Diss091 PDF

rika Pacheco Alves
COMO LIDAR COM A CARACTERSTICA DE BAIXO

VOLUME DE PRODUO E ALTO MIX DE PRODUTOS
NO CONTROLE ESTATSTICO DE PROCESSOS
Belo Horizonte
Escola de Engenharia da UFMG
2003
rika Pacheco Alves
COMO LIDAR COM A CARACTERSTICA DE BAIXO

VOLUME DE PRODUO E ALTO MIX DE PRODUTOS
NO CONTROLE ESTATSTICO DE PROCESSOS
Dissertao apresentada ao Curso de Mestrado em

Engenharia de Produo da Escola de Engenharia da
Universidade Federal de Minas Gerais, como
requisito parcial obteno do ttulo de Mestre em
Engenharia de Produo.
Linha de Pesquisa: Gesto pela Qualidade e
Desenvolvimento do Produto
Orientadora: Profa. Maria de Ftima Brant Drumond
Departamento de Estatstica UFMG
Belo Horizonte
Escola de Engenharia da UFMG
2003
DEDICATRIA
Aos meus pais, por todas as vezes que se

abdicaram de seus desejos para que eu
pudesse chegar at aqui.
minha orientadora e amiga Ftima Brant,

pela dedicao, incentivo e confiana.
AGRADECIMENTOS
A Deus, pela fora renovada a cada dia.

minha irm Cludia e minha sobrinha
Bruna, pelo carinho nos momentos mais
difceis.
Ao meu futuro marido Christiano, pelo
incentivo, carinho, pela compreenso nos
momentos de ausncia e, principalmente,
pela pacincia.
Ao professor Lin Chih Cheng, pelas sbias
palavras quando delas precisei.
empresa pesquisada, pela oportunidade e
pela troca de experincias.
Aos colegas da Werkema Consultores, pela
compreenso, apoio e incentivo.
minha famlia e amigos que, direta ou
indiretamente, me apoiaram durante este
trabalho.
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
4.4 RESULTADOS DA PESQUISA A METODOLOGIA PROPOSTA ............................................. 131

4.4.1 Projeto do processo .................................................................................................. 133
4.4.2 Monitoramento do processo ..................................................................................... 134
4.4.3 Melhoria do processo ............................................................................................... 135
4.4.4 Condies para o sucesso da metodologia na empresa ........................................... 136
5. CONCLUSES E SUGESTES PARA TRABALHOS FUTUROS ................................. 138
6. SUMMARY ......................................................................................................................................... 140
7. REFERNCIAS BIBLIOGRFICAS ........................................................................................ 141
8. ANEXOS .............................................................................................................................................. 145
LISTA DE FIGURAS
FIGURA 3.1 Converso do rendimento do processo para a escala sigma
26
FIGURA 3.2 Exemplo para o clculo do rendimento de primeira passagem
28
FIGURA 3.3 Exemplo de cartas de controle x (mdia) e R (amplitude)
31
FIGURA 3.4 Sntese das cartas de controle para monitoramento de processos
50
FIGURA 3.5 Caractersticas necessrias para se realizar uma avaliao da capacidade de

processos
51
FIGURA 3.6 Avaliao da capacidade de um processo cuja caracterstica a proporo de

itens defeituosos
55
FIGURA 3.7 Modelo geral de um processo ou sistema
57
FIGURA 3.8 Exemplo de um experimento fatorial completo 24
62
FIGURA 3.9 Anlise de regresso para os dados do EXEMPLO 3.3
66
FIGURA 3.10 Grficos para a anlise das suposies associadas aos resduos
67
FIGURA 3.11 Grfico de probabilidade normal dos efeitos
70
70
71
FIGURA 3.14 Sada do Minitab para o experimento fatorial fracionado 24IV1
75
FIGURA 3.15 Estimativa dos efeitos e dos coeficientes de regresso
76
76
FIGURA 3.17 Exemplo de um modelo conceitual para uma indstria de montagem
78
FIGURA 3.18 Aplicao do FTA e FMEA no projeto do produto
83
FIGURA 3.19 Desdobramento do custo
84
FIGURA 4.1 Fluxograma do processo de montagem de placas de circuito impresso
97
FIGURA 4.2 Capacidade do processo SMT TOP SIDE
102
FIGURA 4.3 Capacidade do processo SMT BACK SIDE
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
FIGURA 4.6 Principais defeitos encontrados na planta no perodo analisado
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
FIGURA 4.10 Carta de controle x e R para o produto A
115
FIGURA 4.11 Carta de controle x e R para o produto B
115
FIGURA 4.12 Carta de controle x e R para o produto C
116
FIGURA 4.13 Cartas de controle x e AM para os produtos A, B e C
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
FIGURA 4.17 Metodologia de controle estatstico de processo
132
FIGURA 4.18 O papel da gesto da qualidade
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
QUADRO 3.4 Definio e exemplos das principais resolues
74
QUADRO 4.1 Etapas para o desenvolvimento da pesquisa
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
TABELA 3.3 Estimativas dos efeitos e dos coeficientes de regresso
65
TABELA 3.4 Dados coletados no experimento fatorial completo 24 com uma rplica
69
TABELA 3.5 Estimativas dos efeitos e dos coeficientes de regresso
69
TABELA 3.6 Codificao para o planejamento fatorial completo 24
73
TABELA 3.7 Dados coletados no experimento fatorial fracionado
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
TABELA 4.3 Configurao inicial da mquina
124
TABELA 4.4 Mudana de 60 para 70ml/min na vazo do fluxo
124
TABELA 4.5 Mudana de 305 e 310 para 375 e 380 na temperatura dos pr-aquecedores
125
TABELA 4.6 Mudana de 1,2 para 1,0 m/min na velocidade da esteira
125
TABELA 4.7 Mudana de desligado para 5,0 na onda turbulenta
126
TABELA 4.8 Mudana de 5,0 para 4,8 na onda turbulenta.
126
TABELA 4.9 Planejamento dos experimentos 24-1
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.
Dentro do segmento industrial que apresenta estas caractersticas encontram-se muitas

ferramentarias, fundies, calderarias, empresas do setor eletroeletrnico, fabricantes de
peas automotivas, fabricantes de aeronaves, etc. At mesmo empresas fortemente
caracterizadas pela sua produo contnua como as cimentarias, por exemplo, esto
mudando suas caractersticas de produo em virtude da grande diversidade de produtos
exigidos pelos clientes. Observa-se, assim, que trabalhar com um alto mix de produtos e
um baixo volume de produo uma grande tendncia do mercado atual.
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.
1.1 Contribuio do estudo

Sabe-se que para atender o desempenho citado anteriormente, as empresas podem e
devem utilizar uma simples e poderosa ferramenta conhecida como controle estatstico
13
de processos e outras tcnicas estatsticas que visam, basicamente, reduo contnua

da variabilidade dos processos, auxiliando as empresas a atingir o padro de classe
mundial.
Entretanto, tradicionalmente as ferramentas estatsticas so utilizadas em empresas que

apresentam um processo de produo contnuo e, sobretudo, em larga escala, pois, para
se utilizar as ferramentas estatsticas clssicas com eficcia, necessrio que uma
grande quantidade de dados esteja disponvel. Porm, com a tendncia de os processos
se tornarem cada vez mais flexveis um mesmo equipamento produzindo diferentes
produtos com diferentes especificaes e gerarem uma quantidade de dados escassa,
as ferramentas precisam sofrer algumas adaptaes, tornando-se aplicveis, tambm
nessas situaes.
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).
Esta pesquisa foi desenvolvida em uma empresa de manufatura contratada do setor

eletroeletrnico e iniciou-se a partir da necessidade da prpria empresa de melhorar a
capacidade de seus processos para atender s especificaes dos diversos clientes,
diminuindo o retrabalho e, conseqentemente, aumentando seus ndices de qualidade e
reduzindo seus custos.
1.3 Estrutura da dissertao

Esta dissertao est estruturada da seguinte maneira: no Captulo 2, encontram-se os
componentes para a delimitao e a justificativa para a escolha do tema, como as
caractersticas e a estrutura do setor eletroeletrnico e as particularidades brasileiras; no
Captulo 3, uma breve reviso bibliogrfica das ferramentas de qualidade demandadas
pela pesquisa; no Captulo 4, as etapas e a metodologia de interveno na empresa e,
para finalizar, no Captulo 5, as concluses e sugestes para trabalhos futuros.
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.
2.1 O setor eletroeletrnico e a prestao de servios de manufatura

Nos ltimos anos, os setores produtivos mundiais tm passado por grandes mudanas
em seu perfil competitivo. Como no poderia deixar de ser, o setor eletroeletrnico um
dos que mais sentem o aumento desta competio e busca incessantemente a eficincia
operacional e tecnolgica, a fim de se obter custos mais baixos e processos mais
eficientes.
Em reao a esta busca de eficincia operacional e tecnolgica, as companhias

detentoras de tecnologia e conhecimento, conhecidas como OEMs (Original Equipment
Manufacturing), tm adotado com freqncia cada vez maior estratgias de
subcontratao de servios de manufatura em empresas especializadas, chamadas de

empresas de manufatura contratada, conhecidas tambm como Contract Manufacturing
ou ainda EMSs (Electronic Manufacturing Services)1. Com esta modalidade de arranjo
empresarial, cria-se uma distino entre a entidade detentora da tecnologia do produto e
aquela detentora da tecnologia do processo produtivo.
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
Definio do conceito do produto
OEM
Planejamento do produto
OEM
Projeto do produto
OEM
Projeto do processo
EMS
Produo de lote piloto
EMS
Produo em larga escala
EMS
Distribuio no mercado
OEM
O QUADRO 2.1 apresenta quais etapas do ciclo de desenvolvimento de produtos so de

responsabilidade das OEMs detentoras da marca e da patente do produto e quais
ficam a cargo das empresas prestadoras de servios EMS que desempenham etapas
operacionais importantes dentro da cadeia de fornecimento, como produo e logstica,
para as OEMs.
A empresa pesquisada atua no segmento de manufatura contratada (EMS). Este

segmento, apesar de relativamente novo2, tem apresentado taxas elevadas de
crescimento no Brasil e no mundo, sobretudo nos anos 90 do sculo 20 (KENTON,
1997; STURGEON, 1997).
As principais empresas do segmento so americanas e asiticas que, aproveitando o

crescimento econmico destas regies na dcada de 90 e a mudana de tecnologia de
Existem empresas no segmento que surgiram nas dcadas de 60 e 70 do sculo 20.
17
processo que ocorreu neste perodo, apresentaram crescimento de cerca de 500% no

perodo e continuaram apresentando taxas consistentes nos anos seguintes (GREEN,
1999).
Basicamente, o negcio de uma EMS prover servios industriais s empresas

detentoras de patente de um produto eletroeletrnico. Entende-se por servios
industriais atividades relacionadas manufatura do produto como fabricao,
montagem, logstica de matria-prima, logstica de produto acabado, dentre outras. O
escopo do seu servio depende das necessidades do cliente e sua estratgia de
manufatura.
2.2 Estrutura do setor e particularidades brasileiras

No Brasil, a Associao Brasileira da Indstria Eltrica e Eletrnica (ABINEE) divide o
setor eletroeletrnico em sete segmentos: automao comercial, componentes eltricos e
eletrnicos, equipamentos industriais, gerao, transmisso e distribuio de energia
eltrica, utilidades domsticas, informtica e telecomunicaes. Segundo o Banco
Nacional de Desenvolvimento Econmico e Social (BNDES, 1998), os dois ltimos
segmentos so os mais dinmicos na economia e tm apresentado um enorme
crescimento nos ltimos anos, tanto em nvel nacional como mundial.
O grande crescimento do setor iniciou-se na dcada de 80 e se acentuou nos anos 90 do

sculo 20. O fator determinante para isso foi a introduo de uma nova tecnologia de
montagem de placas de circuito impresso, a Surface Mount Technology3 (SMT). A
Esta tecnologia ser discutida no Captulo 4.
18
introduo desta nova tecnologia de processo aumentou consideravelmente a

necessidade de investimentos em equipamentos de montagem, instalaes industriais e
capacitao de mo-de-obra. De acordo com STERLING (1997) em 1995 e 1996, 3,2%
do faturamento das EMS foi re-investido em equipamentos e tecnologia.
As empresas EMSs tornaram-se parceiras das OEMs em sua estratgia de reduo de

custo e flexibilizao da manufatura, passando, por esse motivo, a ter de investir cada
vez mais em capacitao tcnica e capacidade de produo ao redor do mundo. Dois
fatores foram primordiais para o crescimento do segmento:
a adoo pelas OEMs do modelo de contratao de servio como forma de manter o
foco em suas atividades principais e
a participao cada vez maior das EMSs nas etapas do processo de manufatura.
Inclui-se a atividades como compras de matria-prima, montagem completa do

equipamento, testes e distribuio.
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
Para KUMAR (1999), o passo seguinte no desenvolvimento da relao ser as EMSs

oferecerem consultorias tecnolgicas s OEMs, a fim de trabalharem conjuntamente na
melhoria do produto e processo.
LYELL (1998) v as EMSs como importantes parceiras das OEMs, oferecendo a

flexibilidade necessria para o processo atravs da sua capacidade de integrao
vertical.
O impacto desta relao to recente e afeta to profundamente as relaes industriais

estabelecidas que STURGEON (1997) defende a teoria de que este modelo, ao qual ele
denominou de Turnkey Production Networks, seria o surgimento de um novo arranjo
industrial americano. Apesar de o modelo estar mais avanado no setor eletroeletrnico,
tambm tem se expandido em setores como brinquedos, semicondutores, alimentos e
farmacutico.
Na realidade, possvel ver similaridades quando se observa com mais cuidado a

atuao das principais EMSs. Por exemplo, a concentrao de seus centros de
competncia e desenvolvimento em pases desenvolvidos, pela maioria delas, e a
localizao das grandes plantas produtivas nos pases menos desenvolvidos e com
custos operacionais mais baixos, como Mxico, China, Hungria e Brasil.
A atuao destas grandes empresas no Brasil comeou timidamente na segunda metade

da dcada de 90 do sculo passado e avanou nos anos seguintes. Hoje so as principais
empresas do segmento no pas operando como um brao operacional das matrizes
(FLEURY, 1999).
20
2.3 A escolha do tema pesquisado

FLEURY (1999) definiu uma empresa como brao operacional daquela que segue os
planos estabelecidos pela matriz e opera de acordo com critrios preestabelecidos.
Diante deste cenrio, observa-se a importncia de as EMSs possurem um controle de

processo que seja capaz de atender as caractersticas do setor e principalmente garantir o
atendimento de todas as especificaes impostas pelas OEMs. Dessa forma, o desafio
proposto para este tipo de empresa possuir um processo capaz, gil e flexvel para
implementao de mudanas, fazendo disso uma vantagem competitiva (STALK,
1998).
A flexibilidade comentada por STALK (1998) relacionada caracterstica de alto mix

de produtos e um baixo volume de produo fez com que surgisse um contexto
interessante para a proposio de uma metodologia baseada em ferramentas estatsticas.
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
relaes de causa e efeito dentro do processo, com o objetivo principal de minimizar o

tempo e aumentar a confiabilidade das etapas de projeto do processo e preparao para a
21
produo e (5) desdobramento da funo qualidade/ FMEA facilitar a visualizao dos

modos de falha de produtos e processos e a anlise de suas relaes com a qualidade
exigida pelas OEMs, tornando mais simples e preciso o processo de tomada de deciso.
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.
Dentre as vrias vantagens de se trabalhar com mtricas criteriosamente selecionadas,

pode-se destacar: (1) possibilitam, dentro de uma mesma organizao, a comparao do
desempenho de diferentes etapas do processo, indicando, conseqentemente, possveis
gargalos e pontos de melhoria; (2) permitem a comparao do desempenho atual do
processo com uma meta estabelecida pela diretoria ou pelo cliente; (3) possibilitam o
acompanhamento da estabilidade do processo; e (4) permitem comparar e localizar a
empresa com relao a seus concorrentes, de acordo com seus nveis de qualidade.
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.
Unidade: um produto (bem ou servio) que ser avaliado de acordo com as

caractersticas exigidas pelo cliente.
Defeito: uma falha em atender uma especificao do cliente.
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.
Oportunidade de defeito: cada especificao exigida pelo cliente representa uma

oportunidade para ocorrncia de um defeito.
3.1.1 Mtricas baseadas em defeituosos unidades que contm um

ou vrios defeitos
Estas medidas so indicadas para situaes em que a presena de qualquer defeito seja
altamente prejudicial imagem do produto.
As duas principais mtricas baseadas em defeituosos so proporo de defeituosos ou

proporo defeituosa e rendimento final (final yield), representados por p e Yfinal,
respectivamente.
24
Os clculos devem ser feitos de acordo com as seguintes equaes:
p=
nmero de unidades defeituosas

nmero total de unidades avaliadas
Yfinal = 1 proporo de defeituosos
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
Outra mtrica utilizada no setor eletroeletrnico o rendimento combinado ou Yield

combinado que consiste na multiplicao dos rendimentos finais de todos os processos.
Por exemplo, se uma empresa possui 4 processos e o rendimento final de cada um
respectivamente 95, 80, 99, e 85% , o rendimento combinado ser igual a 0,95 x 0,80 x
0,99 x 0,85 = 0,64 = 64%.
3.1.2. Mtricas baseadas em defeitos

As principais mtricas baseadas em defeitos so defeitos por unidade (DPU), defeitos
por oportunidade (DPO), defeitos por milho de oportunidades (DPMO) e defeitos por
mil oportunidades (DPTO).
Os clculos devem ser feitos de acordo com as seguintes equaes:
25
DPU =
nmero de defeitos
nmero de unidades avaliadas
DPO =
nmero de defeitos
nmero de unidades avaliadas nmero de oportunidades
DPMO = DPO x 106
DPTO = DPO x 103
Escala Sigma: esta mtrica se baseia na quantidade de sigmas (desvios-padro)
existentes entre a mdia do processo e seus limites de especificao e pode ser

obtida por meio do valor do rendimento (Yfinal) ou do DPMO encontrado no
processo.
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%
FIGURA 3.1 Converso do rendimento do processo para a escala sigma5
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
Durante a avaliao do desempenho de seu processo, uma fbrica de leitores de carto

magntico encontrou 90 defeitos dentre os 500 leitores produzidos, sendo que cada
Na TABELA 1 em ANEXO encontram-se outros valores de rendimento e DPMO convertidos

para a Escala Sigma.
27
leitor apresentava 200 oportunidades de defeito. Uma informao relevante para

localizar o desempenho deste processo na Escala Sigma que a mdia est deslocada
em relao ao valor nominal em 1,5. Diante desta situao, os valores encontrados
foram os seguintes:
DPU =
90
= 0,18
500
DPMO = 0,0009 x 106 = 900
DPO =
90
= 0,0009
500 200
Escala Sigma = 4,63
Os ndices apresentados at ento representam medidas de resultados do final do

processo. Se por um lado, essas medidas so as mais indicadas para avaliar a eficcia
dos processos em atender as necessidades de clientes, por outro, no indicam o
desempenho de cada etapa do processo. Para isso, necessrio o clculo de medidas
internas que quantificam o refugo e/ou o retrabalho que ocorre ao longo do processo.
3.1.3 Mtricas de rendimento interno

A medida mais adequada para avaliar o desempenho interno de um processo o
rendimento de primeira passagem, mais conhecida como First Pass Yield (FPY) ou
ainda Rolled Throughput Yield (RTY). Para o melhor entendimento desta mtrica ser
considerado o processo apresentado na FIGURA 3.2.
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
FIGURA 3.2 Exemplo para o clculo do rendimento de primeira passagem

FONTE WERKEMA, 2002. p. 152.
Observa-se, na FIGURA 3.2, que, de acordo com os dados coletados na sada do

processo, o rendimento final de aproximadamente 87%, como detalhado a seguir.
Yfinal = 1- proporo de defeituosos Yfinal = 1 (190/1500) Yfinal = 1 0,13 Yfinal

= 0,87 x 100 Yfinal = 87%. Das 1.500 unidades 1.310 no apresentaram defeitos no
final do processo.
Examinando as etapas internas do processo, observam-se os seguintes rendimentos para

cada subprocesso:
100
Yetapa1 = 1
100
1500
Yetapa1 = 93%
210
Yetapa 2 = 1
100
1400
Yetapa 2 = 85%
Calculando o First Pass Yield, temos:
50
Yetapa 3 = 1
100
1190
Yetapa 3 = 96%
29
Unidades refugadas + Unidades retrabalhadas

FPY = 1
100
Unidades de entrada
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%.
Existe uma diferena entre o rendimento final (87%) e o rendimento de primeira

passagem (76%), uma vez que a segunda mtrica no considera apenas as peas
refugadas mas tambm os defeitos reparados ao longo do processo, o que no ocorre no
clculo do rendimento final. Observa-se, ento, que o clculo do rendimento final est
ocultando os defeitos reparados ao longo do processo. Quando esta mtrica utilizada,
os custos associados ao retrabalho denominado fbrica escondida no so
considerados.
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
3.2 Cartas de controle para pequenos lotes6

As cartas de controle foram desenvolvidas na segunda metade da dcada de 20 do
sculo passado pelo Dr. Walter A. Shewhart que, por meio de seus estudos, descobriu
que todos os processos apresentam variao e esta pode ser provocada por causas
comuns inerentes ao processo ou causas especiais que surgem esporadicamente.
Assim, a carta de controle foi criada para auxiliar no monitoramento da variabilidade e

da estabilidade de um processo. Ela consiste de uma linha mdia (LM), um limite
superior de controle (LSC), um limite inferior de controle (LIC) que so estabelecidos a
partir da mdia 3 desvios-padro e dos pontos da caracterstica de controle traados no
grfico ao longo do tempo (FIGURA 3.3).
A FIGURA 3.3 apresenta as cartas de controle mais utilizadas que so a carta da mdia
x e a carta da amplitude R, cujos objetivos so controlar a mdia e a variabilidade do

processo, respectivamente. Estas cartas devem ser empregadas ao mesmo tempo.
Na carta
xi =
x , o ponto grafado obtido por meio da seguinte equao:
x i1 + x i 2 + ... + x in
, i = 1,2,..., m , em que m a quantidade de amostras e n o
n
tamanho de cada amostra. E na carta R, a amplitude de cada amostra obtida por Ri =

maior valor da amostra menor valor da amostra.
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
FIGURA 3.3 Exemplo de cartas de controle x (mdia) e R (amplitude)
As equaes utilizadas para a construo das cartas de controle so as seguintes:

Controle da mdia ( x )
Controle da disperso (R)
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
constantes apresentadas em funo do tamanho da amostra e so citadas na TABELA 1

em ANEXO.
32
Quando o tamanho de cada amostra superior a 10 a amplitude amostral R torna-se

menos eficiente para estimar , assim uma alternativa utilizar o desvio padro
amostral s.
Na carta
xi =
x , o ponto grafado obtido por meio da seguinte equao:
x i1 + x i 2 + ... + x in
, i = 1,2,..., m , em que m a quantidade de amostras e n o
n
tamanho de cada amostra. E na carta s, o estimado com base no desvio padro

amostral mdio s , definido por s =
1 n
1 m
s i , sendo que s i =
( xij x i ) 2 . Uma
m i =1
n 1 j =1
estimativa para o desvio padro =
s
, onde c4 um fator de correo, tabelado em
c4
funo do tamanho n de cada amostra.
O clculo dos limites de controle para estas cartas pode ser observado nas equaes a
seguir.
Controle da disperso (s)
LSC x = x + A3 s
LSC s = B4 s
LM x = x
LM s = s
LIC x = x A3 s
LIC s = B3 s
em que A3, B3, e B4 so constantes apresentadas em funo do tamanho da amostra e so

citadas na TABELA 1 em ANEXO.
33
O principal objetivo das cartas de controle detectar rapidamente a ocorrncia de

causas especiais no processo, de modo que a ao corretiva seja tomada antes que
muitos produtos defeituosos sejam fabricados. Assim, para que estas cartas exeram sua
funo de forma plena, algumas suposies devem ser consideradas, como, por
exemplo, (1) o nmero de amostras para estabelecer os limites de controle deve ser no
mnimo igual a 20 ou 25 e cada uma contendo pelo menos 4 pontos e (2) os dados
devem seguir uma distribuio aproximadamente normal.
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.
3.2.1 Cartas de controle para variveis

Variveis so caractersticas cujo resultado est associado a algum tipo de medio,
como, por exemplo, velocidade, tempo, comprimento, resistncia, etc.
Carta delta, nominal ou DNOM
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 =
Ponto = =
i =1
Ponto = R = max min

em que max o valor
em que n o tamanho da
mximo e min o mnimo
amostra.
de cada diferena.
si =
1 n
( ij ) 2
n 1 j =1
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
Durante a construo dessas cartas, devem ser observadas as seguintes suposies:
as medidas individuais das peas produzidas devem ser independentes e
provenientes de uma populao com distribuio aproximadamente normal;
os diferentes produtos marcados na carta devem ter a mesma disperso;
o tamanho da amostra deve ser constante;
35
deve-se empregar a carta do desvio padro (s) para o controle da disperso, quando
o tamanho da amostra for superior a 10 unidades;
um mnimo de 25 amostras, de tamanho 4 ou 5, devem estar disponveis, antes de se
calcular os limites de controle;
o valor nominal (N) especificado pela engenharia assumido como sendo o melhor
valor para a caracterstica em questo.
Carta alvo ou target
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.
Seus limites de controle permanecem os mesmos das cartas anteriores, apenas

substituindo o por D, como pode ser visto nas frmulas a seguir.
36
Controle da mdia ( D )

Ponto =
Ponto = D =
D
i =1
Ponto = R = Dmax Dmin

em que max o valor
mximo e min o mnimo
amostra.
de cada diferena.
si =
1 n
( Dij D) 2
n 1 j =1
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.
Carta padronizada ou pequenos lotes
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.
A tcnica em questo consiste na utilizao dos valores histricos da centralizao e

disperso do processo como forma de compensar eventuais diferenas existentes, ou
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.
Observa-se que, nos clculos a seguir, os valores empregados na padronizao das

medidas so estimativas da mdia e da disperso do processo, obtidas a partir de dados
histricos para cada tipo de produto fabricado.
Ponto =
xx
R

Ponto =
R
R

Ponto =
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.
Padronizao do tamanho de amostra
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.
Ponto =
xx
ni
s
em que x a mdia
ponderada
das
mdias
amostrais, usando como

pesos seus respectivos
tamanhos amostrais.

R
d2
s
Ponto =
d3
em que o termo R / d 2
s
c4
s
Ponto =
c5
uma estimativa do desviopadro populacional
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.
Medidas individuais codificadas ou carta padronizada para valores individuais
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).
A seguir, o clculo dos limites de controle.

Controle da mdia ( )
LSC x = x + 3
AM
d2
LM x = x
AM
LSC x = x 3
d2
Subtraindo-se o valor nominal

(N) de todos os termos da
desigualdade e adotando-se a
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
Pode-se verificar que AM =
LM R = AM
nmero total de amostras e m o nmero de amostras
LIC R = D3 AM
consideradas no clculo da amplitude mvel.
Antes de se construir essas cartas algumas pontos relevantes devem ser observados:
as medidas individuais devem ser independentes e possuir distribuio

aproximadamente normal;
40
assim como as tcnicas nominal e alvo vistas anteriormente, neste caso,

importante que todos os produtos fabricados no equipamento tenham a mesma
disperso;
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;
as cartas de controle para as medidas individuais codificadas so pouco sensveis

presena de causas especiais.
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.
Mdias mveis codificadas
Observou-se na tcnica descrita anteriormente que uma de suas limitaes em relao

sua falta de sensibilidade para se detectar causas especiais. Entretanto, se forem
41
adotadas mdias mveis, a nova carta de controle acusar mais rapidamente uma
possvel falta de estabilidade do processo.
Utilizando o mesmo raciocnio das medidas individuais codificadas e acrescentando as

mdias mveis codificadas, obtemos os seguintes limites de controle:
Controle da mdia ( xm )
Subtraindo-se
LSC x = xm + A2 AM
nominal (N) de todos os
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
Pode-se verificar que AM =
LM R = AM
nmero total de amostras e m o nmero de amostras
LIC R = D3 AM
consideradas no clculo da amplitude mvel.
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.
Soma acumulada ou cusum charts
A eficcia desta tcnica se d pela incorporao de todas as informaes da amostra. Na

carta, cada ponto representa a soma acumulada dos desvios de cada valor em relao ao
42
alvo. Assim, os valores a serem grafados devem ser transformados da seguinte maneira:
i
C i = ( x j 0 ) , em que x j a mdia da j-sima amostra e 0 o alvo para a mdia

j =1
do processo.
Neste caso, onde o interesse monitorar a mdia do processo, os limites de controle so

baseados nas seguintes frmulas: LIC x = h
e LSC x = h
, em que h o
intervalo de deciso para verificar se o processo est ou no sob controle, segundo

MONTGOMERY (2001), geralmente assume o valor 5 e m o tamanho do subgrupo,
ressaltando que esta tcnica mais utilizada para medidas individuais.
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.
A tcnica em questo no usada apenas em variveis que possuem uma distribuio

normal, tambm pode ser utilizada para variveis que apresentam distribuio binomial
ou de Poisson, para modelar produtos no-conformes e falhas do processo.
43
Mdia mvel suavizada exponencialmente ou exponentially weighted moving

average control chart (EWMA)
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.
A definio da mdia mvel suavizada exponencialmente dada pela seguinte frmula:

z i = x i + (1 ) z i 1 , em que 0 < 1 uma constante, e o valor inicial o alvo do
processo de modo que z 0 = 0 . Os limites de controle so definidos como
LSC = 0 + L
(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 )
A TABELA 3.1 apresenta algumas sugestes de valores para e L, conforme estudos

de LUCAS e SACCUCCI (1990), citados em MONTGOMERY (2001).
Observa-se que os parmetros e L so mltiplos de sigma e possvel escolh-los

juntamente com tamanho mdio da amostra (average run lengths - ARL). Segundo
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
FONTE MONTGOMERY, 2001. p. 431.
Pr controle ou zone charts
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.
Alguns comentrios relevantes sobre esta tcnica: (1) no auxilia na reduo da

variabilidade das caractersticas de qualidade da pea produzida a no ser que o
processo esteja produzindo itens fora da especificao; (2) as medidas individuais
devem ter distribuio aproximadamente normal; (3) mais adequada quando j se
conhece o comportamento do processo, e se utiliza apenas para facilitar ou agilizar o
controle no cho de fbrica.
3.2.2 Cartas de controle para atributos

Atributos so caractersticas de avaliao dos produtos cujo resultado decorrente de
uma classificao ou contagem, como por exemplo, nmero de defeituosos, nmero de
erros, etc. Antes de introduzir as cartas de controle, o QUADRO 3.1 apresenta alguns
conceitos bsicos sobre os dados de atributos que sero discutidos a seguir.
46
As cartas mais utilizadas para o controle de atributos so proporo de itens defeituosos

(p), nmero de defeituosos (np), nmero de defeitos (c) e nmero de defeitos por
unidade de inspeo (u). A seguir, apresenta-se uma breve explicao sobre cada uma
delas.
QUADRO 3.1
Definio de alguns conceitos bsicos de dados de atributos
Conceito
Definio
Defeito
Qualquer no-conformidade s especificaes
Defeituoso
Unidade que apresenta um ou mais defeitos
Unidade
Oportunidade
Sada do processo que ser avaliada segundo a

presena de defeitos
Formas que o processo tem de se desviar do
que especificado para cada unidade, gerando
no-conformidade
Defeitos por unidade (DPU)
Nmero de defeito/Nmero de unidades
Defeitos por oportunidade (DPO)
Nmero de defeito/ (Nmero de oportunidades

x Nmero de unidades)
Defeitos por milho de oportunidades (DPMO)
(Nmero de defeitos/(Nmero de
oportunidades x Nmero de unidades) x 106
FONTE ROTONDARO, 2002. p. 172.
Proporo (ou frao) de itens defeituosos p
Esta tcnica utilizada quando o interesse estudar a proporo de itens defeituosos

fabricados em um determinado processo de produo. Normalmente estes dados
possuem uma distribuio binomial, podendo ser aproximada pela normal caso as
47
seguintes
p=
restries
sejam
n p > 5 e n ( 1- p ) > 5 ,
atendidas:
em
que
nmero de defeituosos encontrados na amostra (d)

.
tamanho da amostra (n)
Nmero de itens defeituosos np
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.
Nmero de defeitos na amostra c
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.
Entretanto, se a restrio c > 5 com c =
c
k
, em que k a quantidade total de
amostras, for atendida, pode-se aproximar a distribuio de Poisson pela normal.
Nmero de defeitos por unidade de inspeo (u)
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
FONTE MONTGOMERY, 2001. p. 448.
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)
As cartas de defeitos por milho e mil de oportunidades (DPMO ou DPTO) so

utilizadas em operaes de montagem quando um item apresenta muitas oportunidades
para o defeito ocorrer, ou um elevado grau de complexidade. Por exemplo, uma
montagem de placa de circuito impresso que contm vrios componentes e vrias
operaes.
Uma grande vantagem desta carta a possibilidade de se monitorar diferentes itens,

com diferentes nveis de complexidade em uma mesma carta, pois a frmula do DPMO
padroniza os dados em uma escala comum. Assim, a etapa mais peculiar desta tcnica
identificar o nmero de oportunidades de defeitos7 em cada tipo de produto, que deve
ser definido de acordo as caractersticas de cada pea. Em princpio essa tarefa parece
ser trabalhosa, porm, com a ajuda de programas especficos, ela se torna muito
simples.
Informaes complementares podem ser obtidas nos artigos de NGO (1995),

LANDERS, et al. (1994) e SANTOS et al. (1997).
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
FIGURA 3.4 Sntese das cartas de controle para monitoramento de processos
51
3.3 Avaliao da capacidade de processos

As cartas de controle tm por objetivo conhecer a estabilidade do processo estudando e
monitorando seus parmetros ao longo do tempo. J no estudo da capacidade do
processo, a questo identificar se o processo estvel capaz de produzir itens segundo
as especificaes determinadas pelo cliente. Estas duas tcnicas fazem parte do controle
estatstico de processo (CEP).
Para estudar a capacidade do processo, necessrio conhecer as especificaes dos

produtos finais e intermedirios. Geralmente, quando se trata de uma empresa de
manufatura, grande parte das especificaes fornecida pelo pessoal de engenharia de
produto e processo e alterada somente quando houver um novo projeto.
Valor
Nominal
Limite Inferior de
Especificao
-3
-2
-1
Limite Superior
de Especificao
FIGURA 3.5 Caractersticas necessrias para se realizar uma avaliao da

capacidade de processos
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.
Tradicionalmente, os ndices usados para avaliar a capacidade do processo so o Cp

(capacidade potencial do processo) e o Cpk (ndice de capacidade do processo). Estes
ndices so definidos, respectivamente, por:
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
interessante ressaltar que, quando os verdadeiros valores de e no so conhecidos,

eles podem ser estimados por meio de dados amostrais, sendo a mdia () estimada pela
mdia amostral x e o desvio padro () estimado por s,
s
R
ou
.
c4
d2
53
Observa-se que o ndice Cp definido pela razo entre a disperso permitida ou

desejada (LSE LIE) e a disperso real ou natural do processo (6). Por conveno,
quando um processo possui um valor de Cp menor do que 1,33, ele considerado
potencialmente incapaz de satisfazer as exigncias dos clientes. A classificao do
processo quanto a sua capacidade pode ser observada na QUADRO 3.3.
QUADRO 3.3
Classificao de processos a partir do ndice Cp
CLASSIFICAO VALOR DE
DO PROCESSO
Cp
COMPARAO DO HISTOGRAMA
COM AS ESPECIFICAES
LIE
CAPAZ OU
ADEQUADO
(VERDE)
p 64 ppm
LSE
1 Cp < 1,33
64 ppm < p 0,27%
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.
Em contrapartida, o Cpk mede a habilidade de o processo criar produtos dentro dos

limites de especificao atendendo ao valor nominal, e definido, como a diferena
entre a mdia aritmtica real do processo e o limite de especificao mais prximo,
dividido por trs vezes o desvio padro.
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.
Antes de se utilizar estes indicadores, algumas importantes suposies estatsticas

devem ser verificadas: (1) a caracterstica de qualidade deve possuir uma distribuio
aproximadamente normal; (2) o processo deve estar sob controle estatstico (estvel) e
(3) no caso de possuir os dois limites de especificao, a mdia do processo deve estar
entre o limite inferior e o superior de especificao.
Quando estas suposies no so satisfeitas, algumas alternativas so sugeridas. Dentre

elas esto a transformao de Box-Cox (y* = y) adequada para situaes em que os
dados no apresentam distribuio normal (WHEELER & CHAMBERS, 1992 e
WHEELER, 1995). Nesta mesma situao, uma outra alternativa a transformao em
55
que y* = 1/y (MONTGOMERY, 2001) ou ainda, ajustar uma distribuio famlia de

Pearson ou Johnson (RODRIGUEZ, 1992 e KOTZ & LOVELANCE, 1998).
Quando a caracterstica de qualidade a ser analisada uma proporo de itens

defeituosos produzidos por um determinado processo, pode-se utilizar a carta de
controle p conforme discutido na seo 3.2 para avaliao da capacidade do
processo.
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
(denotes 95% C.I.)
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
FIGURA 3.6 Avaliao da capacidade de um processo cuja caracterstica a

proporo de itens defeituosos
FONTE Minitab for Windows verso 13.30
56
Na FIGURA 3.6 encontram-se cinco informaes que contribuem para o

monitoramento do desempenho do processo, o objetivo de cada uma :
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;
2. Chart of cumulative % defective verificar se a quantidade de dados coletada

suficiente para estimar o percentual mdio de defeitos. Quando a curva se estabilizar
em um determinado patamar pode-se dizer que a coleta foi suficiente e a proporo
obtida com as amostras uma estimativa adequada da proporo de defeituosos do
processo;
3. Rate of defectives verificar se o percentual de defeitos influenciado pelo tamanho

da amostra. O aceitvel que todos os pontos estejam distribudos dentro do
intervalo estabelecido;
4. Histogram of % defective apresentar a distribuio geral do percentual de defeitos

das amostras coletadas, com a visualizao da meta (target) para avaliao visual da
capacidade do processo;
5. Summary statistics apresentar um resumo de algumas medidas estatsticas como a

proporo mdia de defeitos (average p) e seus respectivos intervalos de confiana.
Vale ressaltar que o Process Z (escore normal z do processo correspondente
57
proporo de defeituosos da amostra) um ndice que permite avaliar a capacidade

do processo. Para se concluir que um processo est sendo capaz, o desejvel que
este valor seja no mnimo igual a 2.
No Captulo 4 esta discusso ser retomada em uma situao real observada na empresa
pesquisada.
3.4 Planejamento e anlise estatstica de experimentos8

Um experimento pode ser definido como um teste ou uma seqncia de testes nos quais
mudanas propositais so feitas nas variveis de entrada de um processo ou sistema, de
modo que se possa observar e identificar as possveis alteraes ocorridas nos produtos.
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
FIGURA 3.7 Modelo geral de um processo ou sistema
Esta seo foi baseada na leitura dos textos de BOX, HUNTER & HUNTER (1978),
MONTGOMERY (2001) e BOX & DRAPER (1987).
58
A FIGURA 3.7 apresenta um modelo genrico de processo, em que a matria-prima

sofre a influncia de fatores controlveis e no-controlveis ao longo do processo e
transformada em um produto que possui determinadas caractersticas de qualidade.
A tcnica estatstica de planejamento de experimentos utiliza uma nomenclatura

especfica cujo significado dos principais termos pode ser visto a seguir.
Fatores so variveis que so alteradas em um experimento, com o objetivo de avaliar o

efeito que elas exercem sobre as variveis respostas. Estes fatores podem ser
qualitativos ou quantitativos.
Fatores no-controlveis ou de rudo so variveis conhecidas ou no que afetam as

variveis respostas de um experimento, mas que, na prtica, no h como control-las
ou no h interesse em trat-las como fatores. Cuidados especiais devem ser tomados
durante o experimento para evitar que essas variveis mascarem os possveis efeitos dos
fatores de interesse.
Variveis respostas so as variveis por meio das quais so avaliados os resultados do

experimento. Em um experimento pode existir uma ou mais variveis respostas.
Os experimentos podem ser utilizados em vrias situaes como, por exemplo, no

planejamento e desenvolvimento de novos produtos; no desenvolvimento de processos
de manufatura; na melhoria, otimizao e robustecimento de produtos e processos, isto
, fazer com que a qualidade dos produtos e dos processos seja pouco afetada pelas
59
fontes externas de variao. Em sntese, os experimentos so usados para estudar o

desempenho dos processos e sistemas.
Dentre os objetivos especficos de um experimento, MONTGOMERY (2001) ressalta

os seguintes:
determinar quais variveis mais influenciam a resposta y;
determinar como o conjunto de variveis (xs) deve ser ajustado, de modo que a
varivel resposta esteja quase sempre prxima do valor nominal desejado;
determinar como o conjunto de variveis (xs) deve ser ajustado, de modo que a
variabilidade de y seja pequena;
determinar como o conjunto de variveis (xs) deve ser ajustado, de modo que os
efeitos das variveis no controlveis (variveis de rudo) sejam minimizados.
Antes de discutir as tcnicas de planejamento de experimentos, sero apresentados

alguns conceitos gerais que sero a base para o entendimento posterior.
Nveis de um fator: representam as possveis condies que um fator pode assumir em

um experimento.
Tratamentos: representam as combinaes especficas dos nveis de diferentes fatores.

Quando existe apenas um fator, os nveis desse fator correspondem aos tratamentos.
60
Unidade experimental: representa cada material experimental que ser submetido aos
testes e, em seguida, avaliado por meio de uma ou mais variveis respostas.
Ensaio: corresponde ao teste realizado em uma determinada condio experimental.
Rplica: so repeties do experimento feitas sob a mesma condio experimental, que

servem para avaliar a variabilidade do processo e a significncia estatstica dos efeitos.
Aleatorizao: consiste em alocar as unidades experimentais aos diversos ensaios e

definir a ordem de execuo de cada um deles de maneira aleatria. A aleatorizao
permite que os efeitos das variveis de rudo sejam minimizados, evitando possveis
confundimentos na avaliao dos resultados.
Efeito principal de um fator: representa a alterao ocorrida na varivel resposta quando

muda-se de um nvel de um fator para outro.
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.
3.4.1 Experimento fatorial completo

O planejamento fatorial indicado quando o experimento envolve, simultaneamente, o
estudo dos efeitos de dois ou mais fatores sobre a varivel resposta. Por exemplo, se
uma empresa est interessada em realizar um experimento com trs fatores, cada um
contendo 2 nveis, ela realizar 2 x 2 x 2 = 23 = 8 ensaios. Isto chamado de
planejamento fatorial completo com 8 ensaios. No caso de experimento fatorial
completo, em cada rplica todas as possveis combinaes dos nveis dos fatores sero
avaliadas. Desta forma possvel detectar e estimar as interaes entre os fatores ou
obter uma maior preciso dos efeitos principais de cada fator.
Os experimentos fatoriais completos permitem estudar vrios fatores com a mesma

quantidade de nveis ou com quantidade de nveis diferentes. Neste trabalho
abordaremos somente os experimentos conhecidos como 2k, onde 2 o nmero de
nveis e k o nmero de fatores. Para uma melhor compreenso dos conceitos, so
apresentados os exemplos a seguir. Sendo o primeiro com duas rplicas e o segundo
com apenas uma.
Exemplo 3.39
Uma indstria fabricante de semicondutores convocou sua equipe de engenheiros para

planejar um experimento, cujo objetivo era conhecer o relacionamento entre os fatores
62
envolvidos no experimento e o destes com a varivel resposta espessura de oxidao

dos wafers.
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
FIGURA 3.8 Exemplo de um experimento fatorial completo 24
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.
Este exemplo foi adaptado de MONTGOMERY 2001. p. 265
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)
Aps a realizao de todos os ensaios, a equipe efetuou a anlise das informaes

coletadas. Vale lembrar que o objetivo do estudo era conhecer o relacionamento entre os
fatores e o destes com a varivel resposta.
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
uma das tcnicas estatsticas mais indicadas para se estabelecer o relacionamento

existente entre as variveis de um processo. Este relacionamento descrito por meio de
um modelo de regresso.
y = 0 + 1 x1 + 2 x 2 + ... + 12 x1 x 2 + 13 x1 x3 + ... +
em que:
y o valor da varivel resposta;
' s so os coeficientes de regresso;
x' s so os valores assumidos pelos fatores envolvidos, conhecidos tambm como
variveis explicativas, independentes, regressoras ou preditoras. Neste caso assumese xi = -1 (nvel baixo) e xi = 1 (nvel alto)
o erro estimado pelo diferena entre o valor observado e o valor ajustado na

reta.
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.
O primeiro passo para se realizar a anlise estimar os efeitos principais de cada um

dos fatores envolvidos no estudo e os efeitos das interaes entre eles. De uma maneira
geral, pode-se estimar estes efeitos como a mdia das respostas associadas aos nveis 1
(nvel alto) menos a mdia das respostas associadas aos nveis 1 (nvel baixo).
Dependendo do nmero de fatores, esta atividade torna-se bastante rdua, porm a
maioria dos programas estatsticos apresenta este procedimento, facilitando e agilizando
as anlises. Para este estudo foi utilizado o programa Minitab e o resultado pode ser
observado na TABELA 3.3.
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
A TABELA 3.3 apresenta as estimativas dos efeitos principais e de interao (Effect),

os coeficientes de regresso (Coef) e um teste (T) que indica quais so os efeitos
significativos, ou seja, quais os fatores que impactam na varivel resposta. Estes sero
os fatores que faro parte do modelo de regresso que ser ajustado a seguir.
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.
Neste exemplo, os efeitos significativos so os principais de temperatura (A), tempo (B)

e presso (C) e as interaes AB e AC. Assim, o modelo encontrado para predio da
espessura de oxidao nos wafers :
The regression equation is
y = 399 + 21,6 A + 10,0 B - 5,19 C + 8,44 AB - 6,25 AC
Predictor
Constant
A
B
C
AB
AC
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
A FIGURA 3.10 apresenta 4 grficos cujas informaes so necessrias para a

avaliao das suposies associadas ao modelo. No grfico de probabilidade normal
para os resduos (Normal plot of residuals), observa-se que os erros possuem uma
distribuio aproximadamente normal. O grfico de resduos versus ordem de coleta dos
dados (I chart of residuals) apresenta uma situao satisfatria na qual o tempo no est
67
influenciando os dados e, conseqentemente, os erros so no correlacionados, no

grfico resduos versus valores ajustados (Residuals vs. Fits) observa-se que as
varincias so constantes.
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.
Residual Model Diagnostics

Normal Plot of Residuals
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
Residuals vs. Fits
10
Residual
Frequency
4
3
2
1
0
-10
-8 -6 -4 -2 0
8 10
Residual
370 380 390 400 410 420 430 440 450
Fit
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
Considerando a mesma situao do Exemplo 3.1, os engenheiros decidiram realizar o

mesmo experimento com apenas uma rplica com o objetivo de obter informaes
idnticas e um ganho com uma diminuio do tempo e dos recursos necessrios
realizao do experimento.
A TABELA 3.4 apresenta as mesmas informaes da TABELA 3.3, entretanto neste

caso apenas uma coleta de dados foi realizada.
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
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
Observa-se na FIGURA 3.11, que os efeitos de pequena magnitude possuem uma

distribuio aproximadamente normal com mdia zero e varincia constante, e esto
distribudos ao longo da reta, j os efeitos de maior magnitude (significativos) no
possuem mdia igual a zero e, em conseqncia, esto afastados da reta e devidamente
identificados.
Normal Probability Plot of the Effects

(response is y, Alpha = ,05)
A
B
Normal Score
A:
B:
C:
D:
A
B
C
D
AB
-1
C
AC
-10
10
20
30
40
Effect
FIGURA 3.11 Grfico de probabilidade normal dos efeitos
Neste caso, o modelo de regresso pode ser representado por:

y = 399 + 21,6 A + 9,06 B - 5,19 C + 8,44 AB - 5,31 AC
Predictor
Constant
A
B
C
AB
AC
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.
Residual Model Diagnostics

Normal Plot of Residuals
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
Residuals vs. Fits
Residual
Frequency
Observation Number
2
1
-5
0
-6
-4
-2
Residual
370 380 390 400 410 420 430 440 450
Fit
De acordo com a FIGURA 3.13, todas as suposies associadas ao modelo foram

satisfeitas, ou seja, mesmo com uma menor preciso da variabilidade do erro
experimental a equipe poder usar a equao da FIGURA 3.12 para estimar a espessura
de oxidao dos wafers.
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
3.4.2 Experimento fatorial fracionado

O experimento fatorial fracionado uma variao do planejamento fatorial completo, no
qual apenas uma parte dos ensaios realizada. Ele indicado para situaes em que
exista um nmero excessivo de fatores a serem avaliados, com restrio de tempo e
recursos financeiros. Nestes casos, o principal objetivo identificar, dentre todos os
fatores, quais so os que mais influenciam na varivel resposta.
Exemplo 3.6
Suponha que a indstria fabricante de semicondutores, mencionada no EXEMPLO 3.4,

decidiu avaliar a espessura de oxidao dos wafers fornecidos por um outro fabricante.
Entretanto, para este teste no seria possvel realizar o experimento fatorial 24 com 16
ensaios, conforme o estabelecido pelo fatorial completo. O mximo que ela teria
condies de realizar eram 8 ensaios, ou seja, apenas a metade do que foi proposto no
experimento inicial.
Diante dessa situao, a equipe de engenheiros decidiu planejar um experimento fatorial

fracionado, com o objetivo de verificar a espessura de oxidao de wafers sofrida dentro
do forno. Os fatores considerados foram os mesmos do outro fatorial completo:
temperatura (A), tempo (B), presso (C) e fluxo de gs (D).
A TABELA 3.6 apresenta uma configurao de nveis que ajudar na definio do

experimento de interesse. Observa-se na coluna do efeito ABCD, que na parte superior
da tabela esto todos os tratamentos associados ao nvel 1.
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
BD CD ABC ACD BCD ABCD

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
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
Estes tratamentos representam uma metade do experimento fatorial 24 completo ou,

ainda que, estes tratamentos correspondem a uma meia-frao do experimento 24
completo, e o efeito ABCD denominado gerador desta meia-frao.
Observa-se que uma meia-frao de um experimento fatorial 2k contm 2k-1 ensaios e

definido como um experimento fatorial fracionado 2k-1, sendo k igual ao nmero de
fatores. Para a estimao dos efeitos dos fatores, somente a meia-frao definida ser
utilizada.
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
ou, ainda, efeitoD = efeitoABC. Este confundimento entre os efeitos chamado de

aliases, e quando isto acontece no possvel estimar cada efeito separadamente.
Antes de retomar o EXEMPLO 3.6, interessante observar um outro conceito relativo

esse tipo de experimento: a resoluo de um planejamento fatorial fracionado.
A resoluo est associada complexidade da estrutura de confundimento entre os

efeitos, sendo que quanto maior a resoluo, menor a complexidade da estrutura de
confundimento. Os experimentos de resoluo III, IV e V so os mais indicados e suas
definies podem ser observadas no QUADRO 3.4.
QUADRO 3.4
Definio e exemplos das principais resolues
Resoluo
Definio
Exemplo
III
Os efeitos principais esto confundidos com os efeitos

das interaes de segunda ordem.
2 3III1 com I = ABC
IV
Os efeitos principais se confundem com os efeitos das

4 1
interaes de terceira ordem e os das interaes de 2 IV com I = ABCD
segunda ordem se confundem entre eles.
Os efeitos das interaes segunda ordem esto

confundidos com os efeitos das interaes de terceira
ordem e os efeitos principais esto confundidos com
os efeitos das interaes de quarta ordem.
2V5 1 com I =
ABCDE
Retornando ao EXEMPLO 3.6, suponha que a equipe da fbrica de semicondutores

tenha decidido construir um planejamento fatorial fracionado 24IV1 , sendo D o efeito
gerador. A FIGURA 3.14 apresenta o resultado gerado pelo programa Minitab,
contendo as caractersticas do experimento nmero de fatores, nmero de ensaios,
75
resoluo, frao e a estrutura de confundimento (aliases). Na TABELA 3.7, pode se

observar os tratamentos considerados, os ensaios realizados e seus respectivos
resultados.
Fractional Factorial Design
Factors:
4
Base Design:
Runs:
8
Replicates:
Blocks:
none
Center pts (total):
Design Generators: D = ABC
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
FIGURA 3.14 Sada do Minitab para o experimento fatorial fracionado 24IV1
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

Term
Constant
A
B
C
D
A*B
A*C
A*D
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
FIGURA 3.15 Estimativa dos efeitos e dos coeficientes de regresso
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.
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
3.5. Desdobramento da funo qualidade para indstrias de

montagem
O desdobramento da funo qualidade (QFD) pode ser definido como
uma forma de comunicar sistematicamente informaes relacionadas
qualidade e de explicitar ordenadamente trabalhos relacionados
obteno da qualidade. (CHENG et al., 1995).
Tradicionalmente, a utilizao do mtodo QFD est fortemente relacionada ao
desenvolvimento de novos produtos ou processos, entretanto ele no se restringe apenas
a essa abordagem, ou seja, empresas que no possuem a cultura de desenvolver novos
produtos tambm podem aplicar o QFD com o objetivo de remodelar ou melhorar
produtos (bens ou servios) j existentes. Neste trabalho, utilizamos a segunda
abordagem, dado que a demanda da empresa pesquisada era por melhoria de processos e
no desenvolvimento de novos produtos.
Para se fazer o detalhamento do projeto do produto e do processo, o QFD trabalha com

uma seqncia de tabelas e matrizes, conhecidas como modelo conceitual, que
possibilita a visualizao das relaes existentes entre componentes, mecanismos,
processos e matrias-primas com a qualidade projetada para o produto.
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
Peso das Funes
Funes
Mecanismos
Peso dos Mecanismos
Matria-prima
Peso dos Compon.
Componentes
Processos
FIGURA 3.17 Exemplo de um modelo conceitual para uma indstria de montagem

FONTE CHENG et al., 1995. p. 127.
A FIGURA 3.17 apresenta um modelo conceitual para um produto de uma indstria de

montagem. De acordo com CHENG et al. (1995), ao preencher essas matrizes e tabelas,
as seguintes perguntas para o detalhamento do projeto podem ser facilmente
respondidas. (1) Quais funes o produto deve desempenhar para atender qualidade
projetada? (2) Para desempenhar estas funes, quais os mecanismos necessrios? (3)
Estes mecanismos devem ser compostos por quais componentes? (4) Quais processos
devem ser utilizados para a fabricao destes componentes? (5) Os componentes podem
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?
Entretanto, antes de responder essas perguntas necessrio construir o modelo

conceitual. Para isso importante compreender as metas do desenvolvimento do
produto ou processo; classificar as metas em qualidade, tecnologia, custo e
confiabilidade; identificar as tabelas necessrias para cumprir as metas; identificar as
matrizes e os resultados esperados, e, finalmente, organizar as matrizes de forma
seqencial.
A seguir, apresenta-se uma breve introduo sobre as 4 dimenses consideradas no

detalhamento do projeto do produto e do processo: qualidade, tecnologia, custo e
confiabilidade.
3.5.1 Desdobramento da qualidade

De acordo com a definio de AKAO (1996), desdobramento da qualidade o ato de
converter as exigncias dos usurios em caractersticas de qualidade do produto final.
Para se detalhar o projeto do produto e do processo, so utilizadas as tabelas de

desdobramento das funes, dos mecanismos e dos componentes, que devem ser
elaboradas com o apoio da engenharia ou da rea tcnica da empresa.
O objetivo da primeira tabela atribuir ao produto as funes necessrias para atender

s caractersticas exigidas pelo cliente. A tabela dos mecanismos e a dos componentes
80
tm como objetivos explicitar, organizar e hierarquizar os respectivos mecanismos e

componentes que compem um produto, permitindo, assim, relacion-los com outras
tabelas.
3.5.2. Desdobramento da tecnologia

A tecnologia uma das peas fundamentais para o desenvolvimento de novos produtos.
Se a tecnologia presente na empresa for suficiente para se atingir a qualidade planejada,
o projeto poder fluir normalmente, caso contrrio, este ser bastante prejudicado, dado
que a empresa ter de investir em novas tecnologias ou o projeto do produto sofrer
grandes alteraes.
Sendo assim, torna-se necessrio construir o procedimento do desdobramento da

tecnologia para descobrir esses problemas o quanto antes, para que seja possvel
implementar suas solues de maneira planejada, sem que a questo se torne um gargalo
de engenharia10.
De acordo com AKAO (1996), para se identificar a deficincia tecnolgica, a primeira

atividade comparar a especificao atual de cada caracterstica de qualidade com o
valor planejado. As caractersticas da qualidade que apresentarem um valor planejado
mais alto que o valor atual, tero, pelo sistema de controle convencional, dificuldades
em atingir o valor planejado. Nessa situao, ser preciso extrair o gargalo de
engenharia no nvel de mecanismos, ou, se necessrio, no nvel de componentes, e unir
todos os esforos da empresa para solucionar essa deficincia.
10
Problema que no se consegue resolver com a extenso da tecnologia prpria da empresa para
melhoria da qualidade.
81
3.5.3. Desdobramento da confiabilidade

O desdobramento da confiabilidade tem como principal objetivo prevenir a ocorrncia
de falhas ou qualidade negativa ainda na etapa de detalhamento do projeto do
produto.
Existem dois enfoques para se trabalhar com o desdobramento da confiabilidade, o

primeiro no desenvolvimento de um produto completamente novo, ou seja, um
produto que seja diferente de tudo o que existe no mercado, e o segundo no
desenvolvimento de um produto similar a outro.
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.
Na etapa de desdobramento de componentes possvel utilizar o FMEA (Failure Mode

and Effect Analysis) que, segundo PALADY (1997), uma das tcnicas de baixo risco
mais eficientes para preveno de problemas e identificao das solues mais eficazes
em termos de custos. Segundo HELMAN e ANDERY (1995), um mtodo de anlise
de projetos usado para identificar todos os possveis modos potenciais de falha e
determinar o efeito de cada uma sobre o desempenho do sistema, mediante um
raciocnio bastante dedutivo.
82
No caso em que o produto em desenvolvimento similar a um j existente no mercado,

a preveno das falhas se torna um pouco mais fcil, pois pode-se coletar informaes
provenientes de assistncia tcnica e pesquisas com consumidores. Aps essa coleta de
informaes, torna-se fcil identificar as principais falhas existentes e organiz-las
numa tabela de desdobramento, de maneira que permita relacionar as falhas potenciais
com a qualidade exigida pelo cliente.
Para elaborar a tabela de desdobramento de falhas, utiliza-se a ferramenta FTA (Fault

Tree Analysis) que um Mtodo sistemtico e padronizado, capaz de fornecer bases
objetivas para funes diversas tais como a anlise de modos comuns de falhas em
sistemas, justificao de alteraes em sistemas e demonstrao de atendimento a
requisitos regulamentares e/ou contratuais (HELMAN e ANDERY, 1995).
Quando se correlaciona a tabela rvore de falhas (FT) com a tabela de qualidade

exigida, pode-se priorizar as falhas que mais interferem na qualidade exigida pelo
cliente. Outros fatores que podem ajudar na anlise so a taxa de ocorrncia de falhas
obtida a partir de dados da assistncia tcnica, por exemplo, e os critrios de criticidade
fornecidos pela engenharia da empresa.
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
2 CASO PRODUTO J EXISTENTE
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)
FIGURA 3.18 Aplicao do FTA e FMEA no projeto do produto

3.5.4 Desdobramento do custo

Paralelamente ao desdobramento da qualidade, da tecnologia e da confiabilidade, uma
outra dimenso igualmente importante o custo. Muitas vezes, para atender as
exigncias dos clientes, o produto pode tornar-se excessivamente oneroso e, em
conseqncia, no competitivo no mercado. Sendo assim, durante a fase de
detalhamento do projeto do produto necessrio estabelecer um equilbrio entre
qualidade, confiabilidade e custo.
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
FIGURA 3.19 Desdobramento do custo

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.
O estabelecimento do custo objetivado definido pela empresa baseando-se, dentre

outros fatores, no preo de mercado, no volume de vendas pretendido e no lucro
desejado.
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.
A empresa foi fundada na dcada de 60 do sculo passado e presta servios de

manufatura para grandes Original Equipment Manufacturers (OEMs) do setor de
informtica, telecomunicaes, automobilstico, dentre outros, sendo os setores de
informtica e de telecomunicaes seus principais clientes.
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.
A empresa possui mais de 20.000 funcionrios em filiais localizadas na Amrica do

Norte, Amrica do Sul, Europa e sia. Embora grande parte de seus negcios tenha se
realizado na Amrica do Norte, nos ltimos cinco anos tem concentrado esforos na
globalizao de suas operaes, buscando crescer por meio da construo ou aquisio
de fbricas em regies estratgicas, para atender seus principais clientes.
11
Por motivo confidencial o nome da empresa no ser mencionado neste estudo.
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.
Em nvel mundial, a empresa tem procurado desenvolver diversos tipos de servios

industriais para seus clientes. Sua gama vai da manufatura, passando por logstica,
reparao ps-venda, at o desenvolvimento de produtos.
O desenvolvimento de novos servios vai ao encontro estratgia da empresa de

possuir poucos, porm bons e grandes clientes. Ela procura crescer ao mximo dentro
do que aquele determinado cliente pode demandar, procurando desenvolver servios
que possam atender s suas necessidades.
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
usualmente aplicadas, no trariam os resultados esperados pela empresa, pois esta

possua a caracterstica de alto mix de produtos e baixo volume de produo, o que
limita a utilizao de algumas ferramentas e estatsticas.
Na literatura, no existe um critrio especfico para se classificar a magnitude do mix e

do volume de produo. Segundo TOWLE (1998), uma situao em que se tem 47 tipos
diferentes de produtos e uma produo mnima de 12 peas por dia e mxima de 1.500
durante 176 dias, pode ser considerada alto mix e baixo volume. Para WALTERS et al.
(2002), um processo que apresenta vrias mudanas em um mesmo dia de produo,
possui a caracterstica de alto mix e baixo volume. BILBROUGH (2002) explica que
cada EMS deve definir o seu prprio critrio, baseado nas caractersticas de seus
servios.
A empresa pesquisada considera-se possuidora de um alto mix de produtos e um baixo

volume de produo, dado que possui aproximadamente 30 tipos diferentes de produtos
com uma produo intermitente variando de 100 a 2.000 unidades por ms, sendo que
em um nico dia o processo pode ser alterado at quatro vezes.
4.2. Metodologia de interveno

Nesta seo ser apresentada a metodologia empregada na conduo desta pesquisa,
bem como seus fundamentos tericos. Considerando que o objetivo desta pesquisa
desenvolver uma metodologia com base estatstica que garanta a eficincia dos
processos de empresas com alto mix de produtos e baixo volume de produo, optou-se
88
por adotar a metodologia pesquisa-ao, cujas caractersticas sero apresentadas a

seguir.
4.2.1 Introduo a pesquisa-ao

Metodologia (do grego mthodos + logo + ia) significa, de acordo com o Novo
dicionrio Aurlio, a arte de dirigir o esprito na investigao da verdade. Nesse
sentido,
THIOLLENT
(2000)
define
metodologia
como
avaliao
das
potencialidades, limitaes, pressupostos e implicaes dos mtodos utilizados durante

as atividades de pesquisa.
A base metodolgica cientfica utilizada no desenvolvimento do presente trabalho foi a

pesquisa-ao. Nesta metodologia, o pesquisador no se comporta apenas como um
observador, ele desempenha papel ativo sobre a ao, ou seja, ele age sobre o meio
social em questo, alterando sua realidade e potencializando as pessoas envolvidas.
Pesquisa-ao um tipo de pesquisa social com base emprica que

concebida e realizada em estreita associao com uma ao ou com a
resoluo de um problema coletivo e no qual os pesquisadores e os
participantes representativos da situao ou do problema esto
envolvidos de modo cooperativo e participativo. (THIOLLENT, 2000)
Pelas prprias caractersticas da pesquisa-ao, seu fator subjetivo como pesquisa social
visvel. Isso porque ela procura trabalhar o objeto da pesquisa empresa pesquisada
de maneira nica e entender toda a sua complexidade sem procurar uma generalizao
para aquele caso.
Essa caracterstica da metodologia torna-se, ao mesmo tempo, sua vantagem e sua

desvantagem. Vantagem porque permite o entendimento dos detalhes e particularidades
89
da situao vivenciada. E desvantagem porque as concluses nem sempre podem ser

generalizadas para outras situaes. Na prtica, ela busca entender o ambiente, interagir
com ele e, a partir da, procura modific-lo sem preocupao com rompimentos bruscos.
4.2.2 Conduo da pesquisa

A empresa pesquisada possui um projeto em parceria com a Universidade Federal de
Minas Gerais (UFMG), que funciona da seguinte maneira: a empresa expe sua
necessidade e solicita coordenao do programa que desenvolva uma pesquisa que
atenda sua demanda e ajude a solucionar seu problema. O professor coordenador, para
atender demanda envolve os departamentos da universidade que mais se relacionam
ao projeto e convoca professores, alunos de mestrado e alunos de graduao para o
desenvolvimento da pesquisa.
Neste ponto, preciso esclarecer que esta pesquisa no um simples trabalho de

consultoria, como alguns leitores porventura possam estar pensando. Trata-se, pois, de
uma pesquisa-ao que difere, e muito, da consultoria, conforme mostram as
consideraes a seguir.
Um dos principais objetivos da pesquisa buscar na bibliografia um contedo que
possa ser adaptado realidade da empresa e transform-lo em um novo mtodo

cientfico que possa ser estendido s empresas com as mesmas caractersticas. A
consultoria apenas aplica uma metodologia j existente sem agregar novidades.
90
O pesquisador, diferentemente do consultor, precisa estar atento no s s
tendncias do mercado mas tambm a tudo que esteja relacionado ao meio

acadmico em termos de publicaes, literaturas e novas pesquisas.
O desenvolvimento de uma pesquisa visa ao crescimento intelectual dos
pesquisadores, da empresa, da universidade e da nao, diferente de uma

consultoria, que visa, sobretudo, a satisfao do cliente.
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
prticas, e a segunda, com o objetivo de consolidar o conhecimento adquirido, cada

membro da equipe desenvolveu um projeto prtico de soluo de um problema,
aplicando as ferramentas aprendidas, com o suporte das pesquisadoras sempre que
necessrio.
Durante a orientao destes projetos, pudemos conhecer melhor as caractersticas da

empresa e percebemos, juntamente com a equipe, que algumas das ferramentas
abordadas durante as aulas no se adequavam realidade da empresa.
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.
Diante desse e de outros fatos semelhantes, chegou-se concluso que a principal

caracterstica da empresa, no explicitada no incio do projeto, era possuir um alto mix
92
de produtos e um baixo volume de produo, e que vrias ferramentas estatsticas

clssicas abordadas na etapa formativa, dificilmente se adequariam plenamente a essa
realidade, por se tratarem de ferramentas voltadas para empresas com um alto volume
de produo, e conseqentemente com um grande volume de dados.
Neste momento como extenso da segunda etapa do projeto o gerente de qualidade

solicitou que fizssemos uma pesquisa para avaliao do desempenho e da capacidade
dos processos da empresa, desde as fases de projeto do processo at a produo em
linha, baseando-se fortemente na adequao das ferramentas estatsticas diante dessa
nova realidade.
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.
As empresas de manufatura contratada tm o hbito de trabalhar por clientes. Algumas

vezes seus clientes so concorrentes entre si e exigem sigilo quanto aos seus produtos.
Por isso a empresa procura montar uma equipe tcnicos de qualidade, de processo e de
teste para cada cliente.
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.
Assim, um paradigma que se procurou quebrar durante o desenvolvimento da pesquisa

foi o de que os defeitos estavam fortemente relacionados ao tipo de cliente e ao tipo de
produto, e no ao processo.
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.
Assim, ao longo do trabalho procurou-se demonstrar que, se o foco fosse na melhoria

do processo e no do produto, os ganhos seriam muito mais relevantes e se estenderiam
a todos os clientes.
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
distriburam nas atividades de observao do processo, coleta de dados, pesquisa

bibliogrfica e seminrios de difuso.
4.3 Desenvolvimento da pesquisa

As etapas da pesquisa foram desenvolvidas ao longo de seis meses e sero descritas nas
sees do QUADRO 4.1, a seguir.
QUADRO 4.1
Etapas para o desenvolvimento da pesquisa
SEO
ETAPA
OBJETIVO
4.3.1
Conhecendo o processo
produtivo
Conhecer detalhadamente cada etapa do processo,

suas
caractersticas
e
seus
pontos
de
controle/inspeo
4.3.2
Avaliao da capacidade
dos processos
Avaliar a capacidade do processo em atender as

especificaes dos clientes, com o objetivo de
identificar de maneira global as etapas crticas.
4.3.3
Identificao dos
principais defeitos
detectados
Identificar os principais defeitos encontrados na

planta independente do tipo de produto fabricado.
4.3.4
Identificao dos
principais processos
geradores dos defeitos.
A partir do mapeamento do processo e da definio

dos principais defeitos, identificar as etapas que
concentram o maior nmero de defeitos.
4.3.5
Definio dos pontos de

controle.
Definir pontos de controle para avaliar as

caractersticas de qualidade que mais influenciam o
desempenho do produto final.
4.3.6
Definio de novos
nveis para os
parmetros
Conhecer as relaes de causa e efeitos entre os

parmetros e definir nveis para o re-projeto do
processo ou projeto de um novo processo.
4.4
Propor uma nova

metodologia adequada
realidade da empresa
Propor uma metodologia adequada realidade de

AM-BV com o objetivo de ajudar no
monitoramento na melhoria e no projeto ou reprojeto do processo.
95
4.3.1 Conhecendo o processo produtivo

Nesta seo, procurou-se detalhar o processo produtivo da empresa, com o objetivo de
conhecer e identificar os pontos crticos que seriam os possveis focos de atuao para
melhoria.
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
eltrica entre os componentes e a placa de circuito impresso.
Printer mquina que faz a impresso (depsito) da pasta de solda na placa de
circuito impresso.
Componentes Pin Through Hole (PTH) so componentes montados por meio de
furos existentes na placa de circuito impresso. Os componentes PTH possuem a
96
limitao de no poderem ser montados em ambos os lados da placa, na mesma

posio. Estes componentes precisam ser pr-formatados ter seus terminais
cortados, alinhados e dobrados antes de serem inseridos na placa.
Componentes Surface Mount Design (SMD) so componentes montados na
superfcie da placa de circuito impresso. Os componentes SMD so ainda menores

que os PTHs. A tecnologia Surface Mount Tecnology (SMT) tem por objetivo
automatizar todo o processo, bem como aumentar o nmero de componentes na
placa, j que podem ser montados em ambos os lados da placa, na mesma posio.
Top side o lado superior da placa e Back side, o lado inferior.
FUJI insersora automtica de componentes de porte pequeno.
GSM insersora automtica de componentes de porte grande.
In circuit teste (ICT) teste feito com um equipamento especial que detecta
problemas por meio de sondas que atingem pontos estratgicos da placa.
Teste Funcional teste para avaliar a funcionalidade das placas.
SCP (Sistema de Controle de Produo) sistema de coleta de dados que
alimentado nos pontos de inspeo localizados ao longo da linha de produo. por

meio de seus relatrios que toda a anlise de dados realizada.
97
O processo de montagem de placas de circuito impresso pode ser visualizado em cinco

grandes etapas: (1) SMT lado superior; (2) SMT lado inferior; (3) insero PTH; (4)
acabamento e (5) testes. Os produtos mais complexos maior nmero de componentes
passam por todas as etapas e os menos complexos, apenas por algumas. Como neste
caso o foco sempre ser o processo e no o produto, considerou-se todas as etapas.
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.
FIGURA 4.1 Fluxograma do processo de montagem de placas de circuito impresso
98
Primeiramente, a placa colocada na Printer para o depsito da pasta de solda, que a

responsvel pela ligao do componente com a placa. Em seguida, os componentes so
inseridos por duas mquinas de insero automtica (FUJI e GSM) que colocam os
componentes em seus respectivos lugares. Na prxima etapa, as placas entram no forno
para que os componentes sejam soldados.
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.
Na etapa seguinte, as placas provenientes do processo PTH passam pelo acabamento,

onde so inseridos alguns componentes e realizados alguns ajustes. Assim, as placas so
encaminhadas para os testes ICT e FUNCIONAL, onde so testadas e liberadas para a
embalagem ou, caso apresentem algum defeito, seguem para o reparo, onde so
refugadas ou liberadas para a embalagem. Aps a embalagem, as placas so entregues
para o cliente final ou para a montagem do produto final (box build). Conforme dito
99
anteriormente, esta EMS Electronic Manufacturing Services fornece como produto

final o box build ou apenas a placa de circuito impresso.
Observa-se, tambm, que ao longo do processo os produtos podem ser transportados por
carrinhos, esteiras, suportes ou bandejas.
Aps a compreenso de todo o fluxo de processo, pela pesquisadora, o prximo passo

foi avaliar a capacidade deste em atender as especificaes dos clientes12. Neste ponto,
o leitor pode se perguntar: Como fazer uma avaliao da capacidade do processo geral,
se cada cliente tem uma especificao diferente para o rendimento?
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.
4.3.2 Avaliao da capacidade dos processos

A partir desta seo ser apresentada a situao encontrada pela pesquisadora durante a
interveno, ou seja, a maneira como a empresa coletava e analisava os dados e, em
seguida, uma nova proposta de realizao destas atividades, baseada na reviso
bibliogrfica discutida no Captulo 3, adaptadas realidade da empresa.
12
A especificao, neste caso, refere-se ao valor do rendimento (Yield).
100
Todas as anlises realizadas basearam-se em dados coletados no perodo de maro a

agosto de 2002.
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.
O QUADRO 4.2 apresenta um exemplo de como a avaliao da capacidade do processo

foi realizada para o produto xyz no ms de maio de 2002.
QUADRO 4.2
Avaliao da capacidade dos processos do produto xyz - maio de 2002
Etapa
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
Utilizando os dados do QUADRO 4.2, o valor do Yield combinado igual a 1,000 x

0,991 x 0,942 x 0,980 = 0,915 = 91,5%. O Yield especificado para este produto de
101
95,0%, ou seja, no ms de maio de 2002, o processo de produo de placas de circuito

impresso no foi capaz de atender as especificaes do cliente.
A vantagem de se trabalhar com este mtodo que, pontualmente, envolve uma

pequena quantidade de clculos e a sua interpretao simples e direta. Porm, ao se
pensar na quantidade de produtos envolvidos, este trabalho se torna bastante rduo.
Uma outra desvantagem que o ideal que este tipo de informao seja monitorado e
analisado durante a produo, para que aes de melhoria possam ser imediatamente
implementadas em caso de desvios, e no esperar o fechamento do ms para concluir se
o processo foi ou no capaz de atender as especificaes do cliente.
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
A melhoria proposta est relacionada maneira de monitorar as informaes. J que os

dados so coletados de forma on line, o acompanhamento tambm poderia ser ou, no
mnimo, com uma maior freqncia, para que, ao se perceber qualquer desvio na
caracterstica analisada, a atuao fosse imediata, evitando assim refugos e retrabalhos.
Alm disso, j que a especificao da planta igual ou, em alguns casos, mais rgida do
102
que a do cliente, o monitoramento tambm poderia ser feito por processo e no por
produtos.
As figuras a seguir mostram como avaliao da capacidade do processo poderia ser

conduzida, caso as cartas de controle para proporo de defeituosos (Carta p) fossem
utilizadas.
Com o objetivo de mostrar os ganhos com o aumento da freqncia de anlise, as cartas

foram construdas a partir de dados semanais. Alm disso, observa-se que nas Cartas p
foram traadas linhas pontilhadas que representam os limites superiores de
especificao (LSE) da planta em cada etapa do processo, para que se possa avaliar, ao
longo do tempo, como o processo estava se comportando perante as especificaes.
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
(denotes 95% C.I.)
0,4
(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)
FIGURA 4.2 Capacidade do processo SMT TOP SIDE
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
0,5
Summary Stats
Dist of %Defective
Target
(denotes 95% C.I.)

(0,0037; 0,0045)
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)
FIGURA 4.3 Capacidade do processo SMT BACK SIDE
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
Summary Stats
3,4
3,3
%Defective
Dist of %Defective
Target
(denotes 95% C.I.)

(0,0318; 0,0335)
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
Summary Stats
Dist of %Defective
Target
(denotes 95% C.I.)
2,0
%Defective
5000
(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
Observa-se, em todas as figuras, que o processo est fora de controle estatstico e, em

todos os casos, no mnimo dois pontos extrapolaram o limite de especificao. A rigor,
nestes casos em que o processo apresenta-se instvel, no faz sentido avaliar a
capacidade dele.
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.
4.3.3 Identificao dos principais defeitos detectados pelo ICT

Assim como na fase anterior, novamente as pesquisadoras depararam-se com o
paradigma de que o levantamento dos principais defeitos deveria ser realizado para cada
tipo de produto, dado que eles possuem caractersticas diferentes e, conseqentemente,
os defeitos seriam diferentes.
Para demonstrar que os principais problemas estavam relacionados aos processos e no

aos produtos, foi necessrio fazer um levantamento dos principais defeitos de cada tipo
de produto (aproximadamente 30 produtos) e depois uma anlise dos principais
problemas da planta.
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
caractersticas diferenciadas, a anlise conduzida separadamente e, caso aparea

algum defeito, aes pontuais so tomadas. Com o passar do tempo, os mesmos defeitos
reincidem novamente.
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.
Assim, construiu-se um diagrama de Pareto, agrupando todos os defeitos ocorridos no

perodo de maio a agosto de 2002, cujo resultado pode ser visto no FIGURA 4.6.
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
FIGURA 4.6 Principais defeitos encontrados na planta no perodo analisado
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%.
De posse deste diagrama de Pareto, foram realizadas reunies com tcnicos de

qualidade, de processo e de produto e, aps vrias discusses, chegou-se concluso
que era necessrio conhecer, dentre os cinco principais defeitos, quais os componentes
estavam envolvidos.
Assim, novamente a equipe recorreu ao SCP, e com os dados em mos, construiu-se um

diagrama de Pareto de componentes para cada um dos cinco defeitos. Observou-se que,
do total de componentes defeituosos, aproximadamente 60% estavam concentrados em
5 tipos diferentes de componentes e os 40% restantes estavam dispersos por vrios
componentes. O resultado deste diagrama de Pareto, pode ser visualizado nas trs
ltimas colunas da FIGURA 4.7.
A partir da primeira anlise e desta estratificao, observaram-se indcios de que, se

atuando no processo, as melhorias seriam percebidas em todos os produtos. Entretanto,
agora a questo : quais so os principais processos geradores dos problemas? A
prxima seo apresenta a resposta para esta pergunta.
4.3.4
Identificao
problemas
dos
principais
processos
geradores
dos
108
Quais os principais processos geradores dos problemas? Onde a empresa deve

concentrar seus esforos? Por onde comear?
Situao encontrada
Como este tipo de anlise era novidade para a empresa, ela no possua nenhuma
ferramenta estruturada para responder a estas questes.
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
Soldagem dos comp. na placa SOLDA A ONDA
Insero manual de componentes
Pr-formatao dos componetes
PTH
Soldagem de comp. na placa FORNO
Insero de componentes GSM
Insero de componentes FUJI
Impresso da pasta de solda PRINTER
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
FIGURA 4.7 Esboo da matriz de correlao dos principais

defeitos com as etapas do processo
Para a elaborao da FIGURA 4.7 foi necessrio construir duas tabelas: uma com as
etapas descritas no mapa de processo (FIGURA 4.1) e outra com as informaes obtidas
nos diagramas de Pareto. Nas trs ltimas colunas da matriz, observam-se
respectivamente, a freqncia com que cada componente falhou, o seu respectivo
percentual dentro do defeito e o percentual acumulado.
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
Dispositivo prova de erros.
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%)
Soldagem dos comp. na placa SOLDA ONDA
Insero manual de componentes
Pr-formatao dos componetes
PTH
Soldagem de comp. na placa FORNO
Insero de componentes GSM
Insero de componentes FUJI
Impresso da pasta de solda PRINTER
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
acabamento no so responsveis pelos defeitos encontrados. Isto pode ser o indcio

da necessidade de um conhecimento mais detalhado de todas as etapas do processo.
4.3.5 Definio dos pontos de controle monitoramento do

processo
Aps a identificao do processo mais crtico, o prximo passo identificar utilizando
manuais, relatrios tcnicos e a experincia da equipe os parmetros de processo e de
produto da etapa a ser analisada. A FIGURA 4.8 apresenta uma maneira simples e
eficiente de se documentar esta atividade, nela os ys representam os parmetros de
produto intermedirios e os Ys, os parmetros de produto final.
Y1 = Curto de solda
y1 = Altura da pasta de solda

(excesso e falta de pasta)
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
Placa com componentes
Soldar componentes
FORNO
Produto final:
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
pasta em relao ao pad14 (y2). O segundo ponto de monitoramento deve localizar-se na

sada do processo SMT, para avaliao da qualidade do produto final.
Alm disso, OWEN e HAWTHORNE (2000) ressaltam alguns motivos para se

monitorar a pasta de solda:
a maioria dos defeitos tem originado na etapa de impresso da pasta de solda;
pesquisas mostram que para melhorar o rendimento obtido aps a etapa do forno
essencial realizar a medio da altura da pasta de solda;
reparar a placa aps a impresso da pasta de solda mais barato do que aps a
insero dos componentes, 10 vezes menos oneroso do que aps o forno e 50

vezes mais econmico do que aps o ICT;
determinados tipos de componentes requerem um efetivo controle da impresso da
pasta de solda, porque so de difcil inspeo e reparao depois de inseridos.
A seguir ser apresentada a maneira como a empresa monitora estas variveis e uma
proposta de melhoria.
Situao encontrada
O resultado da impresso da pasta, no caso de empresa pesquisada, monitorado pela

varivel altura da pasta de solda. Esta altura distncia entre o topo da pasta e o pad
14
Ilha metalizada existente na superfcie da placa onde sero soldados os componentes.
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.
As principais caractersticas observadas neste estudo foram (1) o monitoramento

realizado por meio da utilizao da tradicional carta de controle x e R; (2) para cada
tipo de placa produzida construda uma carta de controle; (3) a cada 2 horas eles
escolhiam 2 placas e mediam a altura da pasta de solda, nos 6 pontos predefinidos e
grafavam manualmente nas cartas x e R. Observa-se que da maneira como a coleta era
realizada, a Carta R apresentava a variao dentro da placa e no a variao do
processo, que medida entre placas.
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
As FIGURAS 4.10, 4.11 e 4.12, apresentam as cartas de controle construdas a partir

dos dados da TABELA 4.1. Neste caso, os limites de controle j tinham sido definidos
em estudos anteriores.
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
FIGURA 4.10 Carta de controle x e R para o produto A
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
FIGURA 4.11 Carta de controle x e R para o produto B
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
FIGURA 4.12 Carta de controle x e R para o produto C
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.
Alm destas dificuldades, os membros da equipe freqentemente se deparavam com a

seguinte situao que os deixavam bastante intrigados.
As cartas de controle no apresentavam nenhum comportamento no-aleatrio que

justificasse uma tomada de ao, porm os defeitos gerados pelo excesso ou falta de
pasta continuavam sendo detectados no final do processo.
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.
Conforme discutido na seo 3.2, as cartas de controle de Shewhart no so indicadas

para situaes em que necessrio detectar pequenas variaes do processo. Alm
disso, para serem utilizadas da maneira correta, necessrio que suas suposies sejam
atendidas.
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.
Sabe-se que as cartas x e AM no so indicadas para se detectar pequenas alteraes no

processo, uma alternativa nestes casos trabalhar com as cartas de mdia mvel, ou
CUSUM ou EWMA.
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.
Construindo a carta x e AM (FIGURA 4.14) com os mesmos dados apresentados na

TABELA 4.1, s que agora transformados segundo o critrio discutido anteriormente,
observa-se que o processo no est sob controle estatstico.
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
FIGURA 4.13 Cartas de controle x e AM para os produtos A, B e C
Toda esta anlise est voltada para o monitoramento do parmetro de produto

intermedirio, altura da pasta de solda (y1). O segundo parmetro observado foi o
deslocamento da pasta de solda em relao ao pad (y2); neste caso, como o
deslocamento uma caracterstica que pode ser percebida a olho nu, a sugesto que se
estabelea uma inspeo em 100% das peas logo aps a impresso da pasta de solda,
antes que os componentes sejam inseridos.
120
Seguindo o fluxo do processo, o prximo ponto a ser monitorado para se garantir a

qualidade do produto o final do processo SMT. Neste ponto, 100% das placas so
inspecionadas e, automaticamente, as inspetoras alimentam o SCP informando se a
placa perfeita ou defeituosa. Se defeituosa, descrevem o tipo de defeito encontrado.
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
FIGURA 4.14 Carta de controle p e diagrama de Pareto para auxiliar na tomada

de aes corretivas durante a produo
A seguir, sero apresentadas algumas consideraes a respeito de como a empresa vem

ajustando seus parmetros de processo, e uma proposta de como ela deveria estar
fazendo estes ajustes.
4.3.6 Definio de novos nveis para os parmetros de processo

(xs)
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.
Situao encontrada produto j existente que precisa ser melhorado15
As primeiras observaes da pesquisadora e da equipe constataram que as placas

estavam saindo da PRINTER com excesso de pasta de solda, o que estava acarretando
curtos de solda em determinados pontos.
Sem avaliar profundamente a causa do problema, o tcnico responsvel aumentou a

freqncia de limpeza automtica do stencil trs vezes: de 7 para 5, de 5 para 3 e de 3
para 2. Dessa maneira, o problema foi resolvido mas o tempo de produo sofreu um
impacto, pois cada limpeza de stencil demora aproximadamente 30 segundos para ser
realizada.
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
2 sugesto: aumentar a presso da caixa de vcuo, tentando alinhar a placa sugando-a

por baixo. Essa sugesto tambm no funcionaria, pois a placa possui muitas cavidades
fazendo com que o vcuo no tivesse fora suficiente para minimizar o efeito da
flambagem.
3 sugesto: trocar a pasta de solda, que j havia sido trocada.
4 sugesto: deixar do jeito que estava e assumir a perda de produtividade, devido ao

excessivo nmero de vezes que a limpeza automtica do stencil seria realizada.
Tudo isso ocorreu no primeiro turno de trabalho. No segundo turno, a primeira ao do

outro tcnico foi diminuir a freqncia de limpeza do stencil de 2 para 4 e o processo
continuou respondendo bem.
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.
Situao encontrada produto novo ou projeto do processo
Este estudo foi realizado no processo de soldagem onda, quando o engenheiro de

processo deparou-se com a necessidade de projetar, um novo processo, para a
introduo de um produto na linha.
124
A partir de um brainstorming realizado entre membros responsveis pelo processo,

foram identificados os cinco fatores que mais influenciam nas caractersticas de
qualidade do produto. Para cada um dos fatores foram definidos dois nveis.
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
6. Vazo do fluxo
Nveis
7,9
Desligada
245 C
310 e 305 C
1,2 m/min..
70 ml/min
Resultado
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
6. Vazo do fluxo
Nveis
Resultado
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
6. Vazo do fluxo
7,9
Desligada
245 C
305 e 310 C
1,0 m/min
70 ml/min
Resultado
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
6. Vazo do fluxo
Resultado
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
6. Vazo do fluxo
Nveis
7,9
4,8
245 C
305 e 310 C
1,2 m/min
70 ml/min
Resultado
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
processo disse o seguinte: o curto de solda facilmente identificado na etapa de

acabamento, ao contrrio da insuficincia, por isso prefervel assumirmos o problema
de curto do que o de insuficincia de solda.
O estudo realizado pela empresa conhecido como experimento do tipo um fator de

cada vez, que consiste em alterar um fator de cada vez, mantendo as demais condies
experimentais fixas.
Apesar de a empresa no ter realizado qualquer anlise mais detalhada, os dados

coletados neste tipo de experimento permitem calcular e interpretar os efeitos principais
de cada fator e depois escolher a condio experimental mais apropriada aos objetivos
do experimento.
Uma das limitaes do tipo de experimento realizado pela empresa que as

informaes a respeito dos efeitos de interao entre os fatores no so obtidas. Caso o
efeito desta interao seja significativo, este poder mascarar a importncia dos efeitos
principais dos fatores considerados, comprometendo assim a tomada de deciso. Alm
disso, mesmo na ausncia de interaes, o nmero de experimentos envolvidos , em
geral, elevado para se atingir os objetivos.
Neste caso, o ideal seria realizar um experimento fatorial fracionado, conforme

apresentado na seo 3.4.4.
128
O primeiro passo identificar os parmetros de processo e de produto da etapa a ser

analisada. A FIGURA 4.15 uma extenso da FIGURA 4.9 e apresenta os parmetros
de processo (xs), alm dos parmetros de produtos intermedirios (ys) e os parmetros
de produto final (Ys).
Depois de identificados os fatores, pode-se passar para a definio de seus respectivos

nveis e, posteriormente, para o planejamento do experimento. Entretanto, antes disto
pode-se selecionar, sob o ponto de vista qualitativo, quais os fatores que realmente
impactam nas variveis de sada. A sugesto neste caso construir uma matriz de
priorizao, conforme apresentado na FIGURA 4.16.
Y1 = Curto de solda
y1 = Altura da pasta de solda

(excesso e falta de pasta)
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
Placa com pasta de solda
Inserir componentes
GSM
Soldar componentes
FORNO
Produto final:
soldados
x1 = tipo de stensil/abertura dos orifcios

x2 = idade da pasta de solda
x3 = temperatura da pasta de solda
x4 = velocidade do rodo
x5 = presso do rodo
x6 = snap-off (distncia da placa ao stencil)
x7 = snap-off (velocidade)
x8 = freqncia de limpeza do stencil
x9 = qualidade da limpeza manual do stencil
x10 = posio dos pinos de apoios da mesa de vcuo
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
FIGURA 4.16 Matriz de priorizao das potenciais causas

geradoras dos problemas prioritrios
130
A TABELA 4.9 apresenta o planejamento dos experimentos 24-1 com os fatores

envolvidos, seus respectivos nveis e a ordem de realizao dos ensaios.
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.
O planejamento de experimentos gera o conhecimento das relaes de causa e efeito dos

nveis dos fatores envolvidos e o QFD Desdobramento da Funo Qualidade
possibilita a organizao e a visualizao deste conhecimento adquirido, facilitando
assim a disseminao do conhecimento para toda a empresa.
4.3.7 Resumo da situao encontrada e a proposta de melhoria

Como pode ser observado na seo anterior, durante a interveno na empresa, vrios
pontos crticos foram detectados ao longo do processo e algumas propostas foram
apresentadas, visando melhoria da qualidade dos produtos fabricados. No QUADRO
4.3, observa-se um resumo de tudo o que foi proposto at o momento.
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
O fluxo de processo no apresentado -

um documento complexo, requer um
elevado nvel tcnico para compreend-lo,
tornando-se inutilizvel.
Construir um fluxograma de processo mais

simples e mais funcional. (FIGURAS 4.1,
4.9 e 4.15)
4.3.2
Avaliao mensal da capacidade do

processo, por produto, utilizando o Yield
combinado.
Avaliar o estado de controle e a capacidade

global da planta com uma freqncia
diria, utilizando cartas de controle para
proporo de itens defeituosos.
4.3.3
Identificao dos defeitos de cada tipo de

produto, detectados ao longo do processo.
Identificar todos defeitos detectados pelo

ICT independente do produto e focar nos
mais crticos.
4.3.4
No era utilizada nenhuma ferramenta para

identificar
os
principais
processos
geradores dos problemas.
Correlacionar as etapas do processo com

os principais defeitos encontrados, para se
identificar os pontos crticos.
4.3.5
A carta de controle x e R para

monitoramento da altura da pasta de solda.
Monitorar a altura da pasta de solda,

utilizando cartas para pequenos lotes, e
monitorar a proporo de peas defeituosas
no final do processo SMT, utilizando a
Carta p.
4.3.6
O ajuste dos parmetros feito por

tentativa e erro (no caso de um produto j
existente) ou variando um fator de cada
vez (no caso do projeto do processo).
Utilizar metodologia estatstica de

planejamento e a anlise de experimentos,
como por exemplo, fatorial completo e
fracionado, para ajustar os parmetros de
controle, tanto no re-projeto do processo
quanto do projeto de um novo processo.
4.4 Resultados da pesquisa a metodologia proposta

Durante o desenvolvimento do trabalho pde-se compreender as deficincias e as
necessidades apresentadas pela empresa pesquisada, sobretudo o impacto causado pela
caracterstica de alto mix de produtos e baixo volume de produo.
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
Produo do lote piloto

PC
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
FIGURA 4.17 Metodologia de controle estatstico de processo
Defeitos
133
Assim, visando atender o objetivo apresentado na introduo deste trabalho, foi

construda uma metodologia de controle estatstico de processo (FIGURA 4.17) com o
foco no projeto do processo na melhoria contnua e no monitoramento, baseando-se nas
revises bibliogrficas e nas peculiaridades da empresa.
A aplicao da metodologia, a rigor, inicia-se quando a empresa se depara com a

necessidade de projetar um novo processo para a introduo um novo produto. Porm
nada impede que a sua utilizao comece pela melhoria de um processo j existente,
caso esta seja a demanda da empresa.
4.4.1 Projeto do processo

Se os gerentes de processo se depararem com a necessidade de introduo de um novo
produto, o caminho a ser trilhado o do projeto do processo. Neste caso, a metodologia
tem como objetivo auxiliar a empresa na definio dos parmetros do controle e seus
respectivos nveis.
O primeiro passo a construo da tabela de rvore de falhas (discutida no Captulo 3).

Neste caso, a empresa pode utilizar informaes provenientes de estudos anteriores,
dados de assistncia tcnica e o conhecimento adquirido com produtos similares. Estas
informaes sintetizadas devem ser correlacionadas com a tabela de desdobramento dos
componentes; por meio desta correlao identificam-se os componentes crticos que
podem contribuir para uma maior ocorrncia de falhas.
Depois de identificados os componentes mais crticos, estes devem ser correlacionados

com as etapas do processo produtivo. Como resultado desta correlao tem-se o
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.
A matriz de rvore de falhas versus parmetros de controle interessante para visualizar

e definir os possveis nveis com os quais os parmetros devem ser ajustados. Esta faixa
de operao nveis inicialmente obtida a partir de dados histricos de produtos
similares.
Com estas informaes, os experimentos fatoriais fracionados so planejados e

analisados, com o objetivo de se encontrar o ajuste ideal destes parmetros. Um lote
piloto produzido, e a capacidade do processo em atender s especificaes
(rendimento) avaliada, por meio da carta de controle para proporo de itens
defeituosos (Carta p).
Caso o processo no seja capaz, realiza-se um novo experimento fatorial, utilizando a

informao obtida nos experimentos anteriores. No caso de o processo atender s
especificaes, a produo pode ser iniciada sendo que, para o monitoramento dos
parmetros de processo sero utilizadas cartas de controle para pequenos lotes e a
capacidade do processo ser avaliada pela Carta p, finalizando, assim, o ciclo do projeto
do processo.
4.4.2 Monitoramento do processo

Ao aplicar a metodologia relacionada ao monitoramento do processo, o que se espera da
empresa que ela possa acompanhar em tempo real o seu desempenho durante a
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.
No caso de uma destas cartas demonstrar algum comportamento no aleatrio, o sinal

de alerta ser acionado e os responsveis pelo processo devero atuar imediatamente
com aes corretivas. Se o tratamento de anomalias for suficiente para solucionar o
problema, a produo ser naturalmente retomada, caso contrrio, a metodologia de
melhoria do processo dever ser utilizada.
4.4.3 Melhoria do processo

Se o objetivo da empresa for melhorar o processo existente, os engenheiros
responsveis devem selecionar o fluxo localizado no lado direito da FIGURA 4.17. Este
fluxo apresenta basicamente as etapas realizadas ao longo da interveno na empresa.
Identificar e priorizar os principais defeitos ocorridos e os principais componentes

defeituosos so as primeiras atividades que devem ser realizadas. Aps estas etapas,
deve-se construir uma matriz correlacionando os principais componentes defeituosos
com as etapas do processo. Como resultado desta correlao tm-se as etapas mais
crticas do processo. Neste ponto, os engenheiros devem avaliar se a soluo ou no
136
de fcil implementao. Se a concluso for positiva, alguns dispositivos Poka-Yoke

prova de falhas podem ser instalados; se for negativa, uma anlise mais criteriosa do
processo deve ser realizada.
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.
Aps a avaliao da capacidade do processo e este se apresentar capaz de atender s

especificaes dos clientes, a produo liberada e o monitoramento realizado por
meio das cartas de controle para pequenos lotes, concluindo, assim, o fluxo designado
melhoria do processo.
Percebe-se que as atividades de planejamento de experimentos, avaliao da capacidade

e monitoramento dos parmetros de produto so comuns s duas abordagens, isso
porque, depois do processo devidamente ajustado, a maneira de monitorar os
indicadores a mesma, tornando-se desnecessria a criao de ferramentas adicionais.
4.4.4 Condies para o sucesso da metodologia na empresa

Conforme foi discutido na seo 4.2.2, o fato de as empresas de manufatura contratada
trabalharem por cliente, faz com que o setor de gesto da qualidade seja fundamental
para a organizao. Assim, considera-se que para o sucesso da metodologia proposta, o
suporte deste setor imprescindvel.
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
GESTO DA QUALIDADE ANALISA AS INFORMAES
GESTO DA QUALIDADE ATUA NO PROCESSO
MELHORIA
CLIENTE A
MELHORIA
CLIENTE B
MELHORIA
CLIENTE C
MELHORIA
CLIENTE D
FIGURA 4.18 O papel da gesto da qualidade
Especificamente para a implementao da metodologia, espera-se que a qualidade possa

armazenar e disponibilizar as informaes de produtos, especialmente para a etapa de
projeto do processo. Para isso, necessrio aprofundar na definio de produtos
similares, usando critrios como grau de complexidade e natureza dos componentes;
criar um mecanismo de atualizao constante das informaes; identificar o que
comum a todos os clientes e o que especfico, enfim, para que a metodologia atenda
plenamente os objetivos estabelecidos, necessrio que haja um grande envolvimento
da qualidade no sentido de gerenciar e disseminar o conhecimento adquirido.
138
5. CONCLUSES E SUGESTES PARA TRABALHOS FUTUROS

Para se alcanar o to almejado padro de classe mundial, as empresas esto utilizando
cada vez mais uma srie de mtodos e ferramentas que visam reduo contnua da
variabilidade dos processos. Com este enfoque, uma das mais poderosas ferramentas o
controle estatstico de processo. Entretanto, tradicionalmente, as ferramentas estatsticas
so utilizadas em empresas que apresentam um processo de produo contnuo e,
principalmente, em larga escala. Porm, com a tendncia de os processos se tornarem
cada vez mais flexveis e gerarem uma quantidade de dados escassa, as ferramentas
precisam sofrer algumas adaptaes, tornando-se aplicveis tambm nessas situaes.
A pesquisa realizada em uma empresa de manufatura contratada do setor

eletroeletrnico evidenciou o fato de que algumas ferramentas estatsticas precisam ser
adaptadas para atender as necessidades da empresa, principalmente as que possuem a
caracterstica de alto mix de produtos e baixo volume de produo.
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.
A partir da reviso bibliogrfica apresentada no Captulo 3, do detalhado estudo

realizado dentro da empresa descritos na Seo 4.3 e da constante troca de
experincia com os membros da equipe (da empresa e da UFMG), foi possvel elaborar
a metodologia proposta na Seo 4.4.
139
Com o objetivo desta pesquisa alcanado, ou seja, a metodologia construda, o prximo

passo seria a sua validao por meio da aplicao na empresa pesquisada. Ressalta-se
que, para a metodologia alcanar o resultado desejado, alm do que foi discutido na
seo 4.4.4, outros requisitos devem ser observados:
conscientizao por parte da empresa de que a metodologia auxiliar na melhoria do
desempenho dos processos;
motivao, comprometimento e dedicao dos responsveis pelo processo
produtivo;
infra-estrutura adequada para a realizao de experimentos, coleta de informaes e
anlise de dados;
eficaz sistema de padronizao dos procedimentos operacionais padro.
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
FLEURY, A. Gerenciamento do desenvolvimento de produtos na economia

globalizada.
In:
CONGRESSO
BRASILEIRO
DE
GESTO
DE
DESENVOLVIMENTO DE PRODUTO, 1., 1999. Anais... Belo Horizonte: CBGDP,
1999. p. 1-10.
FRANA, J. L.; VASCONCELLOS, A. C.; MAGALHES, M. H. A.; BORGES, S. M.
Manual para normalizao de publicaes tcnico-cientficas. Belo Horizonte:
UFMG, 2001. 211 p.
FREITAS, M.A.; COLOSIMO, E. A. Confiabilidade: anlise de tempo de falha e
testes de vida acelerados. Belo Horizonte: Fundao Christiano Ottoni, 1997. 326 p.
GREEN, D. EMS industry 2000. Circuits Assembly, p. 25-28, Oct. 1999.
HEDERSON, J. Box build: from concept through manufacturing. Circuits Assembly,
Oct. 2000.
HELMAN, H.; ANDERY, P. R. P. Anlise de falhas: aplicao dos mtodos de
FMEA/FTA. Belo Horizonte: Fundao Christiano Ottoni, 1995. 156 p.
IPC 7912 e IPC 9261
JURAN, J.M.; GRYNA, F.M. Controle da qualidade: mtodos estatsticos clssicos
aplicados qualidade. So Paulo: Makron Books do Brasil Editora Ltda., 1992. p. 488.
KENTON, R. The make-buy decision. SMT Magazine, p. 63-66, Dec. 1997.
KOTZ, S,; LOVELACE, C. R. Process capability indices in theory and practice.
London: Arnold, 1998.
KUMAR, K. Contract Manufacturing of Electronic Hardware. Electronic Information
& Planing, p.395-407, May-June. 1999.
LANDERS, T.L. et. al. Eletronic Manufacturing Processes, Prentice-Hall, NJ. 1994.
LYELL, M. Vertical integration helps OEMs compete. SMT Magazine, p.87-90, July.
1998.
MONTGOMERY, D. C. Design and analysis of experiments. 5th ed. New York: John
Wiley & Sons, 2001.
. Introduction to statistical quality control. 4th ed. New York: John Wiley &
Sons, 2001, 815 p.
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
ROTONDARO, R. G et. al. Seis sigma: estratgia gerencial para a melhoria de

processos, produtos e servios. So Paulo: Atlas, 2002. 375p.
SANTOS, D. L. et al. Defect reduction in PCB contract manufacturing operations. In:
INTERNATIONAL CONFERENCE ON COMPUTERS AND INDUSTRIAL
ENGINEERING, 1997. p. 381-384.
SHERMAN, R. The state of contract manufacturing. SMT Magazine, p.146-150 Feb.
1998.
SOUZA, R. A.; POSSAMAI, O. Confiabilidade e Falhas de Campo: Uma Metodologia
para Suporte ao Projeto. In: II CONGRESSO BRASILEIRO DE GESTO DE
DESENVOLVIMENTO DE PRODUTOS, 2000. Anais... So Carlos: CBGDP, 2000. p.
371-379.
STERLING, K. Whats happening in the EMS industry? Circuits Assembly, p.S4-S6,
Apr. 1997.
STURGEON, T. J. Turnkey Production Networks: A New American Model of
Industrial Organization? Working Paper 92A, August 1997.
THIOLLENT, M. Metodologia da pesquisa-ao. 9 ed. So Paulo: Cortez, 2000.
TOWLE, K. A. Low volume, high mix manufacturing. Circuits Assembly, p.52-59,
Jan. 1998.
WALTERS, K.; FISCHBECK, K; PEARCE, R. Improving the reflow process with
SPC. Circuits Assembly, Feb. 2002.
WERKEMA, M. C. C. Criando a cultura seis sigma. Rio de Janeiro: Qualitymark,
2002. 256 p.
. Ferramentas estatsticas bsicas para o gerenciamento de processos. Belo
Horizonte: Fundao Christiano Ottoni, Escola de Engenharia da UFMG, 1995. 404p.
. AGUIAR, S. Otimizao estatstica de processos: como determinar a condio
de operao de um processo que leva ao alcance de uma meta de melhoria. Belo
Horizonte: Fundao Christiano Ottoni, Escola de Engenharia da UFMG, 1996. 331p.
WHEELER, D. J. Advanced topics in statistical process control: The Power of
Shewhart Charts, SPC Press, Inc., 1995.
. CHAMBERS, D. S. Understanding Statistical Process Control, 2nd ed. SPC
Press, Inc., 1992.
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
FONTE PANDE et al., 2000. p. 410.
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
Grfico para mdias

Fatores para limites de
controle
A
A2
A3
2,121
1,880
2,659
1,732
1,023
1,954
1,500
0,729
1,628
1,342
0,577
1,427
1,225
0,483
1,287
1,134
0,419
1,182
1,061
0,373
1,099
1,000
0,337
1,032
0,949
0,308
0,975
0,905
0,285
0,927
0,866
0,266
0,886
0,832
0,249
0,850
0,802
0,235
0,817
0,775
0,223
0,789
0,750
0,212
0,763
0,728
0,203
0,739
0,707
0,194
0,718
0,688
0,187
0,698
0,671
0,180
0,680
0,655
0,173
0,663
0,640
0,167
0,647
0,626
0,162
0,633
0,612
0,157
0,619
0,600
0,153
0,606
Grfico para desvios padro

Fatores para linha
Fatores para limites de controle
central
c4
1/c4
B3
B4
B5
B6
0,7979 1,2533
0
3,267
0
2,606
0,8862 1,1284
0
2,568
0
2,276
0,9213 1,0854
0
2,266
0
2,088
0,9400 1,0638
0
2,089
0
1,964
0,9515 1,0510 0,030
1,970
0,029
1,874
0,9594 1,0423 0,118
1,882
0,113
1,806
0,9650 1,0363 0,185
1,815
0,179
1,751
0,9693 1,0317 0,239
1,761
0,232
1,707
0,9727 1,0281 0,284
1,716
0,276
1,669
0,9754 1,0252 0,321
1,679
0,313
1,637
0,9776 1,0229 0,354
1,646
0,346
1,610
0,9794 1,0210 0,382
1,618
0,374
1,585
0,9810 1,0194 0,406
1,594
0,399
1,563
0,9823 1,0180 0,428
1,572
0,421
1,544
0,9835 1,0168 0,448
1,552
0,440
1,526
0,9845 1,0157 0,466
1,534
0,458
1,511
0,9854 1,0148 0,482
1,518
0,475
1,496
0,9862 1,0140 0,497
1,503
0,490
1,483
0,9869 1,0133 0,510
1,490
0,504
1,470
0,9876 1,0126 0,523
1,477
0,516
1,459
0,9882 1,0119 0,534
1,466
0,528
1,448
0,9887 1,0114 0,545
1,455
0,539
1,438
0,9892 1,0109 0,555
1,445
0,549
1,429
0,9896 1,0105 0,565
1,435
0,559
1,420
FONTE JURAN & GRYNA, 1993. p. 424.
Grfico para amplitudes

Fatores para a
linha central
d2
1/d2
1,128 0,8865
1,693 0,5907
2,059 0,4857
2,326 0,4299
2,534 0,3946
2,704 0,3698
2,847 0,3512
2,970 0,3367
3,078 0,3249
3,173 0,3152
3,258 0,3069
3,336 0,2998
3,407 0,2935
3,472 0,2880
3,532 0,2831
3,588 0,2787
3,640 0,2747
3,689 0,2711
3,735 0,2677
3,778 0,2647
3,819 0,2618
3,858 0,2592
3,895 0,2567
3,931 0,2544
Fatores para limites de controle

d3
0,853
0,888
0,880
0,864
0,848
0,833
0,820
0,808
0,797
0,787
0,778
0,770
0,763
0,756
0,750
0,744
0,739
0,734
0,729
0,724
0,720
0,716
0,712
0,708
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

Diss091 PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Diss091 PDF

Enviado por

Direitos autorais:

Formatos disponíveis

rika Pacheco Alves

COMO LIDAR COM A CARACTERSTICA DE BAIXO

rika Pacheco Alves

COMO LIDAR COM A CARACTERSTICA DE BAIXO

Dissertao apresentada ao Curso de Mestrado em

Aos meus pais, por todas as vezes que se

minha orientadora e amiga Ftima Brant,

A Deus, pela fora renovada a cada dia.

4.4 RESULTADOS DA PESQUISA A METODOLOGIA PROPOSTA ............................................. 131

FIGURA 3.2 Exemplo para o clculo do rendimento de primeira passagem

FIGURA 3.3 Exemplo de cartas de controle x (mdia) e R (amplitude)

FIGURA 3.4 Sntese das cartas de controle para monitoramento de processos

FIGURA 3.5 Caractersticas necessrias para se realizar uma avaliao da capacidade de

FIGURA 3.6 Avaliao da capacidade de um processo cuja caracterstica a proporo de

FIGURA 3.8 Exemplo de um experimento fatorial completo 24

FIGURA 3.9 Anlise de regresso para os dados do EXEMPLO 3.3

FIGURA 3.11 Grfico de probabilidade normal dos efeitos

FIGURA 3.12 Anlise de regresso para os dados do EXEMPLO 3.5

FIGURA 3.14 Sada do Minitab para o experimento fatorial fracionado 24IV1

FIGURA 3.15 Estimativa dos efeitos e dos coeficientes de regresso

FIGURA 3.16 Anlise de regresso para os dados do EXEMPLO 3.6

FIGURA 3.17 Exemplo de um modelo conceitual para uma indstria de montagem

FIGURA 3.18 Aplicao do FTA e FMEA no projeto do produto

FIGURA 3.19 Desdobramento do custo

FIGURA 4.1 Fluxograma do processo de montagem de placas de circuito impresso

FIGURA 4.2 Capacidade do processo SMT TOP SIDE

FIGURA 4.3 Capacidade do processo SMT BACK SIDE

FIGURA 4.6 Principais defeitos encontrados na planta no perodo analisado

FIGURA 4.10 Carta de controle x e R para o produto A

FIGURA 4.11 Carta de controle x e R para o produto B

FIGURA 4.12 Carta de controle x e R para o produto C

FIGURA 4.13 Cartas de controle x e AM para os produtos A, B e C

FIGURA 4.17 Metodologia de controle estatstico de processo

FIGURA 4.18 O papel da gesto da qualidade

QUADRO 3.4 Definio e exemplos das principais resolues

QUADRO 4.1 Etapas para o desenvolvimento da pesquisa

TABELA 3.3 Estimativas dos efeitos e dos coeficientes de regresso

TABELA 3.5 Estimativas dos efeitos e dos coeficientes de regresso

TABELA 3.6 Codificao para o planejamento fatorial completo 24

TABELA 3.7 Dados coletados no experimento fatorial fracionado

TABELA 4.3 Configurao inicial da mquina

TABELA 4.4 Mudana de 60 para 70ml/min na vazo do fluxo

TABELA 4.6 Mudana de 1,2 para 1,0 m/min na velocidade da esteira

TABELA 4.7 Mudana de desligado para 5,0 na onda turbulenta

TABELA 4.8 Mudana de 5,0 para 4,8 na onda turbulenta.

TABELA 4.9 Planejamento dos experimentos 24-1

Dentro do segmento industrial que apresenta estas caractersticas encontram-se muitas

1.1 Contribuio do estudo

de processos e outras tcnicas estatsticas que visam, basicamente, reduo contnua

Entretanto, tradicionalmente as ferramentas estatsticas so utilizadas em empresas que

Esta pesquisa foi desenvolvida em uma empresa de manufatura contratada do setor

1.3 Estrutura da dissertao

2.1 O setor eletroeletrnico e a prestao de servios de manufatura

Em reao a esta busca de eficincia operacional e tecnolgica, as companhias

subcontratao de servios de manufatura em empresas especializadas, chamadas de

Definio do conceito do produto

Produo de lote piloto

Produo em larga escala

O QUADRO 2.1 apresenta quais etapas do ciclo de desenvolvimento de produtos so de

A empresa pesquisada atua no segmento de manufatura contratada (EMS). Este

As principais empresas do segmento so americanas e asiticas que, aproveitando o

Existem empresas no segmento que surgiram nas dcadas de 60 e 70 do sculo 20.

processo que ocorreu neste perodo, apresentaram crescimento de cerca de 500% no