Escolar Documentos
Profissional Documentos
Cultura Documentos
(http://www.statistical.com.br/artigos.asp)
Carlos H. Domenech e Lus G. do Amaral Vinha
Em 50 palavras ou menos
Histo DOE est iniciando a fase Medir de um projeto Seis Sigma. Ele aprendeu que, na fase M
(Medio) do ciclo DMAIC, deve coletar informao de algumas variveis de sada para medir o
desempenho do processo. No fim do projeto (fase C do Controle) deve calcular novamente o
desempenho para verificar se a meta do projeto foi atingida. Como ele um Black Belt, sabe
que a medio do desempenho um dos conceitos chaves do Seis Sigma. O prprio nome
Sigma da estratgia de melhoria um ndice da capacidade: um processo Seis Sigma
quando h 6 desvios-padro entre o alvo e os limites de especificao. Na Figura 1 observa-se
que quando um processo Seis Sigma, o Cp = 2.
6 Cp =
(LSE LIE) 6 ( 6 )
=
=2
6
6
T: alvo da especificao
LIE: limite inferior especificao
LSE: limite superior especificao
LIE
LSE
-6 -5 -4
-3 -2
-1
M. I. Domenech Consultores. Rua Lord Cockrane, 616/Sala: 609/610 Ipiranga- So Paulo- SP- 04213-001. Brasil
Tel.: (55-11) 6161-3043; Telefax (55-11) 272-8282. HP: www.Statistical.com.br. Email: mi.domenech@statistical.com.br
2
Considerando uma largura de especificao igual a 6, o Cp terico deste processo :
Cp =
26 20
=1
6 1
Na Figura 3, Histo DOE fez um histograma com os Cp das 41 666 amostras. De posse desta
informao comentou com Nasco: Voc entendeu? Mesmo para um processo com Cp = 1,
amostras pequenas podem produzir valores de Cp que variam muito. Nasco entendeu a
explicao e perguntou como podia prever a largura do intervalo em funo do tamanho da
amostra. Vejamos como ajud-lo!
Processo
estvel
com = 1
Coletar amostra de
n = 12 elementos
Calcular:
- S = desvio padro da amostra
- Cp =
(LSE LIE)
6S
J foram coletadas
41 666 amostras?
No
Sim
Cliente
Histogram of Cp
1800
1600
Frequency
1400
1200
1000
800
600
400
200
0
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
2,4
2,6
Cp
M. I. Domenech Consultores. Rua Lord Cockrane, 616/Sala: 609/610 Ipiranga- So Paulo- SP- 04213-001. Brasil
Tel.: (55-11) 6161-3043; Telefax (55-11) 272-8282. HP: www.Statistical.com.br. Email: mi.domenech@statistical.com.br
3
Os ndices Cp e Cpk so calculados a partir das equaes:
Cp =
LSE y y - LIE
;
Cpk = mnimo
3S
3S
LSE LIE
6S
(y y )
S=
n 1
A partir das frmulas anteriores, percebe-se que estes ndices relacionam a especificao do
produto (numerador) com o desempenho do processo (denominador). O Cp denominado
capacidade potencial porque considera apenas a disperso dos dados e no a posio do
processo em relao ao alvo da especificao. O Cpk considera tambm a posio do
processo em relao ao alvo, sendo sempre menor ou igual ao Cp e quanto maior a distncia
da mdia em relao ao alvo menor ser seu valor.
As equaes de Cp e Cpk apresentadas neste artigo so equivalentes aos ndices
denominados Pp e Ppk no software Minitab.
Lembre-se de que para fazermos previses a partir desses ndices, o processo deve ser
estvel (sob controle) e sua distribuio deve ser aproximadamente normal. Alm disso,
importante ressaltar que as amostras utilizadas devem representar de forma adequada a
variao do processo, ou seja, no se deve coletar muitas amostras somente de um lote ou em
um curto espao de tempo.
So apresentadas a seguir as equaes para o clculo do nmero mnimo requerido de
amostras (n) e para o clculo do intervalo de confiana dos ndices Cp e Cpk.
Cp
Cpk
Z /2Cp
n 1 + 0,5
Cp Cpmin
2
1
Z /2Cpk
n
+
0,5
2
Cpk Cpk
min
9Cpk
(1)
(2)
Z/2 o quantil de ordem /2 da distribuio normal padro (ex.: se = 0,05, Z/2 = 1,96).
Cp-Cpmin a diferena desejada entre o valor de Cp e o seu valor mnimo com (1- )% de confiana.
Cpk-Cpkmin a diferena desejada entre o valor de Cpk e o seu valor mnimo com (1- )% de confiana.
Observaes:
a) As frmulas acima e os intervalos de confiana foram implementados na planilha de
trabalho http://www.statistical.com.br/admin/arquivos/IC_CpCpk.xls.
b) Pelas frmulas (1) e (2) observa-se que quanto maior o valor de Cp ou Cpk, maior ser o
tamanho de amostra necessrio para se conseguir um certo erro. O erro na estimativa de
Cp dado por (Cp Cpmin) e o erro na estimativa de Cpk, por (Cpk Cpkmin).
c) Nasco viu as frmulas acima e ficou perplexo. Seu comentrio foi: Quero encontrar o
tamanho de amostra para estimar Cp, e voc me d uma frmula de n na qual devo entrar
com Cp!... Histo DOE respondeu: Embora voc desconhea o valor de Cp, deveria tentar
acertar (chutar) o maior valor que acredita, pode representar a capacidade do seu
processo.
M. I. Domenech Consultores. Rua Lord Cockrane, 616/Sala: 609/610 Ipiranga- So Paulo- SP- 04213-001. Brasil
Tel.: (55-11) 6161-3043; Telefax (55-11) 272-8282. HP: www.Statistical.com.br. Email: mi.domenech@statistical.com.br
4
Exemplo 1: Estamos interessados em estudar a capacidade de um processo e no sabemos
qual o tamanho da amostra que devemos coletar. Sabemos, por estudos anteriores, que o Cp
no deve ser superior a 1 e gostaramos de cometer um erro de no mximo 0,15 na estimativa
(Cp Cpmin). Utilizando a frmula (1) ou a planilha IC_CpCpk.xls pode-se calcular o nmero de
amostras para esta situao:
2
1,96 1
n 1 + 0,5
= 86
0,15
Cp
Cpk
2
2
Lim inf;Lim sup = Cp n1,/2 ; Cp n1,1/2
n 1
n 1
1 Cpk 2
1 Cpk 2
(3)
(4)
Z/2 o quantil de ordem /2 da distribuio normal padro (ex.: se = 0,05, Z/2 = 1,96).
2n-1,/2 o quantil de ordem /2 da distribuio qui-quadrado com n-1 graus de liberdade (ex.:
se n = 5, = 0,05, 2n-1,/2 = 0,484 e 2n-1,1-/2 = 11,143)
Observaes:
a) Pelas frmulas dos intervalos de confiana pode-se notar que quanto maior o tamanho de
amostra, mais preciso ser o intervalo de confiana (menor a incerteza na estimao de Cp
ou
Cpk).
Veja
planilha
de
trabalho
em
http://www.statistical.com.br/admin/arquivos/IC_CpCpk.xls.
b) Os limites dos intervalos podem ser calculados tambm usando o software Minitab. Voc
deve acessar por exemplo o aplicativo Stat\Quality Tools\Capability Analysis\Normal e
solicitar os limites inferior e superior (Lower bound, Upper bound) no boto Storage.
c) A frmula (3) foi utilizada para construir os intervalos de confiana do Cp para diferentes
valores de Cp e n.
M. I. Domenech Consultores. Rua Lord Cockrane, 616/Sala: 609/610 Ipiranga- So Paulo- SP- 04213-001. Brasil
Tel.: (55-11) 6161-3043; Telefax (55-11) 272-8282. HP: www.Statistical.com.br. Email: mi.domenech@statistical.com.br
5
Tabela 1 Intervalos de confiana para diferentes valores de Cp e n
n
5
10
15
20
30
40
50
60
70
80
90
100
120
150
200
Cp = 1
(0,35;1,67)
(0,55;1,45)
(0,63;1,37)
(0,68;1,31)
(0,74;1,26)
(0,78;1,22)
(0,80;1,20)
(0,82;1,18)
(0,83;1,17)
(0,84;1,16)
(0,85;1,15)
(0,86;1,14)
(0,87;1,13)
(0,89;1,11)
(0,90;1,10)
Cp = 1,1
(0,38;1,84)
(0,60;1,60)
(0,70;1,50)
(0,75;1,45)
(0,82;1,38)
(0,86;1,34)
(0,88;1,32)
(0,90;1,30)
(0,92;1,28)
(0,93;1,27)
(0,94;1,26)
(0,95;1,25)
(0,96;1,24)
(0,98;1,22)
(0,99;1,21)
Cp = 1,2
(0,42;2,00)
(0,66;1,74)
(0,76;1,64)
(0,82;1,58)
(0,89;1,51)
(0,93;1,46)
(0,96;1,44)
(0,98;1,42)
(1,00;1,40)
(1,01;1,39)
(1,02;1,38)
(1,03;1,37)
(1,05;1,35)
(1,06;1,34)
(1,08;1,32)
Cp = 1,3
(0,45;2,17)
(0,71;1,89)
(0,82;1,78)
(0,89;1,71)
(0,97;1,63)
(1,01;1,59)
(1,04;1,56)
(1,07;1,53)
(1,08;1,52)
(1,10;1,50)
(1,11;1,49)
(1,12;1,48)
(1,13;1,46)
(1,15;1,45)
(1,17;1,43)
Cp = 1,4
(0,49;2,34)
(0,77;2,04)
(0,89;1,91)
(0,96;1,84)
(1,04;1,76)
(1,09;1,71)
(1,12;1,68)
(1,15;1,65)
(1,17;1,63)
(1,18;1,62)
(1,19;1,61)
(1,21;1,59)
(1,22;1,58)
(1,24;1,56)
(1,26;1,54)
Cp = 1,6
(0,56;2,67)
(0,88;2,33)
(1,01;2,19)
(1,10;2,10)
(1,19;2,01)
(1,25;1,95)
(1,28;1,92)
(1,31;1,89)
(1,33;1,87)
(1,35;1,85)
(1,37;1,83)
(1,38;1,82)
(1,40;1,80)
(1,42;1,78)
(1,44;1,76)
Cp = 1,8
(0,63;3,00)
(0,99;2,62)
(1,14;2,46)
(1,23;2,37)
(1,34;2,26)
(1,40;2,20)
(1,44;2,15)
(1,48;2,12)
(1,50;2,10)
(1,52;2,08)
(1,54;2,06)
(1,55;2,05)
(1,57;2,03)
(1,60;2,00)
(1,62;1,98)
Cp = 2,0
(0,70;3,34)
(1,10;2,91)
(1,27;2,73)
(1,37;2,63)
(1,49;2,51)
(1,56;2,44)
(1,60;2,39)
(1,64;2,36)
(1,67;2,33)
(1,69;2,31)
(1,71;2,29)
(1,72;2,28)
(1,75;2,25)
(1,77;2,23)
(1,80;2,20)
Exemplo 2: No exemplo 1 viu-se que com n = 86 se atinge um erro na estimativa de 0,15. Para
o mesmo problema pode-se calcular a largura do intervalo de confiana (limite superior limite
inferior) para diferentes tamanhos de amostra. Estas larguras foram plotadas na Figura 4. Note
que a partir do tamanho de amostra 100-120, a largura permanece praticamente inalterada,
logo no existir grande diferena entre a preciso da estimativa do Cp quando a amostra de
tamanho 100 ou de tamanho 200. Economicamente esta diferena pode ser muito grande.
1,4
1,2
1,0
0,8
0,6
0,4
0,2
0,0
0
20
40
60
80
100
120
140
160
180
200
220
M. I. Domenech Consultores. Rua Lord Cockrane, 616/Sala: 609/610 Ipiranga- So Paulo- SP- 04213-001. Brasil
Tel.: (55-11) 6161-3043; Telefax (55-11) 272-8282. HP: www.Statistical.com.br. Email: mi.domenech@statistical.com.br
6
Observaes finais:
Este artigo pode ser uma ajuda valiosa para quem trabalha em qualidade e deve planejar e
analisar estudos de capacidade, essenciais nos projetos de melhoria Seis Sigma. Esperamos
que voc tenha se convencido da escassa representatividade do clculo de ndices de
capacidade com amostras pequenas. Em caso de voc no poder utilizar tamanhos de amostra
adequados, pelo menos pode quantificar qual a variabilidade da sua estimativa. Em nosso
prximo encontro, teremos novas aventuras de Nasco e Histo DOE. At l!
REFERNCIAS BIBLIOGRFICAS:
Bothe, Davis R. (1997). Measuring Process Capability. New York: McGraw-Hill. ISBN:
0070066523.
Bissel, A. F. (1990). How reliable is your capability index? Applied Statistics 39, p. 331-340.
M. I. Domenech Consultores. Rua Lord Cockrane, 616/Sala: 609/610 Ipiranga- So Paulo- SP- 04213-001. Brasil
Tel.: (55-11) 6161-3043; Telefax (55-11) 272-8282. HP: www.Statistical.com.br. Email: mi.domenech@statistical.com.br