Escolar Documentos
Profissional Documentos
Cultura Documentos
Belo Horizonte
Escola de Engenharia da UFMG
2003
Belo Horizonte
Escola de Engenharia da UFMG
2003
DEDICATRIA
AGRADECIMENTOS
SUMRIO
LISTA DE FIGURAS ............................................................................................................................... 7
LISTA DE QUADROS ............................................................................................................................. 9
LISTA DE TABELAS ............................................................................................................................ 10
RESUMO.................................................................................................................................................... 11
1. INTRODUO .................................................................................................................................... 12
1.1 CONTRIBUIO DO ESTUDO ............................................................................................... 12
1.2 OBJETIVOS ......................................................................................................................... 13
1.3 ESTRUTURA DA DISSERTAO ........................................................................................... 14
2. DELIMITAO DO TEMA ........................................................................................................... 15
2.1 O SETOR ELETROELETRNICO E A PRESTAO DE SERVIOS DE MANUFATURA ............... 15
2.2 ESTRUTURA DO SETOR E PARTICULARIDADES BRASILEIRAS ............................................. 17
2.3 A ESCOLHA DO TEMA PESQUISADO .................................................................................... 20
3. REVISO BIBLIOGRFICA ........................................................................................................ 22
3.1 MTRICAS .......................................................................................................................... 22
3.1.1 Mtricas baseadas em defeituosos unidades que contm um ou vrios defeitos ..... 23
3.1.2. Mtricas baseadas em defeitos .................................................................................. 24
3.1.3 Mtricas de rendimento interno.................................................................................. 27
3.2 CARTAS DE CONTROLE PARA PEQUENOS LOTES ................................................................ 30
3.2.1 Cartas de controle para variveis .............................................................................. 33
3.2.2 Cartas de controle para atributos............................................................................... 45
3.3 AVALIAO DA CAPACIDADE DE PROCESSOS.................................................................... 51
3.4 PLANEJAMENTO E ANLISE ESTATSTICA DE EXPERIMENTOS ........................................... 57
3.4.1 Experimento fatorial completo ................................................................................... 61
3.4.2 Experimento fatorial fracionado................................................................................. 72
3.5. DESDOBRAMENTO DA FUNO QUALIDADE PARA INDSTRIAS DE MONTAGEM .............. 77
3.5.1 Desdobramento da qualidade ..................................................................................... 79
3.5.2. Desdobramento da tecnologia ................................................................................... 80
3.5.3. Desdobramento da confiabilidade ............................................................................. 81
3.5.4 Desdobramento do custo ............................................................................................ 83
4. INTERVENO NA EMPRESA................................................................................................... 85
4.1 A EMPRESA PESQUISADA ................................................................................................... 85
4.2. METODOLOGIA DE INTERVENO .................................................................................... 87
4.2.1 Introduo a pesquisa-ao..................................................................................... 88
4.2.2 Conduo da pesquisa ................................................................................................ 89
4.3 DESENVOLVIMENTO DA PESQUISA .................................................................................... 94
4.3.1 Conhecendo o processo produtivo.............................................................................. 95
4.3.2 Avaliao da capacidade dos processos..................................................................... 99
4.3.3 Identificao dos principais defeitos detectados pelo ICT ....................................... 105
4.3.4 Identificao dos principais processos geradores dos problemas ........................... 107
4.3.5 Definio dos pontos de controle monitoramento do processo ............................. 112
4.3.6 Definio de novos nveis para os parmetros de processo (xs)............................. 121
4.3.7 Resumo da situao encontrada e a proposta de melhoria ...................................... 130
LISTA DE FIGURAS
FIGURA 3.1 Converso do rendimento do processo para a escala sigma
26
28
31
50
51
57
62
66
FIGURA 3.10 Grficos para a anlise das suposies associadas aos resduos
67
70
70
FIGURA 3.13 Grficos para a anlise das suposies associadas aos resduos
71
75
76
76
78
83
84
97
102
103
FIGURA 4.4 Capacidade dos processos SMT TOP, BACK e PTH medidos pelo ICT
103
FIGURA 4.5 Capacidade dos processos SMT TOP, BACK e PTH medidos pelo FVT
104
106
FIGURA 4.7 Esboo da matriz de correlao dos principais defeitos com as etapas do
processo
109
FIGURA 4.8 Matriz de correlao dos principais defeitos com as etapas do processo
preenchidas
111
FIGURA 4.9 Mapa do processo SMT com foco na etapa de impresso da pasta de solda
112
115
115
116
119
FIGURA 4.14 Carta de controle p e diagrama de Pareto para auxiliar na tomada de aes
corretivas durante a produo
121
FIGURA 4.15 Mapa do processo SMT com foco na etapa de impresso da pasta de solda 128
FIGURA 4.16 Matriz de priorizao das potenciais causas geradoras dos problemas
prioritrios
129
132
137
LISTA DE QUADROS
QUADRO 2.1 Etapas do ciclo de desenvolvimento de produto e as respectivas responsabilidades
de cada empresa
16
QUADRO 3.1 Definio de alguns conceitos bsicos de dados de atributos
46
QUADRO 3.2 Padronizao das cartas de controle para atributos adequada a pequenos lotes 48
QUADRO 3.3 Classificao de processos a partir do ndice Cp
53
74
94
QUADRO 4.2 Avaliao da capacidade dos processos do produto xyz - maio de 2002
100
QUADRO 4.3 Resumo da situao encontrada na empresa e das propostas sugeridas, com o
enfoque na melhoria da qualidade e no projeto do processo
131
10
LISTA DE TABELAS
TABELA 3.1 Tamanho mdio de amostras para alguns planos de controle EWMA
44
TABELA 3.2 Dados coletados no experimento fatorial completo 24 com duas rplicas
63
65
TABELA 3.4 Dados coletados no experimento fatorial completo 24 com uma rplica
69
69
73
24IV1
75
TABELA 4.1 Altura da pasta de solda (em mils) para trs diferentes tipos de produto
114
TABELA 4.2 Altura da pasta de solda (em mils) para trs diferentes tipos de produto
118
124
124
TABELA 4.5 Mudana de 305 e 310 para 375 e 380 na temperatura dos pr-aquecedores
125
125
126
126
130
11
RESUMO
O objetivo deste trabalho construir uma metodologia de controle estatstico de
processo, adequada caracterstica de alto mix de produtos e baixo volume de
produo, buscando dessa maneira, reduzir os ndices de retrabalho, atingir melhores
nveis de qualidade a um custo mais baixo. Esta pesquisa foi desenvolvida em uma
organizao de manufatura contratada, pertencente ao setor eletroeletrnico, que
compete com as concorrentes por preo, prazo e qualidade e necessita alinhar-se s
diretrizes da matriz e, ao mesmo tempo, competir com as unidades fabris mundiais pelo
servio, necessitando assim, adequar o seu sistema de qualidade ao novo patamar de
desempenho exigido pelo mercado. Tm-se como objetivos especficos, construir
modelos que visem auxiliar na conduo das atividades de (1) projeto do processo, (2)
melhoria contnua dos processos e (3) monitoramento e manuteno dos nveis de
qualidade, utilizando, alm do CEP, outras ferramentas como o planejamento estatstico
de experimentos (DOE Design of experiments), o desdobramento da funo qualidade
(QFD Quality function deployment) e a anlise dos modos e efeitos de falhas (FMEA
Failure Mode and Effect Analysis)
12
1. INTRODUO
Este trabalho aborda a utilizao do controle estatstico de processos (CEP) integrado a
outras ferramentas estatsticas e de qualidade, no mbito de monitoramento e melhoria
contnua dos nveis de qualidade. So abordadas as tcnicas apropriadas para empresas
que possuem um sistema de manufatura intermitente que pode ser caracterizado,
segundo BLACK (1983), pela alta flexibilidade dos equipamentos de produo, pela
grande variedade de produtos fabricados, por lotes de tamanho mdio ou pequeno, mode-obra intensiva e qualificada e grande manuseio de material.
Alm disso, estas empresas buscam incessantemente estratgias para produzir com
custos baixos, obter nveis mnimos de defeitos, ser competitiva no mercado interno e
externo e, principalmente, obter a satisfao e a conseqente fidelizao do cliente.
13
1.2 Objetivos
O objetivo geral deste trabalho propor uma metodologia de controle estatstico de
processo que ajude as empresas com a caracterstica de alto mix de produtos e baixo
volume de produo (AM-BV) a garantir a eficcia de seus processos e operaes.
Tm-se como objetivos especficos, construir modelos que visem auxiliar na conduo
das atividades de (1) projeto do processo, (2) melhoria contnua dos processos e (3)
monitoramento e manuteno dos nveis de qualidade, utilizando, alm do CEP, outras
ferramentas como o planejamento estatstico de experimentos (DOE Design of
experiments), o desdobramento da funo qualidade (QFD Quality function
14
deployment) e a anlise dos modos e efeitos de falhas (FMEA Failure Mode and
Effect Analysis).
15
2. DELIMITAO DO TEMA
Este captulo tem como objetivo apresentar o contexto no qual o trabalho foi
desenvolvido, descrevendo um panorama sobre o setor eletroeletrnico no Brasil e no
mundo e, em especial, a prestao de servios de manufatura. Ao final do captulo,
espera-se que o leitor possa compreender a relevncia do tema pesquisado.
Ao longo do texto optou-se por adotar a terminologia manufatura contratada ou EMS para se
referir s empresas subcontratadas.
16
QUADRO 2.1
Etapas do ciclo de desenvolvimento de produto e as respectivas responsabilidades de
cada empresa
Etapas
Responsvel
OEM
Planejamento do produto
OEM
Projeto do produto
OEM
Projeto do processo
EMS
EMS
EMS
Distribuio no mercado
OEM
17
18
a participao cada vez maior das EMSs nas etapas do processo de manufatura.
De acordo com HEDERSON (2000), a busca da OEM para se manter cada vez mais
focada no negcio e nas atividades de maior valor agregado tem aberto uma grande
possibilidade para as EMSs assumirem atividades como gerenciamento de cadeia de
fornecimento e gerenciamento de outras etapas do ciclo de vida de produto. s OEMs
restaram as atividades de marketing e P&D. E neste desenho industrial, as EMSs surgem
como brao operacional para etapas de prottipo, engenharia de produo, manufatura e
atividades correlatas (KUMAR, 1999).
19
20
O Captulo 3 apresenta uma reviso das tcnicas abordadas pela literatura necessrias
construo da metodologia proposta. De maneira geral, para se alcanar os objetivos
especficos apresentados no Captulo 1, pode-se dizer que as tcnicas sero utilizadas
com o seguinte foco: (1) mtricas avaliao do desempenho do processo e do produto;
(2) cartas de controle monitoramento das mtricas ao longo do tempo; (3) capacidade
de processo avaliao da capacidade do processo em atender as especificaes das
OEMs; (4) planejamento e anlise de experimentos ajudar a empresa a conhecer as
21
Como a flexibilizao uma tendncia mundial, observa-se que algumas dessas tcnicas
j foram adaptadas cartas de controle, por exemplo. Assim o desafio ser construir
uma seqncia lgica de atividades, utilizando as tcnicas existentes e adaptando as que
forem necessrias de maneira que, ao final do estudo, se tenha um modelo que vise ao
aperfeioamento das etapas de projeto de processo, e um outro que ajude na obteno da
melhoria contnua dos processos e do monitoramento e manuteno dos nveis de
qualidade.
22
3. REVISO BIBLIOGRFICA
Este captulo apresenta uma sucinta reviso da literatura sobre os temas necessrios
criao de uma metodologia de controle de processo, que garanta a eficincia dos
processos e operaes de empresas com a caracterstica de alto mix de produtos e baixo
volume de produo. Informaes mais detalhadas podem ser obtidas nas bibliografias
citadas ao longo do captulo.
3.1 Mtricas4
As mtricas aqui apresentadas tm como objetivo ilustrar qual a maneira mais adequada
para se medir o desempenho dos produtos ao longo do processo, de acordo com cada
caracterstica de interesse. Elas devem ser utilizadas para avaliar no s os nveis
globais de qualidade do processo, mas tambm suas etapas intermedirias.
Esta seo foi baseada nas bibliografias: PEREZ-WILSON (1999), PANDE et al. (2000), WERKEMA
(2002), IPC-7912 (2000) e IPC-9261 (2001).
23
Antes de entrar no mbito das mtricas, necessrio introduzir alguns conceitos que
sero a base para toda a discusso do contedo abordado. Esses conceitos sero
retomados na seo 3.2, onde essas medidas sero utilizadas para o monitoramento dos
processos.
Defeituoso: uma unidade que apresente algum defeito qualquer. Para um produto ser
considerado defeituoso, basta apresentar um defeito. Se a unidade apresentar mais de
um defeito, isto no aumenta o nvel de defeituosos de um produto.
24
p=
Exemplo 3.1
Suponha que das 500 placas de circuito impresso produzidas por uma empresa de
manufatura contratada, 55 apresentem defeitos. A proporo de defeituosos ser igual a
p=
55
= 0,11 = 11% e o rendimento final obtido ser de Yfinal = 1 0,11 = 0,89 = 89%.
500
25
DPU =
nmero de defeitos
nmero de unidades avaliadas
DPO =
nmero de defeitos
nmero de unidades avaliadas nmero de oportunidades
Do ponto de vista terico, sabe-se que, quando a caracterstica de interesse possui uma
distribuio normal (FIGURA 3.1) com a mdia do processo centrada no valor nominal
(VN), a rea abaixo da curva entre 2 engloba 95,46% da distribuio.
Na prtica, isso quer dizer que, quando um determinado processo obtm uma proporo
de peas defeituosas de aproximadamente 4,54%, pode-se concluir que esse processo
encontra-se no patamar 2 da escala sigma. Neste caso, os limites de especificao,
inferior (LIE) e superior (LSE) coincidem com -2 e +2, respectivamente.
26
VN
LIE
LSE
2
2,27%
2,27%
+1
+2
+3
Yfinal = 95,46%
Quanto maior o valor alcanado na escala, maior o nvel de qualidade. Hoje as empresas
buscam o padro 6 na escala sigma, que representa aproximadamente 99,999999% de
rendimento final.
Uma das grandes vantagens de se utilizar o DPMO e a Escala Sigma que estas
mtricas permitem a comparao de processos com diferentes nveis de complexidade.
Exemplo 3.2
27
DPU =
90
= 0,18
500
DPO =
90
= 0,0009
500 200
28
Refugo = 60
1.500
unidades
de
entrada
Refugo = 90
Refugo = 40
1400
1190
40
40
Etapa 2
Etapa 1
120
1140
40
Etapa 3
120
10
Retrabalho = 40
Retrabalho = 120
1.310
unidades
de
sada
Retrabalho = 10
100
Yetapa1 = 1
100
1500
Yetapa1 = 93%
210
Yetapa 2 = 1
100
1400
Yetapa 2 = 85%
50
Yetapa 3 = 1
100
1190
Yetapa 3 = 96%
29
190 + 170
FPY = 1
100
1500
FPY = 76%
O FPY pode ser calculado tambm, pelo produto dos rendimentos de cada etapa, ou
seja: FPY = 0,93 x 0,85 x 0,96 = 0,76 = 76%.
Outras mtricas usuais para avaliao de processos sero apresentadas na seo 3.3. Na
construo dos modelos, essas mtricas sero utilizadas de maneira dinmica para
indicar o nvel de desempenho dos processos, antes e aps a implantao de melhorias.
30
A FIGURA 3.3 apresenta as cartas de controle mais utilizadas que so a carta da mdia
Na carta
xi =
x i1 + x i 2 + ... + x in
, i = 1,2,..., m , em que m a quantidade de amostras e n o
n
Este texto foi baseado nas seguintes referncias bibliogrficas: JURAN & GRYNA (1992),
MONTGOMERY (2001), RAMOS (1990), ROTONDARO et al. (2002) e MINITAB for
Windows (verso 13.30).
31
Mdia
LSC
LM
LIC
Amplitude
LSC
LM
LIC
Tempo
LSC x = x + A2 R
LSC R = D4 R
LM x = x
LM R = R
LIC x = x A2 R
LIC R = D3 R
em que x =
R + R2 + ... + Rm
x 1 + x 2 + ... + x m
, R= 1
e os termos A2, D4 e d3 so
m
m
32
Na carta
xi =
x i1 + x i 2 + ... + x in
, i = 1,2,..., m , em que m a quantidade de amostras e n o
n
1 n
1 m
s i , sendo que s i =
( xij x i ) 2 . Uma
m i =1
n 1 j =1
s
, onde c4 um fator de correo, tabelado em
c4
O clculo dos limites de controle para estas cartas pode ser observado nas equaes a
seguir.
Controle da mdia ( x )
LSC x = x + A3 s
LSC s = B4 s
LM x = x
LM s = s
LIC x = x A3 s
LIC s = B3 s
33
Entretanto existem algumas situaes em que estas suposies no podem ser atendidas,
sendo necessrio utilizar outras alternativas para avaliar a variabilidade dos processos.
Nesta seo sero abordadas algumas tcnicas apropriadas para situaes em que a
quantidade de dados disponveis no permite a utilizao das cartas de controle
convencionais criadas pelo Dr. Shewhart. Para uma melhor compreenso das cartas
adaptadas para pequenos lotes, dividiu-se este contedo em dois tpicos: cartas de
controle para variveis e cartas de controle para atributos.
Esta tcnica permite a utilizao de uma nica carta quando diferentes produtos, com
diferentes especificaes, so fabricados pelo mesmo equipamento. Consiste na
34
codificao dos dados coletados como desvios () em relao ao valor nominal (N),
especificado pela engenharia. Numericamente pode ser representado como = x N.
As equaes para o clculo dos pontos a serem grafados e dos limites para cada uma das
cartas so apresentadas a seguir.
Controle da mdia ( )
Ponto = =
i =1
em que n o tamanho da
amostra.
de cada diferena.
si =
1 n
( ij ) 2
n 1 j =1
em que n o tamanho da
amostra
quantidade de amostras
LSC = + A2 R
LSC R = D4 R
LSC s = B4 s
LM =
LM R = R
LM s = s
LIC = A2 R
LIC R = D3 R
LIC s = B3 s
35
deve-se empregar a carta do desvio padro (s) para o controle da disperso, quando
o valor nominal (N) especificado pela engenharia assumido como sendo o melhor
Esta uma tcnica complementar anterior e deve ser utilizada quando o valor
nominal, especificado pela engenharia, no o melhor valor para a mdia do processo,
ou quando as especificaes so unilaterais, em que somente estabelecido o limite de
especificao mnimo ou o mximo. Neste caso, as medidas individuais sero
codificadas como desvios (D) em relao mdia histrica da caracterstica a ser
controlada ou valor alvo (T). Numericamente, pode ser representado como D = x T.
36
Controle da mdia ( D )
Ponto = D =
D
i =1
em que n o tamanho da
amostra.
de cada diferena.
si =
1 n
( Dij D) 2
n 1 j =1
em que n o tamanho da
amostra
quantidade de amostras
LSC D = D + A2 R
LSC R = D4 R
LSC s = B4 s
LM D = D
LM R = R
LM s = s
LIC D = D A2 R
LIC R = D3 R
LIC s = B3 s
Como esta tcnica pode ser considerada uma variao da anterior, as mesmas
suposies citadas so vlidas tambm neste caso. Entretanto, a obteno de uma mdia
histrica confivel para a codificao dos dados, torna-se um novo obstculo, que deve
ser transposto com a realizao de uma nova coleta de dados, durante um determinado
perodo.
Esta tcnica permite que todas as peas ou produtos sejam monitorados em uma mesma
carta de controle, mesmo que suas disperses no sejam estatisticamente iguais, o que
no era possvel utilizando as tcnicas anteriores.
37
seja, o objetivo padronizar a mdia e a disperso das amostras de cada tipo de produto
fabricado no equipamento.
Para BOTHE e CULLEN (1987), essa tcnica apresenta vantagem em relao s cartas
de Shewhart, pelo fato de no mais ser necessrio o reclculo peridico dos limites de
controle, j que estes so constantes independentes dos valores das amostras.
xx
R
R
R
s
s
LSC x = A2
LSC R = D4
LSC s = B 4
LM x = 0
LM R = 1
LM s = 1
LIC x = A2
LIC R = D3
LIC s = B3
Observa-se que a diferena entre a carta x de Shewhart e esta que desta foi subtrado
x e dividido por R de todos os termos. E na carta R, os limites foram divididos por R .
Assim como na tcnica anterior, importante que se obtenham dados confiveis para a
estimao dos valores de x e R empregados na padronizao das medidas.
38
Para que as cartas Nominal, Alvo e Padronizada sejam utilizadas, uma das premissas
que as amostras tenham o mesmo tamanho. Porm, quando os produtos so fabricados
em lotes pequenos, nem sempre possvel garantir a coleta de amostras de tamanho
constante. A tcnica que ser apresentada nesta seo elimina esta restrio.
A seguir, as equaes para o clculo dos pontos a serem grafados e dos limites para
cada uma das cartas.
Controle da mdia ( x )
Ponto =
xx
ni
s
em que x a mdia
ponderada
das
mdias
s
Ponto =
d3
em que o termo R / d 2
s
c4
s
Ponto =
c5
LSC x = 3
LSC R = 3
LSC s = 3
LM x = 0
LM R = 0
LM s = 0
LIC x = 3
LIC R = 3
LIC s = 3
Apesar de esta tcnica resolver o problema do tamanho das amostras, ela possui uma
grande desvantagem que a sua operacionalizao e interpretao, pois a quantidade de
clculos envolvidos enorme e complexa, o que torna invivel a sua utilizao por parte
dos operadores, sem um suporte computacional.
39
Esta tcnica recomendada quando a manufatura do tipo just in time, em que, muitas
vezes, o lote composto apenas por uma nica pea. Neste caso, a idia codificar as
medidas individuais, como desvios a partir da medida nominal N, e aplicar o conceito
da carta de controle para medidas individuais convencionais (x e AM - amplitude
mvel).
Controle da mdia ( x )
LSC x = x + 3
AM
d2
LM x = x
AM
LSC x = x 3
d2
LSC x = + 3
AM
d2
LM x =
codificao = x N, tem-se:
LSC x = 3
AM
d2
Neste caso, o ponto a ser grafado e, no caso da carta de disperso, o ponto ser AM.
Controle da disperso (AM)
soma AM
, em que k o
k m +1
LSC R = D4 AM
LM R = AM
LIC R = D3 AM
Antes de se construir essas cartas algumas pontos relevantes devem ser observados:
40
o nmero inicial para o clculo dos limites de controle pode ser pequeno;
caso o valor nominal especificado pela engenharia no reflita o melhor valor para a
mdia do processo, deve-se adotar a carta Alvo;
A limitao apresentada neste ltimo tpico no exclusiva das cartas de controle para
medidas individuais codificadas. Nas cartas de Shewhart tambm encontramos este
problema, pois elas no so capazes de detectar mudanas de pequena magnitude, como
1 , por exemplo. Para sanar esta dificuldade, existe um grupo de cartas que deve ser
utilizado quando a deteco de pequenas mudanas importante para o processo.
Algumas dessas tcnicas, como mdias mveis codificadas, soma acumulada e mdia
mvel suavizada exponencialmente, sero relatadas a seguir.
41
adotadas mdias mveis, a nova carta de controle acusar mais rapidamente uma
possvel falta de estabilidade do processo.
Subtraindo-se
LSC x = xm + A2 AM
LM x = xm
LIC x = xm A2 AM
medida
termos da desigualdade e
Controle da mdia ( m )
LSC x = m + A 2 AM
adotando-se a codificao
LM x = m
= x N, tem-se:
LIC x = m A 2 AM
Neste caso o ponto a ser grafado m e, no caso da carta de disperso, o ponto ser
AM.
Controle da amplitude (AM)
soma AM
, em que k o
k m +1
LSC R = D4 AM
LM R = AM
LIC R = D3 AM
Apesar de semelhantes, esta tcnica mais eficaz do que a de medidas individuais por
ser mais sensvel presena de causas especiais. As outras tcnicas relatadas a seguir
so mais sofisticadas e complexas e requerem o uso de um sistema computacional para
a sua operacionalizao.
42
alvo. Assim, os valores a serem grafados devem ser transformados da seguinte maneira:
i
do processo.
e LSC x = h
, em que h o
Apesar de a carta de somas acumuladas ser mais usada para monitorar a mdia do
processo, possvel criar esta mesma carta para verificar o comportamento da
variabilidade do processo, trabalhando com a amplitude ou o desvio padro dos
subgrupos, frao no-conforme ou defeitos.
Uma outra variao da carta de somas acumuladas ocorre quando se trabalha com dados
de contagem de eventos raros. Neste caso mais aconselhvel trabalhar com o tempo
entre os eventos e verificar se a taxa de eventos est crescendo ou decrescendo.
43
Esta tambm uma tcnica que visa detectar pequenas mudanas ocorridas no processo.
A comparao com a carta de somas acumuladas permite verificar que a mdia mvel
mais fcil de ser desenvolvida e utilizada, e que ambas so mais usadas para amostras
de tamanho unitrio.
(2 )
[1 (1 ) 2i ] ; LM = 0 ; LIC = 0 L
(2 )
[1 (1 ) 2i ]
sendo que o fator L representa a amplitude dos limites de controle. Estes limites sofrem
variaes nas primeiras amostras, mas medida que o i vai aumentando, a tendncia
que a expresso [1 (1 ) 2i ] se aproxime do valor 1 e os limites se estabilizem em
LSC = 0 + L
(2 )
; LIC = 0 L
(2 )
44
MONTGOMERY (2001), os valores mais utilizados para so 0,05, 0,10 e 0,20, e uma
boa regra usar pequenos valores de para se detectar pequenas mudanas no
processo. Para L tem-se trabalhado com o valor 3 que funciona razoavelmente bem.
TABELA 3.1
Tamanho mdio de amostras para alguns planos de controle EWMA
Mudana na mdia
L = 3,054
L = 2,998
L = 2,962
L = 2,814
L = 2,615
(mltiplo de )
= 0,40
= 0,25
= 0,20
= 0,10
= 0,05
500
500
500
500
500
0,25
224
170
150
106
84,1
0,50
71,2
48,2
41,8
31,6
28,8
0,75
28,4
20,1
18,2
15,9
16,4
1,00
14,3
11,1
10,5
10,3
11,4
1,50
5,9
5,5
5,5
6,1
7,1
2,00
3,5
3,6
3,7
4,4
5,2
2,50
2,5
2,7
2,9
3,4
4,2
3,00
2,0
2,3
2,4
2,9
3,5
4,00
1,4
1,7
1,9
2,2
2,7
Esta tcnica uma mistura das cartas x (ou x ) com a carta de somas acumuladas e visa
detectar alteraes no processo, que possam gerar a fabricao de unidades defeituosas.
mais utilizada que as demais devido sua simplicidade de construo e interpretao.
45
Uma das vantagens desta ferramenta reside no fato de ela necessitar apenas dos limites
de especificao, fornecidos pela engenharia, para a determinao dos limites de
controle. Consiste em dividir a tolerncia da especificao em 4 partes iguais a partir da
linha mdia (valor nominal), estabelecendo zonas de 1, 2, 3, chamadas,
respectivamente, de aceitao, alerta e rejeio.
Para uma fabricao em pequenos lotes, a codificao deve ser feita da seguinte
maneira: TOL = LSE LIE, assim os limites da zona de aceitao sero LIC = -1/4; LM
= 0 e LSC = 1/4. Analogamente, os limites para a zona de rejeio sero LIC = -1/2;
LM = 0 e LSC = 1/2.
46
Definio
Defeito
Defeituoso
Unidade
Oportunidade
(Nmero de defeitos/(Nmero de
oportunidades x Nmero de unidades) x 106
47
seguintes
p=
restries
sejam
n p > 5 e n ( 1- p ) > 5 ,
atendidas:
em
que
Esta apenas uma variao da carta anterior, onde ao invs de se controlar a proporo
de peas defeituosas, o objetivo controlar o nmero de peas defeituosas. Para se
utilizar a aproximao pela normal, as mesmas restries devem ser atendidas. Como
bem lembra MONTGOMERY (2001), alguns profissionais consideram esta carta mais
fcil de interpretar do que a anterior.
Esta carta utilizada quando a varivel de interesse o nmero total de defeitos em uma
unidade do produto. Neste caso, os dados seguem uma distribuio de Poisson que
adequada para descrever o padro de ocorrncia de eventos em um intervalo de tempo
ou em uma unidade de espao.
c
k
48
Esta varivel definida como sendo a razo entre o nmero de defeitos na amostra (c) e
o tamanho da unidade de inspeo (n), ou seja, u = c/n. Uma unidade de inspeo pode
ser considerada como uma certa quantidade de itens, comprimento, volume, tempo, etc.
Todas as cartas citadas podem ser utilizadas tanto para grandes quanto pequenos lotes
de produo. No caso de pequenos lotes, seus parmetros sofrem uma padronizao,
conforme pode ser visto no QUADRO 3.2 e, independentemente do tipo de carta, todos
os limites de controle so definidos da seguinte maneira: LIC = -3, LM = 0 e LSC = 3.
O QUADRO 3.2 resume todas as informaes e parmetros pertinentes a pequenos lotes
de produo.
QUADRO 3.2
Padronizao das cartas de controle para atributos adequada a pequenos lotes
Valor alvo
p i
p(1 p )
n
np i
np
n p (1 p )
ci
zi =
u/n
zi =
ui
Desvio padro
Estatstica grafada
na carta de controle
Atributo
zi =
zi =
p i p
p (1 p ) / n
np i n p
n p (1 p )
ci c
c
ui u
u/n
49
Cartas DPMO (defect per million opportunities) ou DPTO (defect per thousand
opportunities)
A FIGURA 3.4 apresenta uma sntese de todas as cartas discutidas nesta seo,
ressaltando a principal caracterstica de cada uma delas.
Nas normas IPC-9261 e IPC-7912 encontram-se algumas regras que definem o que deve ser
considerado como oportunidade de defeito e como o DPMO deve ser calculado.
50
Varivel
Contnua
Atributo
Objetivo
Tipo de dado
Pr-controle
Carta prcontrole
n1
Amostras
com o mesmo
tamanho
Mesma
disperso
Carta nominal
e alvo
Controle
n=1
Amostras
com
tamanhos
diferentes
Disperso
diferente
Carta
padronizada ou
pequenos lotes
Defeituosos
Defeito
Carta p e np
Carta c, u
DPMO e
DPTO
Deteco de
alteraes
moderadas e
grandes
Deteco de
pequenas
alteraes
Medidas
individuais
codificadas
CUSUM
e
EWMA
Padronizao
do tamanho
da amostra
51
Valor
Nominal
Limite Inferior de
Especificao
-3
-2
-1
Limite Superior
de Especificao
52
Observa-se, na FIGURA 3.5, que os principais itens necessrios para realizar uma
avaliao de capacidade do processo so o limite inferior de especificao (LIE), o
limite superior de especificao (LSE), o valor nominal (VN) e a variabilidade natural
do processo.
Cp =
LSE LIE
6
LSE LIE
Cpk = min
;
3
3
Quando existir apenas o limite inferior,
LIE
Cpi =
3
Quando existir apenas o limite superior,
LSE
Cps =
3
em que:
LSE = limite superior de especificao
LIE = limite inferior de especificao
= desvio padro do processo
min = funo mnimo
= mdia do processo
s
R
ou
.
c4
d2
53
COMPARAO DO HISTOGRAMA
COM AS ESPECIFICAES
LIE
CAPAZ OU
ADEQUADO
(VERDE)
p 64 ppm
LSE
1 Cp < 1,33
LIE
INCAPAZ OU
INADEQUADO
(VERMELHO)
LSE
Cp 1,33
LIE
ACEITVEL
(AMARELO)
Cp < 1
PROPORO DE
DEFEITUOSOS (p)
LSE
p > 0,27%
Idealmente, o Cp deve ser o maior possvel. Quanto maior o Cp, menor a variabilidade
em relao aos limites de especificao. Porm, como menciona PEREZ-WILSON
(1999), um alto valor de Cp no garante que um processo de produo caia dentro dos
54
limites de especificao, pois esse valor pode estar deslocado em relao ao valor
nominal. Por este motivo, ele chamado de potencial do processo.
Para complementar, PEREZ-WILSON (1999) conclui que quanto maior for o Cpk, mais
estreita ser a distribuio do processo em comparao aos limites de especificao, e
mais uniforme ser o produto. Dessa forma, medida que o desvio padro aumenta, o
Cpk diminui, e ao mesmo tempo, eleva-se o potencial de criar um produto fora dos
limites de especificao.
55
Nestes casos, o programa estatstico Minitab for Windows (verso 13.30), apresenta um
conjunto de grficos (FIGURA 3.6) que auxilia na avaliao da capacidade do processo.
1 - P Chart
3 - Rate of Defectives
0,025
UCL=0,02353
2,0
%Defective
Proportion
0,020
0,015
P=0,01282
0,010
0,005
1,5
1,0
LCL=0,002104
0,000
0
10
1000
Sample Number
2 - Cumulative %Defective
5 - Summary Stats
1,5
1,4
%Defective
1100
1200
Sample Size
4 - Dist of %Defective
Target
Average P: 0,0128181
(0,0108; 0,0151)
1,3
1,2
1,1
%Defective: 1,282
(1,08; 1,51)
1,0
Target:
0,9
PPM Def.:
12818
(10779; 15126)
0,8
1
10
Sample Number
Process Z:
2,232
(2,167; 2,298)
0,0
0,6
1,2
1,8
56
1. P chart verificar se o processo est estvel, isto , sob controle estatstico. Neste
exemplo os limites no se apresentam constantes, pois ele acompanha o tamanho da
amostra que varivel. Para verificar se o processo est atendendo s especificaes
o ideal que os limites de controle estejam dentro dos limites de especificao;
57
No Captulo 4 esta discusso ser retomada em uma situao real observada na empresa
pesquisada.
Fatores controlveis
x1
Entrada
Matria-prima
x2
...
xp
Sada
Produto
PROCESSO
...
z1
z2
y = caracterstica de qualidade
do produto (varivel resposta)
zq
Fatores no controlveis
ou de rudo
Esta seo foi baseada na leitura dos textos de BOX, HUNTER & HUNTER (1978),
MONTGOMERY (2001) e BOX & DRAPER (1987).
58
59
determinar como o conjunto de variveis (xs) deve ser ajustado, de modo que a
determinar como o conjunto de variveis (xs) deve ser ajustado, de modo que a
determinar como o conjunto de variveis (xs) deve ser ajustado, de modo que os
60
Unidade experimental: representa cada material experimental que ser submetido aos
testes e, em seguida, avaliado por meio de uma ou mais variveis respostas.
Efeito da interao entre dois fatores: dois fatores A e B interagem se o efeito do fator A
sobre a varivel resposta em um dos nveis do fator B, for bem diferente do efeito deste
mesmo fator, quando observado no outro nvel do fator B ou vice-versa. Este conceito
vlido tambm para as interaes entre trs ou mais fatores.
Existem vrias tcnicas para o planejamento e a anlise de experimentos, que devem ser
empregadas de acordo com o objetivo de cada estudo. No caso deste trabalho, sero
apresentas duas tcnicas experimento fatorial completo e experimento fatorial
61
fracionado, este ltimo o que mais se adapta realidade de alto mix e baixo volume de
produo.
Exemplo 3.39
62
Para isso, foram considerados os fatores temperatura (A), tempo (B), presso (C) e
fluxo de gs (D), e selecionado um experimento fatorial 24. A FIGURA 3.8 ilustra como
o experimento foi realizado.
A
wafer
D
wafer
FORNO
y = espessura de
oxidao do
wafer
De acordo com a FIGURA 3.8, observa-se que o wafer foi colocado dentro do forno, as
variveis temperatura, tempo, presso e fluxo foram ajustadas conforme o
planejamento e, no final, a equipe mediu a espessura de oxidao de cada wafer,
considerando-a como varivel resposta. Alm disso, para uma melhor preciso nos
resultados, os engenheiros decidiram realizar duas rplicas.
Os dados coletados podem ser observados na TABELA 3.2, onde esto apresentadas as
informaes da ordem padro dos ensaios, os nveis dos fatores envolvidos, -1 nvel
baixo e 1 nvel alto, os valores observados nas rplicas I e II e entre parnteses a ordem
de realizao dos ensaios.
63
TABELA 3.2
Dados coletados no experimento fatorial completo 24 com duas rplicas
Rplica
Fator
Ordem
padro
II
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1
378 (10)
416 (7)
381 (3)
448 (9)
372 (6)
390 (2)
385 (5)
430 (4)
380 (12)
415 (16)
371 (8)
446 (1)
378 (14)
392 (15)
376 (11)
429 (13)
383 (6)
406 (2)
371 (13)
453 (7)
377 (10)
380 (15)
390 (1)
435 (14)
370 (11)
420 (5)
376 (16)
451 (8)
368 (3)
397 (12)
381 (9)
419 (4)
Existem vrias maneiras de se analisar estas informaes como, por exemplo, por meio
de Anlise de Varincia (ANOVA), Anlise de Regresso ou at mesmo uma simples
Anlise Grfica. Maiores informaes podem ser obtidas em MONTGOMERY (2001) e
BOX & DRAPER (1987). Neste estudo optou-se por utilizar a Anlise de Regresso.
Anlise de regresso
64
y = 0 + 1 x1 + 2 x 2 + ... + 12 x1 x 2 + 13 x1 x3 + ... +
em que:
variveis explicativas, independentes, regressoras ou preditoras. Neste caso assumese xi = -1 (nvel baixo) e xi = 1 (nvel alto)
Associadas a este modelo existem algumas suposies que devem ser verificadas antes
da sua validao: os erros tm distribuio normal com mdia zero e varincia 2, os
erros so no correlacionados e as variveis explicativas (xs) no so aleatrias, pois
so ajustadas pelo experimentador.
65
Aps esta breve explicao sobre a tcnica, retoma-se o EXEMPLO 3.3 para a
aplicao dessa tcnica.
TABELA 3.3
Estimativas dos efeitos e dos coeficientes de regresso
Estimated Effects and Coefficients for y (coded units)
Term
Constant
A
B
C
D
A*B
A*C
A*D
B*C
B*D
C*D
A*B*C
A*B*D
A*C*D
B*C*D
A*B*C*D
Effect
43,125
20,000
-10,375
-1,625
16,875
-12,500
3,000
3,875
-3,875
-0,750
-2,250
-2,750
-0,125
-2,500
0,125
Coef
398,875
21,562
10,000
-5,187
-0,812
8,437
-6,250
1,500
1,938
-1,937
-0,375
-1,125
-1,375
-0,063
-1,250
0,062
T
437,80
23,67
10,98
-5,69
-0,89
9,26
-6,86
1,65
2,03
-2,03
-0,41
-1,23
-1,51
-0,07
-1,37
0,07
P
0,000
0,000
0,000
0,000
0,386
0,000
0,000
0,119
0,149
0,149
0,686
0,235
0,151
0,946
0,189
0,946
A TABELA 3.3 apresenta as estimativas dos coeficientes de regresso, pelo mtodo dos
mnimos quadrados em que o efeito corresponde ao coeficiente de regresso vezes 2.
66
por meio do valor p (P) relacionado a cada fator que se conclui sobre as variveis
significativas. A regra indicada , valor p menor que o nvel de significncia
(usualmente 0,05) o efeito principal do fator ou da interao significativo, caso
contrrio a varivel resposta no sofre a influncia do efeito do fator ou da interao.
Coef
398,875
21,562
10,000
-5,188
8,437
-6,250
SE Coef
1,048
1,048
1,048
1,048
1,048
1,048
T
380,54
20,57
9,54
-4,95
8,05
-5,96
P
0,000
0,000
0,000
0,000
0,000
0,000
67
Assim, pode-se concluir que a equao apresentada na FIGURA 3.9 explica bem o
relacionamento entre as variveis e a influncia destas sobre a varivel espessura de
oxidao.
I Chart of Residuals
20
10
UCL=18,00
Residual
Residual
10
0
Mean=-0,5109
-10
LCL=-19,03
-20
-10
-2
-1
Normal Score
10
20
30
Observation Number
Histogram of Residuals
10
Residual
Frequency
4
3
2
1
0
-10
-8 -6 -4 -2 0
8 10
Residual
Fit
FIGURA 3.10 Grficos para a anlise das suposies associadas aos resduos
interessante ressaltar que nos experimentos fatoriais 2k, medida que o nmero de
fatores (k) aumenta, eleva tambm a quantidade de ensaios. Assim, apesar de eficientes,
muitas vezes o tempo e o custo dos ensaios tornam-se extremamente elevados
comprometendo a utilizao da tcnica.
68
Suponha que essa mesma indstria fabricante de semicondutores constatou que no teria
tempo nem recursos financeiros para realizar 32 ensaios, conforme estipulado pelo
planejamento. Neste caso, a equipe decidiu realizar o mesmo experimento reduzindo o
nmero de rplicas de duas para uma, conforme pode ser observado no EXEMPLO 3.4.
Exemplo 3.4
Quando se trabalha com uma nica rplica, no possvel obter uma estimativa da
variabilidade devido ao erro experimental. Para resolver esta limitao, aconselha-se a
identificao dos efeitos significativos por meio da construo de um grfico de
probabilidade normal para os efeitos.
Antes de construir o grfico deve-se obter os valores dos efeitos e dos coeficientes de
cada fator. Estas informaes podem ser vistas na TABELA 3.5; observa-se que neste
caso os valores correspondentes aos testes de significncia no foram calculados,
conforme j era esperado. Assim, novamente verifica-se a necessidade da construo do
grfico de probabilidade normal para a identificao dos efeitos significativos.
69
TABELA 3.4
Dados coletados no experimento fatorial completo 24 com uma rplica
Fator
Ordem
padro
Ordem do
ensaio
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
10
7
3
9
6
2
5
4
12
16
8
1
14
15
11
13
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
-1
-1
-1
-1
1
1
1
1
1
1
1
1
TABELA 3.5
Estimativas dos efeitos e dos coeficientes de regresso
Estimated Effects and Coefficients for y (coded units)
Term
Constant
A
B
C
D
A*B
A*C
A*D
B*C
B*D
C*D
A*B*C
A*B*D
A*C*D
B*C*D
A*B*C*D
Effect
43,125
18,125
-10,375
-1,625
16,875
-10,625
1,125
3,875
-3,875
1,125
-0,375
2,875
-0,125
-0,625
0,125
Coef
399,188
21,562
9,062
-5,187
-0,812
8,438
-5,312
0,563
1,938
-1,937
0,562
-0,187
1,437
-0,063
-0,312
0,062
Espessura
de
oxidao
378
416
381
448
372
390
385
430
380
415
371
446
378
392
376
429
70
A
B
Normal Score
A:
B:
C:
D:
A
B
C
D
AB
-1
C
AC
-10
10
20
30
40
Effect
Coef
399,188
21,562
9,062
-5,188
8,437
-5,313
SE Coef
1,049
1,049
1,049
1,049
1,049
1,049
T
380,48
20,55
8,64
-4,94
8,04
-5,06
P
0,000
0,000
0,000
0,001
0,000
0,000
71
As suposies associadas equao da FIGURA 3.12 podem ser verificadas, avaliandose as informaes contidas na FIGURA 3.13.
I Chart of Residuals
15
UCL=13,20
Residual
Residual
10
0
5
0
Mean=-0,2040
-5
-10
-5
LCL=-13,61
-15
-2
-1
Normal Score
Histogram of Residuals
10
15
Residual
Frequency
Observation Number
2
1
-5
0
-6
-4
-2
Residual
Fit
FIGURA 3.13 Grficos para a anlise das suposies associadas aos resduos
Quando a empresa possui limitaes, como o caso do EXEMPLO 3.5, uma outra
tcnica sugerida o planejamento fatorial fracionado; estes experimentos envolvem
apenas uma frao do conjunto total de ensaios e so capazes de fornecer informaes
necessrias tomada de deciso.
72
Exemplo 3.6
73
TABELA 3.6
Codificao para o planejamento fatorial completo 24
Tratamentos
1
ab
ac
bc
ad
bd
cd
abcd
a
b
c
abc
d
abd
acd
bcd
A
-1
1
1
-1
1
-1
-1
1
1
-1
-1
1
-1
1
1
-1
B
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
-1
1
C
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
-1
-1
1
1
D
-1
-1
-1
-1
1
1
1
1
-1
-1
-1
-1
1
1
1
1
AB
1
1
-1
-1
-1
-1
1
1
-1
-1
1
1
1
1
-1
-1
AC AD BC
1
1
1
-1 -1 -1
1 -1 -1
-1
1
1
-1
1
1
1 -1 -1
-1 -1 -1
1
1
1
-1 -1
1
1
1 -1
-1
1 -1
1 -1
1
1 -1
1
-1
1 -1
1
1 -1
-1 -1
1
Uma outra caracterstica presente neste experimento o fato dos efeitos dos fatores se
confundirem uns com os outros. Por exemplo, efeitoA = efeitoBCD ; efeitoB = efeitoACD
74
QUADRO 3.4
Definio e exemplos das principais resolues
Resoluo
Definio
Exemplo
III
IV
2V5 1 com I =
ABCDE
75
4; 8
1
0
Resolution: IV
Fraction: 1/2
Alias Structure
I + ABCD
A + BCD
B + ACD
C + ABD
D + ABC
AB + CD
AC + BD
AD + BC
TABELA 3.7
Dados coletados no experimento fatorial fracionado
Ordem do
ensaio
Tratamentos
3
7
6
2
5
8
1
4
(1)
ad
bd
ab
cd
ac
bc
abcd
Fator
24IV1
Espessura
de
D = ABC oxidao
-1
1
-1
1
-1
1
-1
-1
1
1
-1
-1
-1
-1
-1
-1
1
1
-1
1
1
-1
1
-1
-1
1
1
1
1
1
-1
1
45
100
45
65
75
60
80
96
Depois da coleta de dados, a equipe iniciou a anlise deles. Com a ajuda do Minitab
foram calculados os efeitos e os coeficientes de regresso dos fatores e das interaes
(FIGURA 3.15).
76
Effect
19,000
1,500
14,000
16,500
-1,000
-18,500
19,000
Coef
70,750
9,500
0,750
7,000
8,250
-0,500
-9,250
9,500
Observa-se pela FIGURA 3.15 que os valores de maior magnitude so os efeitos dos
fatores A, C e D e das interaes AC e AD. Ajustando um modelo de regresso
(FIGURA 3.16), pode-se concluir que estes efeitos so realmente significativos, pois
todos os valores p so inferiores a 0,05, apesar do modelo no ser o mais adequado, pois
sobraram apenas 2 graus de liberdade para os resduos.
The regression equation is
y = 70,8 + 9,50 A + 7,00 C + 8,25 D - 9,25 AC + 9,50 AD
Predictor
Constant
A
C
D
AC
AD
Coef
70,7500
9,5000
7,0000
8,2500
-9,2500
9,5000
SE Coef
0,6374
0,6374
0,6374
0,6374
0,6374
0,6374
T
111,00
14,90
10,98
12,94
-14,51
14,90
P
0,000
0,004
0,008
0,006
0,005
0,004
Para finalizar o estudo, as suposies associadas ao modelo devem ser verificadas por
meio da anlise de resduos, porm como a quantidade de dados gerada muito pequena
a anlise grfica no seria conclusiva.
77
De acordo com CHENG et al. (1995), para se construir um modelo conceitual deve-se
seguir a seguinte lgica: OUTPUT (sada) PROCESSO INPUT (entrada).
78
Qualidade
Exigida
Caractersticas
da Qualidade
Qualidade Projetada
Funes
Mecanismos
Matria-prima
Componentes
Processos
79
ser constitudos por quais matrias-primas? (6) Como as caractersticas de qualidade das
matrias-primas interferem nos processos e nas caractersticas de qualidade do produto
final?
80
Problema que no se consegue resolver com a extenso da tecnologia prpria da empresa para
melhoria da qualidade.
81
O primeiro caso o mais complexo, pois nos desdobramentos iniciais no se tem uma
definio clara do objeto em estudo. Assim, o ideal que as falhas sejam estudadas aps
o estabelecimento da qualidade projetada e do desenho traado, mais especificamente na
etapa do desdobramento dos componentes.
82
Esse conjunto de informaes pode ser trabalhado de acordo com a FIGURA 3.18.
Nesta figura teremos como resultado final, os componentes mais crticos que precisam
de um estudo mais minucioso e a aplicao do FMEA para prevenir o aparecimento das
falhas.
83
IDENTIFICAO DOS
COMPONENTES CRTICOS
Tabela de FT
ou FM
Qualidade
Exigida
Peso da Qualidade
Exigida
Peso do FM
qualidade exigida
Peso do FM taxa
de falhas
Peso do Componente
criticidade
Peso do Componente
taxa de falhas
Peso do Componente
qualidade exigida
Componente
Peso do FM
criticidade
FMEA
Legenda
FT = Fault Tree (rvore de Falha)
FM = Failure Mode (Modo de Falha)
84
Qualidade
Exigida
Peso do Mecanismo
100%
Custo
Objetivado
Custo Atual do
Componente
Custo Objetivado do
Componente
Componente
Custo do Mecanismo
Peso do Componente
Peso da Qualidade
Exigida
Custo da Funo
Funo
Peso da Funo
Mecanismo
Na FIGURA 3.19, CHENG et al. (1995) apresentam uma seqncia de matrizes que
ajuda no direcionamento do desdobramento do custo. As etapas propostas so (1)
estabelecimento do custo objetivado (2) estabelecimento do custo da funo (3)
estabelecimento do custo do mecanismo e (4) estabelecimento do custo do componente
e os componentes-gargalo.
85
4. INTERVENO NA EMPRESA
4.1 A empresa pesquisada
O trabalho foi desenvolvido na filial brasileira11 de uma empresa norte-americana,
pertencente ao grupo das cinco maiores no segmento de manufatura contratada, cujo
faturamento anual do grupo da ordem de US$ 4 bilhes.
Estes segmentos se destacam pelo constante dinamismo. Dinamismo este que est
relacionado velocidade das inovaes, ou seja, introduo constante de novos
produtos novas especificaes e de novas tecnologias. Isto faz com que os processos
se tornem cada vez mais geis e flexveis, para atender ao curto ciclo de vida dos
produtos que, muitas vezes, no ultrapassa um ano e meio.
11
86
O aumento de sua presena no mercado europeu e asitico tem sido notado pelos
concorrentes e clientes. Atualmente, estes dois mercados constituem o foco principal de
sua estratgia de expanso devido s perspectivas de venda e recente aceitao pelo
modelo de EMS por parte dos pases dessas regies.
No Brasil, a empresa possui duas plantas industriais. A primeira existente h trs anos
surgiu a partir da aquisio de uma EMS estrangeira instalada no pas. A segunda,
com menos de um ano, surgiu a partir da aquisio de uma OEM. A vinda da empresa
para o Brasil foi motivada, principalmente, pela necessidade de seus clientes possurem
uma base de manufatura no pas, usufruindo assim dos benefcios das leis de incentivo
produo local. Estas empresas atendem no s ao mercado local mas tambm alguns
pases da Amrica do Sul.
Com a evoluo deste trabalho realizado na filial brasileira mais antiga foi possvel
conhecer detalhadamente as peculiaridades da sua carteira de clientes e produtos.
Assim, com o passar do tempo pudemos perceber que as ferramentas estatsticas
87
88
sentido,
THIOLLENT
(2000)
define
metodologia
como
avaliao
das
89
90
Dentro deste contexto de parceria, iniciamos nossos trabalhos em 2000 com um projeto
mais voltado para a rea de pesquisa e anlise de mercado, que foi demandado por um
dos clientes da empresa. Passados alguns meses, o gerente de qualidade nos procurou
para iniciarmos um projeto de capacitao em ferramentas estatsticas; neste caso, a
equipe da UFMG ficou composta por duas pesquisadoras, a mestranda e sua
orientadora.
O objetivo inicial do gerente era criar uma equipe com um raciocnio analtico e,
principalmente, estatstico, para que seus membros comeassem a utilizar as
ferramentas estatsticas mais avanadas para a resoluo dos problemas da empresa,
desde os mais simples e corriqueiros at os mais desafiadores. Um outro objetivo era
criar uma cultura estatstica para poderem argumentar com clientes e fornecedores, dado
que, muitas vezes, eles no tinham conhecimento suficiente para tal.
Depois de criada a equipe, que era composta por onze pessoas, dentre elas gerentes e
tcnicos das reas de qualidade, engenharia de processo e engenharia de teste, o projeto
de capacitao foi dividido em duas etapas. A primeira foi composta por aulas tericas e
91
Um exemplo foi a avaliao de uma carta de controle que era utilizada para monitorar o
processo de impresso da pasta de solda. Essa pode ser considerada uma das mais
importantes e crticas etapas do processo, cujo desempenho mensurado pela
caracterstica altura da pasta de solda. Caso esta altura esteja fora de controle, vrios
defeitos sero desencadeados. Por isso, a necessidade de se ter uma ferramenta de
controle eficaz.
Entretanto, para cada produto era construda uma carta de controle; na maioria das vezes
a produo era baixa e a coleta era feita de 2 em 2 horas, ou seja, por muitas vezes
durante um dia de produo, o operador grafava 1 ponto em 4 cartas diferentes e no se
tinha nenhuma informao concreta sobre o processo. O fato mais crtico foi uma carta
que levou 6 meses para se definir seus limites de controle, sendo que essa ferramenta
deve ser altamente dinmica para ser eficaz.
92
Iniciou-se, ento, uma reviso bibliogrfica que abordasse o tema em questo, mas no
foi encontrada uma soluo integrada e consolidada que atendesse demanda da
empresa, assim, observou-se uma situao interessante para a proposio de uma
metodologia baseada em ferramentas estatsticas.
Diante desta motivao, iniciamos a pesquisa que o cerne desta dissertao, cujo
resultado ser uma metodologia de controle estatstico de processo que se adapte
realidade da empresa estudada, auxiliando-a na etapa de projeto do processo, melhoria
da qualidade e monitoramento dos indicadores.
93
Esta forma de gesto apresenta o risco da empresa perder a viso do processo como um
todo e, como conseqncia, no aproveitar as oportunidades de melhorias de todos os
produtos a partir do conhecimento obtido na gesto de produtos especficos. Neste
contexto, muito importante que o setor de gesto da qualidade tenha uma viso
abrangente da empresa e se responsabilize pela difuso do conhecimento gerado, sem a
perda do sigilo.
A empresa alegava que uma das grandes dificuldades era monitorar caso a caso cada
combinao cliente-produto dado que cada cliente possua um nvel de qualidade
exigida. Esta forma de monitoramento, alm de muito rdua, era muito ineficiente.
Durante essa pesquisa, contamos com o apoio de algumas pessoas treinadas na primeira
etapa do projeto capacitao em tcnicas estatsticas alm de vrios colaboradores
das reas operacionais que demonstraram grande interesse e se colocaram disposio,
para a realizao do projeto. A pesquisadora (mestranda) dedicou empresa
aproximadamente 20 horas semanais durante um perodo de seis meses, que se
94
ETAPA
OBJETIVO
4.3.1
Conhecendo o processo
produtivo
4.3.2
Avaliao da capacidade
dos processos
4.3.3
Identificao dos
principais defeitos
detectados
4.3.4
Identificao dos
principais processos
geradores dos defeitos.
4.3.5
4.3.6
Definio de novos
nveis para os
parmetros
4.4
95
Esta empresa possui, basicamente, dois processos distintos: (1) montagem de placas de
circuito impresso e (2) montagem de produto final conhecido por box build que,
neste caso, poderia ser uma impressora, um leitor de carto de crdito, um celular ou um
computador. Nesta pesquisa, optou-se por trabalhar com o primeiro processo
montagem de placas de circuito impresso por ele ser mais complexo (influncia de
muitas variveis) e, conseqentemente, apresentar um maior nmero de oportunidades
de melhoria.
Para que o leitor possa compreender melhor cada etapa do processo, necessrio
ressaltar algumas terminologias peculiares ao setor:
Pasta de solda liga de estanho, chumbo e outros produtos, os quais fazem a ligao
circuito impresso.
96
In circuit teste (ICT) teste feito com um equipamento especial que detecta
97
Na FIGURA 4.1, pode-se observar que o fluxo do processo inicia-se pelo almoxarifado,
que o local de recepo e armazenamento de materiais. Com os componentes
preparados, feito o set-up da linha SMT, ou seja, as mquinas so carregadas com seus
respectivos programas e componentes e os parmetros so ajustados conforme definio
preliminar. Assim, o processo SMT pode ser iniciado.
98
Logo aps, h uma inspeo visual para avaliar se a placa tem algum tipo de defeito
ausncia de componentes, componentes invertidos, curto de solda, insuficincia de
solda. Esta inspeo feita por pessoas, visualmente, com o auxlio de mscaras e de
lupas com aumento de 4 vezes. Caso encontrem algum defeito, o reparo feito neste
mesmo posto e a placa liberada para as outras etapas. Tanto o lado superior quanto o
inferior da placa passam por todas as etapas do processo SMT.
Depois de passar pelo processo SMT, as placas passam pelo processo PTH. Deste modo,
o almoxarifado envia os componentes para o processo PTH, onde feita uma prformatao, para que eles sejam preparados e depois inseridos manualmente na placa.
Em seguida, eles passam pela mquina de solda onda onde so soldados por um banho
de solda.
99
Observa-se, tambm, que ao longo do processo os produtos podem ser transportados por
carrinhos, esteiras, suportes ou bandejas.
A resposta simples: Alm de a empresa possuir uma meta para cada cliente, ela
estabeleceu uma meta mais rgida para a planta que leva em considerao as metas
de todos os clientes, ou seja, se a meta da planta for atingida, a meta de todos os clientes
tambm o ser. A crtica que pode ser feita que, em alguns casos, a planta torna-se
mais exigente do que o prprio cliente.
12
100
Situao encontrada
A coleta de dados para a avaliao da capacidade dos processos realizada nas etapas
de inspeo visual, no teste ICT e no teste funcional (FIGURA 4.1), e feita on line e
em 100% das peas.
A anlise dos dados coletados feita mensalmente para cada produto por meio do
clculo do rendimento de cada processo. Ao final, multiplicam-se estes rendimentos,
obtendo-se o rendimento final, que chamado de Yield combinado.
Quantidade
Produzida
Quantidade
Defeituosa
Yield
encontrado
Yield
especificado
Avaliao
SMT TOP
440
100,0%
98,0%
Capaz
SMT BACK
444
99,1%
99,0%
Capaz
ICT
451
26
94,2%
98,7%
Incapaz
FVT
448
98,0%
99,0%
Incapaz
101
Uma outra observao que deve ser ressaltada que a incapacidade do processo s foi
detectada na etapa do ICT. Este fato j era de se esperar, pois, conforme observou-se na
FIGURA 4.1, fica evidente que o ICT o primeiro teste efetivo que pode indicar, com
segurana, alguma anomalia no produto. As inspees anteriores (SMT TOP E BACK
SIDE) so visuais e detectam apenas os defeitos muito evidentes. Pode-se concluir,
assim, que o Yield obtido no ICT o reflexo dos processos SMT e PTH.
Proposta de melhoria
102
que a do cliente, o monitoramento tambm poderia ser feito por processo e no por
produtos.
P Chart
Rate of Defectives
LSE = 0,01
UCL=0,007605
0,005
P=0,004514
1,0
%Defective
Proportion
0,010
0,5
LCL=0,001424
0,000
0,0
0
10
15
20
25
Sample Number
Cumulative %Defective
%Defective
0,5
10000
20000
Sample Size
Summary Stats
Dist of %Defective
Target
0,4
Average P: 0,0045143
(0,0043; 0,0048)
0,3
%Defective: 0,451
(0,43; 0,48)
Target:
1
PPM Def.:
4514
(4262; 4778)
0,2
5
10
15
Sample Number
20
25
Process Z:
2,611
(2,592; 2,631)
0,0
0,4
0,8
1,2
103
P Chart
Rate of Defectives
3
%Defective
Proportion
0,02
UCL=0,01070
0,01
P=0,004091
0,00
LCL=0
0
10
15
20
25
5000
Sample Number
Cumulative %Defective
0,5
Summary Stats
Dist of %Defective
Target
0,4
%Defective
10000
Sample Size
%Defective: 0,409
(0,37; 0,45)
Target:
1
0,3
0,2
PPM Def.:
4091
(3747; 4458)
0,1
5
10
15
20
25
Sample Number
Process Z:
2,644
(2,615; 2,674)
P Chart
Rate of Defectives
12
0,05
UCL=0,04255
P=0,03262
LCL=0,02270
%Defective
Proportion
0,10
0,00
0
10
15
20
25
20003000400050006000700080009000
10000
Sample Number
Sample Size
Cumulative %Defective
Summary Stats
3,4
3,3
%Defective
Dist of %Defective
Target
3,2
%Defective: 3,262
(3,18; 3,35)
Target:
2
3,1
3,0
PPM Def.:
32624
(31751; 33515)
2,9
5
10
15
Sample Number
20
25
Process Z:
1,844
(1,831; 1,856)
12
FIGURA 4.4 Capacidade dos processos SMT TOP, BACK e PTH medidos pelo ICT
104
P Chart
0,05
0,04
0,03
UCL=0,02783
0,02
P=0,01892
0,01
LCL=0,01000
%Defective
Proportion
Rate of Defectives
3
2
1
0,00
0
10
15
20
25
Sample Number
10000
15000
Sample Size
Cumulative %Defective
Summary Stats
Dist of %Defective
Target
2,0
%Defective
5000
Average P: 0,0189184
(0,0184; 0,0195)
1,5
%Defective: 1,892
(1,84; 1,95)
Target:
2
1,0
PPM Def.:
18918
(18381; 19468)
5
10
15
20
25
Sample Number
Process Z:
2,077
(2,065; 2,088)
0,0
1,5
3,0
4,5
FIGURA 4.5 Capacidade dos processos SMT TOP, BACK e PTH medidos pelo FVT
Como j era esperado, o caso mais crtico foi detectado no teste ICT, em que a maioria
dos pontos ficou acima do limite especificado pelo cliente, o que indica srios
problemas nas etapas SMT TOP, BACK e PTH.
Dentre as vrias vantagens de se trabalhar com este tipo de ferramentas, a que mais se
destaca a rapidez com que a informao obtida e pode ser analisada. Neste caso,
percebe-se que a avaliao semanal ainda no foi melhor. J que o processo encontra-se
105
to ruim, o ideal que esse monitoramento fosse realizado no mnimo a cada duas horas
e que o bloqueio das causas especiais encontradas fosse imediato, impactando
diretamente no ndice de refugo e retrabalho e, conseqentemente, no rendimento do
processo. Alm disso, percebe-se que a empresa precisa de um esforo maior para
melhorar a capacidade de seus processos.
Diante destes resultados, o prximo passo ser identificar quais os principais defeitos
detectados pelo teste ICT para, posteriormente, correlacion-los com as etapas do
processo.
Situao encontrada
O levantamento dos principais defeitos realizado a partir dos dados fornecidos pelo
relatrio de coleta de dados do SCP. Assim como cada produto possui suas
106
Proposta de melhoria
Depois do rduo trabalho de levantamento dos defeitos para cada tipo de produto,
realizou-se uma anlise para os principais defeitos encontrados na planta. Para a
surpresa da equipe, observou-se que os principais defeitos eram comuns a todos os
produtos com pouqussimas excees.
8000
100
7000
Count
5000
60
4000
40
3000
2000
20
1000
0
Defect
Count
Percent
Cum %
0
a
p.
a
o
a
old
do
om
old
o
do
lda
da
do
pid
do
va
r ad
es
ad
ec
so de s
f ria
r ra
r ra
d
ers
e
ob
om
ica a linh
e le
bra
.
ia d old a
.e
d
.e
if
ia
c
c
e
i
n
c
Oth
ue
ar
r
f
o
od
n
s
mp
la r
a
n
h
b
u
rt
Q
S
e
in
il
o
o
D
o
s
u
r
s
D
P
P
s
C
S
T
In
C
Au
Au
3209 1377
862
485
378
356
262
196
184
180
158
144
141
40
17
11
48
1
40
57
68
74
79
84
87
89
92
94
96
98
99
100
Percent
80
6000
107
Observa-se que, ao contrrio do que a empresa esperava, 79% dos problemas esto
concentrados em apenas cinco tipos de defeitos: (1) curto de solda 40%, (2)
insuficincia de solda 17%, (3) ausncia de componentes 11%, (4) ausncia de solda
6% e (5) solda fria 5%.
4.3.4
Identificao
problemas
dos
principais
processos
geradores
dos
108
Situao encontrada
Como este tipo de anlise era novidade para a empresa, ela no possua nenhuma
ferramenta estruturada para responder a estas questes.
Proposta de melhoria
A proposta foi construir uma matriz para correlacionar os principais tipos de defeitos
encontrados, com as etapas do processo. Foi necessrio construir a matriz no nvel de
componentes para adequar realidade da equipe, ou seja, seria mais fcil relacionar o
componente defeituoso com as etapas do que apenas o defeito.
109
C
D
E
F
DEFEITOS (79,0%)
Insuficincia
de solda
(17%)
G
H
I
J
K
Ausncia de
componentes
(11%)
L
M
N
O
P
Ausncia de
solda (6%)
Q
R
S
T
U
Solda fria
(5%)
V
W
Y
Z
Acumulado
Percentual
Curto de
solda (40%)
Estocagem
Embalagem
Acabamento
PTH
Fornecedor externo
COMPONENTES
SMT TOP/BACK
Freqncia
Priorizao de
componentes
defeituosos
ETAPAS DO PROCESSO
753
578
295
197
89
312
166
148
99
89
221
121
77
60
44
101
92
55
38
9
81
65
41
27
12
23,5
18,0
9,2
6,1
2,8
22,7
12,1
10,7
7,2
6,5
25,6
14,0
8,9
7,0
5,1
20,8
19,0
11,3
7,8
1,9
21,4
17,2
10,8
7,1
3,2
23,5
41,5
50,7
56,8
59,6
22,7
34,7
45,5
52,7
59,1
25,6
39,7
48,6
55,6
60,7
20,8
39,8
51,1
59,0
60,8
21,4
38,6
49,5
56,6
59,8
Para concluir a montagem da matriz foi necessria a realizao de quatro reunies com
tcnicos de qualidade e de processo para o estabelecimento das correlaes. O resultado
de vrias discusses pode ser visto na FIGURA 4.8.
110
Com a construo desta matriz tornou-se claro, no s para a equipe como tambm para
toda a empresa, que os principais problemas estavam fortemente relacionados a duas
etapas do processo, ou seja, todos os esforos deveriam ser concentrados nas etapas de
impresso da pasta de solda e solda onda.
De acordo com a literatura, sabe-se que essas duas etapas esto entre as mais crticas
deste tipo de processo. OWEN e HAWTHORNE (2000) concluram em seu artigo que a
impresso da pasta de solda a etapa mais importante e complexa do processo SMT,
dentre alguns motivos est o fato de esta etapa envolver um elevado nmero de fatores
que afetam diretamente na qualidade do produto final. Nas etapas de insero
automtica e manual de componentes, no necessrio fazer uma anlise muito
aprofundada dos problemas; a sugesto, neste caso, criar dispositivos Poka-Yoke13
para detectar e corrigir os erros cometidos.
13
111
C
D
E
F
DEFEITOS (79,0%)
Insuficincia
de solda
(17%)
G
H
I
J
K
Ausncia de
componentes
(11%)
L
M
N
O
P
Ausncia de
solda (6%)
Q
R
S
T
U
Solda fria
(5%)
V
W
Y
Z
Estocagem
Embalagem
Acabamento
Acumulado
Percentual
Curto de
solda (40%)
PTH
Soldagem de comp. na placa FORNO
Fornecedor externo
COMPONENTES
SMT TOP/BACK
Freqncia
Priorizao de
componentes
defeituosos
ETAPAS DO PROCESSO
753
578
295
197
89
312
166
148
99
89
221
121
77
60
44
101
92
55
38
9
81
65
41
27
12
23,5
18,0
9,2
6,1
2,8
22,7
12,1
10,7
7,2
6,5
25,6
14,0
8,9
7,0
5,1
20,8
19,0
11,3
7,8
1,9
21,4
17,2
10,8
7,1
3,2
23,5
41,5
50,7
56,8
59,6
22,7
34,7
45,5
52,7
59,1
25,6
39,7
48,6
55,6
60,7
20,8
39,8
51,1
59,0
60,8
21,4
38,6
49,5
56,6
59,8
Legenda
muito provvel que o defeito ocorra nessa etapa do processo
provvel que o defeito ocorra nessa etapa do processo
pouco provvel que o defeito ocorra nessa etapa do processo
No existe relao entre o defeito e a etapa do processo
FIGURA 4.8 Matriz de correlao dos principais defeitos com as etapas do processo
preenchidas
Antes de finalizar esta anlise, vale ressaltar que, de acordo com a coleta de dados e o
conhecimento da equipe, percebe-se que os defeitos esto muito concentrados em
poucos componentes e que algumas etapas do processo forno, pr-formatao e
112
Y1 = Curto de solda
Y2 = Insuficincia de solda
y2 = Deslocamento da pasta em
relao ao pad
Imprimir pasta de
solda PRINTER
Y3 = Ausncia de componentes
Y4= Ausncia de solda
Inserir componentes
FUJI
Produto em processo:
Placa com pasta de solda
Inserir componentes
GSM
Produto em processo:
Placa com componentes
Soldar componentes
FORNO
Produto em processo:
Placa com componentes
Produto final:
Placa com componentes
soldados
FIGURA 4.9 Mapa do processo SMT com foco na etapa de impresso da pasta de
solda
Observa-se, na FIGURA 4.9, que o primeiro ponto de controle deve estar localizado
aps a sada da PRINTER, ou seja, o que deve ser monitorado so os parmetros de
produto intermedirio; neste caso, a altura da pasta de solda (y1) e o deslocamento da
113
pesquisas mostram que para melhorar o rendimento obtido aps a etapa do forno
reparar a placa aps a impresso da pasta de solda mais barato do que aps a
A seguir ser apresentada a maneira como a empresa monitora estas variveis e uma
proposta de melhoria.
Situao encontrada
114
medida por um equipamento a laser especfico para este tipo de coleta, nele so
medidos seis pontos predefinidos pelo cliente geralmente pontos crticos localizados
nas extremidades da placa.
TABELA 4.1
Altura da pasta de solda (em mils) para trs diferentes tipos de produto
Pad 1
5,0
7,5
6,7
6,6
7,5
7,8
7,5
7,3
7,3
6,8
6,7
7,7
7,1
7,1
6,9
6,5
7,1
7,0
7,0
7,5
7,2
Pad 2
7,7
7,4
6,8
6,5
7,2
7,7
7,6
7,2
7,5
7,0
6,9
7,5
6,9
7,0
7,6
7,0
7,7
6,6
6,6
8,2
7,1
Pad 3
7,7
6,8
5,9
6,7
6,8
6,3
5,7
6,0
7,1
6,9
7,3
7,2
7,1
6,5
7,9
7,2
8,5
7,6
7,1
7,2
7,3
Pad 4
5,7
6,7
7,1
5,2
6,0
6,0
6,6
6,1
7,4
7,2
7,1
7,1
7,2
7,3
6,9
7,0
6,6
6,6
6,9
7,1
7,8
Pad 5
6,3
6,3
5,7
7,0
6,0
6,1
5,6
5,9
7,4
7,3
6,0
7,0
7,3
6,5
7,9
7,1
6,6
7,3
7,0
6,9
6,8
Pad 6
5,6
6,1
5,7
5,2
6,2
5,8
4,9
5,2
7,3
6,5
6,9
7,8
7,1
6,7
6,5
7,5
7,9
8,0
7,1
8,0
7,6
Produto
A
A
A
A
A
A
A
A
B
B
B
B
B
B
B
B
B
B
B
C
C
115
8,5
7,9
8,0
7,9
7,6
7,8
7,5
7,5
7,0
6,2
7,2
6,8
7,8
6,8
7,6
7,1
8,4
7,2
7,2
8,0
7,8
8,4
7,5
7,0
C
C
C
C
Sample Mean
7,5
UCL=7,378
6,5
Mean=6,435
5,5
LCL=5,493
Subgroup
Sample Range
UCL=3,908
3
2
R=1,95
1
LCL=0
Sample Mean
7,6
UCL=7,590
7,1
Mean=7,120
LCL=6,650
6,6
Sample Range
Subgroup
10
UCL=1,949
R=0,9727
LCL=0
116
UCL=8,128
Sample Mean
8,0
7,5
Mean=7,483
7,0
LCL=6,839
Subgroup
Sample Range
UCL=2,672
2
R=1,333
1
0
LCL=0
Entretanto, a equipe responsvel pelo estudo comeou a perceber que, da maneira como
este monitoramento estava sendo feito, algumas dificuldades estavam surgindo, tais
como o excessivo nmero de cartas de controle que dificultava o gerenciamento e a
conseqente tomada de ao e o excessivo tempo que se levava para a caracterizao do
processo para cada tipo de produto muitas vezes era necessrio esperar meses o que
invalidava a utilizao das cartas.
117
Assim, a nica concluso a que eles conseguiram chegar foi que a carta de controle no
tinha capacidade para detectar as mudanas ocorridas no processo; estava gerando um
trabalho excessivo e nenhuma melhoria estava sendo agregada.
A altura da pasta de solda era a nica varivel do processo SMT que a empresa
monitorava. O deslocamento da pasta no era monitorado e o rendimento final do
processo era calculado conforme discutido na seo 4.3.2.
Proposta de melhoria
A sugesto neste caso se d em trs etapas conforme TABELA 4.2: (1) trabalhar com a
mdia ( x ) dos 6 pontos coletados ou x = x ; (2) realizar a transformao dos dados =
x - N; (3) unificar os produtos em uma nica carta, x e AM, por exemplo.
118
TABELA 4.2
Altura da pasta de solda (em mils) para trs diferentes tipos de produto
Pad 1
Pad 2
Pad 3
Pad 4
Pad 5
Pad 6
Mdia
5,0
7,5
6,7
6,6
7,5
7,8
7,5
7,3
7,3
6,8
6,7
7,7
7,1
7,1
6,9
6,5
7,1
7,0
7,0
7,5
7,2
8,5
7,9
8,0
7,9
7,7
7,4
6,8
6,5
7,2
7,7
7,6
7,2
7,5
7,0
6,9
7,5
6,9
7,0
7,6
7,0
7,7
6,6
6,6
8,2
7,1
7,6
7,8
7,5
7,5
7,7
6,8
5,9
6,7
6,8
6,3
5,7
6,0
7,1
6,9
7,3
7,2
7,1
6,5
7,9
7,2
8,5
7,6
7,1
7,2
7,3
7,0
6,2
7,2
6,8
5,7
6,7
7,1
5,2
6,0
6,0
6,6
6,1
7,4
7,2
7,1
7,1
7,2
7,3
6,9
7,0
6,6
6,6
6,9
7,1
7,8
7,8
6,8
7,6
7,1
6,3
6,3
5,7
7,0
6,0
6,1
5,6
5,9
7,4
7,3
6,0
7,0
7,3
6,5
7,9
7,1
6,6
7,3
7,0
6,9
6,8
8,4
7,2
7,2
8,0
5,6
6,1
5,7
5,2
6,2
5,8
4,9
5,2
7,3
6,5
6,9
7,8
7,1
6,7
6,5
7,5
7,9
8,0
7,1
8,0
7,6
7,8
8,4
7,5
7,0
6,3
6,8
6,3
6,2
6,6
6,6
6,3
6,3
7,3
7,0
6,8
7,4
7,1
6,9
7,3
7,1
7,4
7,2
7,0
7,5
7,3
7,9
7,4
7,5
7,4
Valor
= Mdia
Nominal
- VN
(VN)
5
1,3
5
1,8
5
1,3
5
1,2
5
1,6
5
1,6
5
1,3
5
1,3
6
1,3
6
1,0
6
0,8
6
1,4
6
1,1
6
0,9
6
1,3
6
1,1
6
1,4
6
1,2
6
1,0
7
0,5
7
0,3
7
0,9
7
0,4
7
0,5
7
0,4
Nota: produto A = valor nominal 5, produto B = valor nominal 6 e produto C = valor nominal 7.
Pode-se dizer que a maior vantagem de se trabalhar com as cartas sugeridas est no fato
de poder agrupar em uma nica carta vrios produtos de caractersticas diferentes e
mesmo assim ela ser capaz apontar distores no processo.
119
Uma outra questo que deve ser ressaltada que nas cartas x e R utilizadas pela
empresa, a variao estava sendo monitorada dentro de cada placa e no entre placas,
que o mais indicado. As cartas x e AM transformadas j so capazes de avaliar a
variao entre as placas, que nada mais do que a real variao do processo.
Individual Value
UCL=1,818
Mean=1,076
LCL=0,3335
1
0
Subgroup
10
15
20
25
1,0
Moving Range
UCL=0,9121
0,5
R=0,2792
0,0
LCL=0
120
Aproveitando este banco de dados, a sugesto utilizar, neste ponto de inspeo, uma
carta de controle para a proporo de placas defeituosas (Carta p), para que esta varivel
seja constantemente monitorada. Alm disso, quando a carta apresentar alguma
distoro, um diagrama de Pareto com a descrio dos defeitos deve ser construdo
para auxiliar na tomada de aes corretivas durante a produo. A FIGURA 4.14 ilustra
esta idia.
A tomada de aes corretivas durante a produo acarreta, muitas vezes, em uma srie
de alteraes nos parmetros de processo que, na maioria dos casos, feita sem critrios
especficos e de maneira desordenada. Estas constantes modificaes sem o
conhecimento detalhado das relaes entre as variveis envolvidas no processo fazem
com que o resultado final e a garantia da qualidade do produto no sejam plenamente
atendidos.
121
Proportion
0,02
LSE = 0,01
0,01
0,00
0
10
20
6000
100
5000
80
Count
4000
60
3000
40
Percent
Sample Number
2000
20
1000
Defect
Count
Percent
Cum %
rto
Cu
s
de
2499
41,7
41,7
a
old
ic
nif
Da
o
ad
1994
33,2
74,9
Ins
c.
uf i
lda
so
de
842
14,0
88,9
n
s
Au
cia
de
.
mp
co
664
11,1
100,0
122
A empresa ajusta os parmetros do processo sobre dois focos: (1) produto existente que
precisa ser melhorado e (2) produto novo, ou seja, como a empresa trabalha na etapa do
projeto do processo.
Depois de feito o ajuste, o engenheiro do processo apareceu para avaliar o que estava
acontecendo, e constatou que a causa do problema era que a placa, por ser muito fina,
estava flambada (empenada), o que estava gerando um excesso de deposio de solda
nas extremidades. Assim, comearam as especulaes para ajuste dos parmetros.
1a sugesto: aumentar a presso dos rodos para alinhar a placa, fazendo com que a pasta
fosse colocada na mesma quantidade em todos os pontos. Essa sugesto no foi vivel,
pois a presso j estava muito alta.
15
Este foi o relato de uma situao presenciada pela pesquisadora antes da interveno.
123
Diante destes fatos, conclui-se que a empresa no possui critrio especfico para ajustar
os parmetros dos processos, nem, tampouco, um conhecimento detalhado das relaes
de causa e efeito e um nivelamento de conhecimento entre tcnicos e engenheiros de
processo.
124
Com estas informaes, a equipe planejou e realizou um experimento cujo objetivo final
era encontrar o nvel de cada fator que resultasse em curto de solda = 0 e ausncia de
solda = 0. A maneira como foram conduzidos os ensaios e o resultado final podem ser
observados a seguir.
TABELA 4.3
Configurao inicial da mquina
Fatores
1. Onda laminar
2. Onda turbulenta
3. Tanque de solda
4. Pr-aquecedores
5. Velocidade da esteira
6. Vazo do fluxo
Nveis
Resultado
Curto de solda Ausncia de solda
7,9
Desligada
245 C
310 e 305 C
1,2 m/min
60 ml/min
TABELA 4.4
Mudana de 60 para 70ml/min na vazo do fluxo
Fatores
1. Onda laminar
2. Onda turbulenta
3. Tanque de solda
4. Pr-aquecedores
5. Velocidade da esteira
6. Vazo do fluxo
Nveis
7,9
Desligada
245 C
310 e 305 C
1,2 m/min..
70 ml/min
Resultado
Curto de solda Ausncia de solda
Observou-se que, com 70 ml/min. o resultado foi mais favorvel. Assim, esse valor foi
fixado e realizou-se um novo ensaio.
125
TABELA 4.5
Mudana de 305 e 310 para 375 e 380 na temperatura dos pr-aquecedores
Fatores
1. Onda laminar
2. Onda turbulenta
3. Tanque de solda
4. Pr-aquecedores
5. Velocidade da esteira
6. Vazo do fluxo
Nveis
Resultado
Curto de solda Ausncia de solda
7,9
Desligada
245 C
375 e 380 C
1,2 m/min
70 ml/min
16
Observou-se que, com 375 e 380C, o resultado obtido foi pior quanto ausncia de
solda. Assim, fixou-se no valor anterior (305 e 310C) e realizou-se um novo ensaio.
TABELA 4.6
Mudana de 1,2 para 1,0 m/min na velocidade da esteira
Fatores
Nveis
1. Onda laminar
2. Onda turbulenta
3. Tanque de solda
4. Pr-aquecedores
5. Velocidade da esteira
6. Vazo do fluxo
7,9
Desligada
245 C
305 e 310 C
1,0 m/min
70 ml/min
Resultado
Curto de solda Ausncia de solda
19
Observou-se que, com 1,0 m/min, o resultado obtido foi pior. Assim, retornou-se para
1,2 m/min, fixou-se neste valor e realizou um novo ensaio.
126
TABELA 4.7
Mudana de desligado para 5,0 na onda turbulenta
Fatores
Nveis
1. Onda laminar
2. Onda turbulenta
3. Tanque de solda
4. Pr-aquecedores
5. Velocidade da esteira
6. Vazo do fluxo
Resultado
Curto de solda Ausncia de solda
7,9
5,0
245 C
305 e 310 C
1,2 m/min
70 ml/min
Observou-se que, com 5,0, o resultado foi melhor do que desligada. Optou-se, ento,
por deix-la ligada e ainda tentar um novo ensaio com 4,8 de onda turbulenta.
TABELA 4.8
Mudana de 5,0 para 4,8 na onda turbulenta.
Fatores
1. Onda laminar
2. Onda turbulenta
3. Tanque de solda
4. Pr-aquecedores
5. Velocidade da esteira
6. Vazo do fluxo
Nveis
7,9
4,8
245 C
305 e 310 C
1,2 m/min
70 ml/min
Resultado
Curto de solda Ausncia de solda
Observou-se que, com 4,8, o resultado foi ainda melhor. Assim, resolveu-se adotar esta
configurao para os fatores analisados e finalizar o estudo, mesmo com a presena do
defeito curto de solda.
Ao final deste estudo, torna-se necessrio ressaltar dois comentrios: (1) durante a
realizao dos ensaios, os fatores onda laminar e tanque solda permaneceram fixos e (2)
o objetivo inicial do estudo no foi alcanado. Como justificativa, o engenheiro de
127
Proposta de melhoria
128
Y1 = Curto de solda
Y2 = Insuficincia de solda
y2 = Deslocamento da pasta em
relao ao pad
Imprimir pasta de
solda PRINTER
Y3 = Ausncia de componentes
Y4= Ausncia de solda
Inserir componentes
FUJI
Produto em processo:
Placa com pasta de solda
Inserir componentes
GSM
Produto em processo:
Placa com componentes
Soldar componentes
FORNO
Produto em processo:
Placa com componentes
Produto final:
Placa com componentes
soldados
FIGURA 4.15 Mapa do processo SMT com foco na etapa de impresso da pasta de
solda
A partir das informaes obtidas com a anlise apresentada na FIGURA 4.15 e da
experincia da equipe, conclui-se que se pode executar um planejamento, um
129
experimento fatorial fracionado 24-1, com os seguintes fatores: (1) freqncia da limpeza
automtica do stencil, (2) idade da pasta de solda, (3) temperatura da pasta de solda e
(4) velocidade do rodo. Neste caso, as interaes de terceira ordem provavelmente no
sero significativas e as interaes de segunda ordem podero ser estimadas com um
baixo nmero de ensaios.
Para os demais fatores que foram classificados como prioritrios, outras aes devem
ser implantadas. No caso da abertura dos orifcios do stencil, deve-se fazer uma
avaliao da qualidade do stencil fornecido; para a qualidade da limpeza manual do
stencil, deve-se realizar um treinamento intensivo com os tcnicos responsveis, e no
caso da presso do rodo, sabe-se que existe uma forte correlao entre esta varivel e a
velocidade do rodo. Assim, torna-se desnecessrio realizar um experimento com as duas
variveis, pois o resultado obtido com a velocidade poder ser estendido para a presso.
Ausncia de componentes
Ausncia de solda
Solda fria
Pesos
Abertura dos orifcios do stencil
Qualidade da limpeza manual do stencil
Freqncia da limpeza automtica do stencil
Idade da pasta de solda
Temperatura da pasta de solda
Velocidade do rodo
Presso do rodo
Snap off (distncia)
Snap off (velocidade)
Posio dos pinos de apoio
Insuficincia de solda
Causa potencial
Curto de solda
Problemas prioritrios
10
4
4
4
4
4
4
4
1
1
2
8
4
4
4
4
4
4
4
1
1
2
6
4
4
4
4
4
4
4
1
1
2
4
4
4
4
4
4
4
4
1
1
1
2
0
0
0
0
4
0
0
0
0
0
Priorizao
112
112
112
112
120
64
112
16
16
52
Legenda
4 - Correlao forte
2 - Correlao moderada
1 - Correlao fraca
0 - Correlao ausente
130
TABELA 4.9
Planejamento dos experimentos 24-1
Ordem Ordem Freqncia Velocidade Idade da Temperatura
padro do ensaio de limpeza
do rodo
pasta (h) da pasta (oC)
1
4
3
0,5
1
22
2
7
7
0,5
1
27
3
3
3
2,5
1
27
4
6
7
2,5
1
22
5
5
3
0,5
6
27
6
1
7
0,5
6
22
7
8
3
2,5
6
22
8
2
7
2,5
6
27
Desta forma, a equipe poder detectar e estimar as interaes, caso elas ocorram, e se
no for o caso, obter uma maior preciso das estimativas dos efeitos.
131
QUADRO 4.3
Resumo da situao encontrada na empresa e das propostas sugeridas, com o enfoque na
melhoria da qualidade e no projeto do processo
SEO
SITUAO ENCONTRADA
PROPOSTA APRESENTADA
4.3.1
4.3.2
4.3.3
4.3.4
4.3.5
4.3.6
132
Projeto do
processo (4.4.1)
Melhoria do
processo (4.4.3)
rvore
de falha
Comp.
Defeitos
Processo
Componentes
FMEA de
Processo
Processo
Comp.
crticos
Defeito/
Comp.
PokaYoke
Sim
Soluo
simples?
No
Mapa do processo crtico
y1 ...
y2 ...
y3 ...
rvore
de falha
Processo 1
DOE
PC
.
.
.
Processo k
Entrada
x1 ...
x2 ...
x3 ...
PROCESSO
Y1 ...
Y2 ...
Y3 ...
x1 ...
x2 ...
x3 ...
x1 ...
x2 ...
x3 ...
Sada
rvore
de falha
Carta p
Proporo de
peas defeituosas
LSE
LSC
LM
LIC
No
Processo
capaz?
Sim
Monitoramento do
processo (4.4.2)
Carta de controle para
pequenos lotes
Carta p
LSC
LM
LIC
Proporo de
peas defeituosas
Parmetros de produto
intermedirio (ys)
No
Sim
Liberar para
produo
As aes foram
suficientes para
solucionar o
problema?
Tratamento de
anomalias
LSE
LSC
Aes
corretivas
LM
LIC
Defeitos
133
134
levantamento dos processos mais crticos, assim, para estas etapas torna-se necessria a
elaborao de um FMEA de processo com o objetivo de se vislumbrar solues (PokaYoke) que possam bloquear os defeitos na linha de produo.
135
produo e, em caso de alguma anomalia detectada, ela seja capaz de atuar rapidamente
no processo, de maneira que o rendimento final fique pouco afetado, ou seja, que o
nmero de defeitos seja o menor possvel.
Para isso sero utilizadas cartas de controle para pequenos lotes para a avaliao dos
parmetros de processo, como por exemplo, a altura da pasta de solda. E para a
avaliao da capacidade do processo ser utilizada a carta de controle para a proporo
de peas defeituosas Carta p.
136
Para os processos mais complexos que necessitam ser re-projetados, deve-se elaborar o
mapa ressaltando os parmetros de produto intermedirio (ys), os parmetros de
produto final (Ys) e os parmetros de processo (xs). Com estes ltimos planeja-se um
experimento fatorial com o enfoque no re-ajuste dos parmetros.
137
De maneira geral, observa-se o papel da qualidade (FIGURA 4.18) como o elo entre os
clientes e o processo. Ou seja, o setor gerencia o desempenho de cada cliente
separadamente, armazena as informaes comuns a todos os clientes, analisa o que pode
ser implementado no processo de maneira que a melhoria seja simultnea para todos os
clientes.
INFORMAES
CLIENTE A
INFORMAES
CLIENTE B
INFORMAES
CLIENTE C
INFORMAES
CLIENTE D
MELHORIA
CLIENTE A
MELHORIA
CLIENTE B
MELHORIA
CLIENTE C
MELHORIA
CLIENTE D
138
A partir desta situao, foi estabelecido o objetivo desta pesquisa que constituiu em
construir uma metodologia de controle estatstico de processo, que auxiliasse as
empresas com a caracterstica de alto mix de produtos e baixo volume de produo a
garantir a eficcia de seus processos e operaes.
139
produtivo;
anlise de dados;
Como sugesto para trabalhos futuros, esta mesma metodologia pode ser aplicada em
indstrias de montagem, que possuem como caracterstica de qualidade, a ausncia de
falhas. Tambm pode ser aplicada com algumas adaptaes empresas cuja
caracterstica de qualidade sejam variveis contnuas com limites de especificaes do
produto, dado que a linha de raciocnio muito similar para ambas as empresas.
Em relao ao baixo volume de produo e alto mix de produtos percebe-se que o seu
maior impacto nas cartas de controle para o monitoramento dos processos, as demais
ferramentas podem ser usadas sem grandes modificaes desde que convenientemente
selecionadas.
140
6. SUMMARY
The objective of this paper is to develop an adequate methodology of statistical control
to be used in a low volume/ high mix manufacturing, searching in this way, to reduce
the re-work, improving the quality at a lower cost. This research was developed in an
electronic contract manufacturing company that competes in price, delivery lead time
and quality. Furthermore it needs to be aligned to its headquarter strategy about quality
system and compete against the others subsidiaries around the world. The specifics
objectives are build models to assist the activities of (1) design the process, (2) process
continuous improvement and (3) quality control, using, beyond the SPC, other tools as
Design of Experiments (DOE), Quality Function Deployment (QFD) and Failure Mode
and Analysis (FMEA).
141
7. REFERNCIAS BIBLIOGRFICAS
AKAO, Y. Introduo ao desdobramento da qualidade. Belo Horizonte: Fundao
Christiano Ottoni, 1996. 187 p.
AKAO, Y.; OHFUJI, T.; ONO, M. Mtodos de desdobramento da qualidade. Belo
Horizonte: Fundao Christianno Ottoni, 1997. 256 p.
BILBROUGH, B. The right tool for the job: determining the right-sized EMS provider
for your high-mix, low-volume work. Circuits Assembly, p.26-30 Nov. 2002.
BLACK, J. T. Cellular manufacturing systems reduce setup time, make small lot
production economical. Industrial Engineering, Norcross, p. 36-48, nov. 1983.
BNDES. Perspectivas para a microeletrnica no Brasil. BNDES, 1998.
BOTHE, D. R.; CULLEN, C. SPC for short production runs. Northville,
International Quality Institute, 1987.
BOX, G. E. P.; DRAPER N. R. Empirical model-building and response surfaces.
New York: John Wiley & Sons, 1987.
.; HUNTER, W. G; HUNTER, J. S. Statistics for experimenters: a introduction to
design, data analysis and model buiding. New York: John Wiley & Sons, 1978.
CASTILLO, E. D.; GRAYSON, J. M.; MONTGOMERY, D. C.; RUNGER, G. C. A
review of statistical process control techniques for short run manufacturing systems. In:
. Communications in statistics theory and methods, v. 11, n. 25, p. 2723-2737,
1996.
CHENG, L. C. et al. QFD: planejamento da funo qualidade. Belo Horizonte:
Fundao Christianno Ottoni, 1995. 261 p.
DE ROSE, L. J. Outsourcing trends in the electronics industry. Circuits Assembly, p.
S20-S23, Apr. 1997.
DRUMOND, F. B. Desdobramento da funo qualidade (QFD) e mtodos
estatsticos: uma abordagem integrada para o desenvolvimento de produtos em
indstrias de processos. 1997. 234 f. Tese (Doutorado) Escola de Engenharia
Departamento de Engenharia Metalrgica e de Minas, Universidade Federal de Minas
Gerais, Belo Horizonte, 1997.
DUNCAN, A. J. Industrial statistics and quality control. 4th ed. Homewood, Richard
D. Irwin, 1974.
142
143
MUELLER, G. From concept to design through production. Circuits Assembly, p.5459, Sept. 1997.
NETER, J.; WASSERMAN, E.; KUTNER, M. H. Applied linear statistical models,
regression, analysis of variance and experimental designs. Burr Ridge: Richard D.
Irwin, Inc., 1990.
NGO, P. Control charts for assembly operations. Circuits Assembly, p. 40-42 Sept.
1995.
OLIVEIRA, L. C. Uso integrado do mtodo QFD e de tcnicas estatsticas de
planejamento e anlise de experimentos na etapa do projeto do produto e do
processo. 1999. Dissertao (Mestrado) Programa de Ps-Graduao em Engenharia
de Produo, Universidade Federal de Minas Gerais, Belo Horizonte, 1999.
OWEN, M.; HAWTHORNE, J. Process control for solder paste deposition. SMT
Magazine, Jan. 2000.
PALADY, P. FMEA Anlise dos modos de falha e efeitos. Prevendo e prevenindo
problemas antes que ocorram. So Paulo: IMAM, 1997, 270 p.
PANDE, P. S.; NEUMAN, R. P.; CAVANAGH, R. R. The six sigma way: how GE,
Motorola and other top companies are honing their performance. New York: McGrawHill, 2000. 422 p.
PANORAMA setorial Componentes eletrnicos. Gazeta Mercantil, v. 1, 2, 3 e 4,
ago. 1999.
PEREZ-WILSON, M. Compreendendo o conceito, as implicaes e os desafios.
Traduo de Bazn Tecnologia e Lingstica. Rio de Janeiro: Qualitymark, 1999. 304 p.
Traduo de Six Sigma: understanding the concepts, implications and challenges.
RAMOS, A. W. Aplicao do controle estatstico de processos fabricao em
pequenos lotes. 1990. Dissertao (Mestrado) Programa de Ps-Graduao em
Engenharia de Produo, Universidade de So Paulo, So Paulo, 1990.
RIBEIRO, J. L. D.; CATEN, C. S. QFD como Ferramenta para Implantao do
Controle Integrado do Processo. In: I CONGRESSO BRASILEIRO DE GESTO DE
DESENVOLVIMENTO DE PRODUTOS, 1999. Anais... Belo Horizonte: CBGDP,
1999. p. 152-160.
RODRIGUEZ, R. N. Recent developments in process capability analysis. Journal of
quality technology, v. 24. 1992.
144
145
8. ANEXOS
TABELA 1
Converso para a escala Sigma
Rendimento
DPMO
Sigma
Rendimento
DPMO
Sigma
0,000
3,248
6,559
9,990
13,591
17,399
21,440
25,721
30,233
34,950
39,831
44,824
49,865
54,885
59,813
64,580
69,123
73,387
77,328
80,916
84,131
86,969
89,434
91,543
93,319
1000.000,00
967.515,49
934.409,27
900.101,73
864.094,80
826.006,34
785.597,15
742.788,99
697.672,15
650.502,20
601.686,09
551.758,47
501.349,97
451.150,83
401.870,81
354.199,42
308.770,21
266.129,98
226.715,72
190.840,24
158.686,95
130.313,11
105.660,53
84.571,86
66.810,63
0
0,125
0,250
0,375
0,500
0,625
0,750
0,875
1,000
1,125
1,250
1,375
1,500
1,625
1,750
1,875
2,000
2,125
2,250
2,375
2,500
2,625
2,750
2,875
3,000
94,792
95,994
96,960
97,725
98,321
98,778
99,123
99,379
99,567
99,702
99,798
99,865
99,911
99,942
99,963
99,977
99,986
99,991
99,995
99,997
99,998
99,999
99,999
100,000
52.083,14
40.060,13
30.396,84
22.750,35
16.793,40
12.224,51
8.774,50
6.209,70
4.332,50
2.979,82
2.020,21
1.349,97
889,09
577,09
369,13
232,67
144,52
88,44
53,33
31,69
18,55
10,70
6,08
3,40
3,125
3,250
3,375
3,500
3,625
3,750
3,875
4,000
4,125
4,250
4,375
4,500
4,625
4,750
4,875
5,000
5,125
5,250
5,375
5,500
5,625
5,750
5,875
6,000
146
TABELA 2
Fatores para clculo das linhas da carta de controle
Obs. na
amostra
n
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
D1
0
0
0
0
0
0,204
0,388
0,547
0,687
0,811
0,922
1,025
1,118
1,203
1,282
1,356
1,424
1,487
1,549
1,605
1,659
1,710
1,759
1,806
D2
3,686
4,358
4,698
4,918
5,078
5,204
5,306
5,393
5,469
5,535
5,594
5,647
5,696
5,741
5,782
5,820
5,856
5,891
5,921
5,951
5,979
6,006
6,031
6,056
D3
0
0
0
0
0
0,076
0,136
0,184
0,223
0,256
0,283
0,307
0,328
0,347
0,363
0,378
0,391
0,403
0,415
0,425
0,434
0,443
0,451
0,459
D4
3,267
2,574
2,282
2,114
2,004
1,924
1,864
1,816
1,777
1,744
1,717
1,693
1,672
1,653
1,637
1,622
1,608
1,597
1,585
1,575
1,566
1,557
1,548
1,541