Controle Estatístico Do Processo

Educação e Tecnologia
Controle Estatístico do Processo

Técnicas de Avaliação do Processo II
Prof. Antonio J. dos Santos, MSc.

MSc.
antoniodos.santos@bol.com.br
O que é CEP?
Controle - para que o processo se

comporte como desejamos ...
Estatístico – porque fazemos
uso de números e dados …
Processo – porque é esta atividade que dá origem ao
produto que irá atender as necessidades do cliente.
Em outras palavras: o CEP é o gerenciamento do processo com a

utilização de técnicas estatísticas:
Coleta de Ações
Análise
dados corretivas
1
A origem do CEP
Surgiu em 1924 nos Estados Unidos, no Bell Telephones Laboratories;

Laboratories;
Foi desenvolvido por W.A. Shewhart que criou um gráfico estatístico para o controle
de variabilidade dos produtos resultantes dos processos;
processos;
O CEP teve seu reconhecimento a partir de 1942, quando durante a segunda guerra
mundial foi considerado segredo de estado pelos EUA;
Em 1950, W. Edwards Deming realizou uma série de conferências sobre métodos
estatísticos para os engenheiros japoneses;
Em 1954, J. M. Juran visitou o Japão e enfatizou muito aos gerentes a responsabilidade

pela obtenção da qualidade usando os conceitos estatísticos;
estatísticos;
Na década de 80, o resultado do trabalho de Deming tornou-
tornou-se amplamente
conhecido nos EUA, após uma reportagem realizada em cadeia nacional,
nacional, levada ao
ar pela TV NBC, que abordava os fatores que permitiram a evolução
evolução das indústrias
japonesas.
Objetivo do CEP
A S
C D
Manutenção
A S A P
Nível de
C D C D
Resultado
Manutenção do nível Melhoria do nível de qualidade

de qualidade de um de um processo, através da
processo. redução da sua variabilidade.
Tempo
2
Motivos que levam uma organização
a implantar o CEP
Entropia - tendência de desorganização das condições de controle

“... nós necessitamos de controle porque vivemos em um mundo não estacionário,
onde, se deixadas sozinhas, máquinas não permanecem ajustadas, operadores
esquecem ou mudam suas tarefas, e as coisas tendem a se deteriorar...” (Box*)
Custo
Redução de peças defeituosas
“ O estado de controle estatístico não é um estado natural de

processos de produção. Muito pelo contrário, é uma meta a ser
alcançada pela eliminação, uma a uma, das causas especiais de
variação, como resultado de muito esforço e determinação.”
W. Edwards Deming
*Box, G. E. P., Kramer, T. Statistical process monitoring and feedback

feedback adjustment - a dicussion.
dicussion. Technometrics,
Technometrics, 1992.
Benefícios da Implantação do CEP
Controle de Melhoria da
Processos qualidade e
produtividade
Redução
Redução de Redução
de custos Variabilidade: de ciclo
Aumento da Aumento da
lucratividade satisfação
dos clientes
3
O Processo
“Processo é qualquer atividade que recebe uma
entrada (input), agrega-lhe valor e gera uma saída (output)
para um cliente interno ou externo” (Harrington);
“Processo é um conjunto de causas que provoca um ou
mais efeitos” (Campos);
INPUTS CONTROLADOS
INPUTS X1 X2 Xn OUTPUT
MATÉRIAS-PRIMA y = CARACTERÍSTICAS
COMPONENTES DA QUALIDADE DO
SUBMONTAGENS PRODUTO
(RESULTADO, PRODUTO)
PROCESSO
Z1 Z2 Zn
INPUTS SEM CONTROLE
(MONTGOMERY)
O Controle do Processo
O controle do processo consiste na avaliação sistemática

necessária ao desempenho de um processo e as ações corretivas
tomadas, necessárias à manutenção das especificações.
Para Feigenbaum,
Feigenbaum,
 Estabelecimento de padrões;
 Avaliação da conformidade;
 Ação quando necessário;
 Planejamento de melhorias (aperfeiçoar padrões)
4
MASP/ MAMP Metas
Análise do Padrões de qualidade do produto
6 Sigma processo
STA Parâmetros do processo
Bloqueio Método
Plano da qualidade
Instrução operacional
OK?
Solução do Não
Sim Procedimentos padronizados
problema Alteração do (projeto do processo)
padrão
A P
Sistema de verificação
C D Treinamento
OJT
Execução
Auto-controle conforme
Inspeção procedimentos
Auditorias
Gráficos de controle
Controle por Detecção
ajuste do processo
rejeição Refugo
Refugo
máquina ou
ou
material retrabalho
retrabalho
mão-de-obra Inspeção
Inspeção
método Processo
Processo do
doproduto
produto
meio ambiente acabado
acabado
medições
aprovação
Controle por Prevenção

ajuste do processo
máquina
material
mão-de-obra Inspeção
Inspeção
carta de
método Processo
Processo controle
em
emcada
cada
meio ambiente etapa
etapa
aprovação
medições
(Scapin, C. A.)
“Buscar sempre o controle a montante”
5
Mapear os Processos
Mapas de processo (fluxogramas)
fluxogramas) são usados para documentar e descobrir
oportunidades de melhorias nos processos
xs Início ys
X1=lubrificação y1=dimensional ce
X2=velocidade de avanço Expandir o tubo y2=ausência de rachadura
X3=diâmetro expansor
Limpar com y1=umidade e resíduo ce

X1=pressão de 100lb/pol²
nitrogênio
X1=posição do tb no dispositivo y1=dimensional ce

Dobrar
X1=fluxo de nitrogênio
xs – característica mensurável de um processo X2=pressão de oxigênio
que pode afetar o desempenho do produto,
produto, X3=pressão de GLP
mas que não pode ser medida no produto;
produto; X4=posição da tubulação
Soldar na sucção y1=ponto sem vazamento
X5=comp. da vareta de solda
ys – parâmetro que caracteriza o produto antes
do estágio de produto acabado;
acabado; Desidratar
X1=tempo 70±10min y1=umidade ce
X2=tempertura 120C em estufa
Y – parâmetro que caracteriza o produto no
estágio de produto acabado.
acabado.
Y = f(x)
f(x) Fim ce – conforme especificação
Por que ocorrem defeitos?

defeitos?
Variabilidade
“ ... Não existem duas coisas exatamente iguais...”
Quanto menor a variabilidade maior a facilidade do processo

em atender às especificações.
6
Sobre a variabilidade ...
Variações dentro de um padrão são inevitáveis e não

merecem uma maior atenção ou cuidados.
Entretanto, quando as variações ocorrem fora deste

padrão, devem ser estudadas suas razões e
introduzidas medidas corretivas.
Tipos de Variáveis
Na análise da variabilidade, é preciso distinguir dois tipos

de variáveis. Essas variáveis nos permitirão dimensionar
o tamanho da variação.
Contínua: é aquela que pode assumir qualquer valor em

um intervalo considerado. Por exemplo, a medida da
temperatura do corpo humano não pode passar de 36C
para 37,5C de um único salto, sem percorrer todos os
valores intermediários;
Discreta (atributos): ao contrário da variável contínua, a

discreta só pode assumir valores aos saltos. Por exemplo, a
quantidade de defeitos observados numa determinada
superfície pintada, só pode resultar num número inteiro.
7
As 7 Ferramentas da Qualidade
Folha de Verificação
Estratificação
Diagrama de Pareto
Diagrama de Causa-
Causa-e-Efeito
Diagrama de Dispersão
Histograma
Gráfico de Controle
Folha de Verificação para Itens Defeituosos

Produto: Gabinete Data:
Estágio de Fabricação: Inspeção final Área:
Tipo de defeito: marcas na peça, peça incompleta, trincas, deformação Inspetor:
Total inspecionado: 1525 Lote:
Folha de Defeito Verificação Total
Marcas na superfície 17
Verificação
Trincas 11
Peça incompleta 26
Deformação 3
Outros 5
Total 62
Folha de Verificação para Causa de Defeito

Segunda Terça Quarta Quinta Sexta
Equipamento Operador
Manhã Tarde Manhã Tarde Manhã Tarde Manhã Tarde Manhã Tarde
aa a aaa a aaa aaaa aaaa a aaaa aa
b b bb bbb bbb b bb
A
d d dd
Máquina 1
a aaa aaaaaa aaa aaaaaa aaaaaa aaaa aaa aa aaaaa
bb bbb bb bb bb bbb bb bb bb
B
d d d d dd
aa a aa aaaaa aaaa aa a aa aa
b b b
C c
d d
e
Máquina 2
aa a aa aaa aaa aaaaaa aa aa aa a
b b b
D c c c cc
d d d dd
e
a: risco b: bolha
c: acabamento defeituoso d: formato defeituoso
e: outros
8
Folha de Verificação para Localização de Defeito
Código do Produto:
Descrição
Material:
Fabricante:
Folha de 1. Croqui
1 2 3 4 5 6 7
Verificação
H A
número da
corrida
G B
F C
E D
Folha de Verificação para Distribuição do Processo Produtivo
Verificações
Especificação Desvio Frequência
5 10 15 20
2. Localização do Defeito
-0,9
LIE -0,8 Radial
-0,7 1 2 3 4 5 6 7
Circular 10
-0,6
-0,5 1 A 1
-0,4 2
B
-0,3 4
-0,2 6 C
-0,1 9
D
8,3 0 11
0,1 8 E 9
0,2 7 F 3
0,3 3
G
0,4 2
0,5 1 H
0,6 1
0,7 2
LSE 0,8 4
13
0,9 7
10
Total 55
Diagrama de Pareto
Pareto, matemático italiano, estudou a distribuição de riquezas em diferentes
países, concluindo que uma minoria (20%) das pessoas controlavam a grande
maioria (80%) da riqueza.
Tipos de Acidentes de Trabalho

Freqüência
Juran aplicou os conceitos de
100%
Pareto na área de qualidade.
Poucas causas
levam à maioria das perdas,
ou seja, “poucas são vitais
40 50%
e a maioria é trivial”.
20
Neste gráfico, as barras são ordenadas por
freqüência de ocorrência (da maior para a
0
Problema menor). A ordenação por freqüência é utilizada
s s
os nas Olho utro
Mã Per O para direcionar ações corretivas. Deve-se corrigir
primeiro, os problemas que estão causando a
maior quantidade de defeitos/ problemas.
9
Estratificação
Análise das Perdas na Produção
Diagrama de Causa-
Causa-e-Efeito
Faça um brainstorming p/ descobrir as possíveis causas geradoras do efeito, separando-as
em grandes categorias. Escreva as causas nas linhas horizontais que se conectam às linhas
de grandes categorias. Se precisar de maior detalhamento, ligue linhas adicionais às linhas
detalhadas. Uma boa regra é estabelecer um limite de três níveis de detalhe.
orgulho Após a conclusão do brainstorming

Estratégia Espírito
e identificação das grandes
silêncio espírito de luta categorias, analise o diagrama.
coação coragem vergonha
observação Avalie os itens, lembrando
patriotismo Vitória da
seleção
que a lista original foi compilada
cooperação brasileira sem restrições (tempestade
trabalho em velocidade
de idéias).
equipe
função
Identifique os itens com maior
Técnica probabilidade de
ser a causa (ou uma das causas),
No estudo de processos produtivos as causas circulando-os para uma
geralmente têm relação com os 6Ms investigação mais a fundo.
10
Diagrama de Dispersão
Ferramenta que ajuda-nos a verificar a existência

de relação entre duas variáveis
y
pressão
yn
y2
y1
x1 x2 xn x
temperatura
Histograma
Dados obtidos de uma amostra servem como base para uma

decisão sobre a população.
Quanto maior o tamanho da amostra, mais informação obtemos

sobre a população.
Necessitamos de um método que nos possibilite conhecer a

população num rápido exame. Por meio da organização de muitos
dados num histograma, podemos conhecer a população de
maneira objetiva.
11
Histograma
Um histograma é construído a partir de um certo número de dados. Mas o que
aconteceria ao histograma se continuássemos a aumentar a quantidade de dados?
Se o intervalo de classe é reduzido pouco a pouco, enquanto a quantidade de dados é

aumentada, uma curva suave de distribuição de freqüências é obtida.
Esta curva é a expressão da própria população, se obtida

a partir de um número infinito de dados.
Como obter um histograma?
1° passo: Coletar dados da população (amostra);
2° passo: Calcular a amplitude R = Xmáx - X mín ;
N° de elementos K (n° de classes)
3° passo: Determinar o intervalo de classes H,
obtendo o valor de K (n° de classes), na tabela ao 30 a 50 5a7
lado. 51 a 100 6 a 10
Intervalo de classes H = R/ K
101 a 250 7 a 12
4° passo: Somar ao menor valor da distribuição, o Acima de 250 10 a 20
valor de H (obtém-se assim a primeira classe); daí
por diante, somar aos valores inferiores das classes
seguintes, o valor de H para obtê-las.
exponencial
Tipos de Distribuição freqüência
Ex.: distribuição dos vencimentos
valores x
normal
y
freqüência em forma de “u”
Ex.: estatura x peso,

inteligência medida em
freqüência Ex.: mortalidade por idade
testes, características da
valores x
maioria dos processos com ±
n de tolerância
y
valores x
y
assimétrica
freqüência
retangular
freqüência
valores x
valores x
12
Distribuição Normal
A distribuição normal pode ser simplesmente descrita

como tendo a forma de um sino ou montanha (curva
de Gauss), ou numa descrição mais detalhada:
a) a densidade de probabilidade é mais alta no meio

e diminui gradualmente em direção às caudas, e
b) ela é simétrica
Caracterização de uma D istribuição N orm al
1 ex p (x - µ )²
ƒ (x ) =
2  2  ²
µ é a média d a d istr ibu ição , ou s eja,

rep res en ta o cen tr o da distribu ição no rm al;
  é o desv io pad ráo d a d istr ib u ição , ou seja,

rep res en ta a d isper são d a distrib uição n or mal
U ma d istr ibu ição n o rmal co m méd ia µ e desv io

p adr ão   é id en tif icad a p ela no tação N (µ , )
Nota:  refere-
refere-se a média da populaç
população;
ão; X ou Xbarra referem-
referem-se a média da amostra
13
Curvas normais com diferentes médias, porém com desvios padrão idênticos
=1 =2 =4
1 2 3 4
Curvas normais com mesma média, porém com desvios padrão diferentes
-5 -4 -3 -2 -1 0 1 2 3 4 5
Probabilidades associadas à distribuição normal
x-µ
z =
 
Área sob a curva = 1 ou 100%
99,73%
95,46%
68,26%
x
µ - 3 µ - 2 µ - 1 µ µ+1 µ + 2 µ + 3
z
-3 -2 -1 0 1 2 3
Transformação da variável normal x para a variável normal padronizada

padronizada z
14
Medidas para representar as características de
distribuições normais
X = X1 + X2 + ... Xn
n
=  (Xi - X) ²
n -1
² =  (Xi - X) ² ou
n -1
R
=
d2
Gráficos de Controle por

Variáveis x Atributos
“Gráficos para dados variáveis exigem medições em uma escala contínua,

tais como comprimento, peso, pH ou resistência. Gráficos para atributos
exigem somente uma classificação de medições descontínuas tais como
boa ou má. Dados variáveis contém mais informação que atributos,
consequentemente são preferidos para CEP e essenciais para diagnósticos...
... gráficos para atributos serão úteis desde que a taxa de defeitos seja alta o
bastante para aparecer no gráfico com um tamanho de subgrupo razoável.
As exigências atuais de qualidade competitiva em muitas indústrias são
tão altas que os gráficos de atributos são inúteis”.
Juran
15
O que medir?
medir?
O CEP deverá ser adotado nos processos críticos,

críticos,
escolhidos entre os diversos macro processos
existentes na manufatura;
manufatura;
A criticidade deverá ser estabelecida de acordo com a

necessidade da organização:
organização:
- Matriz de priorização;
priorização;
- FMEA de projeto e/ou processo;
processo;
- Índices de qualidade,
qualidade, etc.
Para cada processo,

processo, selecionar em conjunto com as
áreas envolvidas,
envolvidas, as características (variáveis ou
atributos)
atributos) que deverão ser medidas para avaliar se o
processo está cumprindo a sua missão.
missão.
Principais tipos de
Gráficos de Controle por variáveis

Médias e amplitude.......................................... Xbarra R
Valores individuais e amplitude móvel ..................I MR
16
Causas comuns de variação
Causas comuns provocam variação esperada ou previsível
(natural do processo); para um processo sob a atuação de causas comuns
é possível antecipar os limites dentro dos quais variará o resultado; não há
sustos; diz-se que o processo está sob controle estatístico (é estável)
Segundo Deming, as causas comuns de variação justificam cerca de 85%

dos problemas de qualidade
O que vai
acontecer agora?
Se apenas causas comuns de
variação acham-se presentes, o
resultado do processo forma uma
distribuição estável no decorrer do
tempo, sendo previsível!
Causas especiais de variação
Causas especiais provocam variação fora do esperado

(não natural do processo)
Para um processo sob a atuação de causas especiais não é possível

antecipar qual a magnitude de variação, o resultado fica imprevisível e
cada dia é uma nova surpresa
Diz-se que o processo está fora de controle estatístico

(é instável)
Segundo Deming as causas especiais de variação justificam cerca de

15% dos problemas de qualidade
17
Alguns exemplos de causas de variação em
processos produtivos (6Ms)
Desgaste de componentes
Mancais desajustados
Vibrações das máquinas
Fixações mal feitas
Matéria-prima de má qualidade
Falta de cuidado ou de treinamento dos operadores
Mudanças climáticas
Erros em medições
Gráficos por Variáveis
 Comportamento estatístico do processo

(estável ou não?)
não?)
 Onde ocorre a variação indesejada
Gráficos Xbarra e R
Gráfico Xbarra - controla a variabilidade entre as médias dos diversos

subgrupos. Assim fornece informação sobre a variação entre os
subgrupos, ou seja, variação de longo prazo.
Gráfico R - controla a variabilidade dentro dos subgrupos, isto é,

entre as observações que compõem cada subgrupo. Mostram a
variação a curto prazo.
18
Como coletar dados do processo?
processo?
Formação de subgrupos racionais: Subgrupos são

amostras tão homogêneas, que causas especiais,
se estiverem presentes, devem aparecer entre os
mesmos e não dentro dos mesmos.
A P Amostragem do Processo P
C D Monitoramento do Processo DCA
19
Planejamento da amostragem
Pesagem da carga de gás L 1 F 3 mês de Junho/06

Data Turno Hora Peso (g) Data Turno Hora Peso (g)
94,40 95,40
05:00 05:00
94,80 94,60
M M
94,60 96,00
10:30 10:30
95,60 95,00
1 8
95,80 95,50
13:15 13:15
94,80 94,90
T T
96,40 94,60
17:15 17:15
95,20 94,80
95,80 95,40
05:00 05:00
94,60 95,80
Planejamento da amostragem M
10:30
95,80
94,80
M
10:30
94,80
95,60
2 9
94,50 94,80
13:15 13:15
94,40 94,60
T T
Junho 17:15
95,30
95,20
17:15
94,00
94,65
95,80 95,00
05:00 05:00
94,80 95,60
M M
95,40 94,60
10:30 10:30
95,60 95,40
3 10
94,60 94,90
13:15 13:15
93,70 95,30
T T
94,70 94,10
17:15 17:15
1 2 3 94,40 94,60
94,80 94,60
05:00 05:00
95,60 95,60
M M
95,40 95,00
10:30 10:30
94,60 95,40
4 11
95,90 94,50
13:15 13:15
96,10 94,10
T T
94,40 94,20
17:15 17:15
94,80 94,50
M T 05:00
95,60
05:00
95,20
96,20 94,20
M M
95,20 94,60
10:30 10:30
94,60 95,60
5 12
94,00 94,10
13:15 13:15
94,80 94,50
T T
95,00 94,20
17:15 17:15
94,60 94,50
05:00 10:30 13:15 17:15 05:00
95,00
05:00
96,00
95,60 95,00
M M
96,00 94,60
10:30 10:30
95,20 94,00
6 13
95,10 94,20
13:15 13:15
96,80 93,70
T T
96,40 94,40
M1 M2 M1 M2 M1 M2 M1 M2 17:15
95,40
17:15
94,80
95,00 96,20
05:00 05:00
96,00 95,40
M M
95,40 94,60
10:30 10:30
94,60 96,00
7 14
94,90 94,60
13:15 13:15
94,20 94,40
T T
95,10 94,20
17:15 17:15
94,70 94,40
20
Construção dos Gráficos
Gráficos Xbarra-R para Camada de Tinta
45,0 LSC = 44,69
U C L=44,69
M édia das A mostr as
42,5
_
_
40,0 X=39,91
37,5
35,0 LCLIC
L=35,14
= 35,14
2 4 6 8 10 12 14 16 18 20 22 24
A mostr a
20
A mplitude das A mostr as
U LSC = 17,50
C L=17,50
15
10 _
R=8,28
0 LIC = 0
LC L=0
2 4 6 8 10 12 14 16 18 20 22 24
A mostr a
Etapas de Construção dos Gráficos e Formulário
Determinação da média e amplitude das amostras:
X = X1 + X2 + ... Xn onde n = número de amostras

(tamanho do subgrupo)
n
R = Xmáx - Xmín
Determinação da média e amplitude do processo:
X = X1 + X2 + ... Xk onde k = número de subgrupos

(20 a 25 subgrupos)
k
R = R1 + R2 + ... Rk
k
21
Etapas de Construção dos Gráficos e Formulário
Cálculo dos limites de controle:
LSCX = X + A2R LICX = X - A2R
LSCR = D4R LICR = D3R

n° de observações Fatores p/ gráfico X Fatores p/ gráfico R
no subgrupo (n) A2 D3 D4
2 1,880 0 3,268
3 1,023 0 2,574
4 0,729 0 2,282
5 0,577 0 2,114
6 0,483 0 2,004
7 0,419 0,076 1,924
8 0,373 0,136 1,864
9 0,337 0,184 1,816
10 0,308 0,223 1,777
Cartas de Controle - Diário de Bordo
O diário de bordo é um complemento dos gráficos de

controle. Nele são registradas todas as ocorrências
significativas como, por exemplo:
> mudanças no lote de matéria-prima;

> troca de operador;
> substituição de ferramentas;
> regulagem ou quebra do equipamento, etc.
22
Cartas de Controle - Diário de Bordo
Essas informações, acompanhadas da data e horário de ocorrência, quando analisadas
em conjunto com os gráficos, permitem desenvolver conhecimento sobre o processo.
O diário de bordo não só facilita a identificação das possíveis causas dos problemas,
como também serve de orientação para a tomada de ações de modo a evitá-las.
DIÁRIO DE BORDO
DATA HORA OCORRÊNCIA AÇÃO CORRETIVA ÁREA RESPONSÁVEL
Gráficos por Variáveis
Gráficos I e MR (valores individuais e amplitude móvel)
São utilizados quando o tamanho da amostra é igual a uma unidade.

unidade.
Estes casos ocorrem quando:
› A inspeção é automatizada, ou seja, todas as unidades produzidas

são avaliadas;
› A escassez dos dados impede a formação de subgrupos;
› Quando não existe um critério lógico para a formação de subgrupos.
23
Cálculo dos limites de controle para
gráficos de valores individuais
Gráfico I Gráfico MR
LSC = X + 3 MR LSC = D4 MR
d2
LM = MR
MR
LIC = X - 3
d2 LIC = D3 MR
LM = X
Outros tipos de Gráficos de

Controle para Variáveis
Gráficos X S
Gráficos p/ Curta Produção
24
Comportamento Estatístico de Processos por Variáveis
LSC
Quando observa-se pelo menos 1

ponto além dos limites de controle, X
posicionados a ± 3 desvios padrão
da média do processo.
LIC
LSC
Quando observa-se uma

seqüência de pelo menos 9 X
pontos de um mesmo lado da
linha central.
LIC
LSC
seqüência de 6 pontos,
todos subindo ou todos X
descendo.
LIC
Fonte:
Fonte: Software MINITAB

LSC

seqüência de pelo menos 14 X
pontos, alternando para
cima e para baixo.
LIC
LSC 3
2
Quando observam-se 2
pontos, de um total de 3
X
pontos, em seqüência,
além da linha 2 sigma. 2
LIC 3
LSC 3
Quando observam-se 4 pontos, 2
de um total de 5 pontos, em
seqüência, além da linha 1 X
sigma (de um mesmo lado da

linha central). 2
LIC 3
Fonte:
25
LSC 3
2
pontos, em sequência,
X
dentro da faixa ± 1 sigma
(dos dois lados da linha 2
central). LIC 3
LSC 3
2
pontos, em seqüência,
além da faixa ± 1 sigma X
(dos dois lados da linha
central). 2
LIC 3
Fonte:
A prática do Controle Estatístico de Processos

Característica de qualidade
Correção do processo - Operador

Eliminação de causa especial
LSC
LSC
Melhoria
Ação gerencial
LIC
LIC
Tempo
Controle Melhoria Controle
Manter o Reduzir Manter o
processo variabilidade processo
dentro dos limites dentro dos limites
naturais naturais
26
Avaliar a capabilidade
de processos estáveis !
Limites de Controle
Atenção;
Atenção;
LSC e LIC são calculados com dados do

processo,
processo, utilizando fórmulas estatísticas;
estatísticas;
LSE e LIE são determinados pela engenharia

com base nas necessidades do cliente.
cliente.
27
Capabilidade do Processo
LSE LIE
processo
Para avaliar o Cp = LSE - LIE Cp < 1
potencial do processo
6
Cpks = LSE - X processo

Para avaliar o 3 Cp = 1
posicionamento
do processo
Cpki = X - LIE
3 processo
Cp > 1
Relação entre tolerância do projeto e o Cpk do processo
Amplitude da Fora da Dentro da

Cpk
especificação do projeto especificação (PPM) especificação (%)
± 1 317.400 68,26 0,33
± 2 45.600 95,44 0,66
± 3 2.700 99,74 1,00
± 4 63 99,994 1,33
± 4,5 6,8 99,99932 1,50
± 5 0,57 99,9999426 1,66
± 6 0,002 99,999999733 2,00
28
Gráficos por Atributos
O controle por atributos é utilizado para controlar

características de um produto que não podem ou, por
alguma razão, não convém serem controladas através
de medição. As características são classificadas em
conforme ou não conforme com a especificação.
Em geral, o controle por atributos é empregado nas

seguintes situações:
> Impossibilidade de efetuar medições;

> Processo de medição muito demorado;
> Elevado número de características a controlar;
> A medição da característica é anti-econômica diante
do custo de cada peça (ensaio destrutivo).
Exemplos:
- número de defeitos de pintura numa peça;
- quantidade de acidentes com empilhadeira;
- remessa correta ou incorreta;
- calibrador passa ou não passa
29
Tipos de gráficos por atributos
Fração defeituosa .......................................p

Número de unidades defeituosas................np
Quantidade de defeitos numa amostra .......c
Número de defeitos por unidade ................u

Gráfico np
1° passo: coletar no mínimo 20 subgrupos de tamanho mínimo n =50
2° passo: achar a média de produtos defeituosos
n° total de rejeições np

p= p=
n° total inspecionado n
3° passo: calcular os limites de controle
LCnp = np ± 3 np (1 - p)
onde LC = np = p x n
n = tamanho dos subgrupos
30
Gráfico p
1° passo: calcular a fração defeituosa para cada subgrupo
n° total de rejeições nos subgrupos np

p= p=
n° inspecionado nos subgrupos n
np
2° passo: calcular a média da fração defeituosa p= LC = p
n
3° passo: calcular os limites de controle
p (1 - p) onde n = tamanho dos subgrupos

LCp = p ± 3
n
Nota: na prática,
prática, se n varia,
varia, é recomendável utilizar n para obter limites de controle fixos
Gráfico c
total de não conformidades

c= LCc = c ± 3 c
n° de subgrupos
Gráfico u
total de não conformidades u

u= LCu = u ± 3
total de unidades inspecionadas n
Nota: na prática,
prática, se n varia,
varia, é recomendável utilizar n para obter limites de controle fixos
31
Comportamento Estatístico de Processos por Atributos
LSC 3
2
Quando observa-se 1
ponto, além dos limites X
de controle.
2
LIC 3
LSC 3
2
Quando observam-se 9 pontos,
em sequência, de um mesmo X
lado da linha central.
2
LIC 3
Fonte:
Comportamento Estatístico de Processos por Atributos
LSC 3
2
X
todos em acendência ou
todos em descendência.
2
LIC 3
LSC 3
Quando observam-se 14 2
X
alternando para cima e para
baixo.
2
LIC 3
Fonte:
32

Controle Estatístico Do Processo

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Controle Estatístico Do Processo

Enviado por

Direitos autorais:

Formatos disponíveis

Educação e Tecnologia

Controle Estatístico do Processo

Prof. Antonio J. dos Santos, MSc.

Controle - para que o processo se

Em outras palavras: o CEP é o gerenciamento do processo com a

Surgiu em 1924 nos Estados Unidos, no Bell Telephones Laboratories;

Em 1954, J. M. Juran visitou o Japão e enfatizou muito aos gerentes a responsabilidade

Manutenção do nível Melhoria do nível de qualidade

Entropia - tendência de desorganização das condições de controle

“ O estado de controle estatístico não é um estado natural de

*Box, G. E. P., Kramer, T. Statistical process monitoring and feedback

Benefícios da Implantação do CEP

O controle do processo consiste na avaliação sistemática

Controle por Prevenção

Limpar com y1=umidade e resíduo ce

X1=posição do tb no dispositivo y1=dimensional ce

Por que ocorrem defeitos?

“ ... Não existem duas coisas exatamente iguais...”

Quanto menor a variabilidade maior a facilidade do processo

Variações dentro de um padrão são inevitáveis e não

Entretanto, quando as variações ocorrem fora deste

Na análise da variabilidade, é preciso distinguir dois tipos

Contínua: é aquela que pode assumir qualquer valor em

Discreta (atributos): ao contrário da variável contínua, a

Folha de Verificação para Itens Defeituosos

Folha de Verificação para Causa de Defeito

Tipos de Acidentes de Trabalho

Análise das Perdas na Produção

orgulho Após a conclusão do brainstorming

Ferramenta que ajuda-nos a verificar a existência

Dados obtidos de uma amostra servem como base para uma

Quanto maior o tamanho da amostra, mais informação obtemos

Necessitamos de um método que nos possibilite conhecer a

Se o intervalo de classe é reduzido pouco a pouco, enquanto a quantidade de dados é

Esta curva é a expressão da própria população, se obtida

Ex.: estatura x peso,

A distribuição normal pode ser simplesmente descrita

a) a densidade de probabilidade é mais alta no meio

Caracterização de uma D istribuição N orm al

µ é a média d a d istr ibu ição , ou s eja,

  é o desv io pad ráo d a d istr ib u ição , ou seja,

U ma d istr ibu ição n o rmal co m méd ia µ e desv io

=1 =2 =4

Probabilidades associadas à distribuição normal

Transformação da variável normal x para a variável normal padronizada

Gráficos de Controle por

“Gráficos para dados variáveis exigem medições em uma escala contínua,

O CEP deverá ser adotado nos processos críticos,

A criticidade deverá ser estabelecida de acordo com a

Para cada processo,

Segundo Deming, as causas comuns de variação justificam cerca de 85%

Causas especiais de variação

Causas especiais provocam variação fora do esperado

Para um processo sob a atuação de causas especiais não é possível

Diz-se que o processo está fora de controle estatístico

Segundo Deming as causas especiais de variação justificam cerca de

Gráficos por Variáveis

 Comportamento estatístico do processo

Gráfico Xbarra - controla a variabilidade entre as médias dos diversos

Gráfico R - controla a variabilidade dentro dos subgrupos, isto é,

Formação de subgrupos racionais: Subgrupos são

Pesagem da carga de gás L 1 F 3 mês de Junho/06

Etapas de Construção dos Gráficos e Formulário