Y – Varia de acordo com uma função não linear, isto é, suas variáveis de entrada Xi fazem parte de
uma função com operações além de soma ou subtração.
Normalmente, fenômenos de várias variáveis têm distribuições de resultados como uma distribuição
normal, de Laplace-Gauß. Esta distribuição ocorre em torno de uma média μ, e propõe que todos os
resultados se encontram dispostos na área localizada abaixo desta curva.
Uma das ferramentas que esta curva nos disponibiliza é o desvio padrão, que representa a variação
dos resultados em torno desta média μ.
σ → Desvio Padrão
μ → Média Aritmética da População
n → Tamanho da Populção
Quando consideramos 6σ abaixo da curva, 3σ para cada lado da média μ, estamos abrangindo
97,73% dos 100%.
Através da medição destas peças prontas, podemos plotar um histograma, e analisar qual a tendência do
processo de fabricação. O histograma é um gráfico de dispersão de valores, e será sempre no perfil de uma
curva normal de Laplace-Gauß.
Admitindo que 6s (6σ) englobam 100% da população podemos definir os Limites do Processo de
fabricação da amostra, e analisar se o mesmo á capaz de produzir peças dentro da especificação.
L.I.P = Xbarra – 3.s L.S.P = Xbarra + 3.s
Lembrando que os Limites de Especificação nós determinávamos através das tabelas da Norma
ABNT/ISO NBR-6158:
L.I.E. = dmín L.S.E = dmáx
Cp indica se o processo é preciso, deve ser maior que 1 para que seja pelo menos capaz de
satisfazer a tolerância do projeto.
Cpk indica se o processo é exato, ou seja, se a capacidade de Cp está alinhada μ com m.
k. é o índice de descentralização, e é tão melhor quanto mais próximo de 0 estiver. Para corrigir
processos descentralizados, basta recalibrar a máquina ou ferramenta.
Processos de boa qualidade comercial apresentam Cp=Cpk=1,33 ou mais. Processos 6σ de
qualidade apresentam Cp=Cpk=2.
Necessitamos de médias estáveis para manter a boa qualidade do processo. Para controlar a
estabilidade da média das amostras, temos a carta de controle das médias. Quanto maior o tamanho das
amostras, melhor a estimativa da média.
Amplitude (Range)
Para calcularmos o σchapéu, utilizamos um método de dados tabelados, que correlaciona o tamanho e
quantidade das amostras com as medidas de amplitude, calculando estatisticamente o desvio padrão.
Vamos monitorar além das médias, também as amplitudes, pois as amplitudes tem relação direta
com o desvio padrão e nos dá uma boa idéia do tamanho da nossa dispersão.
L.I.C.R = Rbarra .D3 L.S.C.R = Rbarra .D4 D3 e D4 são tabelados
Histograma
Gráfico utilizado para visualizar distribuição normal, média e dispersão de dados de amostras.
Definir número de classes(colunas) →C=√ q. n
Definir intervalos, L= (Xmáx – Xmín) / C
Montar a tabela como abaixo, desenhar histograma.
1 Xmín Xmín + L 2
2 Xmín + L Xmín + 2L 7...
Parecido com o CEP, mas analisa cada repetição de medidas em 1 peça, pelo mesmo operador ou
não. Assim, pode certificar a confiabilidade do sistema de medição.
Para que o sistema seja considerado capaz, 0,10.T≥ 6.σm, ou para processos onde a qualidade é
menos crítica, 0,30.T≥ 6.σm.
O valor de σchapéu fornecido pelo cálculo de CEP engloba dois desvios padrão,
o de medição (σm) e o de fabricação (σFAB). Se temos dois deles, podemos sempre
determinar o terceiro através das somas dos quadrados:
Formulário:
E – Erro
I – Medição Indicada
VVC – Valor Verdadeiro Convencional (Dimensão Nominal)
Td – Tendência
I – Média das Indicações (medições)
C – Correlação
Re = Repetibilidade
t = Coeficiente de Student
u = s = Incerteza
n = tamanho da amostra
GD&T
Formulário:
- Condição de Máximo Material (MMC) : quando o furo está na dimensão mínima ou o eixo
está na dimensão máxima. Esse é o limite da intercambialidade
- Condição de Mínimo Material (LMC) : quando o furo está na dimensão máxima ou o eixo
está na dimensão mínima. Nesse a intercambialidade