Escolar Documentos
Profissional Documentos
Cultura Documentos
1. FASE ANÁLISE
2. CEP
3 DIA
3. ATIVIDADE PRÁTICA
ALMOÇO
4. CAPABILIDADE
5. ATIVIDADE PRÁTICA
1. FASE MELHORAR
2. DOE
3. ATIVIDADE PRÁTICA
4 DIA
ALMOÇO
4. FASE CONTROLAR
5. ATIVIDADE PRÁTICA(COMPETIÇÃO)
6. FECHAMENTO
06 FASE ANÁLISE
06
01 FASE ANÁLISE
Matriz de Causa-Efeito
• Etapas de Preenchimento:
1. Listar as principais saídas (KPIs).
Y's Processo
X's do Processo TOTAL
SAÍDA 1 SAÍDA 2 SAÍDA 3 SAÍDA X
06 FASE ANÁLISE
Matriz de Causa-Efeito
• Etapas de Preenchimento:
2. Classificar as saídas de acordo com a importância (valores de 1 a 10)
Y's Processo
X's do Processo 8 10 4 2 TOTAL
SAÍDA 1 SAÍDA 2 SAÍDA 3 SAÍDA X
06 FASE ANÁLISE
Matriz de Causa-Efeito
• Etapas de Preenchimento:
3. Listar as principais entradas do processo (fontes: espinha de peixe, mapa de
processo, SIPOC).
Y's Processo
X's do Processo 8 10 4 2 TOTAL
SAÍDA 1 SAÍDA 2 SAÍDA 3 SAÍDA X
Entrada 1 (X01)
Entrada 2 (X02)
Entrada 3 (X03)
...
Entrada n (Xn)
06 FASE ANÁLISE
Matriz de Causa-Efeito
• Etapas de Preenchimento:
4. Correlacionar as entradas às saídas.
Y's Processo
X's do Processo 8 10 4 2 TOTAL
SAÍDA 1 SAÍDA 2 SAÍDA 3 SAÍDA X
Entrada 1 (X01) 3 2 10 0
Entrada 2 (X02)
Entrada 3 (X03)
...
Entrada n (Xn)
0 – não há relação;
1 a 3 – baixa relação;
4 a 7 – média relação,
8 a 10 – alta relação.
06 FASE ANÁLISE
Matriz de Causa-Efeito
• Etapas de Preenchimento:
5. Fazer a multiplicação cruzada: importância x impacto.
6. O resultado final é dado pela soma das linhas, onde cada entrada é multiplicada
pela importância de cada saída e somada no final.
Y's Processo
X's do Processo 8 10 4 2 TOTAL
SAÍDA 1 SAÍDA 2 SAÍDA 3 SAÍDA X
Entrada 1 (X01) 3 0 9 0 24+36
Entrada 2 (X02)
Entrada 3 (X03) Priorizar as entradas do
... processo de acordo com o
Entrada n (Xn) impacto encontrado.
Matriz de Causa-Efeito
Resultados Finais:
• Haverá um estudo por parte da equipe de quais são os X’s de
maior impacto;
• Todos os membros da equipe terão seu conhecimento do processo
aumentado;
• Ao final da elaboração do Mapa de Processo, Espinha de Peixe e
Matriz Causa e Efeito, a equipe já terá um completo levantamento
(subjetivo) das características do processo que está sendo
melhorado.
06 FASE ANÁLISE
Y's Processo
Pontuação
X's do Processo 8 10 4 2 TOTAL ESFORÇO
SAÍDA 1 SAÍDA 2 SAÍDA 3 SAÍDA X
Entrada 1 (X01) 3 0 9 0 24+36 BAIXO 3
ALTO
• Xn
• X02
Esforço
• X01
BAIXO
• X03 • X05
BAIXO ALTO
Impacto
06 FASE ANÁLISE
Esforço para:
- Implementação das
ALTO
• Xn
mudanças
- •Coleta de dados
X02
Esforço
BAIXO ALTO
Impacto
06 FASE ANÁLISE
Pode requerer
Pode requerer
investimentos, maiores
ALTO
Eventuais
• X01 ações ver-
BAIXO
Exercício
06 FASE ANÁLISE
Exercício
ALTO
Esforço
BAIXO
BAIXO ALTO
Impacto
07 CEP – CONTROLE ESTATÍSTICO DO
PROCESSO
07 CONTROLE ESTATÍSTICO DO PROCESSO
Elementos
Controle Estatístico de Processos
203.5
UCL=203.1
202.5
Means
201.5
200.5 M U=200.5
199.5
198.5
197.5 LCL=197.9
Subgroup 0 10 20 30 40 50
10 UCL=9.625
Ranges
5 R=4.552
0 LCL=0.000
07 CONTROLE ESTATÍSTICO DO PROCESSO
Elementos
Controle Estatístico de Processos
Amplitude (Largura)
= diferença entre o
valor mais alto e o
valor mais baixo
Y = Peso (lbs)
Gráfico das Médias
07 CONTROLE ESTATÍSTICO DO PROCESSO
Amplitude Média
R=1.0
R=0.5
Y = Peso (lbs)
R =1.0
07 CONTROLE ESTATÍSTICO DO PROCESSO
A teoria estatística desenvolvida por Shewhart, para o cálculo dos limites de controle baseia-
se na ideia de que, sendo o processo estudado estável, então uma estatística qualquer
calculada a partir dos dados fornecidos pelas amostras terá uma probabilidade próxima a um
de estar no intervalo de mais ou menos três desvios-padrões, a partir da média populacional.
Quando um valor observado cair fora deste intervalo, assume-se que a hipótese de
estabilidade do processo não mais é válida, indicando a presença de uma causa especial de
variação.
No cálculo dos limites de controle e obtenção de amostras, as seguintes regras devem ser
obedecidas:
- o desvio padrão utilizado deve ser sempre estimado com base na variação dentro da
amostra;
- os dados devem ser obtidos e organizados em amostras (ou subgrupos) segundo algum
critério racional, visando permitir a obtenção das respostas necessárias;
- o conhecimento obtido através dos gráficos de controle deve ser empregado para modificar
as ações, conforme adequado.
07 CONTROLE ESTATÍSTICO DO PROCESSO
Ao invés de olhar todas as saídas do processos, olhemos 3 pontos por hora, por exemplo:
= Medida Individual
= Média do Subgrupo
Na construção de gráficos de controle, certos passos devem ser seguidos, de modo a permitir
a sua correta análise. Estas são as etapas:
- coletar dados durante um certo período de tempo, até que todos os tipos de variação que se
deseja observar sejam coletados;
- calcular as estatísticas que resumem a informação contida nos dados (médias, amplitudes,
desvios padrões, proporções, número de defeitos, etc);
- calcular os limites de controle com base nas estatísticas;
- marcar os pontos nos gráficos de controle e uni-los para facilitar a visualização ao longo do
processo;
- marcar os limites de controle;
- analisar os gráficos de controle quanto à presença de causas especiais (tendências, ciclos,
estratificação e etc);
- quando for detectada a presença de causas especiais, buscar identificar, eliminar e prevenir
a sua repetição.
07 CONTROLE ESTATÍSTICO DO PROCESSO
2 67 73 68 74 75 62 74
3 72 82 80 80 74 72 71
4 75 78 72 79 73 66 68
Soma 286 307 295
Média 72 77 74
R 8 9 12
Obs.:
Complete o quadro!
85
80
• LSC=
75
•
MÉDIA
70
• MÉDIA GERAL=
65 LIC=
60
30
AMPLITUDE
20 LSC=
10
• • • AMPLITUDE MÉDIA=
0 LIC=
07 CONTROLE ESTATÍSTICO DO PROCESSO
EIXO-Y
(RESPOSTA)
LSC
Algo que Estamos Medindo
LINHA CENTRAL
TEMPO
07 CONTROLE ESTATÍSTICO DO PROCESSO
Aplicando as Regras
EIXO-Y
(RESPOSTA)
LSC
3 Sigma
2 Sigma
Algo que Estamos
1 Sigma
Medindo
1 Sigma
2 Sigma
3 Sigma
LIC
TEMPO
07 CONTROLE ESTATÍSTICO DO PROCESSO
+/- 2s 90-98%
+/- 3s 99-99,9%
07 CONTROLE ESTATÍSTICO DO PROCESSO
LSC
3 Sigma
2 Sigma
Algo que Estamos
1 Sigma
Medindo
3 Sigma
LIC
TEMPO
07 CONTROLE ESTATÍSTICO DO PROCESSO
EIXO-Y
(RESPOSTA)
LSC
3 Sigma
Algo que Estamos
2 Sigma
Medindo
1 Sigma
1 Sigma
2 Sigma
3 Sigma
LIC
ONDE CAIRÃO OS DADOS CASO A REGRA #1 SEJA VIOLADA? QUAL A PROBABILIDADE DE OCORRÊNCIA?
07 CONTROLE ESTATÍSTICO DO PROCESSO
LSC
3 Sigma
Algo que Estamos
2 Sigma
Medindo
1 Sigma
1 Sigma
2 Sigma
3 Sigma
LIC
ONDE CAIRÃO OS DADOS CASO A REGRA #2 SEJA VIOLADA? QUAL A PROBABILIDADE DE OCORRÊNCIA?
07 CONTROLE ESTATÍSTICO DO PROCESSO
LSC
3 Sigma
Algo que Estamos
2 Sigma
Medindo
1 Sigma
1 Sigma
2 Sigma
3 Sigma
LIC
ONDE CAIRÃO OS DADOS CASO A REGRA #3 SEJA VIOLADA? QUAL A PROBABILIDADE DE OCORRÊNCIA?
07 CONTROLE ESTATÍSTICO DO PROCESSO
EIXO-Y
(RESPOSTA)
LSC
3 Sigma
Algo que Estamos
2 Sigma
Medindo
1 Sigma
1 Sigma
2 Sigma
3 Sigma
LIC
ONDE CAIRÃO OS DADOS CASO A REGRA #4 SEJA VIOLADA? QUAL A PROBABILIDADE DE OCORRÊNCIA?
07 CONTROLE ESTATÍSTICO DO PROCESSO
Teste Critério
1 2 3 4 5 6 7 8
+3s
Limite Superior de Controle (UCL)
+2s
+1s
-1s
- 2s
- 3s
Limite Inferior de Controle (LCL)
1 2 3 4 5 6 7 8
07 CONTROLE ESTATÍSTICO DO PROCESSO
. . . . . . . .. .
PROBLEMA
LSC
. . . ... .. . ..
OBSERVE A TENDÊNCIA CENTRAL
DO PROCESSO E O FORMATO FINAL
=
. .
DO DADOS – LEMBRE-SE QUE CADA X
PONTO É A MÉDIA DOS GRUPOS – A
DISTRIBUIÇÃO DAS MÉDIAS SEGUE
.
UMA DISTRIBUIÇÃO NORMAL
LIC
AMPLITUDE
. . .
LSC
... . . . . ...
. . . .
DISTRIBUIÇÃO DA VARIAÇÃO
. .
OBSERVADA DENTRO DOS
.
SUBGRUPOS – AQUI APLICA-SE _
TAMBÉM AS REGRAS DA PÁGINA R
ANTERIOR
LIC
07 CONTROLE ESTATÍSTICO DO PROCESSO
O comando básico é: (vamos usar o comando para gráfico X-R; posteriormente veremos
outros tipos de cartas de controle)
07 CONTROLE ESTATÍSTICO DO PROCESSO
Coloque a
variável de
análise
Informe o
tamanho do
subgrupo
Basta agora
testarmos as
opções das
provas
estatísticas
07 CONTROLE ESTATÍSTICO DO PROCESSO
LIC E LSC = LIMITES DO PROCESSO – DEPENDEM DO PROCESSO – SÃO CONDIÇÕES ASSOCIADAS AO FUNCIONAMENTO
DO PROCESSO
ATRIBUTO VARIÁVEL
TIPOS DE
DADOS?
SUBGRUPOS
INDIVIDUAIS
DEFEITOS OU SUBGRUPOS OU RACIONAIS
DEFEITUOSOS? INDIVIDUAIS?
DEFEITOS DEFEITUOSOS
(POISSON) (BINOMIAL)
GRÁFICO IM-R
Monitorar a
Desvio variabilidade de Usado com os gráficos
n>6
uma X quando o tamanho da
Padrão (S) característica / amostra for >6
tempo
Áreas de produção
Monitorar a
X Individual & variabilidade
requerem
longos períodos de
Amplitude Móvel de uma característica tempo para n=1
individual ao decorrer obter uma única
(I & MR) do tempo amostra que é
significativa.
07 CONTROLE ESTATÍSTICO DO PROCESSO
Tamanhos variáveis de
Monitorar a fração Normalmente usado em pontos sub- grupos devem ser
Fração de defeituosos em de controle de qualidade onde 1
ou mais atributos do produto
grandes o suficiente
para resultarem em
um sub grupo
Defeituosa (p) Unidades Rejeitadas
são inspecionados e resultam uma alta probabilidade
de que pelo menos 1
em uma condição
Unidades Inspec. passou/falhou para a unidade. defeito está presente
no subgrupo
Área de
Número de oportunidade
Monitorar o nº de Monitorar o nº de defeitos é de tamanho
Defeitos por defeitos por (imperfeições) por unid. constante
de inspec.
subgrupo (c) unid. de inspec. (tamanho = 1 Unid.
de Inspc.)
Tamanho da “área de
oportunidade” pode
Nº Médio de Monitorar o nº de Monitorar o nº de defeitos
variar -- sendo
descrito como um
Defeitos por defeitos por (imperfeições) por unid. de
inspec.
número de unidades
unid. de inspec. (sendo que a definição
Unidades (u) de Unidades de
Inspeção permanece
igual)
07 CONTROLE ESTATÍSTICO DO PROCESSO
?
Se existem causas especiais de variação,
a saída do processo não é estável e não
previsível ao decorrer do tempo.
Não temos como saber o que acontecerá:
- Amanhã
- Entre amostras
07 CONTROLE ESTATÍSTICO DO PROCESSO
DADOS INDIVIDUAIS
GRÁFICO I-MR
07 CONTROLE ESTATÍSTICO DO PROCESSO
GRÁFICO P
GRÁFICO NP
GRÁFICO C
GRÁFICO U
07 CONTROLE ESTATÍSTICO DO PROCESSO
CEP - NP-Chart
Limites de Controle
UCLp = p + 3 p(1-p) / n
LCLp = p - 3 p(1-p)/n
07 CONTROLE ESTATÍSTICO DO PROCESSO
• Monitorar defeitos
• Tamanho da amostra constante necessária
• Plota número de defeitos em cada amostra
Linha Central
c = c / k
(c = # de defeitos; k = # de subgrupos)
Limites de controle
UCLc = c + 3 c LCL c = c - 3 c
07 CONTROLE ESTATÍSTICO DO PROCESSO
CEP - U-Chart
• Monitorar defeitos
• Tamanho da amostra constante não necessária
Linha Central
u=c/n
(c = # de defeitos; n = # tamanho da amostra)
Limites de controle
UCLu = u + 3 u / n LCLu = u - 3 u / n
07 CONTROLE ESTATÍSTICO DO PROCESSO
Exercício: Escolha a carta de controle apropriada e veja se o processo está sob controle
ou não para os seguintes casos (anote abaixo de cada caso seus comentários e
conclusões):
Caso 01: Em uma empresa, às vezes as ordens de compras (OC) são emitidas com erros,
comprometendo o tempo de aquisição de materiais.
Semanalmente, foram selecionadas de modo aleatório 250 OC’s, verificando em quantas
delas contém erros.
Avalie o controle deste processo (arquivo “ORDENCOMPRA.MTW”).
07 CONTROLE ESTATÍSTICO DO PROCESSO
Caso 02: A área comercial de uma empresa está monitorando a quantidade de reclamações
feitas por clientes ao longo das últimas semanas. Os dados estão no arquivo “reclama.mtw”.
$$$$$$$
08 CAPABILIDADE
O que é capabilidade?
• Capacidade do Processo???
• Controle do Processo???
• Competência do processo???
08 CAPABILIDADE
68
08
01 CAPABILIDADE
OU NÃO NORMAL?
CAPABILIDADE UTILIZANDO:
NÃO-NORMAL NORMAL
- DADOS COLETADOS
CONTÍNUO
Y CONTÍNUO OU - SUBGRUPO
- ZST = ZLT + 1,50
DISCRETO?
OPCIONAL <MINITAB: STAT> QUALITY TOOLS>
CAPABILITY ANALYSIS> NORMAL>
CAPABILIDADE :
- UNIDADES NÃO- CAPABILIDADE UTILIZANDO:
- OPORTUNIDADES NORMAL
DISTRIB. NORMAL - DADOS COLETADOS
- SUBGRUPO
- DEFEITOS DISCRETIZAÇÃO OU NÃO NORMAL? - ZST = ZLT + 1,50
68%
40%
Probabilidade do valor da amostra
30% 95%
20%
99,73%
10%
0%
m-4s m-3s m-2s m-1s m m+1s m+2s m+3s m+4s Eixo X
Substituindo-se os valores de m, s e X (dado no eixo X), chega-se à
p(x > a) = 1 e-(1/2)[(x - m)/s]2 dx
s 2 probabilidade de ocorrência colocada acima.
a
08 CAPABILIDADE
Dados Contínuos
O Cálculo de Z Transformado Distribuição Normal
Com os conceitos vistos anteriormente, podemos agora associar à curva que representa o
processo estudado o valor de “Z”.
O valor da estatística Z é a distância de um valor “x” qualquer até a média em quantidade de
desvios-padrão
MÉDIA POPULACIONAL
VALOR DE ‘Z’ CALCULADA
x-m
Z= s
DESVIO PADRÃO
POPULACIONAL CALCULADA
08 CAPABILIDADE
Dados Contínuos
O Cálculo de Z Transformado Distribuição Normal
68%
Probabilidade do valor da amostra
40%
30% 95%
20%
99,73%
10%
0%
Eixo Z
-4 -3 -2 -1 0 1 2 3 4
Dados Contínuos
Distribuição da População Abaixo da Distribuição Normal
Z>0 Z<0
Para qualquer valor “z” específico, a área Da mesma forma, para -z, a área abaixo da
abaixo da curva à direita de z é igual a curva à esquerda de -z é igual a
probabilidade que um membro da população probabilidade que um membro da população
(x) selecionado ao acaso irá medir igual ou (x) selecionado ao léu irá medir igual ou
maior que z. menor que z.
m z z m
08 CAPABILIDADE
Dados Contínuos
Distribuição da População Abaixo da Distribuição Normal
Sabemos, então, que o termo usado para normalizar a distribuição dos dados é a
estatística “Z”, que é uma relação de dois valores absolutos e, portanto, sem dimensão.
Como faremos quando o valor da estatística “Z” for diferente de 0; +1; +2; +3
z= (x - m)
s
z
X
08 CAPABILIDADE
LINHA
z
0.9 1.84E-01 1.81E-01 1.79E-01 1.76E-01 1.74E-01 1.71E-01 1.69E-01 1.66E-01 1.64E-01 1.61E-01
1.0 1.59E-01 1.56E-01 1.5 39E01 1.52E-01 1.49E-01 1.47E-01 1.45E-01 1.42E-01 1.40E-01 1.38E-01
1.1 1.36E-01 1.34E-01 1.31E-01 1.29E-01 1.27E-01 1.25E-01 1.23E-01 1.21E-01 1.19E-01 1.17E-01
1.2 1.15E-01 1.13E-01 1.11E-01 1.09E-01 1.08E-01 1.06E-01 1.04E-01 1.02E-01 1.00E-01 9.85E-02
1.3 9.68E-02 9.51E-02 9.34E-02 9.18E-02 9.01E-02 8.85E-02 8.69E-02 8.53E-02 8.38E-02 8.23E-02
1.4 8.08E-02 7.93E-02 7.78E-02 7.64E-02 7.49E-02 7.35E-02 7.21E-02 7.08E-02 6.94E-02 6.81E-02
COLUNA 1.5 6.68E-02 6.55E-02 6.43E-02 6.30E-02 6.18E-02 6.06E-02 5.94E-02 5.82E-02 5.71E-02 5.59E-02
1.6 5.48E-02 5.37E-02 5.26E-02 5.16E-02 5.05E-02 4.95E-02 4.85E-02 4.75E-02 4.65E-02 4.55E-02
Exemplo : 1.7 4.46E-02 4.36E-02 4.27E-02 4.18E-02 4.09E-02 4.01E-02 3.92E-02 3.84E-02 3.75E-02 3.67E-02
1.8 3.59E-02 3.52E-02 3.44E-02 3.36E-02 3.29E-02 3.22E-02 3.14E-02 3.07E-02 3.01E-02 2.94E-02
1.9 2.87E-02 2.81E-02 2.74E-02 2.68E-02 2.62E-02 2.56E-02 2.50E-02 2.44E-02 2.39E-02 2.33E-02
2.0 2.28E-02 2.22E-02 2.17E-02 2.12E-02 2.07E-02 2.02E-02 1.97E-02 1.92E-02 1.88E-02 1.83E-02
Probabilidade de z>1,25 2.1 1.79E-02 1.74E-02 1.70E-02 1.66E-02 1.62E-02 1.58E-02 1.54E-02 1.50E-02 1.46E-02 1.43E-02
2.2 1.39E-02 1.36E-02 1.32E-02 1.29E-02 1.26E-02 1.22E-02 1.19E-02 1.16E-02 1.13E-02 1.10E-02
2.3 1.07E-02 1.04E-02 1.02E-02 9.90E-03 9.64E-03 9.39E-03 9.14E-03 8.89E-03 8.66E-03 8.42E-03
2.4 8.20E-03 7.98E-03 7.76E-03 7.55E-03 7.34E-03 7.14E-03 6.95E-03 6.76E-03 6.57E-03 6.39E-03
2.5 6.21E-03 6.04E-03 5.87E-03 5.70E-03 5.54E-03 5.39E-03 5.23E-03 5.09E-03 4.94E-03 4.80E-03
1,25 = 1,2 + 0,05 2.6 4.66E-03 4.53E-03 4.40E-03 4.27E-03 4.15E-03 4.02E-03 3.91E-03 3.79E-03 3.68E-03 3.57E-03
2.7 3.47E-03 3.36E-03 3.26E-03 3.17E-03 3.07E-03 2.98E-03 2.89E-03 2.80E-03 2.72E-03 2.64E-03
2.8 2.56E-03 2.48E-03 2.40E-03 2.33E-03 2.26E-03 2.19E-03 2.12E-03 2.05E-03 1.99E-03 1.93E-03
2.9 1.87E-03 1.81E-03 1.75E-03 1.70E-03 1.64E-03 1.59E-03 1.54E-03 1.49E-03 1.44E-03 1.40E-03
COLUNA LINHA
3.0 1.35E-03 1.31E-03 1.26E-03 1.22E-03 1.18E-03 1.14E-03 1.11E-03 1.07E-03 1.04E-03 1.00E-03
3.1 9.68E-04 9.35E-04 9.04E-04 8.74E-04 8.45E-04 8.16E-04 7.89E-04 7.62E-04 7.36E-04 7.11E-04
= 1,06 E-01 3.2
3.3
6.87E-04
4.84E-04
6.64E-04
4.67E-04
6.41E-04
4.50E-04
6.19E-04
4.34E-04
5.98E-04
4.19E-04
5.77E-04
4.04E-04
5.57E-04
3.90E-04
5.38E-04
3.76E-04
5.19E-04
3.63E-04
5.01E-04
3.50E-04
3.4 3.37E-04 3.25E-04 3.13E-04 3.02E-04 2.91E-04 2.80E-04 2.70E-04 2.60E-04 2.51E-04 2.42E-04
3.5 2.33E-04 2.24E-04 2.16E-04 2.08E-04 2.00E-04 1.93E-04 1.86E-04 1.79E-04 1.72E-04 1.66E-04
3.6 1.59E-04 1.53E-04 1.47E-04 1.42E-04 1.36E-04 1.31E-04 1.26E-04 1.21E-04 1.17E-04 1.12E-04
= 0,106 (dica: “-01” é a quantidade 3.7
3.8
1.08E-04
7.25E-05
1.04E-04
6.96E-05
9.97E-05
6.69E-05
9.59E-05
6.42E-05
9.21E-05
6.17E-05
8.86E-05
5.92E-05
8.51E-05
5.68E-05
8.18E-05
5.46E-05
7.85E-05
5.24E-05
7.55E-05
5.03E-05
3.9 4.82E-05 4.63E-05 4.44E-05 4.26E-05 4.09E-05 3.92E-05 3.76E-05 3.61E-05 3.46E-05 3.32E-05
de “0” ao lado esquerdo do número)
4.0 3.18E-05 3.05E-05 2.92E-05 2.80E-05 2.68E-05 2.57E-05 2.47E-05 2.36E-05 2.26E-05 2.17E-05
4.1 2.08E-05 1.99E-05 1.91E-05 1.82E-05 1.75E-05 1.67E-05 1.60E-05 1.53E-05 1.47E-05 1.40E-05
4.2 1.34E-05 1.29E-05 1.23E-05 1.18E-05 1.13E-05 1.08E-05 1.03E-05 9.86E-06 9.43E-06 9.01E-06
4.3 8.62E-06 8.24E-06 7.88E-06 7.53E-06 7.20E-06 6.88E-06 6.57E-06 6.28E-06 6.00E-06 5.73E-06
=10,6 % 4.4 5.48E-06 5.23E-06 5.00E-06 4.77E-06 4.56E-06 4.35E-06 4.16E-06 3.97E-06 3.79E-06 3.62E-06
4.5 3.45E-06 3.29E-06 3.14E-06 3.00E-06 2.86E-06 2.73E-06 2.60E-06 2.48E-06 2.37E-06 2.26E-06
4.6 2.15E-06 2.05E-06 1.96E-06 1.87E-06 1.78E-06 1.70E-06 1.62E-06 1.54E-06 1.47E-06 1.40E-06
4.7 1.33E-06 1.27E-06 1.21E-06 1.15E-06 1.10E-06 1.05E-06 9.96E-07 9.48E-07 9.03E-07 8.59E-07
4.8 8.18E-07 7.79E-07 7.41E-07 7.05E-07 6.71E-07 6.39E-07 6.08E-07 5.78E-07 5.50E-07 5.23E-07
4.9 4.98E-07 4.73E-07 4.50E-07 4.28E-07 4.07E-07 3.87E-07 3.68E-07 3.50E-07 3.32E-07 3.16E-07
08 CAPABILIDADE
z 6.0 1.25E-09 1.18E-09 1.11E-09 1.05E-09 9.88E-10 9.31E-10 8.78E-10 8.28E-10 7.81E-10 7.36E-10
6.1 6.94E-10 6.54E-10 6.17E-10 5.81E-10 5.48E-10 5.16E-10 4.87E-10 4.59E-10 4.32E-10 4.07E-10
6.2 3.84E-10 3.61E-10 3.40E-10 3.21E-10 3.02E-10 2.84E-10 2.68E-10 2.52E-10 2.38E-10 2.24E-10
6.3 2.11E-10 1.98E-10 1.87E-10 1.76E-10 1.66E-10 1.56E-10 1.47E-10 1.38E-10 1.30E-10 1.22E-10
6.4 1.15E-10 1.08E-10 1.02E-10 9.59E-11 9.02E-11 8.49E-11 7.98E-11 7.51E-11 7.06E-11 6.65E-11
6.5 6.25E-11 5.88E-11 5.53E-11 5.20E-11 4.89E-11 4.60E-11 4.32E-11 4.07E-11 3.82E-11 3.59E-11
6.6 3.38E-11 3.18E-11 2.98E-11 2.81E-11 2.64E-11 2.48E-11 2.33E-11 2.19E-11 2.06E-11 1.93E-11
6.7 1.82E-11 1.71E-11 1.60E-11 1.51E-11 1.42E-11 1.33E-11 1.25E-11 1.17E-11 1.10E-11 1.04E-11
6.8 9.72E-12 9.13E-12 8.57E-12 8.05E-12 7.56E-12 7.10E-12 6.66E-12 6.26E-12 5.87E-12 5.52E-12
6.9 5.18E-12 4.86E-12 4.56E-12 4.28E-12 4.02E-12 3.77E-12 3.54E-12 3.32E-12 3.12E-12 2.93E-12
7.0 2.75E-12 2.58E-12 2.42E-12 2.27E-12 2.13E-12 2.00E-12 1.87E-12 1.76E-12 1.65E-12 1.55E-12
7.1 1.45E-12 1.36E-12 1.28E-12 1.20E-12 1.12E-12 1.05E-12 9.88E-13 9.26E-13 8.69E-13 8.15E-13
7.2 7.64E-13 7.16E-13 6.72E-13 6.30E-13 5.90E-13 5.54E-13 5.19E-13 4.86E-13 4.56E-13 4.28E-13
7.3 4.01E-13 3.76E-13 3.52E-13 3.30E-13 3.09E-13 2.90E-13 2.72E-13 2.55E-13 2.39E-13 2.24E-13
7.4 2.10E-13 1.96E-13 1.84E-13 1.72E-13 1.62E-13 1.51E-13 1.42E-13 1.33E-13 1.24E-13 1.17E-13
7.5 1.09E-13 1.02E-13 9.58E-14 8.98E-14 8.41E-14 7.87E-14 7.38E-14 6.91E-14 6.47E-14 6.06E-14
7.6 5.68E-14 5.32E-14 4.98E-14 4.66E-14 4.37E-14 4.09E-14 3.83E-14 3.58E-14 3.36E-14 3.14E-14
7.7 2.94E-14 2.76E-14 2.58E-14 2.42E-14 2.26E-14 2.12E-14 1.98E-14 1.86E-14 1.74E-14 1.63E-14
7.8 1.52E-14 1.42E-14 1.33E-14 1.25E-14 1.17E-14 1.09E-14 1.02E-14 9.58E-15 8.97E-15 8.39E-15
7.9 7.85E-15 7.35E-15 6.88E-15 6.44E-15 6.02E-15 5.64E-15 5.28E-15 4.94E-15 4.62E-15 4.32E-15
8.0 4.05E-15 3.79E-15 3.54E-15 3.31E-15 3.10E-15 2.90E-15 2.72E-15 2.54E-15 2.38E-15 2.22E-15
8.1 2.08E-15 1.95E-15 1.82E-15 1.70E-15 1.59E-15 1.49E-15 1.40E-15 1.31E-15 1.22E-15 1.14E-15
8.2 1.07E-15 9.99E-16 9.35E-16 8.74E-16 8.18E-16 7.65E-16 7.16E-16 6.69E-16 6.26E-16 5.86E-16
8 30 5.48E-16 5.12E-16 4.79E-16 4.48E-16 4.19E-16 3.92E-16 3.67E-16 3.43E-16 3.21E-16 3.00E-16
8.4 2.81E-16 2.62E-16 2.45E-16 2.30E-16 2.15E-16 2.01E-16 1.88E-16 1.76E-16 1.64E-16 1.54E-16
8.5 1.44E-16 1.34E-16 1.26E-16 1.17E-16 1.10E-16 1.03E-16 9.60E-17 8.98E-17 8.40E-17 7.85E-17
8.6 7.34E-17 6.87E-17 6.42E-17 6.00E-17 5.61E-17 5.25E-17 4.91E-17 4.59E-17 4.29E-17 4.01E-17
8.7 3.75E-17 3.51E-17 3.28E-17 3.07E-17 2.87E-17 2.68E-17 2.51E-17 2.35E-17 2.19E-17 2.05E-17
8.8 1.92E-17 1.79E-17 1.68E-17 1.57E-17 1.47E-17 1.37E-17 1.28E-17 1.20E-17 1.12E-17 1.05E-17
8.9 9.79E-18 9.16E-18 8.56E-18 8.00E-18 7.48E-18 7.00E-18 6.54E-18 6.12E-18 5.72E-18 5.35E-18
9.0 5.00E-18 4.68E-18 4.37E-18 4.09E-18 3.82E-18 3.57E-18 3.34E-18 3.13E-18 2.92E-18 2.73E-18
9.1 2.56E-18 2.39E-18 2.23E-18 2.09E-18 1.95E-18 1.83E-18 1.71E-18 1.60E-18 1.49E-18 1.40E-18
9.2 1.31E-18 1.22E-18 1.14E-18 1.07E-18 9.98E-19 9.33E-19 8.73E-19 8.16E-19 7.63E-19 7.14E-19
9.3 6.67E-19 6.24E-19 5.83E-19 5.46E-19 5.10E-19 4.77E-19 4.46E-19 4.17E-19 3.90E-19 3.65E-19
9.4 3.41E-19 3.19E-19 2.98E-19 2.79E-19 2.61E-19 2.44E-19 2.28E-19 2.14E-19 2.00E-19 1.87E-19
9.5 1.75E-19 1.63E-19 1.53E-19 1.43E-19 1.34E-19 1.25E-19 1.17E-19 1.09E-19 1.02E-19 9.56E-20
9.6 8.94E-20 8.37E-20 7.82E-20 7.32E-20 6.85E-20 6.40E-20 5.99E-20 5.60E-20 5.24E-20 4.90E-20
9.7 4.58E-20 4.29E-20 4.01E-20 3.75E-20 3.51E-20 3.28E-20 3.07E-20 2.87E-20 2.69E-20 2.52E-20
9.8 2.35E-20 2.20E-20 2.06E-20 1.93E-20 1.80E-20 1.69E-20 1.58E-20 1.48E-20 1.38E-20 1.29E-20
9.9 1.21E-20 1.13E-20 1.06E-20 9.90E-21 9.26E-21 8.67E-21 8.11E-21 7.59E-21 7.10E-21 6.64E-21
10.0 6.22E-21 5.82E-21 5.44E-21 5.09E-21 4.77E-21 4.46E-21 4.17E-21 3.91E-21 3.66E-21 3.42E-21
08 CAPABILIDADE
Dados Contínuos
Distribuição da População Abaixo da Distribuição Normal
39,9%
26,4% 33,7%
08 CAPABILIDADE
Dados Contínuos
Distribuição da População Abaixo da Distribuição Normal
s = 16
m
= 266
08 CAPABILIDADE
s = 16
m
= 266
P ( Z > ZLSE ) + P ( Z < ZLIE ) = 18,18%
08 CAPABILIDADE
P ( Z>6)
ZST = 6s
LIE CURTO
LSE
PRAZO
ZLT=4,5s ZSHIFT=1,5s
08 CAPABILIDADE
Portanto, concluímos que um processo que tem capabilidade de longo prazo (ZLT) igual a 4,5s
tem uma probabilidade de defeitos de 3,4 por milhão .
Quando alguém fala que um processo é “X” Sigma é do ZST de que está falando .
08 CAPABILIDADE
Importante: Portanto para calcularmos a capabilidade para dados variáveis iremos coletar
dados por um período razoável de tempo (de modo a formar uma imagem do processo que
acredita-se representar a variação típica a qual o processo está normalmente sujeito).
Feito isso, calcularemos a distância da média até o limite de especificação mais próximo em
número de desvios padrões, o ZLT (essa é a capabilidade atual).
Uso do Minitab
Exemplo: Um dos principais clientes da Braskem Vinílicos investiu US$ 2MM na construção de
uma sala limpa em sua unidade para fornecimento de laminados rígidos de PVC para a
industria farmacêutica, cuja finalidade é produzir blister para embalagem de medicamentos.
Uso do Minitab
Nível Sigma do Processo
Inicialmente, deve-se avaliar a normalidade do processo:
Uso do Minitab
Nível Sigma do Processo
COLOCAR O LIMITE
INFERIOR E/OU SUPERIOR
DE ESPECIFICACAO (PELO
MENOS UM DELES)
08 CAPABILIDADE
Uso do Minitab
Nível Sigma do Processo
SELEÇÃO REFERENTE À
VARIAÇÃO NO LONGO
PRAZO (ZLT)
08 CAPABILIDADE
Uso do Minitab
Nível Sigma do Processo
ZLT
Voz do Processo
Voz do Processo
93
08
01 CAPABILIDADE
Voz do Cliente
Limite
Superior da
Especificação
Limite
Inferior da
Especificação
Voz do Cliente
94
08
01 CAPABILIDADE
Voz do Processo
Voz do Cliente
95
08
01 CAPABILIDADE
Capabilidade do Processo
0.3 0.3
0.2 0.2
0.1 0.1
0.0 0.0
-4 -3 -2 -1 0 1 2 3 4 -8 -6 -4 -2 0 2 4 6 8
Capabili-
Capabilidade do dade do
Processo Processo
Cp=1 Cp=2
Cpk=1 Cpk=2
97
08
01 CAPABILIDADE
Se o Processo Estiver
Fora do Alvo
LSL
Tolerância do Cliente
USL
0.4
0.3
Cp = 1.33
0.2
0.0
-5.33 -4.0 -2.67 -1.33 0 1.33 2.67 4.0 5.33
Tolerância do Cliente
LSL USL
0.4
0.3
Cp = 1.33
0.2
0.0
-5.33 -4.0 -2.67 -1.33 0 1.33 2.67 4.0 5.33
98
08 CAPABILIDADE
08 CAPABILIDADE
08
01 CAPABILIDADE
Análise da
Capabilidade do Processo
Saída do Minitab Processdo
Capabilidade Capability
Processoof
deData
Dados
da Amostra
LSL USL
P rocess
Dados Data
do Processo Within
Interno
LS
LSLL 168
168 Ov erall
Total
Target
Alvo * *
Potencialidade Potencial
P otential (Within) (Interna)
C apability
U SL
USL 192
192
S ample M ean 182,231
Média 182.231 CCpp 1,51
1.51
S
Nample N 5252
CC
C
C PPL
L
PPU
U
1,80
1.80
1,23
1.23
Cpk
S tDev (Within) 2,64219
DesPad(Inter) 2.64219
DesPad(Total)4,42581 C
C pkpk 1,23
1.23
S tDev (O v erall) 4.42581
O v erall C apability
Potencialidade Total
PPp p 0,900.90
PPPLP L 1,07
1.07
PPU 0,74
P P U 0.74
Ppk 0,74
P pk 0.74
Cpm *
C pm *
101
08
01 CAPABILIDADE
102
08
01 CAPABILIDADE
103
08
01 CAPABILIDADE
104
08
01 CAPABILIDADE
105
08
01 CAPABILIDADE
106
08
01 CAPABILIDADE
Atividade Prática....
107
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
09
01 FASE IMPLEMENTAÇÃO DE MELHORIAS
5W2H refere-se a uma sigla em inglês onde 5 questões iniciam-se com "w" e
2 iniciam-se com "h".
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Visualize-se na seguinte situação: você acaba de comprar um televisão nova, com todos os
mais avançados recursos tecnológicos, incluindo um controle remoto repleto de botões e
opções.
Como todo bom usuário, você não leu o manual de instruções, e percebeu que o jogou fora
junto com as caixas da embalagem.
Agora, para colocar um componente de angústia ainda maior, você se depara com o seguinte
problema: como ajustar a imagem da televisão nova que servirá amanhã para você e todos os
seus amigos assistirem à final do campeonato de futebol, sem saber como usar todos aqueles
recursos mirabolantes?
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Provavelmente o desespero tomaria conta da situação e a idéia mais lúcida seria tentar todos
os botões juntos até se chegar na imagem adequada.
Os botões da TV são chamados de fatores, já que podem ser alterados para avaliar o efeito
(ou influência) sobre a resposta (imagem).
Imagine que cada botão pode ter somente 2 posições (ligado ou desligado). Estes serão os
níveis, ou valores possíveis para cada um dos botões.
Pergunta-se:
X1
(BOTÕES DO
X2
CONTROLE PROCESSO Y (IMAGEM)
...
REMOTO)
X10
Neste caso, tem-se um total de combinações (ou tratamentos) igual a 210 = 1024.
Normalmente, acredita-se que o correto seja alterar um fator por vez, mas isso não é verdade,
como veremos mais adiante.
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Variáveis X1
...
Controladas Xn
PROCESSO Y (Resposta)
Variáveis Não- Z1
...
Controladas Zn
- Determinar como ajustar as variáveis controladas (X) de modo que a resposta (Y) atinja um
valor desejado
- Determinar como ajustar as variáveis controladas (X) de modo que a resposta (Y) apresenta
mínima variação
- Determinar como ajustar as variáveis controladas (X) de modo que os efeitos das variáveis
não controladas (Z) sobre a resposta (Y) sejam mínimos
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ANALISAR OS
RESULTADOS DOS
EXPERIMENTOS
- ENCONTRAR A MELHOR
COMBINAÇÃO DAS
VARIÁVEIS QUE OTIMIZAM A
RESPOSTA
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ENCONTRAR A MELHOR
COMBINAÇÃO DAS
VARIÁVEIS QUE OTIMIZAM A
RESPOSTA
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ENCONTRAR A MELHOR
COMBINAÇÃO DAS
VARIÁVEIS QUE OTIMIZAM A
RESPOSTA
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ENCONTRAR A MELHOR
COMBINAÇÃO DAS
VARIÁVEIS QUE OTIMIZAM A
RESPOSTA
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ANALISAR OS
RESULTADOS DOS
EXPERIMENTOS
- ENCONTRAR A MELHOR
COMBINAÇÃO DAS
VARIÁVEIS QUE OTIMIZAM A
RESPOSTA
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ANALISAR OS
RESULTADOS DOS
EXPERIMENTOS
- ENCONTRAR A MELHOR
COMBINAÇÃO DAS
VARIÁVEIS QUE OTIMIZAM A
RESPOSTA
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ENCONTRAR A MELHOR
COMBINAÇÃO DAS
VARIÁVEIS QUE OTIMIZAM A
RESPOSTA
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
4 FATORES = 4 X’S
2 NÍVEIS = 2 VALORES POSSÍVEIS
O próximo passo será criar no Minitab a planilha que auxilia na coleta dos dados.
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
ESCOLHER 2 NÍVEIS
ESCOLHER 4 FATORES
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
VERIFICAR TODAS AS
POSSIBILIDADES
3 RÉPLICAS
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
DIGITE O VALOR
DEFINA OS NOMES DAS DEFINA OS VALORES COLOCADO PELO
INSTRUTOR
VARIÁVEIS QUE ESTÁ POSSÍVEIS PARA OS NÍVEIS
(PADRONIZA A
ANALISANDO ANALISADOS BASE DE DADOS).
NO EXEMPLO, O
VALOR É 24
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
AS RESPOSTAS ESTÃO NO
ARQUIVO
“DOE_RESPOSTAS.XLS”
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ANALISAR OS
RESULTADOS DOS
EXPERIMENTOS
COLOCAR A VARIÁVEL Y
SELECIONE
TODAS AS
OPÇÕES
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ANALISAR OS
RESULTADOS DOS
EXPERIMENTOS
P < 0,05: REJEITA Ho -
PORTANTO É UM ITEM
- AVALIAR QUAIS SÃO OS CRÍTICO QUE IMPACTA
FATORES MAIS CRÍTICOS NO Y
CONCLUSÃO PRÁTICA:
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ANALISAR OS
RESULTADOS DOS
EXPERIMENTOS
SELECIONE
TODAS AS
OPÇÕES
SELECIONE
TODAS AS
OPÇÕES
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ANALISAR OS
RESULTADOS DOS
EXPERIMENTOS
CONCLUSÃO GRÁFICA:
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
- ANALISAR OS
RESULTADOS DOS
EXPERIMENTOS
CONCLUSÃO GRÁFICA:
QUANDO HÁ QUANDO HÁ
CRUZAMENTO DAS PARALELISMO DAS
LINHAS = FORTE LINHAS = BAIXA/
INTERAÇÃO NENHUMA INTERAÇÃO
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
São utilizados dois tipos de materiais: A e B. Para cada combinação entre temperatura e tipo de material,
quatro repetições foram realizadas. Além disso, cada combinação foi testada com 2 catalisadores diferentes.
Os resultados encontram-se na Tabela abaixo. Quais são as conclusões sobre a relevância dos fatores?
Catalisador A Catalisador B
Temperatura Temperatura
Tipo de Tipo de
Material 500 F 650 F Material 500 F 650 F
Analisando o Processo
Quais as Reais Fontes de Variação?
Box Plot
CONTÍNUO
(Variável Resposta)
(ATRIBUTO)
DISCRETO
Pareto
Regressão Logística
Chi Quadrado: Independência
Y
Pergunta Chave:
O X analisado tem impacto significativo na variável resposta Y do processo estudado?
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Análise de Regressão
Aplicações Práticas
Análise de Regressão
Correlação
X
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Correlação
Análise de Regressão
O coeficiente de correlação linear mede o quão próximos estão os pontos de uma reta.
Y X
Y
X X Y X NEGATIVA
X X X X X
X
X X X X X X
X X X
X X
X X X
X X X X
X POSITIVA
X X NULA
X X
X X
X
Para correlações positivas, o valor de Para correlações negativas, o valor de Para correlações nulas, o valor de “r” é
“r” é positivo também. Quanto mais “r” é negativo também. Quanto mais o mais próximo de “0”.
alinhados a uma reta os pontos alinhados a uma reta os pontos
estiverem, mais próximos de +1 será estiverem, mais próximos de -1 será o
o valor de “r”. valor de “r”.
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Análise de Regressão
Correlação
Análise de Regressão
Correlação
- O fato de ser positivo (+) significa que quanto maior uma variável, maior a outra. No caso,
quanto mais alta a criança, maior seu peso.
- o fato de ser próximo de 1, significa que esta relação praticamente pode ser explicada por
uma reta.
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Análise de Regressão
Correlação
Normalmente, à esta altura, fica uma dúvida: qual é o valor de r que diz se a correlação entre
as variáveis é alta ou não.
Na verdade, não existe este valor ideal… a resposta é dada pela avaliação de p-value, sendo
que:
Ho : as duas variáveis são independentes, isto é , a variável “x” estudada não tem influência
sobre a variável “Y”. Isto ocorre quando p-value ≥ 0,05;
Ha : as variáveis são dependentes, isto é , a variável “x” estudada tem influência sobre a
variável “Y”. Isto ocorre quando p-value < 0,05.
Análise de Regressão
Regressão Simples
Já que existe correlação, qual seria o modelo matemático que poderia explicar a dependência
X e Y?
COEFICIENTE
ANGULAR
Y MODELO LINEAR: Y = bo + b1 X
X
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Análise de Regressão
Regressão Simples
Este é o coeficiente
de determinação. É
R2 = VARIAÇÃO EXPLICADA
obtido pelo quadrado
VARIAÇÃO TOTAL
do coeficiente de
correlação (r). DIZ QUANTOS % DE Y PODEM
SER EXPLICADOS PELO MODELO
ENVOLVENDO O X ANALISADO. O
Boa prática: RESTANTE DA VARIAÇÃO É
CAUSADA POR OUTROS X’S NÃO
0% 10% 50% ANALISADOS
100%
Análise de Regressão
Regressão Simples
Análise de Regressão
Regressão Simples
Análise de Regressão
Regressão Simples
Devemos tomar cuidado com o modelo proposto. Além dos comentários colocados, faz-se
necessário o estudo dos resíduos para que este modelo seja válido.
Lembrando: o resíduo é dado pela diferença entre o valor real e o valor esperado, utilizando-
se a equação obtida na análise.
O modelo será validado quando a distribuição dos resíduos seguir uma curva normal, bem
como a análise de dispersão ao longo do tempo não apresentar muitos pontos extremos.
Caso a análise de resíduos não atenda as condições acima, o modelo não é adequado.
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Análise de Regressão
Regressão Simples
Análise de Regressão
Regressão Simples
Análise de Regressão
Regressão Simples
Imagine, por exemplo, que com 95% de confiança, desejemos saber o peso de uma
criança relacionado a uma altura de 1,40m.
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Análise de Regressão
Regressão Simples
Análise de Regressão
Exercício
1) Uma certa fábrica produz óleo combustível, e uma das principais caraterísticas do produto
é a viscosidade (Cp). Para tanto, de acordo com a experiência dos operadores, a temperatura
de processo é um fator (X) importantíssimo para garantir que as especificações requeridas do
óleo sejam atingidas.
Imagine, por exemplo, que com 95% de confiança, desejemos saber a viscosidade a ser
obtida a partir de uma temperatura de 163ºC. Quais devem ser os valores de viscosidade
possíveis a partir dos dados do processo estudado?
09 FASE IMPLEMENTAÇÃO DE MELHORIAS
Análise de Regressão
Exercício
Exercício
Historicamente…
Se os resultados caem neste intervalo
Dor & Deixe quieto, Dor &
Sofrimento não está quebrado Sofrimento
Gráficos X-Barra e R
A média e o intervalo de uma característica.
Médias de
subgrupo
UCL
X or R
LCL
Plotado no tempo
10 FASE CONTROLE
Item que
estamos
medindo
TEMPO
10 FASE CONTROLE
UCL=0.04737
Mean
0.04
Sample
Mean=0.03372
0.03
Média
0.02 LCL=0.02008
Subgroup
Subgrupo 0 5 10 15 20 25
da Amostra
0.05 UCL=0.05002
Sample Range
0.04
0.03
R=0.02365
Amplitude
0.02
0.01
0.00 LCL=0
10 FASE CONTROLE
0.06 UCL=0.06350
Individual Value
0.04
Mean=0.02857
0.02
0.00
LCL=-6.4E-03
Subgroup 0 10 20 30
0.05
UCL=0.04291
Moving Range
0.04
0.03
0.02
R=0.01313
0.01
0.00 LCL=0
10 FASE CONTROLE
desempenho processos
tempo
10
01 FASE CONTROLE
Análise Crítica
Perguntas Típicas
– As melhorias do processo foram padronizadas e incorporadas a rotina?
– O problema voltou a ocorrer?
– Os controles existentes no processo auxiliam a prevenir a ocorrência de falha?
– Essas mudanças foram analisadas com foco em evitar novas ocorrências?
– Há condições potenciais para que o problema volte a ocorrer?
– Há o Registro da Nota GM (Gestão da Mudança)?
Mapa de Controle
E1
E2
X1 X3 X2 X4
E3
S1
10
01 FASE CONTROLE
Plano de Controle
Acompanhar o(s) indicador(es) do projeto e as variáveis críticas
que devem ser medidas.
Produto: Equipe: Data Original: Revisão: 00
Dono do Processo:
Telefone / ramal: Data (Atual): Revisão: NN
Método
Etapa do Especificações Capabilidade / Técnica de Resultado Tamanho Frequência Plano de
Processo Saídas Entradas de Responsável
processo do processo Data medição MSA de amostra de amostra reação
Controle
10
01 FASE CONTROLE
Pokayoke
Dispositivos à prova de erros destinados a evitar a ocorrência de
defeitos em processos de fabricação e/ou na utilização de produtos.
• NA FÁBRICA
• NO VAREJO
• Máquinas de acionamento manual
• Embalagem a prova de Falsificação duplo e outras proteções em
• Código de Barras na Venda máquinas
• Código de Barras
01 RESUMO DMAIC
Resumo
Identificar e Medir o Analisar as Elaborar e Inserir
IMPLEMENTAR
CONTROLAR
MEDIR
ANALISAR
DEFINIR
• Identificar a(s) saída(s) do • Primeira reunião da equipe • Mapa do Processo - Análise da • Quais são as saídas do
Processo(Y’s) • Definir a(s) saída(s) do Processo (Y’s) processo (Y’s ) ? O Sistema
Medição • Espinha de Peixe cadeia de valor *
• Listar potenciais fontes de • Validar o Sistema de Medição de Medição foi validado?
1a2 • Matriz Causa & Efeito - Análise do • Os dados já existem ou
variação ( potenciais X’s ) • Criar uma lista de 20-30 Potenciais X’s (
• Validar o Sistema de Medição ( potenciais fontes de variação ) • Matriz Esforço x Impacto Takt Time * serão coletados ?
meses • Estatística Básica - Análise de Fluxo
MSA ) • Criar um banco de dados contendo • Quais os potenciais X’s?
• Identificar a Capabilidade ( s ) e informações sobre os X’s e Y’s • Histograma do Processo * • Qual o s e o DPMO iniciais ?
DPMO iniciais • Realizar as primeiras análises estatísticas • Pareto - MSA
sobre o Y • Gráfico de Tendência
EXECUTE
• Estabelecer os Controles para • Montar o Business Process Management • O que está sendo feito
manter as melhorias feitas no • Estabelecer os controles • Normas e Procedimentos - TPM * para garantir que as
processo • Validar com a equipe se há necessidade • Auditoria - 5S* melhorias vão se
Controle de ações adicionais
• Passar para o dono do processo • Business Process Management - PokaYoke* manter ao longo do
2a4 a responsabilidade por • Realizar alterações nos procedimentos e
• Plano de Controle - Visual Aids * tempo ?
semanas monitorar o processo ao longo instruções de trabalho • Quais os próximos
• Formalizar o término do projeto • CEP - Procedimento projetos a serem
do tempo
Padrão de trabalho* desenvolvidos ?
195