Escolar Documentos
Profissional Documentos
Cultura Documentos
Estudo de Cep Completo PDF
Estudo de Cep Completo PDF
CURITIBA
2005
2
TERMO DE APROVAO
Dissertao aprovada como requisito parcial obteno do grau de Mestre em Cincias, pelo
Programa de Ps-Graduao em Mtodos Numricos em Engenharia, na rea de Concentrao em
Programao Matemtica e na Linha de Pesquisa em Mtodos Estatsticos Aplicados Engenharia,
dos Setores de Cincias Exatas e Tecnologia da Universidade Federal do Paran. A Dissertao foi
aprovada pela seguinte Comisso Examinadora:
AGRADECIMENTOS
SENHOR, meu Deus, com o teu grande poder e com a tua fora, fizeste o cu e a terra.
Nada impossvel para ti. Profeta Jeremias 32:17
No temas, porque eu sou contigo; no te assombres, porque eu sou o teu Deus; eu te
fortaleo, e te ajudo, e te sustento com a minha destra fiel. Profeta Isaias 41:10
SUMRIO
LISTA DE GRFICOS.................................................................................. v
LISTA DE QUADROS................................................................................... v
LISTA DE TABELAS.................................................................................... vi
LISTA DE FIGURAS..................................................................................... vii
LISTA DE ABRAVIATURAS E LISTA DE SIGLAS................................ viii
RESUMO......................................................................................................... ix
ABSTRACT..................................................................................................... x
1 INTRODUO............................................................................................ 1
1.1 CONSIDERAES INICIAIS.................................................................. 1
1.2 IMPORTNCIA DO TRABALHO........................................................... 2
1.3 OBJETIVOS DO TRABALHO................................................................. 2
1.3.1 Objetivos Especficos.................................................................. 3
1.4 LIMITAES DO TRABALHO............................................................... 3
1.5 ESTRUTURA DO TRABALHO............................................................... 3
2 REFERENCIAL TERICO...................................................................... 5
2.1 INSPEO DE QUALIDADE.................................................................. 5
2.2 INSPEO POR ACEITAO................................................................ 5
2.3 MTODOS DE INSPEO...................................................................... 9
2.4 CURVA CARACTERSTICA DE OPERAO (CCO).......................... 9
2.5 NVEL DE QUALIDADE ACEITVEL E INACEITVEL................... 10
2.6 DETERMINAO DO PLANO DE AMOSTRAGEM............................ 10
2.6.1 Inspeo de Retificao............................................................... 11
2.6.2 Amostragem Simples................................................................... 12
2.6.3 Plano de Amostragem Dupla....................................................... 13
2.6.4 Plano de Amostragem Mltipla................................................... 13
2.6.5 Planos de Amostragem da Norma Brasileira NBR 5426............. 13
2.6.6 Diretrizes para o uso da Amostragem de Aceitao.................... 14
2.7 ESTATSTICA DA QUALIDADE............................................................ 17
2.7.1 Breve Histrico............................................................................ 16
2.7.2 Conceito de Qualidade................................................................. 16
2.7.3 Variabilidade................................................................................ 21
2.8 IMPLEMENTAO.................................................................................. 23
2.9 CARTAS DE CONTROLE........................................................................ 24
2.9.1 Cartas de Controle para Variveis............................................... 25
2.9.1.1 Carta X .................................................................................... 26
2.9.1.2 Cartas X e R............................................................................ 29
2.9.1.3 Cartas X e s............................................................................. 32
2.9.1.4 Carta do valor individual e amplitude mvel............................ 34
2.9.1.5 Carta da mdia e amplitude mvel............................................ 35
iii
LISTA DE GRFICOS
LISTA DE QUADROS
LISTA DE TABELAS
LISTA DE FIGURAS
RESUMO
ABSTRACT
This study shows the implementation of Statistical Quality Control techniques (SQL) in a
company with emphasis on Statistical Process Control techniques (SPC). The decision to
adopt such techniques was prompted by the fact that there are situations in which traditional
or conventional techniques are not viable, as the process is not continuous, there is a change
in the products during the manufacturing process, and consequently, fewer lots are produced.
It might be said that production is continuous; however, several products are manufactured in
the same process, leading to production interruption. Consequently, the collection of the
necessary samples makes the SQL first-phase implementation difficult. These processes are
also known as short runs. This study initially presents some techniques for the Statistical
Quality Control, mainly the ones involving the traditional and non-traditional Statistical
Process Control. A specific methodology for the implementation SPC was developed, bearing
in mind the companys reality. Next, samples were collected, control chart were prepared,
their readings and analyses were performed. The results obtained reveal that the process is
under control; however, a follow-up is necessary to reduce process variability. Moreover, a
process control solution in an auto parts industry and suggestions for process improvement are
proposed.
Key Words: Statistical Quality Control, Statistical Process Control, Statistical Process Control
for Short Runs, Economic Design for Control Chart.
1
1. INTRODUO
2. REFERENCIAL TERICO
H 0 : p = p0
H 1 : p > p0
1) Inspeo a 100%
Inspeo de todas as unidades do produto (cada unidade aceita ou rejeitada
individualmente)
2) Inspeo por amostragem.
Inspeo de uma amostra constituda por uma ou mais unidades de produto,
escolhido aleatoriamente.
3) Aceitar sem inspeo.
Pa . p ( N n)
QMR = Pa .p
N
12
e III, tm-se os nveis especiais S1, S2, S3 e S4, para casos em que s se podem usar
tamanho de amostras muito pequenos, mas com grande risco de amostragem. A norma
prev o uso de trs tipos de planos de amostragem: simples, dupla ou a mltipla. Para
cada tipo de plano de amostragem, condies so dadas para inspeo normal,
inspeo severa e inspeo atenuada. A norma tem como foco principal o nvel de
qualidade (NQA). Para planos de percentual de defeituosos (Binomial), as NQAs
variam de 0,10 % a 10%. Para defeitos por unidade (Poisson), h 10 NQAs adicionais
variando at 1000 defeitos por 100 unidades. O mesmo plano de amostragem pode ser
usado para controlar tanto a frao de defeituosos, quanto o nmero de defeitos por
unidade. O NQA pode ser especificado pela empresa cliente, ou pelo prprio
fabricante, atravs de um histrico de produo. Segundo MONTGOMERY (2001)
diferentes NQAs podem ser estimadas para diferentes tipos de defeitos. Para NQA
igual a 1% para defeitos mais importantes e um NQA de 2,5% para defeitos menos
importantes e nenhum defeito crtico deve ser aceito. Segundo PALADINI (1990), a
prtica sugere que os planos de amostragem sejam construdos com 5% de risco para o
produtor e 10% de risco para o consumidor. Os procedimentos para mudana de
inspeo esto ilustrados no fluxograma da figura 3, adiante.
Aps escolha da norma que servir para a varivel em questo, as etapas para
elaborao do plano de amostragem so:
1) Determinar o tamanho do lote;
2) Escolher o nvel de inspeo;
3) Determinar o cdigo literal do tamanho da amostra;
4) Escolher o plano de amostragem;
5) Estabelecer a severidade da inspeo;
6) Determinar o tamanho da amostra e o nmero de aceitao;
7) Retirar a amostra;
8) Inspecionar a amostra
15
1-Desempenho
O produto realizar a tarefa pretendida?
2-Confiabilidade
Qual a freqncia de falhas do produto?
3-Durabilidade
Qual o tempo de durao do produto?
4-Assistncia tcnica
18
2.7.3 Variabilidade
Qualquer processo de produo est sujeito variao, por mais que o processo
seja perfeito. Um produto ou servio sempre esta sujeito variabilidade. No
Controle Estatstico de Qualidade, a variabilidade tem causas aleatrias, inerentes ao
processo (ou comuns) e causas especiais (ou identificveis) que podem ser
identificadas. Quando o processo dito sob controle estatstico, ele opera apenas sob
as causas inerentes, que so causas essencialmente inevitveis, as quais pouco ou nada
se pode fazer para eliminar. Quando o processo dito estar fora de controle estatstico,
ele opera sob causas especiais (ou identificveis). Estas causas devem ser descobertas
e corrigidas para que o processo volte ao controle. As causas especiais podem ocorrer
22
0
0 5 10 15 20 25 30
2.8 IMPLEMENTAO
Abordagem Etapas
Montgomery Selecionar carta de controle Definir caractersticos de controle
Melhorar processo Definir sistema de coleta de dados.
Owen Obter compromisso Estabelecer poltica Indicar facilitador
Definir treinamento Treinar gerentes e supervisores Informar
sindicatos Obter compromisso dos sindicatos informar
operadores Envolver fornecedores Coletar dados Planejar
aes de melhora Rever processos de avaliao Estruturar
administrao do CEP Treinar operadores Implementar cartas
de controle Melhorar os processos.
2.9.1.1 Carta X
1 n 1 n
x= xi
n i =1
e S=
n 1 i =1
( xi x ) 2
LSC= X + 3 X = x + 3
n
LC= X = x
LIC= X 3 X = x 3
n
x1 + x2 + ... + xm
x=
m
O estimador do desvio padro , pode ser obtido atravs das amplitudes das m
amostras ou atravs dos desvios padres. Se x1 , x2 ,..., xn uma amostra de tamanho n,
ento a amplitude da amostra a diferena entre a maior e a menor observao.
R = xmax xmin
R1 + R2 + ... + Rm
R=
m
28
Existe uma relao bem conhecida entre a amplitude de uma amostra e o desvio
padro de uma distribuio normal:
R
W=
R
=
d2
R
=
d2
LC= X = x
3R
LIC= X 3 X = x
d2 n
29
3
A quantidade A2 = uma constante que depende apenas do tamanho da amostra
d2 n
n, logo pode ser tabelado como d2. Ento, os limites de controle se reduzem :
LSC = x + A2 R
LC = x
LIC = x A2 R
2.9.1.2 Cartas X e R
Coletar k amostras
de tamanho n.
S
LSC= x 3
n
LC = x
S
LIC= x 3
n
Analisar a carta de
disperso.
No Identificar, eliminar
Estvel? e prevenir causas
especiais
Sim No
Sim
Analisar a carta de Estvel ? Monitorar
localizao. Processo.
31
R = d3
R
R = d3
d2
R
LSC = R + 3 R = R + 3 d3
d2
LC = R
R
LIC = R 3 R = R 3 d3
d2
Definindo
d3 d3
D3 = 1 3 e D4 = 1 + 3
d2 d2
LC = R
32
LIC = D3 R
R1 + R2 + ... + Rm x1 + x2 + ... + xm
Onde R = , Ri = xmax - xmin, e x = , de m amostras
m m
coletadas.
1 n
uso da amplitude R. O desvio padro S =
n 1 i =1
( xi x ) 2 um estimador tendencioso
E(x) = , E(S2) = 2 e
n n
( ) ( )
2 2 2 2
E(S) = ( ) Com c4 = ( ) tem-se
n 1 ( 1)
n n 1 ( 1)
n
2 2
E(S) = c4
S1 + S 2 + ... + S m
S=
m
S
A estatstica um estimador no tendencioso de e um estimador no tendencioso
c4
S
de E(S) = e um estimador no tendencioso para s = 1 c42 dado por
c4
S
s = 1 c42 . Ento, os parmetros para a carta S so:
c4
S
LSC = S + 3 1 c42
c4
LC = S
S
LIC = S 3 1 c42
c4
3 3
B4 = 1 + 1 c42 e B3 = 1 1 c42
c4 c4
LC = S
LIC = B3 S .
S
Os limites de controle para a carta X so obtidos quando usado para
c4
LC = x
34
3S
LIC = x
c4 n
3
Definindo a constante A3 = , os parmetros da carta X so:
c4 n
LSC = x + A3 S
LC = x
LIC = x A3 S .
S i
Onde A3, B3 e B4 esto tabelados e S = i =1
, para m amostras coletadas.
m
Os fatores para clculo dos limites de controle (A2, D3, D4,...) so obtidos
admitindo-se que os valores individuais sejam estatisticamente independentes e com
distribuio normal, segundo COSTA, EPPRECHT E CARPINETTI (2004).
As cartas so construdas na suposio de que o tamanho da amostra n
constante. importante citar as cartas de controle para valores individuais e para
amplitude mvel, que so aplicadas quando os valores da caracterstica de qualidade
possuem alguma interdependncia, ou autocorrelao, mesmo que em grau muito
pequeno. As cartas de controle das somas acumuladas (CUSUM, de cumulative
sum) e a carta de controle da mdia mvel ponderada exponencialmente (EWMA, de
exponentially weighted moving average) so indicados para monitoramento de
processos sujeitos a pequenas perturbaes segundo COSTA, EPPRECHT E
CARPINETTI (2004).
Para esta carta, o tamanho da amostra maior que um e o estimador do desvio padro
mede a variabilidade dentro da amostra. No caso do uso das cartas x e Rm e Xm e Rm,
o tamanho da amostra um, logo no deve-se medir a disperso da amostra, mas sim a
Rm
disperso entre as amostras. O estimador de , de modo que Rmi a amplitude
d2
Rmi = xi xi 1
m m
xi Rm
x= i =1
e Rm = i =2
m m 1
Rm
Substituindo n=1 e = , nos limites de controle das cartas X e R,
d2
LSC= x + 3 , LC= X = x e LIC= x 3
n n
36
LSC = D4 R , LC = R e LIC = D3 R
Onde:
3
E2 =
d2
xi + xi +1
Xmi = i = 1, 2, ..., k-1
2
A mdia mvel e a amplitude mdia mvel so dadas por
m m
Xmi Rm i
Xm = i=2
e Rm = i=2
m 1 m 1
Rm
Substituindo n=1, x = Xm e = , nos limites de controle das cartas X e R,
d2
LSC= x + 3 , LC= X = X e LIC= x 3
n n
LSC = D4 R , LC = R e LIC = D3 R
LSC = Xm + A2 Rm e
LSC = D4. Rm
LC = Xm
LC = Rm
LIC = Xm A2 Rm
LIC = D3. Rm
Onde:
3
A2 =
d2 n
n
P(d = x) = p x (1 p) n x x= 0, 1, ...,n
x
d
p =
n
39
p(1 p)
LSC = p + 3
n
LC = p
p(1 p)
LIC = p 3
n
di
p i = i = 1, 2, ..., m
n
A mdia das fraes defeituosas das amostras individuais :
m m
di
i =1
p
i =1
i
p= =
mn m
p (1 p )
LSC = p + 3
n
LC = p
p (1 p )
LIC = p 3
n
Segundo MONTGOMERY (2004), o valor amostral de p i dos subgrupos
preliminares devem ser plotados como limites tentativos para testar se o processo
estava sob controle quando foram coletados os dados preliminares. Quaisquer pontos
que excedam os limites de controle tentativos devem ser investigados. Se forem
descobertas causas especiais para esses pontos, eles devero ser descartados e novos
limites de controle tentativos devero ser determinados.
2.9.2.2 Carta NP
LSC = n. p + 3 n. p (1 p )
LC = n. p
LIC = n. p 3 n. p (1 p )
2.9.2.3 Carta C
c k ec
P( X = k ) = , k = 0, 1, 2, ...
k!
LSC = c + 3 c
LC = c
LIC = c 3 c
c i
Onde c = i =1
, onde k a quantidade total de amostras e ci o nmero de defeitos
k
2.9.2.4 Carta U
Supondo que cada ponto da carta de controle foi obtido com base em n unidade
de inspeo, tem-se que a v.a. observada Y (nmero de defeituosos nas n unidade) ter
distribuio de Poisson com parmetro nc (soma de v.a`s Poisson com parmetro
Poisson com um parmetro igual a n). Desta forma a distribuio de Y
(nc) k e nc
P(Y = k ) =
k!
e se constroe a carta da mesma forma que a carta C, a partir deste ponto. Existe,
porm, uma outra abordagem para o problema. possvel trabalhar-se com o nmero
mdio de defeitos por unidade de inspeo. Se Y o nmero de defeitos presentes nas
n unidades, ento o nmero mdio de defeitos por unidade :
Y
U= , Y ~ P(nc)
n
Y 1 c
= E(U) = E( ) = E (Y ) = n = c
n n n
Y 1 c c
= V(U) = V( ) = 2 V (Y ) = n 2 =
n n n n
O estimador do parmetro c
m
u i
c = u = i =1
(mdia do nmero mdio por unidade em m amostras tamanho n).
m
Ento os limites de controle so:
u
LSC = u + 3
n
LC = u
u
LIC = u 3
n
Coletar k amostras
de tamanho n.
Analisar a carta.
Identificar, eliminar
e prevenir causas
No especiais.
Estvel?
45
Sim
Monitorar
Processo.
1) Estimao de parmetros;
2) Teste de hipteses.
Ou ainda:
2.10.2 Carta X
0
Ento, como x ~ N ( 0 ; ) tem-se que a v.a. padronizada z :
n
x 0
z= ~ N(0, 1) e
0
LSC LSC
= P( z > ) + P( z < )
0 0 0
Substituindo LSC por 0 + 3 , LIC por 0 3 , por 0 e por
n n n
0 + 3 0 0 ) 0 3 0 0 )
P z > n + P z < n = P( z > 3) + P( z < 3)
0 0
n n
Assim, tem-se:
= P( z > 3)
mudana na primeira amostra aps est ocorrncia, para a carta X , dada por:
= P ( LIC x LSC / = 0 + 0 )
49
0 0
LSC = 0 + 3 e LIC = 0 3
n n
tem-se que
LSC LIC
= P( z > ) + P( z < )=
0 + 3 0 ( 0 + 0 ) 0 3 0 ( 0 + 0 )
= P z > n + P z < n
0 0
n n
2.10.3 Carta R
H0 : = 0
H1 : 0
50
Onde 0 o valor do desvio padro quando o processo est sob controle, livre de
causas especiais que afetem a variabilidade.
= 1 P( LICR R LSCR / = 0 )
= P( LICR R LSCR / 0 )
1-=P(LICR R LSCR)
R
dividindo expresso acima por 0 , e substituindo por W, tem-se
0
Para obter o poder de detectar uma causa especial, isto , quando o desvio
padro do processo sofre aumento de fator de , indo de 0 para uma valor 1 = 0, o
poder da carta R dado por:
Pd = 1 - = 1 P( LICR R LSCR / 0 ) w
(d 2 + 3d3 ) 0 (d 2 3d 3 ) 0
Pd = P( W > ) + P(W > )
d 2 + 3d 3 d 2 3d 3
Pd = 1 = P( W > ) + P(W > )
e dado por:
d 2 + 3d 3 d 2 3d3
=1 P( W > ) + P(W > )
2.10.4 Cartas X e R
H0 : = 0 e = 0 .
H1: 0 ou 0 .
52
= X + R X R
onde:
Pd = PX + PR - PX . PR
Onde:
PX =1- = P( LIC X X LSC X / 0 )
2.10.5 Carta NP
Como a carta np tem distribuio Binomial, alm de ser discreta, o risco com
limites de 3, no igual a 0,0027, e nem mesmo constante. Ao contrrio do que
53
acontece na carta X , que tem distribuio normal, cujo risco , com limites 3,
sempre igual a 0,0027. Assim, o risco precisa ser calculado com base na distribuio
de probabilidade Binomial. O risco dado por:
=1 P( LIC d LSC / p = p0 )
Como d uma varivel aleatria binomial com parmetros n e p, o erro pode ser
obtido da distribuio acumulada.
nLSC nLIC n
n j j
= 1 0p (1 p0 ) n j
+ p0 (1 p0 )
n j
j =0 j j =0 j
onde nLSC significa o maior nmero inteiro, menor ou igual a nLSC e nLIC
onde d uma varivel aleatria binomial com parmetros n e p, erro pode ser obtido
da distribuio binomial acumulada.
nLSC nLIC n
n j j
= 1p (1 p1 ) n j
p1 (1 p1 )
n j
J =0 j J =0 j
54
onde nLSC significa o maior nmero inteiro, menor ou igual a nLSC e nLIC
2.10.6 Carta C e U
LSC
e c c x LIC e c c x
= 1
x =0 x!
+
x=0 x!
onde LSC significa o maior nmero inteiro, menor ou igual a LSC e LIC significa
nLSC
e nu (nu ) x nLIC e nu (nu ) x
= 1
x =0 x!
+
x=0 x!
onde nLSC significa o maior nmero inteiro, menor ou igual a nLSC e nLIC
LSC
e c c x LIC e c c x
=
x =0 x!
x =0 x!
onde LSC significa o maior nmero inteiro, menor ou igual a LSC e LIC significa
nLSC
e nu (nu ) x nLIC e nu (nu ) x
=
x =0 x!
x=0 x!
onde nLSC significa o maior nmero inteiro, menor ou igual a nLSC e nLIC
yi = xi NA
LSC = D4. R
LC = R
LIC = D3. R
E para X tem-se:
LIC X < x < LSC X
x A2 R < x < x + A2 R
x N A2 R < x N < x N + A2 R
y + N N A2 R < y + N N < y + N N + A2 R
y A2 R < y < y + A2 R
LSC = y + A2 R
LC = y
LIC = y A2 R
59
y i
R1 + R2 + ... + Rm
Onde: yi = xi N com i = 1, 2, ..., m , y= i =1
e R= para m
m m
amostras coletadas.
As restries so:
LC = S
LIC = B3 S
m m
y i S i
Onde: yi = xi N com i = 1,2, ..., m , y= i =1
e S= i =1
para m amostras
m m
coletadas.
60
A carta nominal ou carta delta tem a linha central, como a mdia dos desvios
em relao ao valor nominal N, dado pela especificao de engenharia. Porm em
algumas situaes, o processo no deve ou no pode estar centrado no valor nominal,
por no ser o melhor valor para a mdia do processo. Nesta situao, deve-se usar a
mdia histrica do processo no lugar do valor nominal e esta mdia deve ser confivel.
Os critrios para utilizar so os mesmos da carta delta. WISE e FAIR (1998)
consideram a carta nominal como carta alvo e logicamente o valor nominal N, de
especificao de engenharia, pode ser escolhido como valor alvo. Assim, o valor alvo
pode se identificado em uma das trs, situaes:
Da mesma forma que na carta nominal, na carta alvo codifica os dados obtidos
atravs do uso do desvio da mdia ou da disperso da amostra em relao ao valor
alvo.
yi = xi - TA
D4 . R < R < D3 . R
R
D3 < < D4
R
xx
A2 < < + A2
R
LSC = D4
R
LC =
R
LIC = D3
De x A3 S x x + A3 S isola-se A3 e tem-se:
xx
A3 < < + A3
S
De B3 S S B4 S isola-se S e tem-se
S
B3 < < B4
S
LSC = A3
xx
LC =
S
LIC = - A3
e
LSC = B4
S
LC =
S
LIC = B3
63
Para x e R:
R
d2
xx
3 < n < +3 e 3 < < +3
d3
Para x e s:
S
C4
xx
3 < n < +3 e 3 < ni < +3
C5
x a mdia ponderada das mdias amostrais, usando como pesos os seus respectivos
tamanhos de amostras.
c) Para as cartas C ou U.
c >5
Toda a carta de controle padronizada para atributos tem a linha central em zero
e o limite superior e inferior em +3 e -3. Esta tcnica, tambm permite o tamanho
varivel para n e utiliza uma nica carta de controle para monitorar vrias peas de
diferentes caractersticas de qualidade.
A carta p padronizada tem a mesma aplicao que a carta p tradicional, exceto
que se monitora a proporo de defeitos para processos diferentes (com mdias
diferentes) em uma mesma carta de controle.
d p (1 p )
Seja p = , ( p ) = p e ( p) =
n n
( p ) 3 ( p ) < p < ( p ) + 3 ( p )
65
p (1 p ) p (1 p )
p 3 < p < p+3
n n
p (1 p ) p (1 p )
3 < p p < +3
n n
p (1 p )
Dividindo a expresso por ,
n
p p
3 < < +3
p (1 p )
n
LSC = + 3
p i pi
LC =
p (1 p )
n
LIC = - 3
cc
3 < < +3
c
LSC = + 3
ci c
LC =
c
LIC = - 3
Onde ci o nmero de defeitos da i-sima amostra.
np i np np (1 p ) np i npi
Zi =
np (1 p )
67
ci c c ci c
Zi =
c
ui u u ui u
Zi =
n u
n
FONTE: MONTGOMERY (2004)
Fx(X) 0,00135
Fx(X) 0,99865
Fx(X) = [C n, x . p x .(1 p ) n x , ( X x)
e c .c x
Fx(X) = x ! , ( X x)
68
H processos onde h vrios pontos de fluxos, como por exemplo, uma mquina
com vrios pontos de envase. Para este tipo de processo, pode-se aplicar um dos
seguintes procedimentos:
1) Uma carta de controle para cada ponto, isto , monitora-se cada ponto, porm se o
processo tem muitos pontos, haver um nmero muito grande de cartas de controle,
tornando o controle difcil e burocrtico;
2) Utilizar apenas uma carta de controle para todos os fluxos ou para pequenos
subgrupos.
LSC = x + A2 R
LC = x
LIC = x A2 R
e
LSC = D4. R
LC = R
LIC = D3. R
Segundo MONTGOMERY (2004) o clculo das ARLs no pode ser feito com
as frmulas do CEP convencional.
2.12.2 Cartas de Controle para Bateladas
Para processos em que se produz material em bateladas (ou lotes), de modo que
diferentes amostras retiradas de uma mesma batelada apresentam pequena variao,
mas entre bateladas as mdias so bastante distintas. Nestas situaes, pode-se utilizar
a carta por bateladas, que uma mistura das cartas X e R com as cartas do valor
individual e amplitude mvel (x e Rm). Os limites so:
LSC = x + E2 Rm
LC = x
LIC = x E2 Rm
e
LSC = D4. Rm
LC = Rm
LIC = D3. Rm
m
3 x1 + x2 + ... + xm Rm i
Onde E2 = , x = e Rm = i=2
d2 m m 1
70
1 1
ARL1= e ARL2 =
1
0,01, o controle do processo tem 1% de probabilidade de afirmar que existe uma causa
1
especial, embora isto no seja verdade (erro tipo I) e ARL1 = = 100 , isto , a cada
0, 01
100 amostras deve aparecer um sinal falso, ou ainda se o tempo entre as coletas das
amostras for de hora em hora, a cada 100 horas ter um sinal falso, de modo que este
tempo pode no ser ideal para um determinado processo.
Outras formas para encontrar as variveis n, h, k so os modelos econmico,
estatstico e econmico-estatstico. Modelos mais complexos em virtude ser necessrio
determinam vrias variveis do processo, como custo por alarmes falsos, Custo para
corrigir o processo, e dificuldade com a resoluo dos modelos no lineares. Segundo
MONTGOMERY (2004), um artigo fundamental na rea de modelagem de custos de
sistemas de controle de qualidade foi publicado por GIRSHIK e RUBIN (1952).
DUNCAN (1956) props o primeiro modelo econmico para cartas de
k
controle X ,(isto , , onde e so, respectivamente a mdia e o desvio
n
padro do processo), que minimiza o custo mdio quando uma nica causa especial
existe. O modelo de custo de Duncan inclui o custo de amostragem e inspeo, o custo
de produtos defeituosos, o custo de falsos alarmes, o custo para procurar uma causa
especial e o custo para corrigir o processo.
CHOU, et al (2000, p. 1) refere-se ao crescimento de trabalhos nesta rea,
afirmando que:
Desde Duncan, considervel ateno tem sido dada para determinar a soluo econmica tima para estes trs
parmetros (Duncan, 1971; Gibra, 1971; Goel, et al, 1968; Knappenberger e Grandage, 1969). Reviso de
literatura em planejamento econmico para cartas de controle foi publicada por Montgomery (1980), Vance
(1983) e Ho e Case (1994). Alexander, et al. (1995) combinou o modelo de Duncan com a funo perda de
Taguchi.
Minimizar C(n,h,k)
Sujeito s restries:
n nmero inteiro positivo.
k, h 0
O planejamento estatstico deve satisfazer apenas as restries das ARLs, que
equivale aos erros tipo I e tipo II, ou ainda ao tempo mdio para o sinal (TES), ou
average time to sinal (ATS) para uma mudana em particular. O planejamento
estatstico abordado por WOODALL (1984), permite a seleo de n e k, obtido da pr-
seleo dos erros tipos I e II.
____
ARL1 > ARL1
_____
ARLi > ARLi , i = 2,3,..., m
____
ARL j < ARLJ , J = m + 1, m + 2,..., q
____
ARL1 > ARL1
_____
ARLi > ARLi , i = 2,3,..., m
____
ARL j < ARLJ , J = m + 1, m + 2,..., q
verdadeiro ou no, 1 = D1 = 0 (se igual a zero, o processo para, para a procura das
74
*******************************************************************
2.13.1 Planejamento Econmico: Abordagem segundo Lorenzen e Vance
Quando o processo muda dos estados, os seja, de sob controle para fora de
controle, isto observado atravs do monitoramento estatstico e o processo no volta
para o estado sob controle sem a interveno das pessoas responsveis pelo
75
S e h
T0 . , Para S=
ARL1 1 e h
S 1
(1 1 ) T 0 + (1)
A R L1
76
Seja o tempo esperado para a ocorrncia de uma determinada causa, dado que
ela ocorre entre a i-sima e a i-sima +1 amostra :
( i +1) h
=
ih
e t (t ih)dt
=
[1 (1 + h)e h ]
(2)
( i +1) h
(1 e h )
ih
e t dt
h-
c) O tempo para analisar a amostra e a carta de controle.
nE (3)
h(ARL2 1)
77
onde ARL2 a mdia de sinal quando o processo muda para o estado fora de controle.
Se as estatsticas da amostra so independentes, ento,
1
ARL2 =
1
Juntando as equaes
S 1
(1 1 ) T 0 + + (h-) + nE +T1 + T2 +hARL2 h =
A R L1
S 1
(1 1 ) T 0 + - + nE + T1 + T2 + hARL2 (5)
A R L1
78
Seja C0 e C1 o custo por unidade e por tempo (horas ou dias), devido a produtos
no-conformes quando o processo est sob controle e fora de controle,
respectivamente. O custo esperado por ciclo devido a produtos defeituosos :
C0
(1) +C1 (- + nE + hARL 2 + 1T1 + 2 T2 )
(b) Custo por ciclo devido a falsos alarmes, localizao e reparao de uma causa
especial.
Seja Y o custo por falso alarme. Este inclui o custo para procurar e testar, alm
do custo de ficar parado, se a produo pra durante a procura. Tambm, seja W o
custo para localizar e reparar uma determinada causa, quando exista alguma causa.
Ento, o custo esperado por falsos alarmes, o custo para localizar e reparar um alarme
verdadeiro dado por:
S
(2) Y +W
ARL1
Seja a custo fixo por amostra e b o custo por unidade de amostra. Ento o custo
esperado para coletar amostras e inspecionar dado por: (a + bn) (tempo de
produo)/h. O custo esperado por ciclo para a coleta de amostras dado por:
1
(a + bn)( - + nE + hARL 2 + 1T1 + 2 T2 )
(3)
h
C0 S
(4) +C1 (- + nE + hARL 2 + 1T1 + 2 T2 ) + Y +W +
ARL1
1
(a + bn)( - + nE + hARL 2 + 1T1 + 2 T2 )
+
h
Como a durao dos ciclos varivel, deve-se expressar o custo por unidade (horas,
dias, ...), e no por ciclos. Basta dividir a equao quatro pela cinco para obter a
funo custo por hora, C.
C0 sY
( + C1[ + ne + h ( ARL2 ) + 1T1 + 2T2 ] + +W
ARL1
C= +
1 (1 1 ) sT0
+ + nE + h ( ARL2 ) + T1 + T2
ARL1
a + bn 1
( )[ + ne + h ( ARL2 ) + 1T1 + 2T2 ]
+ h
1 (1 1 ) sT0
+ + nE + h ( ARL2 ) + T1 + T2
ARL1
Com
80
e h
s =
1 e h
h
[1 (1 + h ) e ]
=
(1 e h )
pessoas possuam uma grande porcentagem do total e muitas, uma pequena parte. J.
M. Juran percebeu que fenmeno semelhante ocorria com os problemas da qualidade e
adaptou os conceitos de Pareto. O instrumento desenvolvido para aplicao desse
princpio foi o diagrama de Pareto, que uma descrio grfica de dados, em ordem
decrescente de freqncia e com a presente informao, se possam concentrar os
esforos de melhoria nos pontos onde os maiores ganhos podem ser obtidos. O
diagrama indica os principais problemas do processo e que devem ser solucionados
primeiramente.
EFEITO
Mo de
obra Meio Ambiente
'
Mquinas
PROCESSO: FATORES DE CAUSA.
2.15 AUTOCORRELAO.
( x X )( y Y )
i =1
i i
rxy =
n n
i =1
( xi X ) 2 . i =1
( yi Y )2
rxy [1,1]
84
( x x )( x
i ik x)
rk = i = k +1
n
(x x )
i =1
i
2
LSE LIE
C p =
6
A percentagem da faixa de especificao utilizada pelo processo dada por:
1
P= .100
Cp
LSE
Cps= (para especificao superior)
3
LIE
Cpi= (para especificao inferior)
3
LSE x
C ps =
3
x LIE
C pi =
3
O ndice Cpm fornece uma melhor a indicao de quo prximo se est do alvo
T. Sua definio feita substituindo-se , na expresso do Cp, pela raiz do erro
LSE LIE
Cpm =
6 2 + ( T )2
2.17 NORMALIDADE
Uma das exigncias das cartas de controle tradicionais que os dados sejam de
uma distribuio normal ou aproximadamente normal. Para verificar esta condio
existem vrias tcnicas, como o uso de histogramas, teste de aderncia e grficos de
probabilidade.
( ai .xi ) 2
W=
(x x )
i
2
Este teste aplicado tanto para distribuies contnuas, como para distribuies
discretas. Segundo HORN (1997), o teste K-S o mais adequado nas situaes em que
s se dispe de uma pequena quantidade de dados (n<30). O teste consiste no clculo
de:
D = Max Fx ( X ) Gx ( X )
Processos grficos podem ser usados para verificar a aderncia dos dados
experimentais a certos modelos tericos. So processos simplificados que devem
88
apenas ser usados quando no h muito rigor, segundo COSTA NETO (1977). A
construo do grfico deve ser feita em um papel especial, denominado papel de
probabilidades, desenvolvido para diversas distribuies. Organizam-se os dados da
J 0, 5
amostra em ordem crescente e calcula-se sua freqncia acumulada observada ,
n
plota-se no papel de probabilidade.
Para teste de distribuies normais o grfico pode ser construdo em um eixo
cartesiano, onde o eixo horizontal corresponde a xi, elementos da amostra e o eixo
vertical, correspondem aos escores normais padronizados Zi.
J 0, 5
= P(z zj) = (zj)
n
3.1.1 Introduo
montagem do produto, tambm para estes componentes feita inspeo. Est etapa
denominada de pr-formatao. Com a entrada dos componentes so coletadas
amostras, de acordo com a norma NBR 5425/85, o lote aceito ou rejeitado. Aps a
inspeo, inicia-se a produo. A figura 9 mostra o fluxograma para implementao do
CEP na empresa S. O primeiro passo foi o conhecimento do processo, depois
definiram-se os pontos a serem monitorados e a escolha da carta de controle. Iniciou-
se a coleta das amostras, at a verificao da estabilidade do processo. Com o processo
estvel, procedeu-se a anlise de riscos e o monitoramento com as cartas de controle.
Avaliaou-se as cartas e o todo o processo.
lote.
Incio
N
Processo estvel?
N
Sistema, OK?
S
Informatizao do
sistema de
Sugestes de Novas Melhorias. grficos.
conforme anexo 1. Para este tipo de carta permitido monitoramento de vrias peas,
no mais que sete produtos, segundo VERMANI (2003):
u
Frmula: up =
np
94
up u
Frmula:
u
np
Deve-se seguir este procedimento para cada tipo de pea que ser monitorada
pela carta de controle padronizada.
Medidas so independentes;
O tamanho da amostra pode ser varivel, tanto para a carta U, como para a carta
C.
Observaes:
O tamanho da amostra deve ser constante para carta C. Caso seja necessrio
utilizar-se de tamanhos diferentes, a carta indicada a carta U.
Os dados representam uma distribuio de probabilidade de Poisson.
Os dados so independentes.
A seguir, a tabela 2, com o total de defeitos por fase do processo, para as placas
A e B e que sero utilizados para o clculo da mdia de defeitos por unidade de
inspeo.
Para evitar a condio de normalidade dos dados, a carta de controle utilizada foi a de
pequenos lotes, na qual determinam-se os limites de controle, de modo que
Fx(x)0,99865 e Fx(x) 0,00135 (para 3 sigma), ou seja, P( 3 < x <
+ 3 )=0,9973 e P(x> + 3 )=P(x< 3 )=0,00135. Estes valores podem ser
obtidos utilizando-se de uma planilha eletrnica. No anexo 4, tm-se os alguns valores
de c, obtidos atravs da planilha eletrnica. RAMOS (1995), desenvolveu uma tabela
para cartas np e C. O anexo 3 reproduz da tabela desenvolvida por Ramos para carta C.
A seguir o grfico 1, com a CCO para a placa A, com amostras de tamanhos 10,
15 e 20. Verifica-se a partir da anlise do grfico, que a amostra com tamanho 10, tem
melhor desempenho, porm com maior que as demais. J as amostras 15 e 20,
obtm-se um desempenho muito prximo e com valores de com pequena diferena.
cco - Placa A
1,2
1
0,8
n=20
Beta
0,6
n=15
0,4
n=10
0,2
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
c
Dado que o valor de para n=15 tem pequena diferena em relao a n=20
(descartou-se para lotes de n=10, devido ao valor de ), e logicamente, o mesmo
acontece com suas ARLs, ARL =1/0,000622=1607,7 e ARL=1/0,000764=1308,9 e
pela anlise das suas CCOs, optou-se pelo tamanho de amostra n=15, para a placa A.
A coleta das amostras ser feita no incio e na metade da produo.
Placa A
6
5 n de def c
4
LSC
3
LC
2
1 LIC
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43
A seguir o grfico 3, com a CCO para a placa B, com amostras de tamanhos 10,
15 e 20. Verifica-se a partir da anlise do grfico, que a amostra com tamanho 10, tem
pior desempenho, porm com melhor valor de . J as amostras 15 e 20, obtm-se um
desempenho muito prximo e com valores de com pequena diferena.
109
cco - Placa B
1,2
1
n=20
0,8
Beta
n=15
0,6
0,4 n=10
0,2
0
0 10 20 30
c
PLACA B
12
10 n de def c
8
LSC
6
LC
4
2 LIC
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43
Sem o uso da tabela, anexo 3, deve ser feito o clculo dos limites superiores;
H necessidade de dados histricos da mdia de cada produto;
Supe-se que a distribuio de Poisson representa satisfatoriamente os
fenmenos estudados. Os dados coletados devem ser independentes;
113
20
0
7-Falta de Co
1-Cabos Inver
12-Componente
14-Componente
17-Componente
20-Componente
4
0
1-Cabos Inver
7-Falta de Co
12-Componente
17-Componente
14-Componente
20-Componente
115
Placas CP e KR
4,00
2,00 pontos
LSC
0,00
LC
1 3 5 7 9 11 13 15 17 19 21 23 25
-2,00 LIC
-4,00
119
Na tabela 15, tem-se o registro de mais 25 amostras das placas CP e KR. Foram
registrados o nmero de defeitos de cada amostra coletada e os clculos dos pontos a
serem registrados na carta de controle.
PLACA CP E KR II
6,00
4,00
pontos
2,00 LSC
0,00 LC
-2,00 1 3 5 7 9 11 13 15 17 19 21 23 25 LIC
-4,00
100,00
300 90,40
Frequencia
76,49
200 62,25
44,04
100 23,51
0
7-Falta de Co
1-Cabos Inver
14-Componente
12-Componente
17-Componente
20-Componente
61,75
200 46,25
24,75
100
7-Falta de Co
1-Cabos Inver
20-Componente
12-Componente
17-Componente
14-Componente
3.1.6.2 Anlise das cartas de controle das placas CP e KR.
A interpretao das cartas de controle padronizadas deve ser feita com mais
ateno que as cartas convencionais, porque diferentes produtos esto plotados na
mesma carta de controle. Alm da anlise da carta como um todo, deve-se analisar
cada produto em separado para verificar tendncias na carta de controle de produtos
monitorados no processo. Segundo GRIFFITH (1996), para evitar este problema pode-
se marcar os pontos com smbolos diferentes ou segundo WISE e FAIR (1998),
divide-se com linhas perpendiculares a carta de controle, separando cada produto, isto
, a cada troca de produto, traa-se uma perpendicular. Deste modo possvel observar
tendncias de produtos monitorados. Para as cartas CP e KR foram traadas
perpendiculares para a anlise e observou-se que, embora o processo esteja estvel, a
placa KR tem maior variabilidade em relao placa CP. Analisando-se o diagrama de
Pareto, tomou-se algumas medidas para melhorar o processo, a saber: objetivando
evitar a inverso de componentes foram desenvolvidos recipientes apropriado para os
componentes que sero inseridos nas placas, de forma que tenham posio pr-
definida e no mais esparramados em caixas; o uso de identificao das caixas de
componentes para evitar a troca de componentes; o fim do rodzio de funcionrios, a
123
fim de que determinado funcionrio sempre exera a funo de montagem das placas,
com isto se evita perodo de adaptao maior do funcionrio setor da empresa;
treinamento dos funcionrios para montagem de placas e treinamento em qualidade.
3.2.1 Introduo.
volta para o setor de temperamento, para segunda fase. Na primeira fase, a fase de
cementao, o lote de peas colocado no forno e so aquecidas em alta temperatura e
recebem durante o processo, hidrognio e acetileno. Concludo o banho de acetileno,
a carga, sofre um resfriamento, com a introduo de nitrognio. Algumas peas sofrem
um resfriamento brusco, outras tm resfriamento lento.
Todas as peas que passam pelos fornos so semelhantes, e tm a mesma
funo. Apenas uma pea foi escolhida para avaliao, denominada pea D. A pea D,
vem da manufatura, passa pela primeira fase com resfriamento lento e volta para a
manufatura, torneada e retorna para o setor de temperamento para a segunda fase,
onde aquecida em alta temperatura e resfriada bruscamente com nitrognio. Aps a
segunda fase, ela passa por mais um tratamento, chamado de revenimento. A pea vai
para o revenimento, depois para o freezer e volta novamente para o revenimento. Cada
carga contm 3600 peas na primeira fase e 7200 peas na segunda fase. O
monitoramento feito na primeira e segunda fase. Na segunda fase, so retiradas duas
peas para a amostragem destrutiva. As peas so cortadas para anlise no laboratrio,
onde so medidas duas caractersticas de qualidade: a dureza da camada feita pelo
processo e a espessura.
A capacidade do processo :
780 710
Cp = = 1,075
6.10,85
780 738, 0044 738, 0044 710
C ps = =1, 29 e C ps = = 0,86
3.10,85 3.10,85
C pk = 0,86
Carta de Controle S
40
UCL = 28,29
CTR = 8,66
30
LCL = 0,00
20
10
0
0 40 80 120 160 200 240
amostras
LSC = 28,2923
LC = 8,66127
LIC = 0,0
129
s
Estimativas: x = 738,004 =10,8553 s = 8,66127
c4
cco
1,2
1
0,8
beta
0,6
0,4
0,2
0
0 1 2 3 4 5
n de desvios
tcnicos, nos custos do equipamento de testes e insumos, estimou-se que o custo fixo
da extrao de uma amostra seja de R$ 0,0311 por pea e o custo varivel da
amostragem estimado em R$ 4,00.
Segundo MONTGOMERY (2004), em virtude da dificuldade de obteno e
avaliao de informaes sobre custos e tempo, no se recomenda o uso de relaes
mais complexas. O apndice 1 foi utilizado para auxiliar na obteno destas variveis.
Os valores obtidos encontram-se na tabela 18.
4. RESULTADOS E CONCLUSO
4.1 RESULTADOS
4.2 CONCLUSO
REFERNCIAS
CHIU, W.K. ; WETHERILL, G.B. A Simplified scheme for the economic design of
X - charts. Journal of Quality technology, v. 6, n. 2, abril 1974.
GRIFFITH, G. K. Statistical process control methods for long and short runs. 2
Ed. Milwaukee, Wisconsin: ASQ Quality Press, 1996.
JOHNSON, P.; et al. SPC for short runs. Editora. Perry Johnson, Inc, 1987.
ST-PIERRE, N.R. Designing control charts for minimum total quality costs. The
Ohio State University. Special Circular, p. 161-99, 2001.
145
WHEELER, D. J. Short Run SPC. SPC Press, Inc. Knoxville, Tennessee, 1991.
ANEXOS
LSC
+3
+2
+1
LC
0
-1
-2
LIC -
3
147
LC
148
_
LSC
c
0,01 --- 0,05 1,5
0,06 --- 0,21 2,5
0,22 --- 0,46 3,5
0,47 --- 0,79 4,5
0,80 --- 1,17 5,5
1,18 --- 1,60 6,5
1,61 --- 2,06 7,5
2,07 --- 2,56 8,5
2,57 --- 3,08 9,5
3,09 --- 3,62 10,5
3,63 --- 4,19 11,5
4,20 --- 4,77 12,5
4,78 --- 5,00 13,5
> 5,00 *
Fonte: Ramos, 1995
1
13) Desvio da varincia do processo, em nmeros de desvios padres ( )
0