AULA: 1

Anlise da Capacidade de processos

Vctor Hugo Lachos Dvila

Campinas
2007

Capacidade de processos
- Um processo mesmo com variabilidade controlada e previsvel pode
produzir itens defeituosos. Conseqentemente, no suficiente colocar
o processo sobre controle e dizer que o processo capaz de atender as
especificaes do cliente.
- Estudo da capacidade de um processo comparar a variabilidade
prpria do produto com as exigncias ou especificaes para o produto.
- A capacidade do processo definida pela faixa +/- 3 (faixa

caracterstica de um processo). Sob normalidade 99.73% dos valores da varivel

devem pertencer a esta faixa.

- A capacidade de um processo s pode ser estimada quando o processo

esta sobre estatstico, ou seja, tem comportamento previsvel
caracterizado por uma distribuio.
Graficamente a capacidade de um processo pode ser avaliada por mdio de
Histogramas e probabilidade normal. Testes de normalidade (Shapiro), ndices
de assimetria, curtose.
No entanto, convm termos uma forma simples, quantitativa de expressar-la
(ndices de Capacidade de Processos)
2

ndices de Capacidade
Os ndices de capacidade so medidas adimensionais que quantificam a
capacidade de um processo estvel. Os principais ndices so:
LSE LIE
6
LSE LIE
(ii ) C = min
,

3
3
LSE LIE
LSE LIE
(iii ) C =
=
6
6 + ( T )

(i ) C =
p

pk

pm

(iv) C

pmk

LIE
LSE
LSE LIE
,
,
= min

= min
3

)
3

)
+

T
T

Onde LSE e LIE so os limites de especificao superior e inferior,

respectivamente, e mdia e desvio padro do processo e T o
valor alvo.
3

Estimadores dos ndices de Capacidade

Dada uma amostra aleatria X1,..., Xn, do processo, os estimadores dos
ndices de capacidade so respectivamente:

LSE LIE
(i ) C p =
6S
LSE X X LIE
(ii ) C pk = min
,

S
3
3S

LSE LIE
LSE LIE
=
(iii ) C pm =
6
6 S 2 + ( X T )2

LSE X
X LIE
LSE LIE
=
(iv) C pmk = min
,
min
,

)
3
3
3 S 2 + ( X T ) 2 3 S 2 + ( X T ) 2

onde X =

X
i =1

(X X )

,S=

n 1
4

Alternativamente para dados de grfico de controle de variveis, os

estimadores dos ndices de capacidade so respectivamente:

~ LSE LIE
(i) C =
6(R / d )
p

LSE X X LIE
~
(ii) C = min
,

3
(
R
/
d
)
3
(
R
/
d
)

LSE LIE
~ LSE LIE
(iii) C =
=
6
6 (R / d ) + ( X T )
pk

pm

LSE X X LIE
LSE X
X LIE
~
(iv) C = min
,

= min
) ,

3
3

3
(
/
)
(
)
3
(
/
)
(
)
+

R
d
X
T
R
d
X
T

pmk

Intervalos de confiana
Kane (1986), mostrou para processo normais, um
100(1-)% de confiana para Cp, a qual dado por:

IC (C ;1 ) =
C ; C
n 1
n 1
2

1 / 2 , n 1

onde

2
1 / 2 , n 1

2
/ 2 , n 1

/ 2 , n 1

intervalo de

so valores crticos da distribui o qui - quadrado com

n - 1 graus de liberdade.
Exemplo: Suponha que um processo estvel tenha limite superior e
inferior especificao em LSE=62 e LIE= 38. Uma amostra de
tamanho 20 deste processo revela que mdia do processo est
centrado aproximadamente no ponto mdio do intervalo de
especificao e que desvio padro amostral S=1,75. Uma estimativa
pontual de Cp :

LSE LIE 62 38
C =
=
= 2,29
6S
6(1,75)
p

Um intervalo de 95% de confiana para Cp, dado por:

2,29;
2,29
IC (C ;0.95) =
C;
C =
20 1
n 1 19 1
n 1

9,81

32,85
2,29;
2,29 = (1,57;3,01)
=
19

19
2

1 / 2 , n 1

/ 2 , n 1

0 , 975 , 20 1

0 , 025 , 20 1

Pearn et. Al (1992), derivaram para processo normais, um intervalo

de 100(1-)% de confiana para Cpk, a qual dado por:

IC(C ;1 ) = C

pk

pk

1 z

/2

1
1
+
; C

2(n 1)
9nC
pk

pk

1 + z

/2

1
1
+

2(n 1)
9nC
pk

Exemplo: Considere uma amostra aleatria de tamanho n=20 de um

processo estvel uma estimativa pontual de Cpk, resultou, 1.33. Um
intervalo de 95% de confiana para Cpk, :

1
1

;
IC(C ;1 ) = 1,331 1,96
+

9(20)(1,33) 2(19 1)

pk

1
1
= (0,99;1,67).
= 1,331 + 1,96
+

9(20)(1,33) 2(19 1)

Exercicios.
1.- Prove que um intervalo de 100(1-)% de confiana para Cp dado por

IC (C ;1 ) =
C;
C
n 1
n 1
2

1 / 2 , n 1

/ 2 , n 1

2.- O peso molecular de um polmero deveria ficar entre 2100 e 2350.

Cinqenta amostra desse material foram analisadas com os resultados
X = 2750 e S = 60 . Suponha que os pesos moleculares tenham distribuio
normal.
a) Calcule uma estimativa pontual para Cpk
b) Ache um intervalo de confiana de nvel 95% para Cpk.

Teste de hipteses
Na anlise de capacidade de um processo, o interesse testar as
hipteses:

H : o processo

no capaz

H : o processo

capaz

Essas hipteses em termos do ndice de capacidade Cp equivalente

testar:

:C

= c0 H 1 : C p > c0

Onde c0 so valores padres de Cp freqentemente considerado

com 1,33. 1,67 ou 2. A hiptese nula H0 rejeitada e se : C > c
onde c obtido para um nvel de significncia fixada.
p

Isto , P ( C > c | H ) =
p

10

O poder do teste (probabilidade de rejeitar Ho sendo Ho ela falsa)

dado por:

Pd (C ) = P (C > c | C ) = P < (n 1) | C
c

n 1

Desta definio obtem-se a curva caracterstica operativa (OC) de Cp

(1-Pd(Cp)=). Considerando 2 situaes: (a) n=30, c=1,33; (b) n=70,
c=1,46, as curvas OC so mostrados na figura seguinte:

11

Kane (1986) props uma tabela de tamanhos amostrais (n) e valores

crticos (c) para a realizao do teste. Para o uso dessa tabela
necessrio especificar os seguintes valores:
Cp (alto); representa a nvel de qualidade aceitvel, ou seja, um
valor suficientemente alto para Cp, de tal forma que, com
probabilidade 1- gostaramos classificar como capazes processos
cujos ndices fossem superiores a Cp (alto).
Cp(baixo): representa o nvel de qualidade inaceitvel, ou seja, um
valor suficientemente baixo para Cp, de tal forma que, com
probabilidade 1- gostaramos de classificar como incapazes
processos cujos ndices fossem inferiores a Cp(baixo).

12

Tamanho amostral (n) e valores crticos para o teste de Cp, segundo

Kane(1986).

13

Exemplo: Uma empresa de minerao opera um grande complexo de

pelotizao exportando minrio de ferro sob a forma de pelotas para
diversos paises. Um dos itens de controle do processo de queima a
resistncia compresso das pelotas queimadas, que deve atender as
especificaes dos clientes. Os clientes informam que, para se
qualificar para negcios, a empresa deve demonstrar que sua
capacidade supere 1.33. Assim a empresa deseja estabelecer um
procedimento para o teste das hipteses:
H

:C

= 1, 33

H 1 : C p > 1, 33

O responsvel pelo processo deseja ter certeza de que a

capacidade do processo for inferior a 1,33, haver uma
probabilidade de 0.90 de detectar esse fato, enquanto se o
processo exceder 1,66, haver uma grande probabilidade de o
processo julgado ser capaz (digamos, 0,90)

14

Observe que, para a formulao do teste, essas informaes

significam que

C p (baixo) = 1,33
C p (alto) = 1,66

= = 0,10
Para a determinao de n e do valor crtico c, calculou-se:

C (alto) 1,66
=
= 1,25
C (baixo) 1,33
p

Da tabela com ==0,10, tem-se n=70.

C
= 1,10 c = 1,10 C (baixa) = 1,46
C (baixo)
p

Logo, o fornecedor deve tomar uma amostra de 70 peas e a razo da

capacidade deve exceder C=1,46.
15

Estudo Sobre Capacidade De Um Medidor e De Um Sistema De Medidas

Um aspecto importante para implementao de CEP assegurar uma adequada
capacidade do medidor e do sistema de medio.
Em qualquer problema que envolva mensuraes, a variabilidade observada
ser devida variabilidade do prprio produto e parte decorrer do erro de
mensurao ou variabilidade do medidor. Isto ,

2
total

2
produto

2
medidor

Mtodos estatsticos podem ser usados para estimar e separar essas

componentes de varincia.
1. Grficos de controle e mtodos tabulares
Exemplo: Medindo a capacidade do medidor
Um instrumento dever ser usado como parte de uma implementao de
proposta de CEP. de interesse da equipe envolvida no projeto de melhoria
da qualidade a avaliao da capacidade do medidor.

16

Exemplo: Obtm-se 20 unidade

do produto e o operador do
processo, que toma as medidas
para o grfico de controle, utiliza
2 vezes o instrumento para medir
cada unidade do produto. Os
dados so apresentados na tabela
seguinte:

17

Grfico de controle para anlise de capacidade do medidor

Capacidade do medidor para discriminar
entre unidades do produto
1

Means

30
1

20

1 1
1

Subgroup 0

Ranges

25

1
10

3.0SL=24.18
X=22.30
-3.0SL=20.42
1
20

3.0SL=3.267

2
1

R=1.000

-3.0SL=0.000

Mede a magnitude do erro de medida ou

capacidade do medidor
18

O desvio padro do erro de mensurao, medidor pode ser estimado como

segue:

medidor

R
1,0
=
= 0,887.
d 1,128
2

Supondo que o erro de mensurao tem distribuio normal. Assim, uma

estimativa da capacidade do medidor :

medidor

= 6(0,887) = 5,32.

As mensuraes individuas podem variar em at,

erro do medidor.

3 medidor (2,66)

devido ao

19

ndice CR (razo da preciso para a tolerncia)

6
CR =
LSE LIE
medidor

Se CR no mximo 0, 10, a capacidade do medidor adequado

Para o exemplo, considere LSE=20 e LIE=5. Portanto,

6
6(0,887)
=
= 0,097 < 0,1
CR =
20 5
LSE LIE
medidor

A variabilidade total estimada, pela varincia amostral dos dados.

No exemplo, tem-se que:

2
total

= 10,05
20

Como:

2
total

2
produto

2
medidor

A variabilidade devido ao produto pode ser estimada por:

2
produto

2
total

2
medidor

Para o exemplo, tem-se:

2
produto

= 10,05 (0,887) = 9,26

2

produto

= 9,26 = 3,04

A medida do erro tambm pode ser expressa como uma percentagem da

variabilidade do produto, ou seja,

medidor

produto

0,887
100 =
100 = 29,2%.
3,04
21

REPETITIVIDADE E REPRODUTIVIDADE (R&R) DE SISTEMAS DE MEDIO

A variabilidade inerente medio, descompe-se em duas parcelas:

2
2
2
2
erro
=

de medio
medidor
repetitividade
reprodutividade

Operador B

Operador C

B
Operador A

Figura : Ilustrando o conceito de reprodutividade de um sistema de medio

22

Exemplo. Considere o caso em que se deseja levantar a Repetitividade e

Reprodutividade (R&R) de um micrmetro com leitura milisimal, usado na
medio do resultado de um processo de usinagem.

Peas
1
2
3
4
5
6
7
8
9
10

Operador 1
Medidas
1
2
19,982
19,994
20,223
20,226
20,025
20,234
20,043
20,050
20,015
19,980

19,981
19,993
20,221
20,226
19,994
20,233
20,043
20,049
20,017
19,980

Operador 2
Medidas
1
2
19,981
20,001
20,219
20,222
20,035
20,234
20,054
20,052
20,018
19,980

19,981
19,997
20,221
20,226
20,033
20,234
20,051
20,051
20,017
19,980

Operador 3
Medidas
1
2
19,981
19,996
20,223
20,223
20,028
20,233
20,037
20,032
19,985
19,994

19,976
19,996
20,222
20,224
20,025
20,227
20,035
20,032
19,979
19,980

23

 repe

R
= ,
d2

repro

Rx
=
d2

repe

nr

1
( R1 + ... + R n ), Rx = xmax xmin ,
n
xmax = mx ( x1 ,..., xn ),
xmin = mn ( x1 ,..., xn ),

R=

Um estimativa variabilidade devido ao erro de medio dado por:

med

2
repe

2
repro

A estimativa da capacidade do sistema de medio pode ser

quantificado por R&R, dado por:

med

= 6

2
repe

2
repro
24

Adequabilidade do Sistema de Medio

R & R = 6 med = 6 2repe + 2repro
o

R&R
%R & R =
100
6 total

% R&R
%R&R 10%

(Xijk X)2
total =

i=1 j=1 k=1

onr1

Classificao
adequado

10 < %R&R 30 pode ser adequado dependendo da importncia da aplicao,

custo do instrumento, custo de manuteno, etc.
%R&R > 30

inadequado. Sistema de medio necessita melhorias

Classificao de Sistema de Medio Quanto % R&R

25

Operador 1
Peas
1
2
3
4
5
6
7
8
9
10

Operador 2

Operador 3

19,982
19,994
20,222
20,226
20,010
20,234
20,043
20,050
20,016
19,980

0,001
0,001
0,002
0
0,031
0,001
0
0,001
0,002
0

19,981
19,999
20,220
20,224
20,034
20,234
20,053
20,052
20,018
19,980

0
0,004
0,002
0,004
0,002
0
0,003
0,001
0,001
0

19,979
19,996
20,223
20,224
20,027
20,230
20,036
20,032
19,982
19,987

0,005
0
0,001
0,001
0,003
0,006
0,002
0
0,006
0,014

x1 = 20,07545 R1 = 0,0039 x2 = 20,07935 R2 = 0,0017 x3 = 20,07140 R3 = 0,0038

R=

0,0039 + 0,0017 + 0,0038

= 0,00313
3

repe =

0,00313
= 0,00278
1,128
26

Operador 1
Peas
1
2
3
4
5
6
7
8
9
10

Operador 2

Operador 3

19,982
19,994
20,222
20,226
20,010
20,234
20,043
20,050
20,016
19,980

0,001
0,001
0,002
0
0,031
0,001
0
0,001
0,002
0

19,981
19,999
20,220
20,224
20,034
20,234
20,053
20,052
20,018
19,980

0
0,004
0,002
0,004
0,002
0
0,003
0,001
0,001
0

19,979
19,996
20,223
20,224
20,027
20,230
20,036
20,032
19,982
19,987

0,005
0
0,001
0,001
0,003
0,006
0,002
0
0,006
0,014

x1 = 20,07545 R1 = 0,0039 x 2 = 20,07935 R2 = 0,0017 x3 = 20,07140 R3 = 0,0038

Mdias e amplitudes, Do exemplo.

R x = 20,07935 20,0714 = 0,0079

0,0079 (0,00278)2

repro =
= 0,0046

20
1,693
2

27

Portanto, a reprodutibilidade do instrumento quantificada por:

0,0079 (0,00278)
=
= 6(0,0046) = 0,0280 = 28 m

1
,
693
20

repro

A estimativa da capacidade do sistema de medio dada por R&R:

med

= 6

2
repe

2
repro

= (0,00278) + (0,0046)
2

= 32,5 m
Est largura de faixa conter 99,73% dos resultados se o erro de
medio seguir uma distribuio normal.

28

Alm disso, o sistema de medio quanto %R&R :

o

total =

2
(
X

X
)
ijk

i=1 j=1 k=1

onr1

=0,102

R & R 0,0325
%R & R =
=
100 = 4,6%
6
6(0,102)
total

29

Exercicios.
1.- Desenvolva os exerccios 7-20 e 7-21 do livro texto:
Entrega 25/10/2007

30