Setembro 2004

Semana Braskem sobre Tecnologia Vinílicos

Márcio Andrade

CONTROLE ESTATÍSTICO DE
PROCESSO
SEMANA DA TECNOLOGIA BRASKEM
2004

Márcio Andrade

1
 Para refletir...
 "Em qualquer processo natural a ENTROPIA (desordem)
sempre aumenta."
2ª Lei da termodinâmica

Resposta

Número da amostra

Agenda

 O que é CEP?
 Ferramentas de Uso na Estatística
 As Variações e suas Causas
 O Controle Estatístico de Processo
 Processo Capaz e Não-
Não-Capaz
Não-Capaz

2
O que é C.E.P.?

• CEP significa CONTROLE ESTATÍSTICO DE

PROCESSO
• CEP não se refere a uma técnica, algoritmo
ou procedimento específico.
• CEP é uma filosofia de otimização
relacionada à melhoria contínua do
processo, usando ferramentas estatísticas.

O que é C.E.P.?

• CEP é um componente chave para a

Qualidade do Produto e do Processo.
• CEP visa maximizar os lucros através de:
• melhoria na qualidade do produto.
• aumento na produtividade
• redução de perdas
• redução de emissões
• etc.

3
Agenda

 O que é CEP?
 Ferramentas de Uso na Estatística
 As Variações e suas Causas
 O Controle Estatístico de Processo
 Processo Capaz e Não-
Não-Capaz
Não-Capaz

Ferramentas
• Geralmente as ferramentas utilizadas no CEP incluem:

• Fluxogramas
• Gráficos XY
• Gráficos do Pareto
• Diagramas de Causa-
Causa-e-efeito
Causa-e-efeito
• Histogramas de Freqüência
• Diagramas de Controle de Dispersão

• Cada ferramenta é simples para implementar

• Essas ferramentas estão usualmente utilizadas
simultaneamente.

4
Fluxogramas

 Fluxogramas (Flow
(Flow charts)
charts)
• não têm base estatística
• são excelentes ferramentas para
visualização de etapas
 Mostram...
• o progresso do trabalho
• o fluxo de material ou informação em
uma seqüência de operações.

Fluxogramas
 Fluxogramas são úteis
para uma análise inicial
de um processo.

5
Exercício 1

 Controle da cerveja
para um churrasco.

Resposta

 Controle da cerveja
para um churrasco.

6
Gráficos XY

 Gráficos XY apresentam variáveis de processo plotadas

contra o tempo ou em uma seqüência cronológica.
 Não têm base estatística, mas revelam:

• tendências
• relações entre as variáveis

Gráficos XY

• Gráficos XY podem ser usados para estudar as relações

entre as variáveis. No exemplo abaixo, as relações podem
ser difíceis de identificar. Porém, se utilizarmos escalas
apropriadas...
Resposta

Número da amostra

7
Gráficos XY

 A relação entre as 2 variáveis se torna mais clara.

Obviamente, este método pode não ser tão simples
quando se avaliam muitas variáveis.

Resposta

Número da amostra

Para refletir...

 “Se eu pudesse resumir toda a minha mensagem em

“Se
poucas palavras, eu diria: reduza a variação”
variação”
W. Edwards Deming
Resposta

Número da amostra

8
Diagrama de Pareto
 Vilfredo Pareto (1848-
(1848-1923) descobriu que:
(1848-1923)

• 80% da riqueza da Itália estava

nas mãos de 20% da população;
• 20% dos clientes eram
responsáveis por 80% das
vendas;
• 20% dos componentes
representavam 80% do custo,
etc.
 Estas observações foram confirmadas por Juram (1960) e
resultaram no que hoje é conhecido com Princípio de
Pareto.

Diagrama de Pareto

 O Princípio de Pareto define que:

“Nem todas as causas de um fenômeno
particular ocorrem com a mesma freqüência
nem com o mesmo impacto.”

 Estas características podem ser ilustradas usando

diagramas de Pareto.

9
Diagrama de Pareto

• O Diagrama de Pareto mostra os fatores mais freqüentes

que ocorrem em um processo.

A análise destes 50 42

diagramas permitem 40
36

o uso racional dos 30

recursos para 20
enfrentar as causas e 10
9
5 4 3 1
bloqueá-
bloqueá-las.
0
1 2 3 4 5 6 7

Exercício 2

 Causa de notas baixas nas provas (abaixo da

média):
– “Não estudei suficiente”:
– “A matéria é muito difícil”:
– “Esqueci o dia da prova”:
– “Estudei a matéria errada”:
– “Estava com dor de cabeça”:
– “Tive um mal dia antes da prova”:
– “Confiei no que eu sabia”:
– “Só errei besteiras”:

10
Resposta 2

10
9 “Não estudei suficiente”
8 “A matéria é muito difícil”
7
“Esqueci o dia da prova”
6
“Estudei a matéria errada”
5
“Estava com dor de cabeça”
4
“Tive um mal dia antes da
3 prova”

2 “Confiei no que eu sabia”

1 “Só errei besteiras”

0
Cont %

Diagrama de Causa e Efeito

 Diagramas de Causa-
Causa-e-efeito também são chamados:
Causa-e-efeito
• Diagramas do Ishikawa (Dr. Kaoru Ishikawa,
Ishikawa, 1943)
• Diagramas de espinha de peixe

 Diagramas de Causa-
Causa -e-efeito não têm um fundamento
Causa-e-efeito
estatístico, mas são excelente ajuda para solução de
problemas.

11
Diagrama de Causa e Efeito
 Diagramas de Causa-
Causa-e-efeito podem
Causa-e-efeito

• revelar relacionamentos importantes

entre variáveis e as muitas causas
possíveis.
• Fornecer uma visão adicional do
comportamento do processo.

Diagrama de Causa e Efeito

Máquinas Métodos Materiais

Produto

Meio- Mão de
Medidas
Ambiente Obra

12
Exercício 3

 O BOLO NÃO CRESCEU?

POR QUE?

Exercício 3
O BOLO NÃO CRESCEU?
ETAPAS PARA A CONSTRUÇ
CONSTRUÇÃO DO DIAGRAMA DE CAUSA E EFEITO:
CONSTRUÇÃO
 Estabeleç
Estabele
Estabeleçaça de comum acordo uma definiç
definição que descreva o problema selecionado nos seguintes termos: o
definição
que éé,, onde ocorre, quando ocorre, e sua extensão.
 Faç
Faça a pesquisa das causas por um dos seguintes mé
Faça métodos:
métodos:
– Um brainstorming ((“tempestade
“tempestade de idé
idéias”
ias”) sobre as possí
idéias”) possíveis causas, sem preparaç
possíveis preparação pré
preparação prévia;
prévia;
– Uso da folha de verificaç
verificação pelos membros do grupo, para detectar causas e examinar as etapas
verificação etapas do
processo mais de perto.
 Construa o diagrama:
– coloque o problema já
já definido no quadro anterior;
– desenhe as categorias de causa – tradicionais (mé
(método, material, mão-
(método, mão-de-
de-obra e má
mão-de-obra máquina) e/ou outras –
máquina)
que auxiliem na organizaç
organização dos fatos mais importantes;
organização
– aplique o resultado do brainstorming ààs
s categorias principais apropriadas;
– para cada causa, questione ““por
por que isso acontece?”
acontece?”, considerando as respostas como contribuidoras da
acontece?”,
causa principal.
 Proceda à interpretaç
interpretação do grá
interpretação gráfico, no sentido de pesquisar as causas bá
gráfico, básicas do problema:
básicas
– observe aquelas que aparecem repetidamente;
– obtenha o consenso do grupo;
– colete os dados para determinar a freqü
freqüência relativa das diferentes causas.
freqüência

13
Exercício 3

Histogramas de Freqüência

 O histograma de freqüência é um gráfico muito efetivo e

facilmente interpretado para dados.
 O histograma de freqüência é uma ferramenta estatística
fundamental do CEP.
 Fornece informação sobre:

• a média dos dados

• a variação apresentada pelo dados
• o modo de variação
• se o processo está dentro
especificações

14
Histogramas de Freqüência
 No histogramas de freqüência leva-
leva-se em conta as seguintes
leva-se
regras:
• Os intervalos devem estar igualmente espaçados
• Os intervalos devem ser selecionados para ter valores
convenientes.
• O número de intervalos está usualmente entre 6 e 20.

Para refletir...

 “A melhoria na qualidade nunca é um acidente, mas

“A
sempre o resultado de um esforço inteligente”
John Ruskin

15
Exercício 4

 Dois fabricantes forneceram seus melhores

instrumentos de medição de vazão para avaliação
pelo pessoal de Instrumentação da Fábrica.
 Ambos foram instalados na mesma tubulação.
Precisamos da medição de vazão com a melhor
precisão.
 Os resultados das medições estão apresentados a
seguir.
 Qual dos dois instrumentos você recomendaria?

Caso 1

2,57 2,43 2,41 2,40 2,56

2,15 2,24 2,36 2,66 2,76
2,39 2,40 2,26 2,40 2,05
2,57 2,17 2,21 2,57 2,44
2,80 2,62 2,76 2,41 2,61

Caso 2
2,34 2,61 2,66 2,24 2,46
2,55 2,56 2,14 2,41 2,40
2,47 2,59 2,41 2,47 2,79
2,46 2,57 2,40 2,45 2,40
2,21 2,46 2,56 2,39 2,38

16
Caso 1

2,57 2,43 2,41 2,40 2,56

2,15 2,24 2,36 2,66 2,76
2,39 2,40 2,26 2,40 2,05
2,57 2,17 2,21 2,57 2,44
2,80 2,62 2,76 2,41 2,61

Caso 2 Média= 2,45

2,34 2,61 2,66 2,24 2,46
2,55 2,56 2,14 2,41 2,40
2,47 2,59 2,41 2,47 2,79
2,46 2,57 2,40 2,45 2,40
2,21 2,46 2,56 2,39 2,38
Média= 2,45

Caso 1

2,57 2,43 2,41 2,40 2,56

2,15 2,24 2,36 2,66 2,76
2,39 2,40 2,26 2,40 2,05
2,57 2,17 2,21 2,57 2,44
2,80 2,62 2,76 2,41 2,61
Histograma
Média= 2,45
6
5 Desvio padrão
Freqüência

4
= 0,200
3
2
1
0
2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
Bloco

17
Caso 2

2,34 2,61 2,66 2,24 2,46

2,55 2,56 2,14 2,41 2,40
2,47 2,59 2,41 2,47 2,79
2,46 2,57 2,40 2,45 2,40
2,21 2,46 2,56 2,39 2,38
Histograma Média= 2,45
10
9
8 Desvio padrão
7
Freqüência

6 = 0,142
5
4
3
2
1
0
2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
Bloco

Comparando...

Histograma

6
5
Freqüência

4
3
2
1
0
Caso2,1 2,2Média
2,0 + 1σ 2,6 2,7 +2,8
2,3 2,4 2,5 2σ 2,9 3,0 + 3σ
1 2,45 2,25 2,65 2,05 2,85 1,85 3,05
Bloco
2 2,45 2,31 2,59 2,17 2,73 2,03 2,87
% de dados no
68,3% 95,4% 99,7%
intervalo

18
Escolhido: Instrumento 2
2,34 2,61 2,66 2,24 2,46
2,55 2,56 2,14 2,41 2,40
2,47 2,59 2,41 2,47 2,79
2,46 2,57 2,40 2,45 2,40
2,21 2,46 2,56 2,39 2,38
Histograma Média= 2,45
10
9
8 Desvio padrão
7
Freqüência

6 = 0,142
5
4
3
2
1
0
2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
Bloco

Agenda

 O que é CEP?
 Ferramentas de Uso na Estatística
 As Variações e suas Causas
 O Controle Estatístico de Processo
 Processo Capaz e Não-
Não-Capaz
Não-Capaz

19
 Variações e suas causas

 Processos que não estão em um estado de controle

estatístico

• apresentam variações excessivas

• exibem variações que mudam com
o tempo

 Um processo em um estado de controle estatístico é dito

estar estatisticamente estável.
estável.

Variações e suas causas

 Gráficos de controle são utilizados para detectar se um

processo está estatisticamente estável. Eles diferenciam
entre as variações

• que são normalmente esperadas

do processo devido a causas
comuns
• que mudam no tempo devido a
causas especiais ou conhecidas
conhecidas..

20
 Causas Comuns
 Variações devidas a causas comuns
• têm pequeno efeito no processo
• são inerentes ao processo em razão:
• da natureza do sistema
• do modo como o sistema é administrado
• do modo como o processo é organizado e
operado

Exercício 5
O que você faria?
 Os novos padrões de qualidade do produto exigem
que as variações na vazão sejam, no máximo, de
+ 2%, ou seja, o desvio padrão tolerável é de 0,016.
+2%,

Histograma

10
9 Média= 2,45
8
7
Freqüência

6
5
4 Desvio padrão
3
2 = 0,142
1
0
2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
Bloco

21
 Causas Comuns
 Variações devidas a causas comuns
• têm pequeno efeito no processo
• são inerentes ao processo em razão:
• da natureza do sistema
• do modo como o sistema é administrado
• do modo como o processo é organizado e
operado
• unicamente podem ser eliminadas por:
• modificações no processo
• mudando o processo
• são a responsabilidade da alta administração

Causas Especiais
 Variações devidas a causas especiais são:

• identificáveis
• exceções ao sistema
• consideradas anormalidades
• freqüentemente específicas a:
• um determinado operador
• um determinado equipamento
• um determinado lote de material,
etc.
 Investigação e remoção de variações ligadas a causas
especiais são a chave para a melhoria do processo.

22
 Importante!

Nota: Às vezes a diferenciação entre entre causas comuns e

 Nota:
causas especiais não é clara.

Para refletir...
 “O estado de controle estatístico não é um estado
“O
natural para os 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

23
Agenda

 O que é CEP?
 Ferramentas de Uso na Estatística
 As Variações e suas Causas
OO Controle
Controle Estatístico
Estatístico de
de Processo
Processo
 Processo Capaz e Não-
Não-Capaz
Não-Capaz

“Até amanhã!”

24
O que é C.E.P.?

• CEP significa CONTROLE ESTATÍSTICO DE

PROCESSO
• CEP não se refere a uma técnica, algoritmo
ou procedimento específico.
• CEP é uma filosofia de otimização
relacionada à melhoria contínua do
processo, usando ferramentas estatísticas.

O que é C.E.P.?

• CEP é um componente chave para a

Qualidade do Produto e do Processo.
• CEP visa maximizar os lucros através de:
• melhoria na qualidade do produto.
• aumento na produtividade
• redução de perdas
• redução de emissões
• etc.

25
 Gráficos de Controle

 Os princípios para a aplicação de gráficos de controle são

muitos simples e estão baseados no uso combinado de

• gráficos XY
• testes de hipóteses

Gráficos de Controle

 O procedimento é
• amostrar o processo em intervalos regulares;
• plotar o dado estatístico (ou alguma medida de
performance), por exemplo:

• médias, intervalos, variáveis,

número de defeitos, etc.
• verificar (graficamente) se o processo está sob controle
estatístico
• se o processo não estiver sob controle estatístico, tomar
ações.

26
 Gráficos de Controle

 Gráficos de controle fazem suposições sobre os dados

estatísticos analisado, a saber

• são independentes,
independentes, i.e., um valor não é
influenciado por seu valor passado e não
afetará valores futuros;
• estão distribuídos normalmente,
normalmente, i.e., os
dados têm uma função de densidade de
probabilidade normal.

Gráficos de Controle

n
1
= x = ∑ xi
µ~
Média (µ
(µ)
(µ)

n i =1
Desvio Padrão (σ
(σ)
(σ)

1 n
σ~
=s= ∑ i
n − 1 i =1
( x − x ) 2

27
 Curva Normal
 Função de Densidade de Probabilidade Normal
Densidade de Probabilidade

Média

Estatística

Curva Normal
 Função de Densidade de Probabilidade Normal
Densidade de Probabilidade

Média

Estatística

28
 Probabilidade
 Função de Densidade de Probabilidade Normal
99,7%
95,4%
68,3%
Densidade de Probabilidade

Média

Estatística

Probabilidade

N(µ,σ2) tem várias propriedades

 A distribuição normal N(µ
N(µ,σ
distintas:
• A distribuição normal tem forma de sino e é simétrica;
• A média, µ
µ,, é localizada no centro;
• A probabilidade de que um ponto, x, esteja a uma certa
distância da média certa além do meio é dada por:
Pr(x
Pr(x > µ + 1.96σ
1.96σ) = Pr(
1.96σ) Pr(x > µ - 1.96σ
Pr(x 1.96σ) = 0.025
1.96σ)
Pr(x
Pr(x > µ + 3.09σ
3.09σ) = Pr(
3.09σ) Pr(x > µ - 3.09σ
Pr(x 3.09σ) = 0.001
3.09σ)
σ é o desvio padrão dos dados

29
 Gráficos de Controle
 Os Gráficos de Controle são distribuições normais com uma
dimensão de tempo

Densidade de Probabilidade

po
Tem

Característica

Gráficos de Controle

 Gráficos de Gráficos de Controle são gráficos XY com

distribuições normais sobrepostas

Média
Característica

Tempo

30
 Gráficos de Controle

 Uma regra prática é dividir o intervalo em 6 faixas e

verificar a distribuição dos pontos nestas faixas.

Média
Característica

Tempo

Limites de Controle

 Uma regra prática é dividir o intervalo em 6 faixas e

verificar a distribuição dos pontos nestas faixas.

LSC
A 2,5% Média
Característica

B 13,5%
C 34%
C 34%
B 13,5%
A 2,5%
LIC
Tempo

Limites de Controle

31
 Para refletir...

 “Não ponha a sua fé naquilo que a estatística diz, até

que você considere cuidadosamente aquilo que ela não
pode dizer.”
William W. Watt

Exercício 6

 E SE: houver uma mudança espontânea e todos os pontos

passassem a ficar numa faixa estreita?

Média
Característica

Tempo

32
 Padrões Anormais

 Um processo também pode ser considerado fora de

controle, mesmo quando todos os pontos caem dentro
dos limites de controle.
 Alguns destes padrões foram estudados por Nelson
(1985) e estão ilustrados a seguir.

Padrões Estatísticos Anormais

TESTE 1
Um único ponto além da zona A,
ou seja, acima do LSC ou abaixo
do LIC.

TESTE 2
Nove pontos consecutivos na
mesma metade do gráfico, ou seja,
todos acima da linha média ou
abaixo desta.

33
 Padrões Estatísticos Anormais

TESTE 3
Seis pontos consecutivos
constantemente aumentando ou
diminuindo no gráfico.

TESTE 4
Quatorze pontos consecutivos
alternando-se para cima e para
baixo no gráfico.

Padrões Estatísticos Anormais

TESTE 5
Dois em três pontos consecutivos
na zona A.

TESTE 6
Quatro em cinco pontos
consecutivos na zona A ou B.

34
 Padrões Estatísticos Anormais

TESTE 7
Quinze pontos consecutivos na
zona C (acima ou abaixo da linha
média).

TESTE 8
Oito pontos consecutivos de
ambos os lados da linha média,
com nenhum na zona C.

Exercício 6

 E SE: houver uma mudança espontânea e todos os pontos

passassem a ficar numa faixa estreita?

Média
Característica

Tempo

35
 Para refletir...
 "Em qualquer processo natural a ENTROPIA (desordem)
sempre aumenta."
2ª Lei da termodinâmica

Resposta

Número da amostra

Resultados Estatísticos

36
Como Estruturar o CEP

 Crie um histórico dos dados de interesse,

durante um período significativo (geralmente 1
ano);
 Elimine os pontos com desvios conhecidos (ex:
paradas da Unidade, falha no instrumento);
 Determine a média e o desvio padrão;
 Calcule e LIC e LSC;
 Faça o acompanhamento dos dados;
 Após a implantação de melhorias, os Limites
podem ser alterados.

Exercício 7

 O instrumento de medição de vazão foi instalado!

 As medições estão sob controle estatístico?

3,3

3,0

2,7

2,4

2,1

1,8

1,5
0 5 10 15 20 25 30

37
 Controle Avançado
Aumento da Produção, Qualidade, etc.

Metas de Produção e Restrições

Aumento da Produção,
Melhoria da Qualidade
Ou
Redução de Custos
Dados Históricos, Estabilização e
Melhoria do
Referencia, reposicionamento
Controle

Lucratividade da Planta
O Controle de Processo contribui para reduzir perdas
Lucratividade Ótima
e maximizar a lucratividade Optimum Profitability
Devido à
APC Otimização
& Optimization

Região de Máxima Lucratividade

Região de Operação Normal

Lucratividade da Planta

Região Lucrativa

Perdas devido a
Instabilidades
Ponto de Break Even fora de Controle

Perdas devido a
Paradas não
Programadas

Tempo

38
 Objetivos e Metas
Direção para o Negócio
Maximizar
Objetivos do Resultado
Negócio

Maximizar
Objetivos da Volumes e
Produção Margens

Objetivos da Maximizar Capacidades

Planta Assegurar Qualidade
Minimizar Custos

Objetivos do
Projeto de Reduzir Variabilidades
Controle

Agenda

 O que é CEP?
 Ferramentas de Uso na Estatística
 As Variações e suas Causas
 O Controle Estatístico de Processo
 Processo
Processo Capaz
Capaz ee Não-
Não-Capaz
Capaz
Não-Capaz

39
 “Somente processos estáveis devem
ter sua capacidade avaliada.”

Capacidade do processo

 A Capacidade de um processo é também

outro conceito importante no CEP. Verifica:
• a variabilidade das características do processo
• se o processo é capaz de produzir produtos em
conformidade com as especificações
 Estudos da capacidade de um processo
distinguem entre a adequação a limites de
controle e limites de especificação (também
chamados limites de tolerância)
tolerância)

40
 Capacidade do processo

• Se o processo está sob controle, então

virtualmente todos os pontos permanecerão
dentro dos limites de controle.
• Estar dentro do limites de controle não garante
necessariamente que os limites de
especificação são satisfeitos.
• os limites de especificação são usualmente
definidos pelos clientes.

Capacidade do processo

 Processo sob LIE LSC

LIC
controle e o
produto satisfaz
LSE
as especificações.

Os limites de
controle estão
dentro dos limites
de especificação

41
 Capacidade do processo

 Processo sob LIC LSE

LIE
controle mas
alguns lotes não
LSC
satisfazem às
especificações.

Os limites de
especificação
estão dentro dos
limites de
controle

Capacidade do processo

 A Capacidade do Processo é definida a partir

da faixa µ ± 3σ , a qual é denominada faixa
característica do processo.
processo
 Se o processo estiver sob controle e se for
verdadeira a suposição de normalidade,
99,73% dos valores da variável de interesse
devem estar nesta faixa.

42
Capacidade do processo

 Como µ e σ são desconhecidos, eles deverão

ser estimados por meio de dados amostrais.

“Um processo pode não ser capaz por

apresentar:
• Elevada variabilidade.
• Média deslocada em relação ao ponto
médio dos limites de especificação.”

43
Análise da Capacidade

 Limite superior:
_ _
• µ + 3σ ou x+3s

 Limite inferior:
_ _
• µ - 3σ ou x-3s

Capaz ou não-capaz?

 Inicialmente é necessário determinar se o

processo tem distribuição próximo à normal

45
40
35
30
25
20
15
10
5
0

44
Capaz ou não-capaz?
não-capaz?

 O índice Cp é definido por:

Cp = LSE - LIE
6σ
LSE - limite superior de especificação
LIE - limite inferior de especificação

Condições:
• O processo esteja sob controle estatístico.
• Que a média (µ) esteja centrada no valor nominal.

Capaz ou não-capaz?

Cp = LSE - LIE
6σ

Uma forma simples de compreender o Cp:

LSE - LIE = o que se deseja produzir

6 σ = a variabilidade natural do processo.

O valor mínimo aceito para Cp é 1,33

45
Classificação
Cp Comparação com a Proporção de
do processo especificação off-spec (p)
LIE LSE
Capaz
ou Cp ≥ 1,33 p ≤ 64 ppm
adequado

LIE LSE

Aceitável 1 ≤ Cp < 1,33 64 ppm < p ≤ 0,27%

LIE LSE

Incapaz ou
Cp < 1 p > 0,27%
inaceitável

Interpretação natural

 O índice Cp tem uma interpretação natural:

% da faixa de especificação utilizada =
= 1/Cp x 100
Exemplos:
Cp = 1,33 ≡ 75% da faixa
Cp = 1,0 ≡ 100% da faixa
Cp = 0,90 ≡ 110% da faixa

46
Exercício 8

 O nosso processo tem os seguintes valores

históricos, quanto à temperatura de reação:
– Média: 60ºC
– Desvio padrão: 2ºC
 O projeto exige que a temperatura da reação seja
controlada entre 52 e 68ºC.
 O processo é capaz de atender à especificação do
projeto?

Resposta 8

– Média: 60ºC
– Desvio padrão: 2ºC
– Mínimo: 52ºC
Média: 60ºC
– Máximo: 68ºC
(A média está coerente)

Cp = LSE - LIE Cp = 68 - 52
6σ 6.2

Cp = 1,333

O processo é capaz!

47
Resposta 8

LIE LIC LSC LSE

MEDIA

52 54 60 66 68

Média deslocada

 Se a média do processo não coincide com a

média da especificação, então usamos o índice
Cpk.
 Este pode ser interpretado como uma medida da
capacidade real ou índice de performance do
processo.

48
Capacidade Real

• Cpk = MIN [ LSE - x, x - LIE ]

• Quando há apenas o limite inferior de

especificação:
especificação
Cpi = µ - LIE
3σ

• Quando há apenas o limite superior de

especificação:
especificação
Cps = LSE - µ
3σ

Procedimento Resumido
 Escolha um período para avaliação, excluindo os
pontos cuja variação seja justificada por
ocorrências anormais (ou seja, processo deve
estar sob controle estatístico).
 Verifique se a distribuição é normal, por meio de
um histograma.
 Se a curva é normal, calcule o Cp e trace os
limites inferior e superior.
 Se a curva não é normal, se a média está
deslocada ou se há apenas LIE ou LSE, calcule o
Cpk.
Cpk.
 Defina os valores para LIC e LSC.

49
Exercício 9

 O nosso processo tem os seguintes valores

históricos, quanto à PUREZA do produto:
– Média: 97%
– Especificação atual: 95% (mínimo)
– Desvio padrão: 0,4%
 A Área de Vendas identificou um potencial
cliente, mas que exige uma especificação mínima
de 95,8%.

Podemos garantir a qualidade e atender ao novo

cliente?

Resposta 9

– Média: 97%
– Desvio padrão: 0,4%
– Espec (min): 95%

• Quando há apenas o limite inferior de

especificação:
especificação

Cpi = µ - LIE Cpi = 97 - 95

3σ 3 . 0,4
Cp = 1,67

O processo atual é capaz!

50
 Resposta 9

– Média: 97%
– Desvio padrão: 0,4%
– Nova espec (min): 95,8%

• Quando há apenas o limite inferior de

especificação:
especificação

Cpi = µ - LIE Cpi = 97 – 95,8

3σ 3 . 0,4
Cp = 1,00
Verificar se o cliente aceita
0,27% do produto off-spec!
O processo atual não é capaz!

Procedimento Resumido
 A mensagem do estudo de
capacidade do processo é:
• primeiro reduzir a
variação no processo
• então buscar a média- Alvo Redução na
alvo do processo variação
Desvio da
média

51
Controle Avançado
Aumento da Produção, Qualidade, etc.

Metas de Produção e Restrições

Aumento da Produção,
Melhoria da Qualidade
Ou
Redução de Custos
Dados Históricos, Estabilização e
Melhoria do
Referencia, reposicionamento
Controle

“Bom trabalho!”

52
 Setembro 2004

Semana Braskem sobre Tecnologia Vinílicos

Márcio Andrade

53