 G7 B 9 011 1219 26 15 16 17 18 19 20 21 22 23:24:25 Subgrupo 0 processo abaixo tem a mesma variagao dentro do subgrupo ‘do processo acima, mas nenhuma variagao entre subgrupos asf Ppk = 1.71 Cpk = 180 asf eereennrntrrrrererrry 1234 Subgrupo O processo esta sob controle estatistico Valores de Cpk e Ppk Produzidos por um Processo Previsivel e Imaturo 136indices - CAPITULO IV - Seo A Definigdes de Termos do Processo Tolerancias Unilaterais G, P Esta segio discute os indices mais usados, para os quais a especificacio determina ou limite superior ou limite inferior, mas ndo ambos. Gx: Este € um indice de capabilidade. Ele compara a capabilidade do proceso & variagdo méxima permitida pela tolerincia. Esse indice nao tem significado para as tolerdncias unilateras. Se a caracterfstica do produto tiver um limite fisico (por exemplo, 0 nivelamento no pode ser menor do que zero), um C, pode ser calculado usando 0 limite fisico (0.0) como substituto do limite inferior. Mas esse niimero no teré com C,x, a mesma relagdo que tem no caso bilateral. Cu: Este € um indice de capabilidade, Ele leva em conta a centralizagaio do processo e a capabilidade, No caso de tolerancias unilaterais com um limite fisico, Cx pode ser menor do que, igual a ou maior do que C. Gye esté diretamente relacionado A proporgdo de no-conformidades produzida pelo processo. Ele é igual a CPU ou CPL, dependendo da toleriincia ser um LSE ou um LIE onde: cpy = SE-X 3 /4; cpn= SLE RY 3B Px: Este & um indice de desempenho. Ele compara 0 desempenho do processo & variagao maxima permitida pela tolerdncia, Este indice nao tem significado no caso das tolerdncias unilaterais. Se a caracteristica do produto tiver um limite fisico (por exemplo, 0 nivelamento no pode ser menor do que zero), um P, pode ser calculado usando 0 limite fisico (0.0) como substituto do limite inferior. Mas esse niimero nao teré com P,_ a mesma relagdo que tem no caso bilateral. 137CAPITULO IV ~ Segto A Definigdes de Termes do Proceso Py esti ditetamente relacionado & proporgio de_niio-conformidades P produzidas pelo processo. Ele & igual ao PPU ou PPL, dependendo da pk toleriincia ser um LSE ou LIE onde: ‘Uma notagdo alternativa para Py, no caso das tolerdncias unilaterais € Phy OU Py dependendo do limite ser um LSE ou um LIE. CR: Esta é a taxa de capabilidade. Ela é simplesmente a reefproca de CG: CR ‘Como tal este indice ndo tem significado para as tlerdncias unilaeras, PR: Esta & a taxa de desempenho. Ela é simplesmente a reciproca de P PR ‘Como tal, este indice nao tem significado para as tolerdncias unilaterais. NOTA: O Apéndice F tem exemplos de calculos de todas essas medidas. 138CAPITULO IV - Segio B Descrigio de Condigibes, CAPITULO IV - Segado B Descrigao de Condigées E importante apontar que a variagZo do processo e a centralizagio do processo so duas caracteristicas distintas do proceso. Cada uma delas precisa ser entendida separadamente uma da outra, Para auxiliar essa andlise, tomnou-se conveniente combinar as divas caracteristicas em indices, tais como o Cy, ou P,a. Estes indices podem ser tteis para * —Medir methorias continuas usando tendéncias no decorrer do tempo. * Priorizar a seqiiéncia na qual os processos serio melhorados O indice de capabilidade Cj € também til para determinar se um processo € capaz ou no de atender os requisitos do cliente, Essa era a intengio original do indice de capabilidade. O indice de desempenho Py mostra se 0 desempenho do proceso esté realmente atendendo os requisitos do cliente. Para estes indices (assim como para todas as outras, medidas do processo descritas no Capitulo IV, Seco A) serem efetivamente utilizados, as CONDIGOES que os cercam devem ser entendidas. Se estas condigdes ndo si0 atendidas, as medidas terdo pouco ‘ou nenhum significado e podem induzir a erros na compreensao dos processos dos quais eles foram gerados. O requisito minimo que as medidas de capabilidade descritas na segdo A devem atender sio as trés, condigdes a seguir © © processo, do qual os dados foram obtidos, & estatisticamente estavel, ou seja, as regras CEP normalmente aceitas nio devem ser violadas. # As medigées individuais dos dados obtidos do processo formam aproximadamente uma distribuigao normal.” © As especificagdes se baseiam nos requisitos do cliente, Normalmente, 0 valor do indice calculado (ou taxa) aceito como 0 valor do indice "verdadeiro” (ou taxa), ou seja, a influéncia da variacao da amostragem sobre 0 mtimero calculado é descontada. Por exemplo, 05 indices calculados Ce de 1,30 € 1.39 podem vir do mesmo processo estavel, simplesmente devido a variagao da amostragem. Consulte Bissell, B.A.F. (1990), Boyles, R. A. (1991) € Dovich, R. A. (1991) para obter outras informagdes sobre o assunto. * Para obter informagées sobre as distribuigdes no normais, consulte as paginas seguintes. 139CAPITULO IV - Segio B Descrigio de Condigdes Processamento de Distribuigées Nao Normais e Multivariadas“’ Embora a distribuiggo normal seja util para descrever ¢ analisar uma ampla variedade de processos, ela no pode ser usada em todos os processos. Alguns processos sio inerentemente no normais, © seus Gesvios da normalidade so to grandes que o uso da distribuicao normal como uma aproximagio pode levar a decisbes erradas. Outros processos tém varias caracteristicas que esto inter-relacionadas © devem ser modeladas como uma distribuigdo multivariada. Dos indices descritos acima, C, P,, CR, ¢ PR sfio adequados com relagio Ando normalidade. Isso no vale para Cyo, € Pa Relagao entre indices e Proporgao de Nao Conformidades Embora muitas pessoas usem os indices Cy, € Px como medidas sem unidades, existe uma relagio direta entre cada indice € 0 relativo parimetro do processo de proporgao de nao conformidades (ou ppm). ‘Assumindo que C, > 1, a relagdo do indice de capabilidade é dado por: edt proporedo de néo-conformidade = 1 — onde z, =3C, € Cyq = min{CPU, CPL} Da mesma forma, P,.esté relacionado a proporcao de no conformidades do desempenho por meio de: 3Py Com essa compreensio de Cy € Pye indices para distribuigdes nao normais podem ser desenvolvidos com as mesmas relagées entre o indice © a proporcao de ndo conformidades do processo. ‘A determinagao desses indices para as distribuigdes nao normais exige tabelas extensas ou 0 uso de técnicas iterativas de aproximacao. Rlaramente eles s80 calculados sem 0 auxilio de um programa de ‘computador. Distribuigdes Nao Normais Usando Transformagées no Uma abordagem € transformar a forma da curva de distribu normal em uma forma da curva de distribuigdo que € (préxima da) normal. A especificagio também é transformada com os mesmos parimetros. Em seguida, os indices Cn, € Pp Sao determinados na curva “Come foi discutido no Capitulo Il, Seco A, a anélise do proceso exige que os dados tenham sido coletados usando um sistema ou sistemas de medigdes que sejam consistentes com o processo & tenham caracteristicas aceitaveis do sistema de medicao. 140CAPITULO IV - Seco B Deserigio de Condigdes de distribuigdo transformada usando célculos padrio com base na Adistribuigdo normal. Duas abordagens gerais de transformago que ganharam apoio sZo: ‘+ Transformagoes de Box-Cox Os métodos de andlise de delineamento de experimentos. so “apropriados ¢ eficientes quando os modelos so (a) estruturalmente adequados ¢ os erros (supostamente independentes) (b) tém variagdo constante ¢ (c) S80 normalmente distribuidos.* Box e Cox (1964) discutiram uma transformagdo que atende de forma razoavel todos esses trés requisitos. Essa transformagio é dada por: onde -5S2<5 e A =0 para a transformagdo lognormal a= .5 para a transformagao de raiz quadrada Embora essa transformagio tenha sido desenvolvida com foco na andlise de experimentos criados, ela encontrou uma aplicagio na transformagio dos dados do processo para a normalidade. ‘+ Transformagdes de Johnson Em 1949, Norman L. Johnson desenvolveu um sistema de transformagdes que resulta na normalidade aproximada.“’ Esse sistema & dado por: Vinculado Lognormal w= sink! (x) = log(x+1+ Vy +1) | pesvincutado ‘Como no caso da Familia Pearson de distribuigdes (ver abaixo), esse sistema de curvas abrange todas as formas de distribuigdes unimodais, possiveis, ou seja, ele cobre todo o plano possivel de skewness-kurtosis. Ele também contém uma forma limite da distribuigao lognormal conhecida. Entretanto, no caso geral, as curvas de Johnson sio fungées de pardmetro, * Box, G. E. P., Hunter, W, G., ¢ Hunter, J. S., Statistics for Experimenters, John Wiley and Sons, Nova Torque, 1978, pag. 239. * Consulte Johnson (1949). 141CAPITULO IV - Sega0 B Deserigio de Condigbes Distribuigdes Nao Normais Usando Formas Nao Normais |As formas no normais modelam a distribui¢ao do processo ¢, em seguida, determinam a proporgao de nao conformidades, ou scja, a dres da distribuigio nao normal que esta fora da especificagao. ‘Uma abordagem comum da modelagem da distribuigo no normal € usar a Famflia de Curvas de Pearson. O membro mais apropriado dessa familia & determinado pelo método de comparagao de momentos, ou seja, a curva com skewness (inclinaga0-SK) e kurtosis (KU) que coincide com a curva da distribuigio da amostragem é usada como um modelo para @ forma basica. Como no caso do Sistema de Transformagio Johnson (consulte acima), essa familia de curvas abrange todas as formas de distribuigdes unimodais possiveis, ou seja, ela abrange todo o plano SK- KU possivel Para calcular o equivalente no normal do indice Py. a forma néio normal (y (2)) é usada para determinar a proporgdo de no conformidades, ou seja, a drea da distribuicdo néio normal fora das especificagdes superior € inferior: us P= f@)de po = | flode Esses valores sio convertidos em um valor ¢ usando a distribuigto normal padrio inversa. Ou seja, os valores de zy ¢ zy das seguintes equagdes sio determinados de forma que: Em seguida, Embora o céleulo padrio de P, seja uma boa estimativa, uma estimativa mais cexata pode ser encontrada usando a convengiio de que a dispersao do proceso € definida como a amplitude que inclui 99.73% da distribuigdo (representando equivaléncia de uma dispersio de distribuigo normal de 3a). Os limites dessa amplitude sao chamados de “quantil 0,135%" (Qpoyi35) € “quanti 99,865%" (Qh nsss)- Ou Seja, 0.135% dos valores da populagdo devem se encontrar tanto abaixo de Qy piss quanto acima de Qs gous: Para a forma normal: Op yssss = ~Qoonias= ZoseassS 142CAPITULO IV - Secéo B Deseriglo de Condigoes ooo1as= [°"" f(xyde € 0.99865, f. fldx O cdilculo de P, entio é: Amplitude Est. de 99.73% Qa sowes — Qoanias onde a forma ndo normal é usada para calcular os quantis. O indice de capabilidade C, € calculado como acima, substituindo spor ( 4 } Como essa abordagem usa a variagdo total para calcular a proporgio de ndo conformidades, nao existe nada equivalente a um Chu nao normal disponivel, Uma abordagem alternativa para calcular Po. usando os quantis é dada ‘em alguns documentos por: LSE-X_ _X-LIE Py =min <=, 5 cevss — X * X —Qnoons Essa abordagem nao liga 0 indice Py & proporgéo de nao conformidades. Ou seja, formas nao normais diferentes teréo o mesmo indice para diferentes proporodes de no conformidades, Para interpretar e comparar adequadamente esses indices, @ forma nao normal bem como 0 valor do indice deve ser levado em conta 143 amplitude da especificagéo _ amplitude da especificagaoCAPITULO IV - Seo B Deserigio de Condigoes Distribuigdes Multivariadas Distribulgao Normal Bivariada Quando varias caracteristicas estao inter-relacionadas, a distribuigio do processo deve ser modelada usando uma forma multivariada. O indice de desempenho do proceso Px pode set avaliado primeiramente determinando a proporgdo de no conformidades, ou seja, @ drea da distribuigdo multivariada que esté fora da especificacio. Para muitas caracteristicas dimensionadus geometricamente (GD&T), a forma normal bivariada é ati! para descrever 0 processo, Um par de varidveis X ¢ ¥ aleat6rias tem uma distribuigio normal bivariada apenas e to somente se sua densidade de probabilidade conjunta for dada por f(xy) onde p=cov(x.y) para 2c x0; 0,>0 Para calcular o equivalente multivariado do indice Px. a forma multivariada (e.g., f (1, y))é usada para determinar a proporgao de nao conformidades, ou seja, © volume da distribuigio multivariada que esté fora da zona da especificagdo (tolerdncia). No caso bivariado isso seria flay ydedy e Zona de Tolerancia “\ Pe ZA Distribuicdo Bivariada 144CAPITULO IV - Segzo B Descrigdo de Condigdes Esse valor é convertido em um valor z usando a distribuigao normal padrio inversa. Ou seja, o valor z de forma que: Entio Py = Uma estimativa de P, pode ser encontrada usando: p, ~ area da especificastio 0 Area est. de 99.73% onde a forma multivariada € usada para calcular a drea estimada de 99,73%, Como essa abordagem usa a variagdo total para caleular a proporgao de no conformidades, ndo existe nada equivalente & um Cy multivariado disponivel.* * Consulte também Bothe (2001) e Wheeler (1995). 145CAPITULO IV - Seco C Uso Sugerido das Medidas do Processo Esta pégina foi intencionalmente deixada em branco 146CAPITULO IV - Sogao ¢ Uso Sugrido das Medids do Proesso CAPITULO IV - Segdo C Uso Sugerido das Medidas do Processo “ Con te a Figura 1.1 ‘A chave para o uso eficaz de qualquer medida do processo continua a ser © nivel de compreensio do que realmente a medida representa. Aqueles, na comunidade estatistica que geralmente se opdem ao modo como os dices Cx esto sendo usados so ripidos para mostrar que poucos processos do “mundo real” satisfazem completamente.todas as condicies, suposigdes © parmetros dentro do qual 0 Cyx foi desenvolvido (ve) Gunter, B. (1989) e Herman, I. T. (1989)). E 0 posicionamento deste manual que mesmo quando todas as condigdes so atendidas, é dificil de avaliar ou de entender verdadeiramente um processo com base em um linico indice ou taxa, por motivos discutidos abaixo, Nioo existe um tinico indice ou taxa que possa ser usado para descrever um proceso. E recomendado que todos os quatro indices (Cy, Cw € Po Pu) sejam calculados no mesmo conjunto de dados. A comparagio entre 0s indices pode dar uma idégia potenciais problemas do process ¢ auxiliar na medigo e priorizagio da melhoria ao longo do tempo. Por exemplo, valores baixos de C, Cy podem indicar problemas de variabilidade dentro do subgrupo, enquanto que P> Pye baixos podem implicar em problemas gerais de variabilidade. As andlises gréficas devem ser usadas em conjunto com as medidas do processo, Exemplos de tais andlises incluem cartas de controle, graficos das distribuigdes do processo e gréficos de fungdo perda.. Além disso, til marcar a variagdo inerente do processo, 66, = SR versus a variagdo total do processo, 60» = 6s, para comparar a “capabilidade" € 0 "desempenho" do proceso e monitorar a melhoria Em geral, o tamanho dessa lacuna € uma indicagaio do efeito que as causas especiais tém sobre o proceso. Esses tipos de andlises grificas podem ser feitas para entender melhor 0 processo, mesmo que nao sejam usados 0s indices do processo. sso devem ser usadas com o objetivo de alinhar a As medidas do pro "Voz do Cliente”."* "Voz do Processo" Todas as avaliagdes de capabilidade e desempenho devem se limitar as caracterfsticas tinicas do processo. Nunca é apropriado combinar ou fazer a média dos resultados da capabilidade ou do desempenho para diversos processos em um indice."” * Os métodos para abordar os processos multivariados sdo cobertos no Capitulo TV, Segao B. 147CAPITULO TV - Segao C Uso Sugerido das Medidas do Processo ue “) rum RACIOCINIO “TRAVES DO GOL’ ue cunvaruncéo NJ PERDA ® \| 4 | e | Lse Pogas no local ‘quanto as pecas em Le BOA Rum Valor Alvo = Propésito do Projeto Requisite do Cliente ise Pegas em A: Sem Perda Pogas em B: Alguma Perda Pogas em C: Malor Perda LQUANTIDADE DE PERDAS EM 8 Mat + (Perda p Figura IV.5: A BoC RACIOCINIO FUNGAO PERDA 0 cliente e/ou sociedade) “Traves do Gol” x Fungao Perda O Conceito da Fungao Perda A forga que move o uso dos indices de capabilidade (e outras medidas do (0) tem sido o desejo de produzir todas as pegas dentro das espe s do cliente. © conceito bésico que motiva esse desejo é que todas as pegas dentro da especificagao, independentemente de onde elas estejam localizadas dentro do intervalo da especificagao sto igualmente “boas” (aceitaveis), € que todas as pecas além das especificagies, independentemente de quio fora dos limites de especificagio elas possam estar, sao igualmente “ruins” (inaceitéveis), Profissionais da Qualidade, algumas vezes, se referem a este conceito como o racioinio (veja a Figura 1V.5(A)), “Traves do Gol 148,CAPITULO IV - Segio C Uso Sugerido das Medidas do Provesso ‘Apesar deste modelo de raciocinio (bom / ruim) ter sido extensivamente usado no pasado, recomenda-se outro modelo mais util (ou seja, um modelo que esteja bem mais préximo do comportamento do mundo real), representado na Figura IV.5 (B). Em geral, esse modelo € uma forma quadrética e utiliza o principio de que uma perda crescente incide sobre 0 cliente ou sociedade quanto mais longe uma caracteristica particular ficar do alvo da especificagdo. Implicito neste conceito, chamado de conceito da fungao perda, estd a suposigdo de que a intencao do projeto (alvo da especificagdo) esté alinhado ao requisito do cliente, ‘A primeira etapa para gerenciar a variagao é entender a quantidade de variagio que é aceitével, ou seja, a quantidade de desvio de um alvo ou valor nominal que € permitida. Tradicionalmente o julgamento do valor "aceitével’ ou "permitido” se baseia na compreensio que o engenheiro de projeto tem dos requisitos funcionais, da fisica do projeto ¢ do ambiente de uso (conhecimento da area de engenharia), combinada as restrigdes econémicas do proceso de produgao. Os resultados dessa parte do processo de projeto sio refletidos nas especificagdes da engenharia (tolerdncias). LE Alvo LSE (Integao do Projeto) AB CDE F Igualmente _ igualmente boas ruins Mas 0 que significam as especificagdes? Idealmente, todas as caracteristicas de um projeto devem ser iguais & intengdo do projeto ~ 0 valor do alvo que daria resultados perfeitos. Mas existem variagées. Assim, qual € a diferenga para o cliente entre duas pegas diferentes, uma com uma caracteristica no alvo e outra com a mesma caracteristica fora do alvo, mas dentro da especificago? Uma abordagem comum pode ser descrita usando a analogia dos "Traves do Gol". Em muitos esportes (por exemplo, futebol americano, futebol, héquei, basquete), um gol em campo é contado se a bola passar através das traves do gol (ou cesta no basquete). Nao faz diferenga se a bola entra bem no centro ou apenas escorrega para dentro do gol. O ponto é marcado do mesmo jeito. Nos processos de manufatura isso significa que tudo dentro dos limites da especificacdo € considerado igualmente bom e tudo fora deles € igualmente ruim. 149.CAPITULO IV - Sega0 C Uso Sugerido das Medidas do Processo Centro do Processo ue + LSE Alvo Porcentagem de nao conformidades Igualmente bom Essa abordagem pode ser valida para caracteristicas distintas (por exemplo, a pega tem ou no um orificio livre), mas ao lidar com as caracterfsticas que tém resposta continua, essa abordagem nao reflete 0 modo como o cliente reage aos diferentes niveis de resultado. Sem levar em conta as especificagdes, € possivel determinar a sensibilidade do cliente aos desvios do alvo (intengao do_projeto). Consulte Goble, et al (1981), A medida que a caracteristica se desvia do alvo, mais clientes poderio "sentit” que cla é diferemte da intengéo do projeto ~ principalmente porque é preciso mais "esforgo” para usécla, Em muitos casos uma perda (de tempo, custo, eficiéncia, etc.) pode estar associada a cada incremento no desvio. Essa perda pode aplicar-se ao cliente individual, mas também pode ser estendida organizagio, ou mesmo a sociedade. Uma curva tipica de sensibilidade (fungio perda) tem uma forma quadratica A / Curva de Sensibilidade (Fungao Perda) Sensibilidade ou perda maiores devidas ao | desvio do Alvo ‘Alvo Existem duas maneiras de analisar uma fungio perda. Ela pode ser comparada a intengio do projeto ou as especificagées funcionais Alvo (Integao do Projeto) ue LSE Quantidade de perda em E B CDE F ‘Aumento da Perda Figura IV.6: Comparacao entre a Funcao Perda e as EspecificacéesCAPITULO IV - Seco © Uso Sugerido das Medidas do Processo Sob a perspeetiva do cliente, a Figura IV.4 mostra que funcionalmente existe pouca diferenga entre uma caracteristica que € um_"desvio" de um lado ou do outro do limite de especificagio. ‘Uma comparagio entre a fungdo perda e as especificagdes é um modo de classificar as caracteristicas. A Figura IV.5 mostra que a fungao perda da Caracteristica A € relativamente plana dentro dos limites da especificagao. Isso significa que 0 cliente sera insensivel & variagao dentro da especificagio da Caracteristica A. Como todas as caracteristicas devem estar dentro da especificacio, essa caracteristica atende a definigao operacional de robusta."* Uma caracteristica 6 chamada de Robusta se o cliente for insensivel & variagao esperada da caracteristica. Curvas de Sensibilidade (Fungées de Perda) 2 LE LSE ue LSE Alvo ‘Alvo| Caracteristica A Caracteristica B "Robusta" Padrao Chave Figura IV.7: Comparagao das Fungses Perda Definigdio alternativa: um projeto € robusto se ele for tolerante (insens{vel) & variagao que é esperada da ‘manufatura, dos processos, dos materiais ¢ do ambiente. 151CAPITULO IV - Sega0 C Uso Sugerido das Medidas do Processo MODELO DO SISTEMA DE CONTROLE DO PROCESSO COM FEEDBACK voz DO PROCESSO METODOS ESTATISTICOS | PESSOAL P Equipamento }| A MANEIRA aue | Jpuaterias | TRABALHAMOS/ PRODUTOS } CLIENTES merovos }| COMBINAGAO DE een os MEDIGAO D> RECURSOS AMBIENTE > IDE! “TpENTIFICANDO | i cto wen | THRE ENTRADAS PROCESSO/SISTEMA RE NECESSARIAS E | EXPECTATIVAS voz DO CLIENTE Figura IV.8: Um Sistema de Controle de Processo 152CAPITULO IV - Segio C Uso Sugerido das Medidas do Processo Alinhamento do Processo aos Requisitos do Cliente No Capitulo I, Se¢ao B (ver Figura IV.8), um sistema de controle do processo é descrito como um sistema de feedback. Uma caracteristica do resultado de tal processo pode também ser expresso graficamente em termos de uma distribuigao de probabilidade. Esta distribuigao pode ser chamada de distribuigao do processo (ver Figura TV.9(a)), ue Perda (ndo Lae ponderada) para r clientes gerada Curva de ! pelo processo Sensibilidade ‘ (Fungo Perda) : Alvo Centro do Proceso A curva de sensibilidade também fornece direcionamento no controle do processo de produgo. A comparacdo do processo a funcio perda ¢ a ‘especificag2o conjuntamente mostram que a perda total para o cliente aumenta &'medida que o centro do processo (média) desvia do alvo. Para avaliar © impacto da distribuigdo do processo para o cliente, uma funcao perda (consulte a Figura IV.9(b)) pode ser estabelecida para a caracteristica do processo. A superimposicao da distribuicdo do processo & ccurva da fungdo perda do requisito do cliente (ver Figura IV.9(e)) mostra © Como o centro do processo esta alinhado ao requisito do alvo do cliente * A perda do cliente que é gerada por esse processo. ‘Com base nessas observagdes € possfvel concluir 0 seguinte: «© Para minimizar perdas para o cliente, € preciso alinhar 0 processo (o centro do proceso) com os requisitos do cliente (alvo da especificagio). + E benéfico ao cliente se a variagao em torno do valor alvo & continuamente reduzida (consulte a Figura 1V.9(e)). Esta andlise & as vezes chamada de alinhar a “Voz do Process” com a “Voz do Cliente” (consulte Scherkenbach, W. W. (1991) para obter maiores detalhes). No exemplo da Figura IV.9(d), as pegas que esto além da especificacio representam apenas 45% da perda total para o cliente. A perda restante vem das pegas que esto dentro da especificagdo, mas que niio esto no alvo.CAPITULO IV - Sego C Uso Sugerida das Medidas do Processo co) c) i neousrros 00 cue) = > srmeuio ‘ApistmIBIGA0 00 PROCESS waauerosoo cunee~ fy] | alll bistmnvigad BA UNGHO PEROA D0 CLIENTE cama oargio ati a oistRIBUIGk0 00 PROCESO DESALNHADA COM OBJETIVO DO CLENTE | [ALIHAMENTO DO PROCESSO.COM 0 ALYO E COM MENOS VARIAGAO Figura IV.9: Alinhamento do Processo aos Requisitos 154CAPITULO IV - Seo C Uso Sugerido das Medidas do Processo Isso foi determinado pela estimativa da perda total: combinando a perda gerada pela distribuigao real das pegas (pegas ndo-conforme) ¢ a perda devida a sensibilidade do cliente & variagio dentro das especificagoes. Isto fortemente sugere que o modelo “Traves do Gol”, ou porcentagem calculada de pegas "ruins" (peas além da especificagio), por si s6 no fornece uma apreciagdo correta para a compreensio do efeito que o processo realmente esté tendo sobre o cliente. 155CAPITULO IV - Segio C Uso Sugerido das Medidas do Processo Esta pagina foi intencionalmente deixada em branco 156APENDICE A ‘Comentérios sobre Amostragem APENDICE A Comentarios sobre Amostragem Efeitos da Formacao dos Grupos Cartas de controle sio usadas para responder questées a respeito de um processo. Para que uma carta de controle seja util, € necessério que a carta responda as questoes certas. Uma carta X faz a pergunta “A variagdo presente nas médias dos subgrupos € maior do que a esperada, baseando-se na variagio dentro dos subgrupos?”, Entretanto, 0 entendimento das fontes de variago dentro e entre subgrupos é de fundamental importancia na compreensao das cartas de controle € das, variagdes do processo, A maioria das cartas de controle para varidveis, compara a variagio dentro do subgrupo com a variago entre os subgrupos, entio € importante na interpretagio das cartas de controle formar subgrupos, compreendendo as possiveis fontes de variagio que afetam os resultados do proceso. Dados Autocorrelacionados Em geral, toda amostragem realizada no CEP apresenta 3 caracteristicas: 1, Tamanho: Quantas pegas estdo selecionadas na amostra? Freqiiéncia: Com que freqiiéncia tomamos uma amostra? Tipo: ‘A amostra consistiré em _ partes ,, selecionadas consccutivamente, partes selecionadas aleatoriamente™ ou em algum outro plano estruturado? Das 3 caracteristicas acima, a maioria das pessoas tem experiéncia nos itens | e 2, mas raramente o item 3 considerado. Na verdade, 0 tipo da amostra nem € abordado na maioria dos modelos de plano de controle. O tipo da amostra pode ter um grande impacto sobre os resultados das cartas do CEP e deve ser bem compreendido, Alguns fatores que influenciam o impacto do tipo de amostra tém a ver com 0 proprio processo — eles dependem da natureza do processo de ‘manufatura. Um fendmeno em particular comum a muitos dos processos super répidos e automatizados dos dias atuais € conhecido como autocorrelagao. © conceito da correlagio pode ser conhecido por muitas pessoas Existem muitos exemplo de correlagdes que fazem parte da experienc! da vida didria (por exemplo, altura e peso), nos quais duas caracteristica sto comparadas para determinar se hd alguma relagao significativa entre elas. A medida que o valor de uma caracteristica aumenta, 0 valor da outra caracteristica pode aumentar também (indicando uma correlagio E importante entender o verdadeiro significado de “aleat6rio”. Na prética, muitas pessoas pensam que selegio ‘aleatéria” € selecionar as partes indiscriminadamente. Na verdade, essa pode ser a amostragem Acidental (haphazard) ou de conveniéncia. A selegdo de uma amostra aleatéria exige técnicas especificas para garantir que 2 amostra seja aleatoria. O uso da amostragem Acidental (haphazard) ou de conveniéncia quando a amostragem aleat6ria € exigida pode levar a conclusdes erradas e tendenciosasAPENDICE A ‘Comentirios sobre Amostragem positiva), ou pode diminuir (indicando uma correlagdo negativa), ow Sinda pode agir de forma independente (correlagio zero). A formula matematica da correlagdo leva a um valor entre -1 (correlagdo negativa), passando por zero (nenhuma correlagdo) até +1 (correlagio positiva). Para atingir esses resultados, varias amostras so tomadas da populagao ¢ duas caracteristicas de interesse so comparadas entre si. No mundo da produgio, diferentes caracteristicas do mesmo processo, podem ser comparadas. Na autocorrelaco, em vez de se comparar duas caracteristicas dentro de uma pega, uma caracterfstica € comparada com a mesma caracteristica ‘em uma outra pega produzida anteriormente. Ela pode ser comparada a uma pega produzida imediatamente antes (chamada defasagem de 1) ou ‘duas pecas antes (defasagem de 2) et. Os processos automatizados de alta velocidade quase sempre exibem autocorrelagao de algumas caracterfsticas. Freqilentemente isso acontece porque existe uma variagao de causa especial previsivel e basica que € grande quando comparada 4 variagdo de causa comum. Ou seja, as Varidveis importantes de entrada do processo nio tiveram tempo de Variar muito no perfodo em que a amostra foi tomada em comparacio a0 periodo entre a Variagio da amostra, Isso pode ser melhor ilustrado com exemplos. Exemplo da Temperatura Se uma pessoa precisa fazer uma carta de controle XeR sobre a temperatura de uma sala (ou patio externo), ni faz sentido ter um plano de amostragem que pede a tomada de 5 Jeituras consecutivas da temperatura - cada um dos 5 valores seria essencialmente iguais. Entretanto, uma hora depois quando a préxima amostra fosse tomada, & temperatura poderia estar diferente da temperatura de uma hora antes, embora aquelas 5 leituras seriam iguais entre si e assim por diante, Quando tal carta estivesse concluida, provavelmente haveria uma certa VariagZo aparentemente aleat6ria na carta X , mas a carta da Amplitude seria predominantemente uma seqiiéncia de zeros. A amplitude média seria de aproximadamente zero. R_é usada para calcular os limites de controle da média na formula X+A,xR e, assim, os limites de controle seriam extremamente rigidos na média global dos dados, ¢ a aioria dos pontos apareceria como fora de controle. Este é um exemplo extremo, mas serve para indicar 0 que acontece quando a autocorrelagio esté presente e ¢ ignorada, Exemplo da Estamparia Os dados de um processo de estampagem progressivo, com bobina de alimentagdo, geralmente esto correlacionadas. Se esses dados fossem aleat6rios (ou seja, o ago da bobina fosse cortado em folhas, selecionados aleatoriamente e depois medido) os dados nao estariam correlacionados. ‘Ainda assim, o resultado final (a distribuigao total do processo como indicado por um histograma) seria idéntico. A causa fundamental da autocorrelagao foi quebrada. Seria prético ou possfvel fazer isso sempre? Nao, nao neste caso, mas este exemplo serve para ilustrar a possivel natureza da autocorrelagao em um processo. 158APENDICE A. ‘Comentérios sobre Amostragem Processo com Amostias Aletérias, Histograma do Processo ‘A autocorrelagio pode levar a conclusdes equivocadas se Cy, for calculado ignorando seu efeito sobre a variagdo do proceso. Como Cr. tem por base R (uma estimativa dentro do subgrupo para o desvio padrio) é evidente no exemplo acima que Cy, sera extremamente alto, embora seja Sbvio que existe mais variagio no proceso que ainda no foi captada por Cy. Identificagao da Autocorrelagao Para descobrir se um processo esté autocorrelacionado, em primeiro lugar considere as entradas do processo em termos dos 6Ms."” Se um processo é altamente dependente do operador, € pouco provével que © processo estaria autocorrelacionado, Por outro lado, se 0 processo € altamente dependente da matéria prima © se essa matéria prima € uma varivel continua (como uma bobina de aco usada para alimentar um processo de estampagem a metal), a autocorrelago dentro de cada bobina € altamente provavel. O mesmo acontece para um proceso que € altamente dependente das caracterfsticas relacionadas a uma méquina specifica (como a combinagdo da prensa e o ferramental de estampagem € afetada pela lubrificagdo, temperatura da estampagem, condigio do ferramental, etc). Quando um proceso depende de ambos, material € maquina, a autocorrelago pode ser significativa. ° Man, Material, Method, Machine, Mother Nature (Environment), Measurement System [Homem, Material, Maquina, Mae Natureza (Ambiente), Sistema de Medi¢ao] 159APENDICE A CComtentérios sobre Amostragem Em segundo lugar, existem as anélises estatisticas” que podem ser usadas para determinar 0 coeficiente e 0 padrio reais da autocorrelagio. ‘A metodologia da andlise da correlago de pares de amostras pode ser uusada para comparar a amostra atual com a amostra anterior, ¢ depois & proxima amostra com a amostra atual e assim por diante. Quando as amostras de um processo so estveis € independentes, © ponto marcado no gréfico seré posicionado “aleatoriamente" (aleat6rio a partir de uma distribuigao normal) entre os limites de controle. Os pontos marcados no ‘grafico a partir de um processo autocorrelacionado nao variardo muito de seus pontos vizinhos de amostragem, formando um padrdo solto ¢ impreciso, Formas de Tratar Autocorrelagao Geralmente, nada pode ser feito para mudar um proceso autocomrelacio- nado. E possivel utilizar diferentes métodos de amostragem. 1eAM: Se a variagio dentro do subgrupo for menor do que ou igual & discriminagao do sistema de medigdo que € apropriado para o proceso, uma carta] e AM pode ser um método adequado para controlar a variagio do processo. Entretanto, uma autocorrelagao muito forte ainda pode se mostrar em um padrio nao aleat6rio. Amostras Estruturadas: A selegdo da quantidade e frequléncia da amostragem deve refletir as Fontes de variagdo dominantes. Por exemplo, se 0 material € a fonte dominante no proceso, a amostragem deve ocorrer sempre que houver ‘mudangas de material (por exemplo, a mudanga das bobinas). Cartas Autoregressivas: Nos casos em que ha violagdo da hipétese de que os dados da amostra io independentes, um modelo autoregressivo seria apropriado. Consulte © Capitulo IL Cartas Estruturadas: Se a origem (causa especial) da autocorrelagdo € previsivel, é possivel controlar 0 processo segregando a variagio dentro do subgrupo da variagdo entre subgrupos através de cartas separadas. A carta Entre/Dentro utiliza uma abordagem de carta J e AM, bem como a carta tipica da Amplitude: © A carta Valores Individuais representa graficamente as médias do subgrupo tratadas como valores individuais com relagdo aos limites de controle estabelecidos com base nas Amplitudes Moveis. © A carta AM representa graficamente a variagio entre os subgrupos usando as amplitudes méveis com base nas médias do subgrupo, 5 © teste estatistico de Durbin-Watson é um método para determinar 0 grau de autocorrelagio ¢ esti incluido em muitos pacotes de software estatistico, Consulte Biometrik 8, pags. 159-178, 1951 160APENDICE A (Comentérios sobre Amostrsgem © A carta Amplitude (ou Desvio Padrdo) representa graficamente a variagio dentro do subgrupo. Elas seriam analisadas usando os métodos padrao de cartas de controle para garantir que tanto a variagdo por causa comum (dentro do subgrupo) quanto a causa da autocorrelagao (entre subgrupos) permanecam consistentes (consulte Wheeler (1995). Resumo © mais importante € considerar 0 conceito da autocorrelagiio ¢ a capacidade de reconhecé-la em um processo, para depois entender seu possivel impacto sobre os resultados estatfsticos. Esta discusstio sobre autocorrelago tem 0 tinico propésito de informar sobre a existéncia desse fendmeno, o seu reconhecimento € os seus efeitos, caso nao sejam reconhecidos ou entendidos, podem ser bastante prejudiciais para as boas priticas do CEP. Se o leitor suspeitar da existéncia de autocorrelago em um proceso, sugerimos consultar um especialista em estatistica. E importante entender o verdadeiro significado de "aleatério". Na prética, muitas pessoas acham que selecionar indiscriminadamente partes aqui e ali € fazer uma selecdo “aleatoria’. Na verdade, essa é a amostragem Acidental (haphazard) ou de conveniéncia (consultar o Glossério). A selecdo de uma amostra aleatsria exige técnicas especificas (consultar um livro de referéncia sobre estatistica). O uso da amostragem ‘Acidental (haphazard) ou de conveniéncia quando a amostragem aleatoria € exigida pode levar a conclusdes tendenciosas €, portanto, erréneas. 161APENDICE A ‘Comentérios sobre Amostragem Exemplo de Processo de Varios Fluxos Considere 0 seguinte exemplo: um processo de producdo consiste em 4 operagdes paralelas. E sugerido que o resultado do proceso seja estudado através das cartas de controle, entdo, € preciso tomar uma decisio sobre como coletar os dados para as cartas. Hé uma variedade de possiveis esquemas de amostragem que poderiam ser considerados. As peas poderiam ser tomadas de cada fluxo para formar um subgrupo, ou as pegas tomadas de um iinico fluxo poderiam ser inclufdas no mesmo subgrupo, ou os subgrupos poderiam ser formados tomando-se pegas da combinagao dos fluxos, sem se preocupar com a sua fonte. O exemplo numérico abaixo mostra um exemplo dos possiveis resultados obtidos utilizando-se estes trés métodos. ‘Métodos para coletar dados do resultado de um processo de produgio de fluxo miiltiplo Pegas Recebidas > Método 1 (Multi-Fuso) Método 2: Coletar separadamente os dados de cada fluxo. Um subgrupo consiste em medigdes de apenas um fluxo. Resultado Combinado Método 3: Um subgrupo consiste em uma Um subgrupo consiste nas ou mais medigdes de cada fluxo; esse método de sub agrupamento ¢ estratificado. medig6es dos resultados combinados de todos 0s fluxos. ‘A cada hora uma amostra de 16 pecas € coletada tomando-se as peyas de 4 ciclos consecutivos para cada fluxo. 162APENDICE A ‘Comentérios sobre Amostragem A seguir temos um exemplo dos dados coletados. C CICLO DA MAQUINA AMOSTRA # A B c D Fluxo FL 17 18 18 20 Fluxo F2 2 15 12 Ro Fluxo F3 9 10 9 IR Fluxo Fé 10 Wl 2 2 Ha tr@s fontes de variagao representadas nos dados. A variagiio ciclo-a- ciclo é representada pelas diferentes colunas da matriz a variagio fluxo- a-fluxo € representada nas linhas da matriz, € a variagao hora-a-hora é representada nas diferentes amostras das 16 pecas. Um esquema na formaco dos subgrupos seria marcar a média € a amplitude de cada coluna da matriz de dados. Usando este esquema na formagdo dos subgrupos, a variacdo fluxo-a-fluxo estaria contida dentro de cada subgrupo. A variaggo hora-a-hora ¢ a variagio ciclo-a-ciclo contribuiriam para diferengas entre subgrupos. Outra possibilidade na formagao dos subgrupos seria marcar a média e a amplitude de cada linha da matriz de dados. Com este esquema, a variagdo ciclo-a-ciclo estaria contida dentro de cada subgrupo € a variagio hora-a-hora ¢ fluxo- a-fluxo contribuiriam nas diferengas entre subgrupos, ‘Sub Agrupamento por Coluna Sub Agrupamento por Linh ” Ia © oo x R wa uC OR = & io 8 & vom? Go Rep Ns 3 fm Fou mo oma 2 fo we won wef fe ae ee ae St ee r A 8 © 7 xX R 8 Ae CD KX Rw 3 ws 2 nov w@ a 3 Dados de 20 horas consecutivas so usados para construir as cartas de controle com cada método de formagao dos subgrupos. 163APENDICE, ‘Comentarios sobre Amostragem Método 1: Formagao dos Subgrupos por Coluna (Ciclo) Este esquema de formagio dos subgrupos produz 80 subgrupos de tamanho n=4. A média global é de 11,76 unidades. A amplitude média é 7.85, e 0 limite superior de controle para a carta da amplitude € 17,91 AB c 6,04 unidades, € de 17.91 unidades. unidades. Os limites de controle da carta X stio © limite superior de controle da carta da amplitude Um exame da carta da Amplitude indica que 2 variagdo dentro do subgrupo parece ser estével com 0 uso deste método. Carta X-Barra para Subgrupos de Dados Formados por Coluna (Ciclo) ~ LSC. x Carta da Amplitude para Subgrupos de Dados Formados por Coluna (Ciclo) ~ LSC R 2 8 164APENDICE A CComentéris sobre Amostragem Método 2: Formacao dos Subgrupos por Linha © segundo esquema de formacao dos subgrupos produz 80 subgrupos de tamanho n= 4, A amplitude média ¢ 2,84 unidades. Os limites de controle para a carta X so 13,88 e 9,70 unidades, e o limite superior de controle para a carta da amplitude ¢ 6,46 unidades. As cartas de controle para este esquema de formagao dos subgrupos estéo mostradas abaixo. Carta X-Barra para Subgrupos de Dados Formados por Linha (Fuso) Carta da Amplitude para Subgrupos de Dados Formados por Linha (Fuso) AAs cartas de controle para os diferentes esquemas de formagao dos subgrupos so muitos diferentes mesmo sendo cles derivados dos mesmos dados. A carta para os dados aranjados por linha mostra um padrio: todos os pontos correspondentes ao fuso 3 sio visivelmente maiores que aqueles dos outros fluxos. A primeira carta X nao revela as diferengas entre fluxos porque é feita a média das leituras de cada fluxo para obter cada valor de X ‘Ao agrupar os dados de modo diferente, as cartas tratam de questdes diferentes. Para o primeiro conjunto de cartas, a variagao fluxo-a-fluxo é utilizada como a base de comparagio. A Carta R verifica se a variagio fluxo-a- 165APENDICE A Comentiios sobre Amostragem Fluxo 1 fluxo é estavel ao longo do tempo e a carta X compara as vari ciclo-a-ciclo e hora-a-hora com a variagdo fluxo-a-fluxo. segundo conjunto de cartas utiliza a variagao ciclo-a-ciclo como base de comparagio. A carta R verifica se a variagao ciclo-a-ciclo é estavel ao longo do tempo e a carta X compara a variagao fluxo-a-fluxo e hora-a- hora com o nivel base da variagZo estabelecido pelas amplitudes, ou seja, com a variagao ciclo-a-ciclo, O segundo conjunto de cartas identifica que uma causa especial esta afetando 0 processo, ou seja, 0 terceiro fluxo é diferente dos outros fluxos. Como as diferengas entre 0s fluxos so tio grandes, os limites de controle do primeiro conjunto de cartas so muito mais amplos do que 0 segundo conjunto. Com o segundo método de formagio de subgrupos, os dados poderiam ser utilizados para eriar quatro conjuntos separados de cartas de controle para os dados, um para cada fluxo. Cartas X-Barra Fluxo 2 Fluxo 3 Fluxo 4 Fluxo 1 enn oe Cartas R Fluxo 2 Fluxo 3 Fluxo 4 Esta comparagao das cartas mostra que a média do tercelro fluxo & malor que a8 oulras © 08 processes individuals esta fora de controle, O nivel base da variagdo utiizado para 0 estudo dos resultados de cada fuxo 6 a variagao ciclo-a-ciclo como refletido na amplitude. Para cada fluxo os efeitos da variagao hora-a-hora sao mostrados nas cartas X . Tragando os graficos com a mesma escala, 0 nivel © a variagao para cada fluxo pode ser comparado. Método 3: © terceiro método de amostragem seria amostrar pegas do resultado combinado de todos os quatro fluxos. Este método forece algumas percep¢des das variagées que sao enviados para o préximo processo, fras a partes nao podem mais serem diferenciadas por fluxo de 166APENDICE A. Comentarios sobre Amostragem produgéo. Dado 0 fato de que as pegas do fluxo combinado esto misturadas, as amplitudes refletem a mistura de variacdo fluxo-a-fluxo e variagdo ciclo-a-cilo. Os valores de X , além disso, contém a variagéo hora-a-hora, Se a contribuig&o hora-a-hora para a variagao é grande o suficente, esta contribuigdo sera vista como pontos fora de controle na carta X Carta X-Barra de Resultados Combinados 12 Carta R de Resultados Combinados Se hele A carta R verifica se as variagdes fluxo-a-fluxo e a ciclo-a-ciclo sto consistentes ao longo do tempo. A conta X responde a seguinte pergunta: “Seria esperada esta variago nos valores de _X se a variagio ciclo-a-ciclo e a fluxo-a-fluxo fossem os tinicos tipos de_variagao presentes no proceso, ou, hé mudangas adicionais hora-a-hora?” Como uma regra geral, a variagdo que esté representada dentro dos subgrupos deveria ser do tipo de variag30 0 qual acredita-se ser menos significante ou 0 menos interessante para o estudo atual. Em todos os casos, um método de formacao dos subgrupos deveria ser utilizado de modo a permitir que as quest6es sobre os efeitos das fontes potenciais de variagio sejam respondidas. 167APENDICE A Comentarios sobre Amostragem Efeitos do Tamanho da Amostra sobre os Indices ‘Um cendrio comum quando se avalia um processo usando os indices é que os resultados de uma amostra contradizem aparentemente, os resultados de uma segunda amostra. Isso acontece particularmente com processos novos, nos quais a amostra inicial tomada para qualificar 0 proceso para a producao tem valores de indice que atendem ou excedem 05 requisitos do cliente, mas uma amostra subseqilente tomada durante a produgio normal tem indices que nao atendem os requisitos. ‘Os motivos para isso so variados: © © processo mudou da amostragem inicial para a amostragem da produgio completa - por exemplo, a amostragem pode ter usado diferentes materiais, configuragdes, procedimentos. ete © A amostragem inicial no inclufa todas as fontes possiveis de Variagio que estio afetando 0 proceso de produgao. Essa é uma possibilidade real se 0 tamanho da amostra inicial for pequeno. © O fndice do processo real esta proximo do indice alvo e a variagio da amostragem esti causando a diferenga de conclusdes. Os dois primeiros motivos esto relacionados & compreensio das fontes de variagio que agem sobre 0 processo e sio discutidos no Capitulo I © terceiro motivo trata da variagdo da amostragem que é inerente a qualquer esquema de amostragem (consulte também o Capitulo 1, Segao G). A menos que a amostra inclua todo 0 resultado do proceso, haverd variaggo da amostragem™ no calculo estatistico (neste caso, de um indice) da distribuicio do processo. Variacgao Ppk reais Ppk da Amostragem Limites de Confianca 5 Nota: Embora a distribuigio real da amostragem dos indices em geral seja ndo normal, esta discussio utilizaré uma distribuigdo simétrica como exemplo. 168ad Ppk Observado APENDICE A ‘Comentirios sobre Amostragem Utilizando-se a distribuigdo da amostragem (a distribuigio estatistic: (indice)) é posstvel calcular os limites de confianga para 0 indice. Esses valores podem entao ser usados para tomar uma decisao sobre 0 processo (por exemplo, ele é ou nio aceitavel) Utilizando-se_um nivel comum de risco alfa comum de 0,05 como exemplo, os limites de confianga de 95% identificario a amplitude dos valores possiveis que irdo conter o valor real (e desconhecido) durante 95% do tempo. Ou seja, se a amostragem foi identicamente repetida 100 vezes, a mesma decisdo (aceitavel ou inaceitével) sobre 0 processo seria tomada 95 vezes. Limite Superior de Confianga Ppk Real \ Limite Inferior de Confianga Tamanho da amostra —————> ‘A largura da distribuigéio da amostragem é uma fungi do tamanho da amostra, Quanto maior for o tamanho da amostra, mais "proxima" sera a distribuigdo, Esse atributo da distribuigao da amostragem pode levar a conclusdes aparentemente contraditorias. Por exemplo, ao avaliar processos novos, a amostra inicial em geral é pequena, devido a disponibilidade de matéria prima/pegas. Depois que proceso esta em produgdo, essa restrigdo desaparece. Estudo Estudo Inicial Estendido Ppk Alvo -o--- — ~~ Ppk Real Ppk Observado. — Tamanho da Amostra. —————> 169APENDICE A ‘Comentarios sobre Amostragem Quando o indice real estd préximo do indice alvo, as diferengas de Variago da amostragem podem levar a conclusdes aparentemente contradit6rias, mesmo que no haja mudangas no processo € ambus as amostras incluam as mesmas fontes de variagio. Estudo Estudo Inicial Estendido 1 -b----- ~ - = Ppk Real = — Ppk Alvo Ppk Observado—> Tamanho da Amostra —————> No caso do indice real (desconhecido) ser exatamente igual ao indice alvo, independente do tamanho da amostra, a probabilidade de considerar © processo aceitivel é de apenas 50%. Em outras palavras, 0 indice calculado sera maior ou igual ao indice alvo apenas durante metule do tempo, Estudo Estudo Inicial Estendido C7 Ppk Real | | ‘Tamanho da Amostra. —____—_> (© tamanho da amostra usada em um estudo de processo e @ proximidade entre o indice real e o indice alvo tem impacto significative fra validade de qualquer decisao previsiva tomada sobre proceso. Ppk Observado. —> 170APENDICE B CComentirios sobre Causas Especiais APENDICE B Comentarios sobre as Causas Especiais Supercontrole ou Sobreajuste © supercontrole ou sobreajuste é a pratica de tratar cada desvio do ‘avo como se fosse conseqléncia de uma agao de-uma causa especial de variagio no processo, Se um processo estavel é ajustado com base em cada medigao realizada, entao o ajuste torna-se uma fonte adicional de variagdo. Os exemplos a seguir demonstram este conceito. O primeiro grafico mostra a variagdo dos resultados sem nenhum ajuste. O segundo mostra a variagao dos resultados quando um ajuste é feito no proceso para compensar cada desvio do alvo. O terceiro gréfico mostra a variagdo dos resultados quando ajustes séo feitos para compensar apenas quando 0 Ultimo resultado estiver a mais de uma unidade do alvo. Este terceiro caso é um exemplo de compensagao para manter-se dentro da especiticagao. Cada método de ajuste faz aumentar a variagdo do resultado, desde que seja estavel a variagdo do resultado obtido sem ajustes (veja Deming (1989), Capitulo 11) mAPENDICE B Comentiris sobre Causas Especiais Resultados sem nenhum ajuste vVariagao Normal Notar Aumento na Variagao * Resultados com ajustes para compensar o ultimo desvio do alvo se 0 desvio for maior que 1 Notar Aumento ra Variagao NOTA: Essas cartas assumem que o sistema de medicao foi avaliado & 6 apropriado,APENDICE B. ‘Comentirios sobre Causas Especiais Processos que Dependem do Tempo Os processos do Caso 3 (consulte o Capitulo I, Segdo E) dificilmente se ajustam ao modelo classico da carta de controle, Poucos processos desse tipo permanecem rigidamente estaveis a0 longo do tempo. Como a variagdo dentro do subgrupo em geral € pequena, a minima flutuacao na centralizagdo do processo ou na dispersdo podem fazer com que ele fique fora de controle estatistico, quando na verdade, a condigdo tem um efeito pratico minimo sobre a qualidade do produto e o cliente, Por exemplo, considere um proceso que tenha uma dispersio relativamente constante, mas que tenha alteragées pequenas € aleatérias na centralizagio. Quando os limites do controle foram estabelecidos com base nas primeiras 25 amostras, intimeros pontos fora de controle foram revelados, Carta X-Barra do Processo 10 Ts ae os aS a Amostra Entretanto, como a capabilidade do proceso ¢ pequena, se comparada a especificagdes, ¢ a funcdo perda é plana, um histograma dos dados sugere que hi um risco minimo de impacto para o cliente. Lic Lsc Alvo 173APENDICE B Comentirios sobre Causas Especiais — 2. Frequéncia 1s: wo. sc=27 a oe 6 6 » 2 4 & @ processo esta sendo executado em um turno por dia. Quando os dados so avaliados dentro dessa base, 0 processo exibe perfodos para 0 controle estatistico, Carta X-Barra de Processo Combinado por Estégio paige 01 2 3 ‘ 0. de curto prazo Isso implica o fato de que o proceso poderia ser monitorado usando uma carta de pequenos lotes (consulte 0 Capitulo III). Outros processos dependentes do tempo podem ser monitorados pelas Cartas para Valores Individuais ¢ para Amplitude Mével, pelas Cartas MMEP, MMAR ¢ outras. ‘As cartas revelam sensibilidade a alguma causa especial. A necessidade de maiores investigacdes ou melhorias do proceso deve ser considerada conforme as prioridades dos negécios. Para a questio: Os pardmetros do processo so confidveis quando estimados sob tais condigdes. A resposta é nao. Deming (1986), Wheeler e Chambers (1992) e Bothe (2002) discutem os riscos envolvidos na realizacio das avaliagdes de capabilidade quando o processo _nio tem controle estatistico. As conseqliéncias de tomar uma decisio errada com base em dados de um processo instével podem ser sérias. 174 Em geral, umPadrdes Repetitivos APENDICE B. ‘Comentérios sobre Causas Especiais processo estével € um pr capabilidade do processo. Entretanto, em determinadas situagdes, como no exemplo do processo. que depende do tempo, os indices cléssicos fornecem uma estimativa da conservacao do desempenho do processo. Sob certas circunstincias, o cliente pode permitir que um fabricante ‘opere um processo, mesmo ele sendo um processo do Caso 3. Essas tunstincias podem incluir: +O cliente ¢ insensivel & variagdo dentro das especificagdes (consulte a discusstio sobre fungao perda do Capitulo IV). -requisito para a estimativa correta da A parte financeira envolvida para tomar uma ago em relagZo & causa especial excede 0 beneficio para todo e qualquer cliente. As causas especiais economicamente permitidas podem incluir: desgaste do ferramental, retrabalho da superficie do ferramental, variagao ciclica (sazonal). ete ‘+ A causa especial foi identificada e documentada como consistente © previsivel. Nessas situagGes o cliente pode exigir 0 seguinte: © Oprocesso esta maduro. A causa especial a ser permitida provou agir de forma con: © {ndice de desempenho, geralmente definido como 0 mjnimo entre PPU ou PPL.PPL PPU >I APENDICE G Glossésio de Termos e Simbolos © indice de desempenho inferior, geralmente definido ¢ LIE) 38, como © indice de desempenho superior, geralmente definido (LSE-X) ‘A proporgao do resultado além de um ponto de interesse, tal como um limite de especificagao em particular, z unidades de desvios padrao afastadas da média do processo. A amplitude do subgrupo (0 maior valor menos 0 menor valor); a carta R é discutida no Capitulo II, Segao C. A amplitude média de uma série de subgrupos de tamanho constante. O desvio padrao da amostra dos subgrupos; a carta s é discutida no Capitulo Il, Segao C. O desvio padrio amostral dos processos; s € discutido no Capitulo IV, Secdo A. © desvio padrio amostral_médio de uma série de subgrupos, ponderado se necessdrio pelo tamanho da amostra, © niimero de nao-conformidades por unidade em uma amostra que pode conter mais de uma unidade. A carta u & iscutida no Capitulo Il, Segao C. © ntimero médio de nao-conformidades por unidade em amostras nao necessariamente de mesmo tamanho. Um valor individual. A carta para valores individuais € discutida no Capitulo II, Seco C. 207APENDICE G Glossario de Termos e Simbotos x 51 Tyr Onys MC. A média dos valores em um subgrupo. A carta X é discutida no Capitulo I, Seco C. ‘A média das médias dos subgrupos (ponderado se necessério pelo tamanho da amostra). ‘A. mediana dos valores em um subgrupo; a carta das medianas € discutida no Capitulo Il, Segao C. Pronuncia-se como "x til". ‘A média das medianas dos subgrupos; a mediana estimada do proceso. Pronuneia-se como X til barra. © miimero de unidades de desvios padrdo, a partir da média do processo até um valor de interesse tal como uma especificagao de engenharia. Quando utilizada na avaliagao da capabilidade, Zisz é 0 valor da distancia até 0 limite superior da especificago, Zi € 0 valor da disténcia até o limite inferior da especificac, € Zmin € 0 valor da distancia até o limite da especificagao mais proxima. AA letra grega sigma usada para designar um desvio padrio de uma populagio. Uma estimativa do desvio padriio de uma caracterfstica do processo. O desvio padrao de uma estatistica baseada na amostra do resultado do processo, tais como o desvio padrio da distribuigdo das médias dos subgrupos, 0 desvio padrio da distribuicdo das amplitudes dos subgrupos, 0 desvio padrio da distribuigao do nimero de itens nao-conforme, etc. ‘A estimativa do desvio padrdio de um processo utilizando- se 0 desvio padrio de uma amostra constitufda por um conjunto de valores individuais distribufdos em tomo de sua propria média, Esta é uma estimativa da variacdo total do proceso. 208APENDICE G Glossério de Termos ¢ Simbolos A estimativa do desvio padriio de um processo estavel utilizando a amplitude média proveniente dos subgrupos de amostras tomadas do process, conforme 0 proprio contexto das cartas de controle, onde 0 fator d2 esté tabelado no Apéndice E. Esta é a vatiagdo dentro dos subgrupos € uma estimativa da variagio inerente a0 proceso. 209Esta pagina foi intencionalmente deixada em brancoAPENDICE H Referencias ¢ Sugestdes de Leitura APENDICE H A : = u 58 Referéncias e Sugestdes de Leituras American National Standards Committee Z-1 (1996). Guide for Quality Control Charts; Control Chart Method of Analyzing Data; Control Chart Method of Controlling Quality During Production, American Society for Quality (ASQ), Milwaukee, WI. ASQC Statistics Division, Statistical “How-To” Techniques Series, ASQC Quality Press (15 Volumes), 1979-1991 ASQC (1987). Definitions, Symbols, Formulas, and Tables for Control Charts, ANSUASQC A1-1987. ASTM International (2002). Manual on Presentation of Data and Control Chart Analysis (STP-1SD), 7a. edigio.” AT&T Technologies, Inc. (1984). Statistical Quality Control Handbook. AT&T Technologies. Inc. (publicado originalmente pela Western Electric Co., Inc., 1956). Bhote, K.R. (1991). World Class Quality. AMACOM, New York. Bothe, D. (2001). Measuring Process Capability. Landmark Publishing, Cedarburg, WI. Box, G.E.P., Jenkins, GM. e Reinsel, G.C. (1994). Time Series Analysis, Forecasting and Control. Third Edition, Prentice Hall. Bissell, B.A.F. (1990). “How Reliable Is Your Capability Index?”, Applied Statistics, Vol. 39, 1990, pigs. 331-340. Boyles, R.A. (1991). “The Taguchi Capability Index”, Journal of Quality Technology, Vol. 23, 1991, pigs. 17-26. Box, G.EP. e Cox, D.R. (1964), “An Analysis of Transformations”, J. Royal Stat. Soe., Series B, V26, pag. 211 Brase, CH. ¢ Brase, C.P. (1999). Understanding Statistics, 6a. edigao, Houghton Mifflin Company, Nova Torque. Burr, 1.W. (1942). “Cumulative Frequency Distributions”, Annals of Mathematical Statistics, Vol. 13, pags. 215-232 Burr, L.W. (1967). “The Effect Of Non-Normality On Constants For Charts”, Industrial Quality Control, May, pags. 563-569. und e Williams (1966) para obter uma lista abrangente de termos e definigdes de % Consultar estatistica. * Dispontvel na ASTM International, 100 Barr Drive, West Conshohocken, PA 19428-2959. 2APENDICE H Referéncias ¢ Sugestdes de Leitura Chan, L.J., Cheng, S.W. e Spiring, F.A. (1988). “A New Measure of Process Capability: Cpm”, Journal of Quality Technology, Vol. 20, No. 3, 1988, pags. 162-175. Chan, L.K. e Cui, HJ. (2003). “Skewness Correction charts for Skewed Distributions”, Naval Research Logistics, Volume 50, No. 6, pags. 555 - 573. Champ, C.W. e Rigdon, S.E. (1997). “An Analysis of the Run Sum Control Chart", Journal of Qualiry Technology, Vol. 29, No. 4. Charbonneau, H.C, e Gordon, L.W. (1978). Industrial Quality Control, Prentice-Hall, Inc. Chrysler, Ford e General Motors (1995). Advanced Product Quality Planning Manual, ALAG. DaimlerChrysler, Ford e General Motors (2003). Measurement Systems Analysis Reference Manual, AIAG. Davis, R.B., Homer, A. € Woodall, W.H. (1990). “Performance of the Zone Control Chart”, Communications in Statistics ~ Theory and Methods, 19, pags. 1581-1587. Deming, W. Edwards (1950). Some Theory of Sampling, Dover Publications Inc., Nova Torque, Deming, W. Edwards (1967). “What Happened in Japan?”, Industrial Quality Control, Vol. 24, No. 3, August, pags. 89-93 Deming, W. Edwards (1982). Quality, Productivity and Competitive Position, Massachusetts Institute of ‘Technology, Center for Advanced Engineering Study. Deming, W. Edwards (1989). Our of the Crisis, Massachusetts Institute of Technology, Center for Advanced Engineering Study. Deming, W. Edwards (1994). New Economics: for Industry, Government, Education, Massachusetts: Institute of Technology, Center for Advanced Engineering Study. Dixon, W.J Massey, F.J., Jr. (1969). Introduction to Statistical Analysis, Terceira Edicao, McGraw-Hill Book Co., Nova Iorque. Doty, L-A. (1991). Statistical Process Control, ASQ Quality Press, Milwaukee WI. Dovich, R.A. (1991). Statistical Terrorists, Quality in Manufacturing Magazine, margo-abril de 1991 Duncan, AJ. (1974). Quality Control and Industrial Statistics, Sa. ed., Richard D. Irwin, Ine. English, J.R., Lee, S., Martin, T.W., Tilmon, C. (2000), “Detecting Changes In Autoregressive Processes with X and EWMA charts”, IJE Transactions, dezembro. Farnum, N-R, (1992). “Control Charts for Short Runs: Nonconstant Process and Measurement Error”. Journal of Quality Technology, Vol, 24. 212APENDICE Referéncias ¢ Sugestdes de Leitura Fellers, G., (1991). SPC for Practitioners: Special Cases and Continuous Processes, ASQ Quality Press, Milwaukee, WI. Freund, J.E. e Williams, PJ. (1966). Dictionary/Outline of Basic Statistics, Reprint. Publicacao original de: McGraw-Hill, Nova lorque Dover edition 1991 General Motors Corporation (1991). Key Characteristics Designation System, GM-1805 QN. Grant, EL. e Leavenworth, R.S. (1980). Statistical Quality Control, 7a. ed., McGraw-Hill, Inc. Gruska, G.F., Mirkhani, K. e Lamberson, L.R. (1973). Point Estimation Samples, The Thitd Generation, Inc, Troy, ML Gruska, G.F. (2004). Enumerative vs. Analytic Studies, Omnex, Ann Arbor, ML Gunter, B. (1989). “Use and Abuse of Cx”. 4 parts, Quality Progress, janeiro de 1989, margo de 1989, maio de 1989 e julho de 1989. Heaphy, M.S. e Gruska, G.F., (1982). "Markovian Analysis of Sequenced Sampling”, 36th AQC Transactions, ASQC. Herman, J.T. (1989). “Capability Index-Enough for Process Industries?”, Proceedings, ASQC 43a. AQC. Ishikawa, K. (1976). Guide to Quality Control, Asian Productivity Organization, Edigao Revisada. Jachn, A.H, (1991). “The Zone Control Chart", Quality Progress, Vol. 24, No. 7, pags. 65-68. Johnson, N.L. (1949). “Systems of Frequency Curves Generated by Methods of Translation,” Biometrika, Vol 36, pags. 149-176. Juran, J. e Godfrey A.B. (1999). Quality Handbook, Sa, ed., McGraw-Hill, Inc. Kane, V.E. (1989). Defect Prevention- Use of Simple Statistical Tools, Marcel Dekker, Inc. e ASQC Quality Press. Keats, J.B. e Montgomery D. C. (1991). Statistical Process Control in Manufacturing, ASQ Quality Press. Milwaukee, WI. Kourti, T., MacGregor, J.F. (1996). “Multivariate SPC Methods for Process and Product Monitoring”, Journal of Quality Technology, Vol. 28, No. 4 Lowry, C.A., Woodall, W.H., Champ, C.W. e Rigdon, $.E. (1992). “A Multivariate Exponentially Weighted Moving Average Control Chart", Technometries, 34, pags. 46-53. Lowry, C.A. e Montgomery, D.C. (1995). “A Review Of Multivariate Control Charts", HE Transactions, 27, pag 800. 213APENDICE Referéncias e Sugesttes de Leitura Mauch, P.D. (1991), Basic SPC: A Guide For the Service Industries, ASQ Quality Press, Milwaukee, WI. Mason, R.L. e Young, J.C. (2001). “Implementing Multivariate Statistical Process Control Using Hotelling's T? Statistic”, Quality Progress. ‘Montgomery, D.C. (1997). Introduction to Statistical Quality Control, 3rd ed., John Wiley, Nova lorque. Ott, ER. (1975). Process Quality Control, McGraw-Hill, Inc. Pham, H., (2001). Recent Advances In Reliability And Quality Engineering, Series on Quality, Reliability and Engineering Statistics - Vol. 2, World Scientific. Reynolds, J.H. (1971). “The Run Sum Control Chart Procedure”, Journal of Quality Technology Vol 3. pigs. 23-27. Roberts, S.W. (1966). “A Comparison of Some Control Chart Procedures”, Technometrics, Vol 8, pags. 411-430, Scherkenbach, W.W. (1991). Deming's Road to Continual Improvement, SPC Press, Knoxville TN. Shewhart, Walter A. (1931). Economic Control of Quality of Manufactured Product, Van Nostrand: republicado por ASQ Quality Press , (1980), Milwaukee, WL Spiring, F.A (1991), Assessing Process Capability in the Presence of Systematic Assignable Cause, Journal of Quality Technology, Vol. 23, No. 2, abril de 1991. Wadsworth, H.M. (1989). Handbook of Statistical Methods for Engineers and Scientists, McGraw-Hill, Nova lorque. Wheeler, D.J. (1991), Short run SPC, SPC Press, Knoxville, TN, Wheeler, D.J. (1995). Advanced Topics in Statistical Process Control, SPC Press, Knoxville TN. Wheeler, DJ. ¢ Chambers, D.S. (1986). Understanding Statistical Process Control, 2a. ed., SPC Press, Knoxville, TN. Wheeler, D.J. (1999). Beyond Capability Confusion, SPC Press, Knoxville, TN. Wise, S.A. and Fair, D.C, (1998). Innovative Control Charting, ASQ Quality Press, Milwaukee, WI 214sit cacanesn | wnenena | _oLRtERECO | _oRTERRGED oiLiaR6so | _GeLLzAGe | vIDEIRGG | OREO | _oLURTRETO —oisonses | — 08558660 | _0011s8660 | oRI9¥R6F0 cacasesen0 | —ons0esero | —ogorcnes | o@zeiseso | —o2re 8660 oatuoneco | —optios660 | —eszrece60 | —osraaceeo | —oortacor0 | —oerraie50 | —osciscer0 | — vsn6s1as0| —osecste60 | —ontrr4660 onioeues0 | —oreacies0 | —oczo1esc0 | —doen1ze50 | —ocoroces0 | —ankcoaes0 | —oeees96s0 | veseLsG60 | —oAstoe5s0 | onFFSH66°0 orizroe60 | 068149660 | —orcoz9560.| _ovesons50 | _orstes6s0 | _osts8se50 | _oRnszs6r0 | —oscuss66'0 | —oscLrses0 | _onstHS660 aci0cses0 | —oo0w0s660 | _oistereao | —orvaLtas0 | —osti9reco | _ovisrreso | —oosscrevo | _vezEIras 0 | orcvse6s0 | _oFURLE66.O [Onc 196660 060EP£66'0 OC yPZE66 0 OLESOE66'O OCLS8z66'0. OF9S9766'0 090SP766'0 OL6EZ766 0 OLEZOZE6'O | OSTOBTEE'O TasusIes0 | —OcerET6«0 | oosorT6c0 | —osces0660 | —oci90ec0 | —o1¥seoss0 | —o69c000s0 | _opscReRs.O | O6sSSEREO | _oGsLz—ReO OreneraD | —ocoeonse0 | —ozosems6 | —oresons6o | —osseeeaso | —osrsvesso | —orsetcss0 | o9n6.9860 | or.rraRGo | —cpBG0980°0 —osceuse60 | —oFtceses0 | —ovsssraco | —oceioras0 | —orcceraso | —ovecseaso | —ocrivesso | _oouesce0 | _oso.szaso | _opstrzero o1Tesiac0 | —ozeecia60 { — oseze0H60 | —ocooroaso | —oscise.60 | —osreesuso | —ocicsucso | —orenrsi00 | —orrauaic0 | —onorec.c0 asraz0.60 | —dceri9460| — os0sss160| —1z00s160 | oottrFLso | —oIseL50 | —op96tELs0 | _oVLustuTO | —oreE6ILE0 | _orNCILO coreon.60| —ovrees60 | —o1sscen60 | —ocessHo60 | —ocerazae0 | —ovst1z960 | —ooscevea | —osteasas0 | _o1zseroc0 | oLeH0rI60 onezzesso | —onearcoso | oF9E91960 | _o196.0Ns0 | _oRnresss0 | _os0z06s60 | _osrBIEsTO | —osERCLSBO | —oI9e9sc0 | _osFETSSHO corarrse0 | —orteseseo | —oForseseo | —ovzrsise0 | —ossesosco | —orsorerso | _ovorrarso | — ostaeit0 | o1noesreo | oumesrs0 ovzwnrico | —ossrecreo | —oresctreo | —o1ocsarso | —ocscrecso | —oRoicacso | —ostoeaeso | _ostrust60 | orserrteu | —owccieeoo on.asie60 | —ore9soeso | —o1oieses0 | —oossaxze0-| —ouoereeso | —oroa0seso | —ostrsrewo | ocoatzes0 | ocoecorso | _orerz6160 opse.cW60 | —ocs0cots0 | —ososer160-| —oossor160| —oocorri60 | —orczssoso | —osorcesoso | _osz¥5H050 | _o1zosroso | —oFe61¢0s0 ourarieso | —orcece6s0 | —ocesexex0-| —orsotoax0-| —ocoserev0 | orziscoro | —orissoor' | os.ocges.0 | ooosseexo | _ocorarav0. owbcezav 0 | —ooossosxo | —osccsaux | —ovsus010.| _o1szoraso | —cwoseeaso | —ostococs'0 | —olero¥os 0 | osonsope0 | _oseetr9e 0 crerrcon0 | —o6acessxo | —orosouswo | —oxcerssw0| —oorteseo | —onewosxo | —ovserarso | _oestivrs'0 | —orescervo | —outreirw0 oscienivo | oo9sroeRo | _osvcsceRo | —orzirlewo.| —osereszen | —cziocvexo | —osriseceo | _opetcrcwo | Oce8saIF0 | —oGceaste0 orusceis0 | —oPocso1so | —oserscowo | —ossorsow0 | —oszeecoxo | —casrseacn | —ow0ecaex0 | —celoneoc0 | ooscoraco | —operissx0 oroezsac0 | —oprocesc0 | —o1oseeuco-| —occutsic0 | —oveceeaeo | —oooseouco | —osroeiox0 | _osuecrac0 | —ossri19c0 | —ovoe0Rst 0 ‘aasoorse0 | —ovzecisco | —oincsaico | _o1ezesve 0 | _osestercu seco | —ocesosex0 | _orruszec0 | oteposzco | —osprisci 0 oxiorccc0-| —ocerosico| —ocives1c0-| —ocovrci£0| ~ocorasocu | _osiorsoco | —oorreioxo | —cewbracw'0 | —ocrcsravo | —oscori670 | Torecscev0 {— oesnera0°0 | —oscea0av'0 | _octvciv0 | _omrtse.90-| —orte0n190 | — oecorsnn-| —oexsceoro | —oncencs90 | —octerssv0 aciecisv0-| osczosro0 | _ossverr90 | —ora.sor90 axiaoees0 | —omcor6e9.0 | ossisse90 | _ossizizv0 | _ort16.i90 deieariv0-| —oct9co1vo | —ossirouvo | —oLs9sc090 cgreares0 crsa0cas'0 | ocooreaso | —cuescocs0 orsresis0 | _occcriis0 | _osreri9s0 | _osesse9s‘0 woo. OrasLLNSO | oES6LErco | —ORIT¥GEE crasasiso.| —oriestes0 | —oceoouzs0-| —occeatzro orES6sIS0 ceaz61050 | or6Rac00 | —cEnon0os0 ms = ae we = oe i oe OBiped SIEWJON sejaqeL | SDIGNAdV sve splangay19666666660 EL81L666660 (055666660 (06266666°0 016606660 ‘001876560 (098976660 ‘09¢97666°0 Or axIndice Remissivo iNDICE REMISSIVO Aleatoriedade, 199 American National Standards Committee Z-1, 2u Amostra, 51, 52, 58, 85, 163, 168, 188, 200 Amostragem Acidental, 194, 199, 200 Amostragem de Conveniéncia, 193, 199 Amiostragem por Probabilidade, 198 Amostragem Amostragem Acidental, 194, 199, 200 Amostragem Aleatéria, 198, 199 Amostragem de Conveniéncia, 193, 199 Amostragem por Probabilidade, 198 ‘Subgrupo Racional, 199 Amplitude Mével, 43, 86, 87, 89, 107, 110, 160, 174, 195 Amplitude, 31, 43, 60, 62, 72, 79, 85, 87, 158, 160, 164, 195, 199 Andlise de Zona, 203 ASQ Statistics Division, 211 ASQ, 211, 213, 214 ASTM, 181, 182, 211 Autocorrelagdo, 159, 160, 191 Bhote, K.R., 103, 211 Bissell, BAF. 139, 211 Bothe, D., 145, 174, 179, 211 Box, GEP., 115, 120, 141, 211 Boyles, R.A., 139, 179, 211 Brase, 211 Burr. LW., 114, 211 Capabilidade do Processo, 18, 19, 125, 131, 198, 211, 212, 214 Caso dos Dados do Tipo Varidveis, 198 Capabilidade, 19, 20, 128, 185, 211, 213, 214 Caracteristica, 151, 192 Carta c, 183, 204 Carta da Média e da Amplitude, 63, 78, 79 Carta da Média e do Desvio Padrao, 82, 83 Carta da Mediana e Amplitude, 84, 85 Carta de Controle de Seméforo, 202 Carta de Pequenos Lotes, 176 Carta de Pareto, 197 Carta de Regressio, 118 Carta de Residuais, 118, 120 Carta de Valores Individuais e Amplitude Mével, 87, 89, 174 Carta de Zona, 121 Carta Nao-Normal, 113 217 Carta np, 183, 192, 206 Carta p, 70, 183 Carta u, 108, 183, 207 Cartas com base em probabilidade, 101, 198 Causa Comum (Ver também Causa Especial), 13 Causa Comum, 12, 192, 203 Causa Especial (Ver também Causa Comum), 12, 13, 60, 62, 75, 171, 200, 203, Champ, C.W., 212, 213 Chan, 114, 179, 212 Charbonneau, H.C., 63, 176, 212 Cheng, S.W., 179, 212 Comprimento Médio da Seqiiéncia, 76, 111, 191 Consecutivo, 192 Controle do Processo (Ver Controle Estatistico do Proceso), 1, 4, 8, 9, 18, 19, 25, 29, 152, 198, 201, 212, 213, 214 Controle do Processo Estatistico, i, 4, 198, 201, 212, 213, 214 Controle Estatistico, 20, 55, 60, 193, 201 Controle Estatistico, 58, 59, 193 Controle, 7, 9, 19, 20, 25-34, 37, 38, 41, 43, 45, 47-74, 79, 80, 83, 85, 87, 89, 90, 93, 95,97, 99-108, 113, 117, 118, 121, 128, 157, 176, 177, 181-183, 188, 191-202, 211-214 Carta ¢, 183, 204 Carta da Média e da Amplitude, 63, 78, 79 Carta da Média e do Desvio Padrao, 82, 83 Carta da Mediana e da Amplitude, 84, 85 Carta de Controle de Seméforo, 202 Carta de Controle, 28, 29, 32, 37, 41, 45-55, 58, 59, 71, 72, 74, 79, 89, 99, 100, 107-108,113, 117, 121, 176, 17, 181-183, 191-196, 199, 200-202, 211-214 Carta de Pequenos Lotes, 176 Carta de Regressao, 118 Carta de Residuais, 118, 120 Carta de Valores Individuais e Amplitude Movel, 87, 89, 174 ‘carta np, 183, 192, 206 carta p, 70, 183 Carta u, 108, 183, 207 Carta Zona, 121indice Remissivo CUSUM, 109, 110, 111, 112, 122, 194, 195 MCUSUM, 113, 116, 195 MMEMV, 113, 116, 195, MMEP, 109, 111, 112, 174, 194, 195, 212 Correlacao, 53, 193 Cox, D.R., 115, 141, 211 Cui, H., 114, 212 CUSUM, 109, 110, 111, 112, 122, 194, 195 Dados do Tipo Varidvel (Ver também Dados do Tipo Atributos), 44, 125, 191, 198, 202, Davis, RB., 123,212 Definigo Operacional, 197 Deming, W. Edwards, 17, 19, 29, 57, 171, 174, 197, 212, 214 Desempenho do Processo, 125, 131, 198 Desempenho, 9, 128, 212 Desvio Padrio, 79, 83, 85, 87, 160, 201 Deteccdo, 7, 194, 197 Diagrama de Causa e Efeito, 192 Dispersio (Ver também Variago), 13, 127, 198, 201 Dispersio do Processo, 194, 198, 201 Dispersio, 194 Distribuigdo Binomial, 139, 211 Distribuigdo de Poissom, 197 Distribuigdo Multivariada, 140, 144 Distribuigdo Nao-Normal, 140, 142, 196 Distribuigdo Normal, 140, 142, 196 Distribuigdo, 192, 194, 196, 197 Dixon, W. J., 182, 212 Doty, L.A., 212 Dovich, R.A., 139, 212 Duncan, A.J., 63, 176, 212 English, J.R., 212 Erro do Tipo I, 202 Erro do Tipo Il, 202 Especificagao, 67, 188, 200, 202 Bilateral, 132 Unilateral, 137 Estabilidade, 201 Estatistica, 58, 59,.193, 201, 214 Estimativa de Ponto, 197 Fair, D.C., 47, 109, 214 Farnum, N.R., 109, 212 Fellers, G., 213 Forma, 13, 200 Freund, JE., 211, 213 Fungo Perda, 104, 148, 150, 151, 179, 195 Godirey A.B., 63, 109, 192, 201, 213 Gordon, L.W., 63, 212 218 Grant, E.L., 57, 63, 109, 176, 213 Gruska, G.F., $7, 102, 213 Gunter, B., 147, 213 Heaphy, M.S., 102, 213 Herman, J.T., 147, 213 Homer, A., 212 indice (Ver Capabilidade do Proceso), 185. 211, 213 Individual, 86, 87, 89, 93, 95, 97, 110, 194 Inferéncia Estatistica, 201 Intervalo de Confianga, 192 Intervalo de Previsao, 197 Ishikawa, K., 61, 62, 63, 192, 213 Jaehn, A-H., 213 Jenkins, G.M., 119, 120, 211 Johnson, N.L., 115, 141, 142, 213 Juran, J., 17, 63, 109, 192, 201, 213 Kane, V.E., 213 Keats, J. B., 213 Kourti, T., 117, 213 Lamberson, L.R., 213 Leavenworth, RS, 57, 63, 109, 176, 213 Lee, S., 212 Limite de Controle, 30, 55, 56, 59, 61, 62, 64, 65, 69, 70, 80, 83, 85, 87, 90, 95, 97, 181, 182, 183, 193 Limites de Tolerdncia Estatéstica, 201, 202 Linha Central, 32, 48, 59, 80, 83, 85, 87, 90, 93, 95, 97, 181, 182, 183, 192 Local, 13, 194, 195 Lowry, C.a., 113, 213 MacGregor, J.F., 117, 213 Martin, T.W., v, 212 Mason, Ril, 117, 214 Massey, FJ. Jr., 182, 212 Matriz de Correlacio, 193 Mauch, P.D., 214 MCUSUM, 113, 116, 195 Média (ver também Média), 43, 60, 62, 63, 71, 16, 78, 19, 82, 83, 85, 87, 89, 93, 95, 97, 109, 111, 116, 119, 191, 194, 195, 198, 213 Média do Processo, 198 Média, 191, 195 Mediana, 84, 85, 182, 195 MMEMV, 113, 116, 195 MMEP, 109, 111, 112, 174, 194, 195, 212 Mirkhani, K., 213 Moda, 195 Montgomery, D.C., 47, 57, 109, 110, 111, 113, 117, 118, 121, 192, 201, 213. 214 ‘Nao-conformidade, 196 Ot, ER., 63, 214Pham, H., 114,214 Prevengaio, 7, 194, 197, 213, Processo Estivel, 201 Processo, 1, 4,8, 9, 18, 19, 21, 24, 25, 26,29, 31, 33, 34,53, 67, 103, 107, 125, 127, 131, 132,135, 136, 147, 152, 153, 154, 162, 194, 198, 201-203, 211-214 Quadratico, 199 Remsel, G.C., 120, 211 Reynolds, J.H., 121, 214 Rigdon, S.E., 212, 213 Roberts, S.W., 121, 214 Scherkenbach, W.W., 153, 214 Seqincia, 76, 107, 111, 191, 200, 212, 214 Shewhart, Waiter A., 19, 29, 30, 31, 76, 109, 111, 113, 114,115, 122, 123, 196, 200, 203, 214 Sigma (@) 200 Solugio de Problemas, 198 Spiring, F.A., 127. 179, 212, 214 219 indice Remissiva Subgrupo, 48, 55, 57, 58, 79, 83, 85, 130, 181, 182, 188, 195, 199, 200, 202 Tilmon, C., 212 Tolerancia (Ver Especificagao), 104, 201, 202 Unidades Nao-Conforme, 196 Unimodal, 202 Variagdo Inerente, 195, 203 Variagao Total do Processo, 131, 202, 203 Variagao, 12, 13, 67, 83, 130, 131, 190, 192, 193, 195, 202, 203 Variagao Inerente, 195, 203, Variagdo Inerente, 203 Variagio Total do Proceso, 203 Wadsworth, H.M., 214 Wheeler, D.J., 47, 63, 89, 107, 111, 117, 121, 134, 145, 161, 174, 214 Williams, FJ, 211,213 Wise, S.a., 47, 109, 214 Woodall, W.H., 212, 213 Young, 1.C., 117, 214INSTITUTO DA QUALIDADE AUTOMOTIVA ‘Alameda dos Nhembiquaras, 1509 - Indiandpolis - Sao Foulo - SP CEP 04090-013 - Tel. (Oxx11) 5533-4545 - Fox: (Oxc11) 5933-8667 e-mail: iga@iga.org.br website: worm iqa org.br