Escolar Documentos
Profissional Documentos
Cultura Documentos
da Qualidade e Produtividade
Especialização em Engenharia de
Produção
EESC - USP
- Satisfação
dos clientes
+
Erros,
Programa - Desperdícios e Resultado
de melhoria Ineficiências financeiro
+
Produtividade
-
C D
(Check) (Do)
Investigar as características
Observação
2 específicas do problema.
P
Descobrir as causas fundamentais
3 Análise
do problema (causas raízes)
C
? (Bloqueio foi efetivo)
DMAIC:
Define;
Mesure;
Analyze; Define
Improve; Measure
Control
A P
Control (Act) (Plan) Analize
C D
(Check) (Do)
Improve
problema Reduzir/controlar
Muita dispersão Objetivo
dispersão
Análise das
causas
problema Reduzir/controlar
Muita dispersão Objetivo
dispersão
Caso de estudo
Apresentação do caso
Método e Técnicas
DMAIC:
Define;
Measure;
Analyse;
Improve;
Control.
Desvio-padrão S;
Calculo de probabilidade:
PPM - Exemplo
LIE=11,88 LSE=12,23
12,07
X X
Z
Z LIE 2,04 Z 1,72 X
0 LSE
PPM - Exemplo
A tabela fornece
Z~N(0,1)
Pr[Zz] z=-2,04
(área sombreada)
A tabela fornece
Z~N(0,1)
Pr[Zz] z=-1,72
(área sombreada)
P(X ≤ 18,88) + P(x ≥ 12,23) = P(Z ≤ -2,04) + P(Z ≥ 1,72) = 0,02068 + 0,04272
𝑛𝑜. 𝐸𝑟𝑟𝑜𝑠
𝐹𝑇𝑌 = 1 −
𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠
SIPOC
Representação esquemática dos elementos de um processo individual
Ponto de Ponto de
partida chegada
Fontes Recebedores
Entradas Atividades Saídas
de Entradas de Saídas
Possíveis controles e
pontos para monitorar e
medir o desempenho
Diagrama de atividades
Diagrama de atividades
Diagrama de atividades
Estratificação
consiste na divisão de um grupo em diversos
subgrupos com base em características
distintivas ou de estratificação.
Estratificação
Alguns exemplos de fatores de estratificação bastante utilizados
são:
Tempo: os efeitos dos problemas (ou resultados indesejáveis)
são diferentes de manhã, à tarde, à noite?
Turno de Produção: os efeitos são diferentes quando
consideramos diferentes turnos de produção ?
Local: os efeitos são diferentes nas diferentes linhas de
produção da indústria ou nas diferentes regiões do País onde o
produto é comercializado?
Matéria prima: são obtidos diferentes resultados dependendo do
fornecedor da matéria-prima utilizada?
Operador: diferentes operadores estão associados a resultados
distintos?
Diagrama de Pareto
Princípio de Pareto foi adaptado aos
problemas da qualidade por Juran;
Princípio de Pareto estabelece que a maior
parte das perdas decorrentes dos problemas
relacionados à qualidade são advindas de
alguns poucos mas vitais problemas.
Diagrama de Pareto
Gráfico de barras verticais que dispõe a
informação de forma a tornar evidente e
visual a ordem de importância de problemas,
causas e temas em geral.
Ocorrência de problemas
40 70
35 60
30
50
Frequência %
Frequência %
25
40
20
30
15
20
10
10 Value
5 Value
Cumul.
0 Value
0 Value
Componente
Trilha
Solda
Outros
Outros
Funcionário
Transporte
Instalação
Entrega
0.6
0.5
0.4
R$
0.3
0.2
0.1 Value
C um ul.
0 Value
Componente
Trilha
Solda
Outros
25 20
20
15
15
# Defeitos
# Defeitos
10
10
5
5
Value Value
Cumul. Cumul.
0 Value Value
0
Amassado
Risco
Mancha
Outros
Amassado
Risco
Mancha
Outros
Turno 1 Turno 2
Matriz de Priorização
Relaciona fatores à critérios de prioridade.
GRUPO B
Histograma
Dispõe as informações de modo que seja
possível:
a visualização da forma da distribuição de um
conjunto de dados
a percepção da localização do valor central e da
dispersão dos dados em torno deste valor
central.
Histograma
18
16
14
12
10
Frequência
0 Expected
9 9.2 9.4 9.6 9.8 10 10.2 10.4 10.6 10.8 Normal
Folha de Verificação
Verificação para a distribuição de um item de
controle de processo;
Verificação para classificação de defeitos.
1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2
Dimensões 40
35
L. L.
30 I. S.
25 E. E.
20
/
/ /
/ /
/ // // / // //
15 / /
/ // // / // //
/ // / / // / / /
/ / / / / / /
/ / / / / / / / /
10 / / / / / / / / / /
/ / / / / / / / / /
/ / / / / / / / / / /
/ / / / / / / / / / / /
5 / / / / / / / / / / / /
/ / / / / / / / / / / / / /
/ / / / / / / / / / / / / /
/ / / / / / / / / / / / / /
/ / / / / / / / / / / / / / / /
/ / / / / / / / / / / / / / / / / /
0
Freqüência 1 2 6 13 10 16 19 17 12 16 20 17 13 8 5 6 2 1
Total
Gráfico de tendência
Gráficos de controle
D i
p i 1
nM
Construção do Gráfico de np
n
Pr[ D d ] p d (1 p ) n d d=0,1,2,…,n.
d
D np
D np( 1 p ) ,
Construção do Gráfico de np
LSC np n p + 3 n p( 1 p )
LM np n p
LIC np n p 3 n p( 1 p )
Construção do Gráfico de np
0
0 5 10 15 20 25 30
Dia da Pesquisa
Num. de clientes pesquisados= 200/dia
<<Seis Sigma>>> - Prof. <<Luiz Carpinetti>> - 55
Especialização em Engenharia de Produção – EESC - USP
Construção do Gráfico de np
Operador Política
Diagrama de Relações
Mapa de relações de cause e efeito entre o efeito
indesejável em estudo e as suas causas
fundamentais;
Normalmente usada para levantamento de
possíveis causas raízes de um problema, na fase
de análise de um processo de melhoria;
Pode ser usado como uma alternativa ou um
complemento ao diagrama espinha de peixe, já que
ele mostra de forma mais clara as relações de
causa e efeito.
Diagrama de Relações
Dispersão de
resultados
Distorção
da peça Desgaste acelerado
da ferramenta
Diagrama de Relações
Produtividade
baixa
Diagrama de Dispersão
Visualização do tipo de relacionamento
existente entre duas variáveis:
Positiva;
Negativa;
Inexistente.
Diagrama de Dispersão
y y y
x x x
correlação correlação correlação
positiva negativa inexistente
a. b. c.
Redução da variabilidade
Redução da variabilidade
Muito alto
Causa do
problema Problema Muito baixo
Muita dispersão
Análise das
causas 1025
1015
X 1005
(ml) 995
985
Variação 975
0 5 10 15 20 25 30 35 40
aleatória Número das observações
Causas de 1025
1015
variabilidade
X 1005
(ml) 995
Variação 985
esporádica 975
0 5 10 15 20 25 30 35 40
Número das observações
995
LIC
990
0 2 4 6 8 10 12 14 16 18 20
Número da amostra
R 25 LSC
20
15
LM
10
5
LIC=0
0
0 2 4 6 8 10 12 14 16 18 20
Número da amostra
Distribuição x
R Sx
LSCX x + 3 Sx
d2 n
LM X x
µ=x
S
LICX x 3
R
Sx
d2 n n
m
Xi
X i 1 S R / d2
m
LSCR R + 3 R R d 2
LM R R
R d 3
LIC R R 3 R
LSCR d 2 + 3 d 3
LM R d 2
d 3
σ R / d2
LICR d 2 - 3
n 2 3 4 5 6 7
d2 1,128 1,693 2,059 2,326 2,534 2,704
+3s- Zone A
+2s- Zone B
+1s- Zone C
CL
-1s- Zone C
-2s- Zone B
-3s- Zone A
Capabilidade de Processo
Capabilidade de Processo
É a relação entre as medidas de Tendência &
Dispersão e as Especificações do Cliente
desvio
padrão
Isto é o que o
processo pode
Média do gerar!
Processo
Especificação do Isto é o que o
LSL
Cliente
LSL cliente quer!
Índices de Capabilidade - Cp
LSE LIE
Cp
6
X ~ N ( ; )
LIE d LSE
LSE LIE
Cpk Min ,
3 3
X ~ N ( ; )
LIE d LSE
LIE LSE
LSE LIE
Cpk Min ,
11.88 12.23
3 3
tolerância
µ = 𝑥 = 12,07 mm
𝜎 = S = 0,093
𝐶𝑝𝑘 = 0,57
3σ process
1350 ppm 1350 ppm 𝐶𝑝𝑘 = 1,0
-3σ 3σ
LSL USL
4σ process
𝐶𝑝𝑘 = 1,33
35 ppm 35 ppm
-4σ 4σ
LSL USL
6σ process
𝐶𝑝𝑘 = 2,0
0,001 ppm 0,001 ppm
-6σ 6σ
Caso de estudo
Apresentação do caso
Implementação de melhorias –
Improve (I)
A identificação de oportunidades de melhorias
começa pela apuração das verdadeiras causas
raízes dos problemas detectados;
As causas raízes são hipóteses sobre algo;
Em um primeiro momento não existe “certeza”
sobre essas causas raízes;
A investigação para validação das causas raízes
pode requerer o uso de técnicas de
experimentação e análise estatística.
Implementação de Melhorias
Exemplo
Em um processo de envasamento de sabão em
pó, verificou-se que o peso das embalagens de
sabão vai diminuindo depois do set-up da
máquina;
Suspeita-se que a causa raiz dessa redução
seja por descontrole da umidade;
Será feito um teste com um dispositivo para
controlar a umidade;
Nesse caso pode-se comparar os dados antes e
depois e verificar se a hipótese de que haverá
diferença de resultados (média) se aplica.
<<Seis Sigma>>> - Prof. <<Luiz Carpinetti>> - 83
Especialização em Engenharia de Produção – EESC - USP
Teste de hipóteses
Antes
1. Cálculo da estatística t:
x - x
t=
1 2
n 1 S
-1 2
1
+ n 2 - 1 S 22
1 1 S p2 =
SP + n1 + n2 - 2
n1 n2
1 2 1 +
t -t ou t t
Delta () a /2 a /2
-t a / 2 ta/2
-t t t t
a /2 a /2
t
a
1 2 1 +
12
Delta ()
ERRO TIPO I
Ho Real DECISÃO Risco a
CORRETA
Tipicamente 0.05
Verdade
ERRO TIPO II
Risco DECISÃO
Ho Falso CORRETA
Tipicamente 0.10
ERRO TIPO I
Ho Real DECISÃO Risco a
CORRETA a é o limite
Verdade Tipicamente 0.05 para o “ P-
ERRO TIPO II Value ” !!!
Ho Falso Risco DECISÃO
CORRETA
Tipicamente 0.10
Depois
Redução da
Antes Variação
Antes
H0: σ1 = σ 2
H1: σ 1 > σ 2 12
F 2
2
H1: σ 1 < σ 2 22
F 2
1
H0: p1 = p2
H1: p1 > p2
p̂1 p̂2
Z n1 . p̂1 + n 2 . p̂ 2
1 1 p̂
p̂1 p̂ . + n1 + n 2
n1 n2
Exercícios
Exemplo
d - 0
A estatística t é dada por: t=
Sd
n
<<Seis Sigma>>> - Prof. <<Luiz Carpinetti>> - 111
Especialização em Engenharia de Produção – EESC - USP
d = 8,8 ; S d = 10,98
A estatística t é:
d 8,8
t= = = 3,1
Sd 10.98
n 15
ta,v = 1,761
Portanto, como t > ta,v, a hipótese nula (H0: = 0) deve ser rejeitada.
Exercícios
sim sim
Planejamento de experimentos;
Análise de relação entre variáveis
Regressão;
Análise multi-variada.
Planejamento de Experimentos
Fatorial
Nos exemplos anteriores, testamos o efeito
de um fator na resposta:
Fator fornecedor de conservante;
Fator dispositivo de controle da máquina;
No entanto, em muitas situações, desejamos
testar o efeito (na resposta) de mais de um
fator.
Experimento Fatorial
Depósito do
material
Molde
Fluxo
Material
Cilindro
Máquina
Molde Fechado
Peça com atributo inaceitável
Apróximação do bico
Fechamento
Injeção
Extração
Abertura Recalque
Início de resfriamento
Resfriamento
Início próximo ciclo
Separação do bico
Deformação Falha Rebarba
Planejamento Fatorial 2k
Planejamento Fatorial 2k
Exercícios
Fator de Resposta
Teste Controle
x1 x2 x3 (yi) 1
1 -1 -1 -1 Y1 E1 = y 2 - y1 + y 4 - y 3 + y6 - y 5 + y 8 - y7
2 +1 -1 -1 Y2
4
3 -1 +1 -1 Y3
4 +1 +1 -1 Y4
5 -1 -1 +1 Y5
6 +1 -1 +1 Y6
7 -1 +1 +1 Y7
8 +1 +1 +1 Y8
Fator de Resposta
Teste Controle
x1 x2 x3 (yi)
1
2
-1
+1
-1
-1
-1
-1
Y1
Y2
E2 =
1
4
y 3 - y 1 + y 4 - y 2 + y7 - y 5 + y 8 - y 6
3 -1 +1 -1 Y3
4 +1 +1 -1 Y4
5 -1 -1 +1 Y5
6 +1 -1 +1 Y6
7 -1 +1 +1 Y7
8 +1 +1 +1 Y8
Fator de Resposta
Teste Controle
x1 x2 x3 (yi) 1
1 -1 -1 -1 Y1 E3 = y - y + y 6 - y 2 + y7 - y 3 + y 8 - y 4
2 +1 -1 -1 Y2 4 5 1
3 -1 +1 -1 Y3
4 +1 +1 -1 Y4
5 -1 -1 +1 Y5
6 +1 -1 +1 Y6
7 -1 +1 +1 Y7
8 +1 +1 +1 Y8
Fator de Resposta
Teste Controle
x1 x2 x3 (yi) (y8 - y7 ) + (y4 - y3 ) (y6 - y5 ) + (y2 - y1 )
2 - 2
1 -1 -1 -1 Y1 E12 =
2 +1 -1 -1 Y2 2
3 -1 +1 -1 Y3
4 +1 +1 -1 Y4
5 -1 -1 +1 Y5
6 +1 -1 +1 Y6
7 -1 +1 +1 Y7
8 +1 +1 +1 Y8
Fator de Resposta
Teste Controle
x1 x2 x3 (yi) (y8 - y7 ) + (y6 - y5 ) (y4 - y3 ) + (y2 - y1 )
2 - 2
1 -1 -1 -1 Y1 E13 =
2 +1 -1 -1 Y2 2
3 -1 +1 -1 Y3
4 +1 +1 -1 Y4
5 -1 -1 +1 Y5
6 +1 -1 +1 Y6
7 -1 +1 +1 Y7
8 +1 +1 +1 Y8
Fator de Resposta
Teste Controle
x1 x2 x3 (yi) (y7 - y5 ) + (y8 - y6 ) (y3 - y1 ) + (y4 - y2 )
2 - 2
1 -1 -1 -1 Y1 E13 =
2 +1 -1 -1 Y2 2
3 -1 +1 -1 Y3
4 +1 +1 -1 Y4
5 -1 -1 +1 Y5
6 +1 -1 +1 Y6
7 -1 +1 +1 Y7
8 +1 +1 +1 Y8
Exercícios
Exemplo Experimento 2 4
Resultados do experimento 2 4
Exercícios
Definição de:
Fatores de controle e resposta;
Planejamento do experimento;
Níveis dos fatores;
Condições básicas de experimentação;
Técnicas de análise dos dados.
FIM,
OBRIGADO
carpinet@sc.usp.br