Escolar Documentos
Profissional Documentos
Cultura Documentos
2
Resumo Histórico
História da Qualidade
3
Resumo Histórico
História da Qualidade
Período de 1900-1930
Crescimento da industrialização;
Surge os primeiros supervisores;
Avaliar a conformidade de padrões do “dono”;
Primeiro journal sobre qualidade: Journal of the American Statical Association
Ênfase no “Controle da Qualidade” (CQ) - Finalidade: monitorar o processo de fabricação dos
Período de 1931-1950
produtos.
Década de 50
Japão descoberta da qualidade : Deming ; Juran ; Ishikawa
Impacto no crescimento econômico da indústria japonesa
4
Resumo Histórico
História da Qualidade
Década de 60
Zero Defeito (Zero Defects);
Círculos de Controle da Qualidade (Reunião de pessoas para investigar problemas de qualidade
existentes ou potenciais) Ishikawa, 1962
Década de 70
Abordagem sistêmica da qualidade e Expansão da Qualidade Participativa.
Década de 80
Garantia da Qualidade (Garantia ao cliente de que o produto é confiável)
Qualidade Assegurada (Segurança e responsabilidade civil pelo produto vendido)
Década de 90
Intensa Certificação de Empresas no Sistema ISO 9000, para Garantia da Qualidade de Produtos (Bens
e Serviços), com Sistema de Avaliação da empresa, por múltiplos critérios;
Criação de Prêmios Nacionais da Qualidade ( Malcolm Baldrige - PGQP).
Período Atual
ISO Série 9000 ; ISO Série 14000; ISO/TS-16949; ISO 10006
5
ESTATÍSTICA NÃO É UM JOGO
COROA
? CARA
50%
50%
1ª
JOGADA CARA SORTE!
2ª
CARA
PUXA!
JOGADA MUITA SORTE!!!
3ª
JOGADA CARA COINCIDÊNCIA?
4ª
JOGADA
CARA LADRÃO
6
ALGUMAS TÉCNICAS E
METODOLOGIAS DA QUALIDADE
- ANÁLISE DO VALOR
- FOCUSED IMPROVEMENT
- CEP - FMEA
- C.C.Q. - SET UP - CEP - DESIGN OF
- CEDAC - TPM - BENCHMARKING EXPERIMENTS
- KAMBAN - FMEA - kAIZEN - DESIGN REVIEW
- REUNIÃO DE BOM DIA - POKA YOKE - 5 PASSOS - SIMULTANEOUS
- CONVENÇÃO ANUAL - ERROR PROOFING - 8D ENGINEERING
- GESTÃO À VISTA - MASP - SIX SIGMA - VALUE ENGINEERING
- OBRIGADO PELA AJUDA - TOC - 5S - CODESIGN
- PLANO DE SUGESTÃO - SIX SIGMA - 5 POR QUES - QFD
COLOCAR O PRODUTOS
ENVOLVIMENTO/ NOVOS
PROCESSO SOB EM
PARTICIPAÇÃO PRODUTOS
CONTROLE EXERCÍCIO
RIGOR
importantes / segurança Conformidade absoluta
8
NECESSIDADE DO CLIENTE - VISÃO SISTÊMICA
Execução
Documentação
Planejamento do Controle da
Qualidade
Indicadores e monitoria
Gestão das pessoas
Liderança
9
GERENCIAMENTO DA QUALIDADE
VISÃO SISTÊMICA - IMPACTOS
10
CEP - HISTÓRICO
11
RAÍZES DO CEP
12
OBJETIVO DO CEP
.... Para Produzir
Melhor Competitividade
Custo Reduzido de Má Qualidade
Capabilidade e Produtividade Melhorada
$$’s
13
OBJETIVO DO CEP
???
14
OBJETIVO DO CEP
B) PREVENTIVO
AJUSTE DO PROCESSO
PROCESSO INSPEÇÃO
produto aprovação
15
OBJETIVO DO CEP
A aplicação do CEP tem como objetivo a capacitação dos
processos, de modo a atender as especificações de projeto,
bem como a melhoria contínua.
Assim temos:
Redução de refugos e retrabalhos ;
Identificação das causas dos processos visando ações corretivas e
preventivas;
Estabilização do processo;
Garantia da qualidade do produto final;
Tomada de decisões com base racional e não emocional.
16
ELIMINAR / REDUZIR OS DESPERDÍCIOS
$$’s 17
CONCEITOS
18
PROCESSO - VISÃO SISTÊMICA
PROCESSO
6M
NECESSIDADE SAÍDA
MÁQUINA
MÉTODO
ENTRADA MATERIAL PRODUTO
MÃO DE OBRA
MEDIÇÃO NECESSIDADE
INSUMOS MEIO AMBIENTE ATENDIDA
19
CONCEITOS
21
Medidas de Variabilidade ( dispersão )
Amplitude ............................ R
Num conjunto de números dispostos em ordem de grandeza, a Amplitude corresponde
a diferença entre uma medida máxima e uma medida Mínima,
Variância .............................σ²
É a medida de quanto os dados estão deslocados em relação a média do conjunto .
Desvio Padrão.....................σ
É decorrente da variância, mede a variação ou dispersão das observações, em torno da
média aritmética.
O desvio padrão é a raiz quadrada positiva da variância.
22
Medidas de Tendência Central
_
Média Aritmética..................... X
Num conjunto de números, média é a soma dos valores coletados, dividida pela
quantidade de valores obtidos.
Mediana ..................... Md
Num conjunto de números dispostos em ordem de grandeza com números extremos,
a mediana será o valor central quando a quantidade desses números for ímpar e será
a média aritmética dos dois valores centrais, quando for par.
Moda....................... Mo
É a medida de tendência central definida como o valor de maior frequência.
Dessa forma pode haver um rol que não possua moda, como também pode haver um
que possua mais de uma moda
23
C.E.P.
Um equipamento pode demonstrar mais capacidade de
realizar uma certa cararacterística de produto, assim como
pode resultar muito menos capaz de realizar uma outra
diferente.
a um determinado produto ;
26
C.E.P.
Para realizar um determinado Estudo de
Capacidade ou Manutenção é necessário :
Um preciso sistema de medição;
Um correto sistema de amostragem;
Um correto sistema de seleção, representação e
interpretação dos dados
28
CEP
CONTROLE ESTATÍSTICO DO PROCESSO
MINI CAPACIDADE DO INSTRUMENTO DE MEDIÇÃO
01
02
03
04
05
Soma
Soma ≠
R = 5
₌ ₌
F X 100
% ERRO = ₌ ₌
Tolerância
CONCLUSÃO :
Como ( % de erro ) é < 20 % o meio de medição é confiável
Observação:
Responsável data
29
Medição
- Qual o estado atual do processo ( s ) ?
30
Variações do Processo
31
C.E.P.
As Variações do Processo Produtivo
MEIO AMBIENTE MÃO DE OBRA
MEDIÇÃO MATERIAL
Variabilidade do Processo
33
VARIABILIDADE
Num processo diversos fatores afetam as
características da qualidade de um produto
CAUSAS DE VARIAÇÃO
35
As Ferramentas Estatísticas Mostram Onde Estamos
36
VARIAÇÕES
São partes integrantes dos processos, podem ser identificadas através de técnicas
estatísticas elementares e podem ter causas comuns ou especiais.
CAUSAS COMUNS
São também chamadas de aleatórias, normais, crônicas ou ambientais. Estas variações
ocorrem ao acaso e referem-se a muitas fontes de variações dentro de um processo que
se encontra sob controle estatístico. PERTENCEM AO SISTEMA PRODUTIVO.
Estas agem como um sistema constante de causas aleatórias, enquanto seus valores
aferidos individualmente apresentam-se diferentes entre si. Em grupo, entretanto, podem
ser descritos por uma distribuição normal. A sua alteração requer geralmente análise mais
detalhada e ações no sistema, sendo de responsabilidade da gerência.
Ex.: Uma usinagem dentro de uma determinada medida, impureza na pintura, distribuição
de pontos de solda na peça, variação de forma em peças estampadas, variação de torque
em apertadeiras, Má iluminação, equipamento obsoleto, material inadequado ou muito
variável em qualidade,etc.
37
VARIAÇÕES
São partes integrantes dos processos, podem ser identificadas através de técnicas
estatísticas elementares e podem ter causas comuns ou especiais.
CAUSAS ESPECIAIS
São também chamadas de causais ou eventuais. Estas variações ocorrem de modo não
aleatório, alterando a normalidade do processo.
38
Diferenças entre Causa Comum e Especial
Causa Comum Especial
Demorada, necessita de
ações gerenciais; Rápida, logo que detectada;
Eliminação Gastos maiores no processo Gastos menores no
processo
Próprio operário ou
Responsabilidade/Eliminação Gerencial
supervisor
39
VARIABILIDADE
Ações para redução da variabilidade dos processos:
40
VARIABILIDADE DO PROCESSO
Sob Controle
(Causas Especiais Eliminadas)
Tamanho
Fora de controle
(Presença de Causas Especiais)
41
VIABILIDADE DO PROCESSO
Tamanho
Sob Controle, mas não Capaz
(Variação Excessiva de Causas Comuns)
42
VIABILIDADE DO PROCESSO
Variabilidade e suas fontes
43
1 – Capacidade de Máquina
Estes índices são úteis para a avaliação de uma máquina ou equipamento antes da
aquisição, para assim levantar se esta máquina ou equipamento terá condições de
atender ao processo quando estiver operando em regime produtivo.
44
1 – Capacidade de Máquina
O seguinte procedimento deve ser seguido:
Pré-requisito para obter CM e Cmk.
a) Escolha a(s) característica(s) a ser(em) medida(s) no produto ( característica chave ) através de estudo
conjunto entre Produção, Engenharia de Processo e Engenharia de Qualidade.
b ) A máquina ou equipamento deve estar ajustado conforme suas especificações de operação ( Ex.: tensão,
velocidade, temperatura, pressão, tempo ciclo, etc ).
c ) Utilizar instrumento de medição que apresente precisão de medida de ,no mínimo, 1 /10 do campo de
tolerância de especificação de engenharia.
d ) Assegurar que o ciclo da produção seja seguido ( limpeza, dimensionamento, etc ) para evitar resultados
indesejáveis
e ) Fazer mínimo de 30 e máximo de 50 peças consecutivas, usando mesma máquina, mesmo operador ,
mesmo método mesma matéria prima, mesmo Instrumento de medição, mesmo meio ambiente e medir
a característica chave.
Se parar por causas não especificadas no ciclo de produção, recomeçar a coleta.
Se trocar operador, recomeçar a coleta
Se trocar matéria prima, recomeçar a coleta
Se trocar o Instrumento de medição, refazer todas as medições
Se alterar o método, recomeçar a coleta
Se alterar o meio ambiente, recomeçar a coleta
f ) Calcular o Cm / Cmk
45
1 - Capacidade de Máquina
Cálculo do Cm e Cmk.
=
LSE - X
Cmks = Cmk = menor valor entre
3s
Cmk = =
Cmks e Cmki
X - LIE
Cmki =
3s
46
47
2 - Capacidade Inicial do Processo
Estes índices são úteis para a avaliação de um processo novo, onde não se conhece
a sua capacidade nem sua estabilidade, antes do inicio da produção seriada.
Devemos conhecer o processo ( máquina ou equipamento ) para saber se terá
condições de atender ao processo quando estiver operando em regime produtivo.
48
2 - Capacidade Inicial do Processo
O seguinte procedimento deve ser seguido:
Pré-requisito para obter Pp e Ppk.
a ) Escolha a(s) característica(s) a ser (em) medida(s) no produto ( característica chave ) através de estudo
conjunto entre Produção, Engenharia de Processo e Engenharia de Qualidade.
b ) A máquina ou equipamento deve estar ajustado conforme suas especificações de operação ( Ex.:
tensão, velocidade, temperatura, pressão, tempo ciclo, etc ).
c ) Utilizar instrumento de medição que apresente precisão de medida de , no mínimo, 1 /10 do campo de
tolerância de especificação de engenharia.
d ) Assegurar que o ciclo da produção seja seguido ( limpeza, dimensionamento, etc ) para evitar resultados
indesejáveis
CENTRAGEM
CAPACIDADE
PPK Minímo entre :
=
LSE - X
T .PRE . 2 L.S .E. X Ppks =
PP PPs
6S
3s
2 X L.I .E.
=
T .NAT . PPi
6S Ppki =
X - LIE
3s
50
3 - Capacidade Potencial do Processo
Cp : Índice de Capacidade Potencial do processo
Cpk : Índice de Capacidade de Centralização do Processo.
Estes índices são úteis para a avaliação de um processo Estável e Capaz, onde os
cálculos iniciais do processo Pp e Ppk já foram elaborados e o processo é monitorado por
carta de controle durante o regime produtivo.
Indica se o processo tem condições de atender à Especificação de Engenharia;
Todos os fatores tais como Máquina, Mão de obra, Matéria prima, Meio ambiente,
Medição e o Método precisam ser mantidos constantes.
51
3- Capacidade Potencial do Processo
O seguinte procedimento deve ser seguido:
Pré-requisito para obter Cp e Cpk.
b ) A máquina ou equipamento deve estar ajustado conforme suas especificações de operação ( Ex.:
tensão, velocidade, temperatura, pressão, tempo ciclo, etc ).
c ) Utilizar instrumento de medição que apresente precisão de medida de , no mínimo, 1 /10 do campo de
tolerância de especificação de engenharia.
d ) Assegurar que o ciclo da produção seja seguido ( limpeza, dimensionamento, etc ) para evitar
resultados indesejáveis
Estabelecer uma frequência de controle, ou seja, não são utilizados os dados medidos em
produtos obtidos consecutivamente
Coletar as amostras intercaladas, conforme frequência estabelecida
Fazer anotação no diário de bordo se houver qualquer desvio na condução da operação
f ) Calcular o Cp / Cpk
52
3 - Índice de Capacidade Potencial do Processo (Cp)
É o resultado da divisão entre a tolerância da especificação (T) pela Tolerância
Natural do Processo (6 s). A Tolerância Natural pode ser entendida como a faixa de
variação do processo.
(Xi - X) 2
(População) s=
(Xi - X)2 (Amostra)
s= e
n-1
n
ou ainda:
R S
s = d2 para carta X / R ou s = C4 para carta X / S (Aproximado)
Z L = X - LIE =
s
= C. P. K. = Z min. =
3
CAPACIDADE DO PROCESSO
NÍVEL DO FREQUÊNCIA
ICP ( % ) CONCEITO DEFINIÇÃO
PROCESSO ORIENTATIVA
RELATIVAMENTE
75 a 99 % D Requer controle, contínuo A cada 1 hora
INCAPAZ
Operador
54
Inspecionado por: Líder
3 - Índice de Capacidade Potencial do Processo (Cp)
- Exemplo de Cálculo (Cp)
O processo de torque de um determinado suporte apresenta as seguintes características:
Especificação: 70 + 7 Nm ( LSE = 77 Nm ; LIE = 63 Nm ; Nominal = 70 Nm )
Tamanho da amostra: 5 (carta X / R)
Média do processo: X = 75
R
Amplitude média das amostras: R = 3,63 s = d2 (carta X / R)
77 - 63 Cp = 1,495
O valor de Cp, então, será: Cp = 6 x 1,561
Como 1,495 é maior que 1,33 dizemos que o processo tem capacidade potencial.
MAS.... ESSE PROCESSO É REALMENTE BOM?
55
3 - Índice de Capacidade Potencial do Processo (Cp)
- Histograma após cálculo de Cp
=
Sabendo-se que a média do processo é X = 75 e a Tolerância Natural é
6s = 9,366; temos então o seguinte Histograma:
LIE LSE
=
NOMINA X
L
63 70 75 79,68
70,3 77
6s
56
3 - Índice de Capacidade Potencial do Processo (Cp)
=
X = NOMINAL = 70.
57
4 - Índice da Capacidade de Centralização do Processo (Cpk)
É calculado através de duas fórmulas, uma verificando a posição da média do processo ( X )
em relação ao Limite Superior Especificado ( LSE ) e a outra, verificando a posição de X em
relação ao Limite Inferior Especificado ( LIE ).
Cpks : variação superior da tolerância dividida por 3 vezes o desvio padrão estimado pela
capabilidade do processo
Cpki : variação superior da tolerância dividida por 3 vezes o desvio padrão estimado pela
capabilidade do processo
onde:
= R
LSE - X s = d2 (carta X / R)
Cpks =
3s
= ou:
X - LIE
Cpki =
3s S
s = C4 (carta X / S)
Tamanho da amostra: n = 5
Modelo de carta: X - R
R 3,63
=
Média do processo: X = 75 s= = = s = 1,561
d2 2,326
=
LSE - X 77 - 75
Cpks = = = 0,43
3s 3 . 1,561
=
X - LIE 75 - 63
Cpki = = = 2,56
3s 3 . 1,561
Cpk = ( 1 – k ) T T
T = Campo de tolerância ( LSE – LIE )
6s
2| 70 - 75|
k= = 0,71
14
Com o resultado dos cálculos podemos concluir que o processo, apesar de ter a capacidade
potencial satisfatória (Cp = 1,495), o processo está incapaz por estar descentralizado
(Cpk = 0,43).
60
RESUMO Qualidade 6 Sigma
s estimado s preciso
n
Cp = LSE - LIE s= R OU R fi ( Xi - X )2
i
s =
6s d2 d2 n-1
TEMPO CONSTANTE
TEMPO
1 2 20
TEMPO CONSTANTE
TEMPO
1 2 3 20
62
HISTOGRAMA
CAPACIDADE DO PROCESSO - EXERCÍCIO
Para conhecer a capacidade estatística de um processo de usinagem que faz os diâmetros
de eixos metálicos, foram medidos os diâmetros de 100 eixos, conforme tabela abaixo
1 2 3 4 5 6 7 8 9 10
12,510 12,527 12,529 12,520 12,535 12,533 12,525 12,531 12,518 12,522
12,517 12,536 12,523 12,514 12,523 12,510 12,515 12,545 12,527 12,523
12,522 12,506 12,523 12,512 12,526 12,542 12,520 12,524 12,511 12,530
12,510 12,541 12,523 12,534 12,525 12,524 12,519 12,522 12,519 12,533
12,511 12,512 12,519 12,526 12,532 12,530 12,526 12,520 12,531 12,532
12,519 12,515 12,528 12,530 12,522 12,521 12,527 12,519 12,527 12,526
12,532 12,521 12,543 12,532 12,502 12,522 12,522 12,519 12,529 12,519
12,543 12,536 12,538 12,526 12,530 12,535 12,542 12,529 12,528 12,522
12,525 12,529 12,518 12,523 12,522 12,540 12,540 12,522 12,519 12,530
12,522 12,524 12,534 12,520 12,514 12,528 12,528 12,513 12,521 12,526
64
Avaliações de Processo
Percentual de casos numa distribuição Gaussiana
VARIAÇÃO
SIGMA
2 SIGMA
3 SIGMA
-3 s 68,26 %
95,44 % +3s
-4 s 99,73 % +4s
ESPECIFICAÇÃ0
65
5 - Avaliação da Capacidade do Processo
O valor de Cpk será menor ou no máximo igual a Cp (caso o processo esteja centrado). A
indústria geralmente exige o valor mínimo de Cp e Cpk igual a 1,33. Exceto para condições
especiais (Ex: novos projetos), que algumas indústrias exigem o valor mínimo de 1,67. Existe
uma tabela que relaciona o valor de Cpk à probabilidade de ocorrência de não-
conformidades. Se o Cpk for igual a 1,0; existe a probabilidade de ocorrência de 0,27% de
não-conformidades. Se fosse Cpk = 1,33; a probabilidade seria de 0,0066% ou 66,34 ppm
(partes por milhão).
67
SIX SIGMA - 6 Qualidade 6 Sigma
CONCEITOS BÁSICOS
O CONCEITO-CHAVE DO 6 SIGMA: s PPM
DEFEITOS
DIMINUEM
SIGMA
1 697.672
AUMENTA 2 308.537
3 66.807
O VALOR SIGMA INDICA A PROBABILIDADE
DE DEFEITOS OCORREREM. QUANTO
4 6.210
MAIOR O VALOR SIGMA, MENOR A
POSSIBILIDADE DO PROCESSO PRODUZIR
5 233
DEFEITOS. CONFORME AUMENTA SIGMA, OS 6 3.4
CUSTOS DIMINUEM, E, AO MESMO TEMPO, A Defeitos por Milhão
SATISFAÇÃO DO CLIENTE AUMENTA.
Capacidade
de Oportunidades
do Processo ( processo não centrado,
com deslocamento de 1,5 σ)
A maioria dos negócios nos Estados Unidos, incluindo a GE, estão operando em aproximadamente 3.5 sigma, que significa:
Aprox. 35.000 defeitos por milhão de operações (aprox. 92% bom).
• Observe a magnitude da melhora necessária... atingir 4 sigma (6210 defeitos por milhão) significa uma melhora de 82% sobre 3.5 sigma.
68
SIX SIGMA
LIE LSE
Rendimento
Para processo 0,00196 ppm
centrado : Cp = 2
99,9999998%
3s 3s 3s 3s
Fonte: livro “ Seis Sigma “, de Mário Perez Wilson 69
Aspecto matemático - Diferença teórica e Operativa entre Cp e Cpk
Nivel
PROCESSO CENTRADO PROCESSO NÃO CENTRADO
de s
Tpre/2 cp Rendimento Defeitos [ppm] x m - x nom Lk - x m cpk Rendimento Defeitos [ppm]
2 s 0,667 95,449987593% 45.500,12407 0,0 s 2,0 0,667 97,7249937964% 22.750,062036
0,5 s 1,5 0,500 93,3192771207% 66.807,228793
1,0 s 1,0 0,333 84,1344740241% 158.655,259759
1,5 s 0,5 0,167 69,1462467364% 308.537,532636
2,0 s 0,0 0,000 49,9999999782% 500.000,000218
3 s 1,000 99,730006555% 2.699,93445 0,0 s 3,0 1,000 99,8650032777% 1.349,967223
0,5 s 2,5 0,833 99,3790320141% 6.209,679859
1,0 s 2,0 0,667 97,7249937964% 22.750,062036
1,5 s 1,5 0,500 93,3192771207% 66.807,228793
2,0 s 1,0 0,333 84,1344740241% 158.655,259759
4 s 1,333 99,993662793% 63,37207 0,0 s 4,0 1,333 99,9968313965% 31,686035
0,5 s 3,5 1,167 99,9767326626% 232,673374
1,0 s 3,0 1,000 99,8650032777% 1.349,967223
1,5 s 2,5 0,833 99,3790320141% 6.209,679859
2,0 s 2,0 0,667 97,7249937964% 22.750,062036
5 s 1,667 99,999942579% 0,57421 0,0 s 5,0 1,667 99,9999712895% 0,287105
0,5 s 4,5 1,500 99,9996599197% 3,400803
1,0 s 4,0 1,333 99,9968313965% 31,686035
1,5 s 3,5 1,167 99,9767326626% 232,673374
2,0 s 3,0 1,000 99,8650032777% 1.349,967223
6 s 2,000 99,999999802% 0,00198 0,0 s 6,0 2,000 99,9999999010% 0,000990
0,5 s 5,5 1,833 99,9999980964% 0,019036
1,0 s 5,0 1,667 99,9999712895% 0,287105
1,5 s 4,5 1,500 99,9996599197% 3,400803
2,0 s 4,0 1,333 99,9968313965% 31,686035
Xm = média da população Xnom = média de engenharia Lk = deslocamento ( Tpre/2 )
70
Avaliações de Processo
Índice de Capacidade e centratura
LIE LSE
T.pre.
X
SIGMA
C.T.
CP 2
CPK 2
71
Avaliações de Processo
Índice de Capacidade e centratura
LIE LSE
T.pre.
X
SIGMA
C.T.
PROCESSO CAPAZ,
MAS NÃO PERFEITAMENTE CENTRADO
CP 2
CPK 1
72
Avaliações de Processo
Índice de Capacidade e centratura
LIE LSE
T.pre.
X
SIGMA
C.T.
CP 0,4
CPK -0,2
73
Avaliações de Processo
Índice de Capacidade e centratura
LIE LSE
T.pre.
X
SIGMA
C.T.
CP 1
CPK - 1
74
CAPACIDADE E CENTRAGEM
ALGUNS CASOS POSSÍVEIS
LSE
CT
LIE
Cp 1,33 Cp 1,33 Cp 1,33 Cp 1,33
Cpk = Cp Cpk 1 Cpk = 0 Cpk - 1
75
Avaliações de Processo
76
Algumas Definições:
PQC – Product Quality Characteristic - O deslocamento da especificação pode causar perda
total funcionabilidade, até a interrupção da função do produto com grave insatisfação do cliente.
Ex. PQC(s) – Equivale a Característica Report FIAT e “S” Iveco - Característica que pode
ter impacto sobre a segurança ativa ou passiva no caso de variação, além da faixa de
tolerância prevista
CPC – Control Plan Characteristic - O deslocamento da especificação pode causar uma parcial
redução da funcionabilidade, com eventual impacto na disponibilidade do veículo, com moderada
insatisfação do cliente
77
Exigências mínimas para aprovação/avaliação da
capacidade do processo:
PRODUÇÃO
PPAP CONTÍNUA
Característica Aceitação de Máquina MRO
Exigência Exigências mínimas
de capacidade
P p ≥ 2,00 P p ≥ 2,0
P Q C (s) C p k ≥ 1,67
P p k ≥ 1,83 P p k ≥ 1,83
P p ≥ 2,0 P p ≥ 1,67
PQC C p k ≥ 1,33
P p k ≥ 1,67 P p k ≥ 1,5
P p ≥ 1,67 P p ≥ 1,33
CPC C p k > 1,0
P p k ≥ 1,33 P p k ≥ 1,33
Conforme
P p ≥ 1,67 Cinco amostras
Standard descrito no plano
P p k ≥ 1,33 conforme
de controle
78
Avaliações de Processo
Dicas Importantes
Inicialmente deve ser construído um histograma dos valores individuais e deve ser
aplicado um teste de normalidade. A análise visual do histograma não determina o tipo
de distribuição, pois a forma do histograma é determinada pelo número de intervalos de
classe e não existe uma regra científica para tanto. Existem muitos métodos para se
verificar a normalidade dos dados. Um desses é o Método Kolmogorov- Smirnov .
No entanto, é mais prático realizar a verificação da normalidade com o auxílio de
softwares estatísticos.
79
HISTOGRAMA
80
HISTOGRAMA
DESENVOLVIDO POR SHEWHART, AMERICANO, 1931
É UMA FERRAMENTA DE DIAGNÓSTICO QUE PERMITE UMA VISÃO GERAL DOS DADOS
MOSTRA A DISTRIBUIÇÃO DA FREQÜÊNCIA DOS DADOS DE UMA CARACTERÍSTICA DO
PROCESSO (PESO, DUREZA, COMPOSIÇÃO QUÍMICA, TEMPERATURA, DIMENSÕES, ETC.)
ISTO É CRÍTICO, POIS SABEMOS QUE TODOS OS EVENTOS REPETITIVOS PRODUZIRÃO
RESULTADOS QUE VARIAM COM O TEMPO.
INDICA A DISPERSÃO E A FORMA DE DISTRIBUIÇÃO ( VARIAÇÃO )DOS DADOS DO
PROCESSO E PERMITE COMPARÁ-LOS COM AS ESPECIFICAÇÕES
Freqüência
40 -
10 -
0- Espessura
3,3 3,4 3,5 3,6 3,7
81
HISTOGRAMA
ETAPA 1º: Faça uma tabulação desordenada dos valores encontrados nas medições
( coleta de dados ).
No exemplo abaixo os valores referem -se à espessura de um certo componente,
obtida (medida ) após a operação de retífica.
(A especificação para a característica espessura é de 7,5mm a 10,5mm; com média 9mm ).
82
HISTOGRAMA
ETAPA 2: Conte a quantidade de valores coletados na tabulação (amostra = n ).
R = 1,7
83
HISTOGRAMA
ETAPAS DA CONSTRUÇÃO DO HISTOGRAMA
Abaixo de 50 5 - 7
51 - 100 6 - 10
101 - 250 7 - 12
Acima de 250 10 - 20
K=n 84
HISTOGRAMA
ETAPAS DA CONSTRUÇÃO DO HISTOGRAMA
R 1.7
H= = = 0.17
K 10
6.2 Agora, adicione a este número o valor do intervalo de classe ( 9,00 + 0,20 = 9,20).
- Assim, o limite inferior da próxima classe iniciará em 9,20.
- A primeira classe compreenderá 9,0 e acima, mas não incluirá 9,20 ( 9,00 até 9,19).
- A segunda classe se iniciará em 9,20 compreendendo os valores acima mas não
incluirá 9,40 ( 9,20 ATÉ 9,39 ).
- Isto faz cada classe mutuamente exclusiva, isto é, coloca cada um dos valores de
tabulação em apenas uma e somente uma classe.
6.3 Finalizando, consecutivamente some 0.20 a cada limite de classe inferior até que
o número de classe escolhido, aproximadamente 10, contenha a amplitude total
da tabulação.
86
HISTOGRAMA
ETAPAS DA CONSTRUÇÃO DO HISTOGRAMA
ETAPA 7: Construa uma tabela de freqüência baseada nos valores computados no item
anterior: ( ex.: número de classes, intervalos das classes, limites das classes ).
Assim sendo, a tabela de freqüência das espessuras medidas ficará da seguinte forma:
Limites Valor
Classe Frequência Total
da classe Médio
1 9,00 9,19 9,10 | 1
2 9,20 9,39 9,30 |||| |||| 9
3 9,40 9,59 9,50 |||| |||| |||| | 16
4 9,60 9,79 9,70 |||| |||| |||| |||| |||| || 27
5 9,80 9,99 9,90 |||| |||| |||| |||| |||| |||| | 31
6 10,00 10,19 10,10 |||| |||| |||| |||| ||| 23
7 10,20 10,39 10,30 |||| |||| || 12
8 10,40 10,59 10,50 || 2
9 10,60 10,79 10,70 |||| 4
10 10,80 10,99 10,90 0
87
HISTOGRAMA
ETAPAS DA CONSTRUÇÃO DO HISTOGRAMA
ETAPA 8 : Construção do Histograma baseado na tabela de freqüência.
Um histograma é a forma gráfica de uma tabela de freqüência, e nos fornece
uma rápida visualização da distribuição para uma característica medida.
O histograma, para o nosso exemplo, está mostrado a seguir.
Frequência
X = 9,86
40 -
30 -
20 -
10 -
0- Espessura
8,8 9,0 9,2 9,4 9,6 9,8 10,0 10,2 10,4 10,6 10,8
88
HISTOGRAMA
40 -
30 -
20 -
10 -
0- Espessura
7,4 7,6 7,8 8,0 8,2 8,4 8,6 8,8 9,0 9,2 9,4 9,6 9,8 10,0 10,2 10,4 10,6 10,8
89
HISTOGRAMA
INTERPRETAÇÃO DO HISTOGRAMA CONSTRUIDO
Então nós podemos ver que nosso histograma indica que o alvo
do processo é alto porém, 4% das peças estão acima do limite
superior da especificação.
É necessário centralizar o processo.
90
HISTOGRAMA
INTERPRETAÇÃO DE HISTOGRAMA
DISTRIBUIÇÃO NORMAL OU SIMÉTRICA
O HISTOGRAMA APRESENTA UM FORMATO SIMÉTRICO, SEMELHANTE AO
PERFIL DE UM SINO, QUANDO OS DADOS QUE SIRVAM DE BASE PARA A
SUA CONSTRUÇÃO SÃO NORMAIS, OU SEJA, SEM A PRESENÇA DE
VARIAÇÕES ESPECIAIS.
Y
X
91
HISTOGRAMA
INTERPRETAÇÃO DE HISTOGRAMA
DISTRIBUIÇÃO ASSIMÉTRICA
QUANDO OS DADOS ANALISADOS SÃO REFERENTES A UM PARÂMETRO
UNILATERAL, OU SEJA, QUE PERMITE VARIAÇÕES SOMENTE ABAIXO OU
ACIMA DE UM DETERMINADO VALOR( X ), COMO POR EXEMPLO: TEOR DE
UMIDADE; TEMPERATURA DE EVAPORAÇÃO DE ÁGUA; FOLGA ENTRE DUAS
PEÇAS; ETC. OU ENTÃO, QUANDO EXISTIR VARIAÇÕES CAUSAIS.
Y Y
Valores acima de X
Valores abaixo de X
X X
92
HISTOGRAMA
INTERPRETAÇÃO DE HISTOGRAMA
DISTRIBUIÇÃO TRUNCADA
QUANDO ANALISAMOS DADOS PRÉ SELECIONADOS, COMO POR EXEMPLO A
COLETA DE DADOS EM UM LOTE DE MATERIAL ESCOLHIDO ATRAVÉS DE UM
CALIBRADOR “ PASSA-NÃO-PASSA”
Y Especificação
93
HISTOGRAMA
INTERPRETAÇÃO DE HISTOGRAMA
DISTRIBUIÇÃO BIMODAL
QUANDO ANALISAMOS DADOS MISTURADOS, PROVENIENTES DE DUAS SITUAÇÕES
DIFERENTES, COMO POR EXEMPLO: MATERIAIS PRODUZIDOS POR DUAS MÁQUINAS;
ANTES E APÓS REGULAGEM DA MÁQUINA; DADOS COLETADOS POR PESSOAS
DIFERENTES; ETC.
Y
X
94
HISTOGRAMA
Exemplo para Administração / Serviços
Tempo médio para atendimento á chamada de Clientes ( 1º Toque )
Qtde. de
atendimento
200 -
175 -
150 -
125 -
100 -
75 -
50 -
25 -
0- Minutos
1 2 3 4 5 6 7 8 9 10 11
95
HISTOGRAMA
Exemplo Genérico
Qtde. de
Homens
Altura entre 100 Homens
50 -
40 -
30 -
20 -
10 -
0- Altura
1,63 1,64 1,65 1,66 1,67 1,68 1,69 1,70 1,71 1,72 1,73 1,74 ( metros )
96
HISTOGRAMA - EXERCÍCIO
Com o objetivo de conhecer a capacidade do processo e estabelecer uma prática de controle
do processo de fabricação, foram coletados 100 dados sobre a dureza das peças do tipo
armadura, conforme tabela abaixo
1 2 3 4 5 6 7 8 9 10
396 401 377 384 392 387 414 400 409 395
420 399 407 404 411 392 418 391 378 394
396 404 378 402 382 394 406 423 419 406
421 438 410 391 399 409 407 387 390 391
408 396 387 398 395 401 406 422 420 410
423 429 421 401 402 409 418 398 417 385
408 385 397 393 407 401 397 409 430 413
438 410 422 382 381 404 421 378 373 378
393 391 397 381 413 400 436 422 419 419
400 432 397 366 392 404 419 398 385 411
Coleta de Dados
SIM
NÃO O Processo
Redução de Causas
está
Comuns
CAPAZ ? CARTA DE
SIM
CONTROLE
Avaliação/
Conclusão
Fim
98
CARTAS DE CONTROLE
99
CARTAS DE CONTROLE
AS CARTAS DE
CONTROLE
PERMITEM :
Individualizar as causas
específicas e tomar as Monitorizar os
ações que forem processos produtivos
necessárias para sua estáveis
remoção
100
CARTAS DE CONTROLE
101
CARTAS DE CONTROLE
102
Na prática, o que é uma Carta de Controle ?
Média
0,146
0,141
0,136
1 4 7 10 13 16 19 22 25
103
Cartas de Controle
Limites de Controle
Determinam os limites de variação, estatisticamente seguros, do processo.
LSC – Limite Superior de Controle
LIC – Limite Inferior de Controle
LM/LC – Linha média ou linha central
LSC
LM
LIC
104
CARTAS DE CONTROLE
105
OS PRINCIPAIS TIPOS DE CARTA DE CONTROLE
Variáveis Atributo
( Quantitativas ) ( Qualitativas )
106
Comparação entre as Cartas por Variáveis
Principais Principais
Cartas
Vantagens Desvantagens
Apresenta facilidade na elaboração dos Indica com menor segurança a
cálculos. variabilidade do processo em
X/R relação à carta X / S.
107
CARTAS DE CONTROLE
108
CONCEITOS
determinística
aleatória
109
Cartas de Controle (Variáveis)
110
CARTA DAS MÉDIAS E AMPLITUDES (X/R)
Cálculo dos Limites de Controle
LM = X LM = R
X LSC= X + A² . R R L SC = D 4 . R
LIC = X – A² . R LIC = D 3.R
X1+X2+ X3+........ +X n
Onde: X =
n
X1+X2+ X3+......+ X k
X =
k
n = n ° d e e l e me n t o s d a a mo s t r a ( s u b g r u p o )
k = n ° d e a mo s t r a s ( s u b g r u p o )
R = X máx – Xmín
111
CARTA DE MÉDIAS E DESVIO PADRÃO (X/S)
Cálculo dos Limites de Controle
LM = X LM = S
Onde: n = n ° d e e l e me n t o s d a a m o s t r a ( s u b g r u p o )
K = n° de a mostr as ( subgr upos)
X1 +X2+ X3+....+ X n
X =
n
X1 +X2+ X3+.....+ X k
X =
k
n
S = (x -X)2
i
i=1
n- 1
S 1 + S 2 + S 3 + .. .. .+ S k
S=
k
Ob s.: O fa to r B 3, é i g ua l a ze r o p a r a “ n ” de 2 a 5 e l e me n t o s e,
c o n s e q u e n t e me n t e , L I C t a m b é m é i g u a l a z e r o .
112
~
CARTA DE MEDIANAS E AMPLITUDES (X/R)
Cálculo dos Limites de Controle
LM=X
~ LM=R
~
X ~ ~ 2 .R
LSC=X+A R LSC=D 4 .R
LIC = ~ ~ 2 .R
X-A LIC=D 3 .R
~ ~ ~ ~
X 1 +X 2 +X 3 +.....+X k
~
X=
K
R=X m á x - X m í n
~
F ator A 2 D 4 e D 3 : Ver Apêndi ce, T abela II
Obs.: O fator D 3 , é i gual a zero para “n” de 2 a 6 el ementos e,
consequente mente, LIC ta mbé m é i gual a zero.
113
CARTA DE VALORES INDIVIDUAIS E AMPLITUDE MÓVEL (X/R)
Cálculo dos Limites de Controle
LM=X LM=R
X LSC=X+E 2 .R R LSC=D 4 .R
LIC=X -E 2 .R LIC=D 3 .R
X 1 + X 2 +X 3 +.....+X k
X=
k
Ri= X i- Xi-1
R 1 +R 2 +R 3 +... .+R k
R=
k -1
F a t o r E 2 , D 4 e D 3 : Ve r a p ê n d i c e , t a b e l a I I
Obs.:
fator ED 3 , é igual a zero para “n” de 2 a 6 el e me n t o s e,
c o n s e q u e n t e me n t e , L I C t a mb é m é i g u a l a z e r o .
Ap e s a r d a c a r t a X/ R p o s s u i r “ n = 1 ” , a a mp l i t u d e u t i l i z a 2 e l e me n t o s e ,
por i sso, os fatores E 2, D 3 e D 4 são rel ati vos a “n=2”.
O n ú me r o d e a mp l i t u d e s é i g u al a o n úme r o d e a mo s t r a s me n o s 1 ( k - 1 ) ,
p o r q u e a p r i me i r a a mo s t r a n ã o p o s s u i a mp l i t u d e .
114
Cartas por Atributos
Definição de Unidade
É o produto resultante da saída do processo.
Deve ser observável e contável, de modo a tornar possível a medição da capabilidade do processo.
Definição de Oportunidade
É o número de possibilidades de ocorrer um defeito dentro do processo avaliado.
Em outras palavras, é a característica inspecionada para se avaliar o desempenho do processo.
Definição do Defeito
Qualquer variação de uma característica importante de um produto ou serviço, que o impede
de preencher os requisitos do cliente.
Qualquer coisa que gera insatisfação do cliente.
Unidade
(a chapa) Oportunidade
(os 5 furos) Defeitos
(2 furos fora
da especificação)
115
Cartas de Controle (Por Atributo)
116
CARTA “c”
Utiliza a Distribuição de “Poisson”;
Realiza a contagem de defeitos encontrados no processo ou
produto;
c 1 +c 2 +c 3 +...+c k ci
i=1
LM = c = =
k k
Onde “c 1 ”, “c 2 ”, “c 3 ”,....”c k ” são nú mer os de defei to s de cada uma das “k”
a mostras.
K: n° de a mos tras
LSC = c + 3 c
LIC = c - 3 c
117
CARTA “U”
T a mb é m u t i l i za a Di st ri b ui çã o d e “ Po i sso n ” ;
Re a l i za a co n t a g e m d e d e f e i t o s p o r e l e me n t o d a a mo s t r a , i st o é ,
r e a li za a p r o p o r çã o d e d e f e i t o s e xi s t e n t e s e m ca d a e l e me n t o d a
a mo st r a ;
E x. : n ° d e a ma ssa d o s p o r l a t e r a l , e sco r r i d o s d e t i n t a p o r
ca r r o ce r i a , e t c;
O t a ma n h o d a a mo st r a “ n ” p o d e se r va r i á vel .
LSC = u + 3 u n
LIC = u – 3 u n
K
n1+n 2+n 3+... +n k ni
i=1
onde n = =
k k
o u s e ja , é o t a ma n h o m é d i o d a a mo s t r a .
118
CARTA “np”
Uti li za a di stri bui ção binomi nal ;
Real i za a contagem de el e mento s defe i tuosos ou el ementos não -
confor mes n a a mostra;
E x.: porta apresenta defei tos como a massado, escorr i mento de ti nta
e arranhado.
onde “np 1 , np 2 , np 3 ,...,np K” são os números de elementos defeituosos de cada uma das “k” amostras,
“k” = n° de amostras
np np
LSC= np + 3 np ( 1 - ) LIC = np - 3 np ( 1 - )
n n
119
CARTA “p”
U t i l i z a t a mb é m a d i s t r i b u i ç ã o bi n o mi n a l ;
R e a l i z a a c o n t a g e m d a f r a ç ã o d e e l e me n t o s d e f e i t u o s o s o u n ã o –
c o n f o r me s d a a mo s t r a . Mu i t a s v e z e s a f r a ç ã o d e e l e me n t o s
d e f e i t u o s o s é t r a n s f o r ma d a p a r a p o r c e n t a g e m ( x 1 0 0 ) ;
O t a ma n h o d a a mo s t r a “ n ” p o d e s e r v a r i á v el
LSC = p + 3 p (1 - p ) / n
LIC = p – 3 p (1-p) / n
n° : n ° d e am os t r a. 120
Fluxograma para escolha da Carta de Controle
SIM NÃO
Característica é
mensurável ?
Carta NÃO
NÃO SIM
X/S é por
R? U O tamanho
SIM da amostra
é
X/R variável ?
np SIM
p
121
Cartas de Controle
Diário de bordo
122
Cartas de Controle (Diário de Bordo)
123
TABELA DE FATORES E FÓRMULAS PARA CARTAS DE CONTROLE
Divisores Divisores
Obs. Fatores para Fatores
para Fatores para para Fatores para
na Lim ites de para
Estim ativa Lim ites de Estim ativa Lim ites de
Amostra Controle Lim ites de
do Desvio Controle do desvio Controle
Controle
Padrão Padrão
n A2 d2 D3 D4 A3 C4 B3 B4
2 1.880 1.128 - 3.267 2.659 0.7979 - 3.267
3 1.023 1.693 - 2.574 1.954 0.8862 - 2.568
4 0.729 2.059 - 2.282 1.628 0.9213 - 2.266
5 0.577 2.326 - 2.114 1.427 0.9400 - 2.089
6 0.483 2.534 - 2.004 1.287 0.9515 0.030 1.970
7 0.419 2.704 0.076 1.924 1.182 0.9594 0.118 1.882
8 0.373 2.847 0.136 1.864 1.099 0.9650 0.185 1.815
9 0.337 2.970 0.184 1.816 1.032 0.9693 0.239 1.761
10 0.308 3.078 0.223 1.777 0.975 0.9727 0.284 1.716
11 0.285 3.173 0.256 1.744 0.927 0.9754 0.321 1.679
12 0.266 3.258 0.283 1.717 0.886 0.9776 0.354 1.646
13 0.249 3.336 0.307 1.693 0.850 0.9794 0.382 1.618
14 0.235 3.407 0.328 1.672 0.817 0.9810 0.406 1.594
15 0.223 3.472 0.347 1.653 0.789 0.9823 0.428 1.572
16 0.212 3.532 0.363 1.637 0.763 0.9835 0.448 1.552
17 0.203 3.588 0.378 1.622 0.739 0.9845 0.466 1.534
18 0.194 3.640 0.391 1.608 0.718 0.9854 0.482 1.518
19 0.187 3.689 0.403 1.597 0.698 0.9862 0.497 1.503
20 0.180 3.735 0.415 1.585 0.680 0.9869 0.510 1.490
21 0.173 3.778 0.425 1.575 0.663 0.9876 0.523 1.477
22 0.167 3.819 0.434 1.566 0.647 0.9882 0.534 1.466
23 0.162 3.858 0.443 1.557 0.633 0.9887 0.545 1.455
24 0.157 3.895 0.451 1.548 0.619 0.9892 0.555 1.445
25 0.135 3.931 0.459 1.541 0.606 0.9896 0.565 1.435
124
Arildo Rodrigues – julho 2008
TABELA II - FATORES PARA CARTAS DE CONTROLE
CARTA ~
XeR CARTA X e R
( Medianas e Amplitudes ) ( Indivíduos e Amplitudes )
Obs. Fatores para Divisores Fatores para Fatores Divisores Fatores para
na Limites de para Limites de para para Limites de
Amostra Controle Estimativa Con trole Limites de Estimativa Controle
do Desvio Controle do desvio
Padrão Padrão
n Ã2 d2 D3 D4 E2 D2 D3 D4
2 1.880 1.128 - 3.267 2.660 1.128 - 3.267
3 1.187 1.693 - 2.574 1.772 1.693 - 2.574
4 0.796 2.059 - 2.28 2 1.457 2.059 - 2.282
5 0.691 2.326 - 2.114 1,290 2.326 - 2.114
6 0.548 2.534 - 2.004 1.184 2.534 - 2.004
7 0.508 2.704 0.076 1.924 1.109 2.704 0.076 1.924
8 0.433 2.847 0.136 1.864 1.054 2.847 0.136 1.864
9 0.412 2.970 0.184 1.816 1.010 2.970 0 .184 1.816
10 0.362 3.078 0.223 1.777 0.975 3.078 0.223 1.777
125
CARTA DE CONTROLE - EXERCÍCIO
Com o objetivo de monitorar a performance do processo e estabelecer uma prática de controle do processo de
fabricação, foram coletados amostras, ( 100 ) sobre a dureza das peças do tipo armadura, sendo:
AMOSTRAGEM DE DUREZA Realizada por: Hora da leitura:
Peça: Armadura Antônio Paulo 9:00 horas
DIA 01 02 03 04 05 08 09 10 11 12
AMOSTRA 1 2 3 4 5 6 7 8 9 10
390 419 406 378 392 394 409 406 385 387
420 385 410 411 385 398 406 399 386 410
417 389 385 410 375 397 397 411 408 395
430 395 413 406 398 419 404 405 418 401
373 394 419 410 370 400 398 415 406 398
DIA 15 16 17 18 19 22 23 24 25 26
AMOSTRA 11 12 13 14 15 16 17 18 19 20
410 412 412 400 398 444 400 385 394 396
385 430 395 398 412 452 410 386 386 403
395 425 400 386 405 416 415 393 378 405
400 445 390 391 406 435 402 400 380 410
409 420 402 400 399 418 395 399 395 392
No exercício anterior você construiu o Histograma a partir dos dados 3. Utilizando os LSC, LIC, X e R calculados,
representados na tabela acima, agora :: represente na carta de controle os dados
1. Considere que a faixa de dureza definida pelo setor de projetos coletados conforme a tabela de
(engenharia) é de 400 25 HB, amostragem acima.
2. Construa as cartas de controle para a média e a amplitude. 4. Interprete as cartas de controle.
126
ANÁLISE DE CARTA DE CONTROLE
127
ANÁLISE DAS CARTAS DE CONTROLE
Para sabermos se estamos produzindo produtos com boa ou má qualidade, além de calcular os
Limites de Controle, é necessário saber analisar a carta.
128
ANÁLISE DAS CARTAS DE CONTROLE
Y
. LSC
Y
LSC
LM LM
LIC LIC
X X
129
ANÁLISE DAS CARTAS DE CONTROLE
Y Y
LSC LSC
LM LM
LIC LIC
X X
130
ANÁLISE DAS CARTAS DE CONTROLE
Para verificar se o processo está “ Fora de Controle ” ou “ Instável “, isto é, se existem causas
especiais atuando no processo, basta que ocorra pelo menos uma das regras de instabilidade a
seguir:
Y Y
LSC LSC
LM LM
LIC LIC
X X
131
ANÁLISE DAS CARTAS DE CONTROLE
4a REGRA : Existência de uma seqüência de 8 ou mais pontos consecutivos fora do intervalo de 1/3 em
torno da média e de qualquer lado.
Y
LSC
1/3 1 4 7 8
1/3 LM
3 5
1/3 6
2
LIC
X
132
ANÁLISE DAS CARTAS DE CONTROLE
5a REGRA : Existência de 5 pontos consecutivos, sendo que 4 deles estão situados do mesmo lado em
relação à Linha Média ( LM ) e fora do intervalo de 1/3 em torno da LM.
Y
LSC
1/3
3
1/3 LM
1/3 2 4
1 5 LIC
X
133
ANÁLISE DAS CARTAS DE CONTROLE
6a REGRA : Existência de pontos consecutivos sendo que 2 deles estão situados do mesmo lado em
relação à Linha Média ( LM ) e fora do intervalo de 2/3 em torno da LM.
Y
LSC
1/6
2/3 LM
1/6
LIC
X
134
ANÁLISE DAS CARTAS DE CONTROLE
LSC
LM
LIC
X
135
Avaliações de Processo
Gráfico do Farol
136
Avaliações de Processo
Procedimento de utilização do Gráfico do Farol
137
CARTA DE TENDÊNCIA - VARIABILIDADE
138
Carta de Tendência
Causa especial
80
70
60
50
40 Reclamação
30
20
10
0
n
o
v
Se sto
o
il
o
ar
o
Fe
nh
ai
br
lh
Ja
br
M
go
M
Ju
m
A
Ju
te
139
SIX SIGMA - 6 Qualidade 6 Sigma
A ESCALA DA QUALIDADE
O que é e o que representa em termos de
custo cada etapa do sistema Seis Sigma
Nível Defeitos Custo da não
Sigma por milhão qualidade das vendas
140
A única ocorrência espontânea no mundo é o amor de mãe.
O restante tem que ser estruturado, trabalhado, construído.
141
VOCABULÁRIO
AMOSTRA : Um ou mais itens retirados de uma população presumivelmente homogênea, destinados a fornecer informações
sobre a mesma.
CARTA DE CONTROLE : Gráfico no qual estão traçados os limites de Controle e são assinalados os valores medidos para
verificação do estado de controle do processo.
CARTA DE CONTROLE POR VARIÁVEL : Aplicada quando a informação ou características de controle está relacionada
com medidas mensuráveis.
CARTA DE CONTROLE POR ATRIBUTOS : Aplicada quando a informação ou características de controle está relacionada em
classificação de bom ou ruim, aprovado ou reprovado, sem a necessidade de medir.
CAUSAS COMUNS : Causas que pertencem ao sistema produtivo, atuam de modo aleatório.
CAUSAS ESPECIAIS : O defeito aparece de modo eventual, por motivos fortuitos, acidentais e localizados.
CONTROLE : Manter algo dentro dos limites ou fazer algo se comportar de forma adequada.
FRAÇÃO DEFEITUOSA (p) : É a quantidade de peças defeituosas dividido pelo número total de itens.
FREQUÊNCIA : Razão do número de vezes em que um valor particular é observado para o número total de observações
ou intervalo de tempo entre cada observação.
142
VOCABULÁRIO
LIMITES DE CONTROLE : São limites máximos e/ou mínimos que são obtidos a partir dos dados coletados no processo
LIMITES DE TOLERÂNCIA : São limites máximos e/ou mínimos que constam no desenho.
LOTE OU PARTIDA : É o conjunto das peças produzidas ou existentes num processo, ou um determinado intervalo de tempo.
O lote pode ser a produção horária, a produção diária ou ainda a produção programada de uma determinada peça.
MÉDIA (X) : Num conjunto de números, a média é a soma dos mesmos, dividida pela quantidade de números somados.
~
MEDIANA (X) : Num conjunto de números dispostos em ordem de grandeza crescente, a mediana é o valor central.
NÚMEROS DE DEFEITOS POR UNIDADE (u) : É a quantidade de defeitos encontrados na amostra dividida pelo tamanho da amostra.
PROCESSO : Combinação necessária entre homem, máquina, materiais e meio ambiente para produzir um produto qualquer.
UNIVERSO OU POPULAÇÃO : É o conjunto de todos os elementos ( peças ) existentes ou passíveis de existir no processo
de fabricação.
143
REFERÊNCIA BIBLIOGRÁFICA
Manual de referência CEP – ISO/TS 16.949 – 4 ed. AIAG / IQA
AFS. Statistcal Process Control
Costa, Antonio Fernando; Epprecht, Eugênio; Carpinetti, Luiz. Controle Estatístico de Qualidade. 2 ed.., Atlas, 2005, 334 p.
Braulle, Ricardo. Estatística Aplicada com Excel. Para cursos de administração e economia. Rio de Janeiro: Editora Campus, 2001, 199 p.
Freund, John E., Simon, Gary A. Estatística Aplicada. Economia, administração e contabilidade. Porto Alegre: Bookman, 2000, 404 p.
Wilson, Mario Perez. Seis Sigma . Compreendendo o conceito, as implicações e os desafios. Rio de Janeiro: Qualitymark, 1999, 261 p.
Kume, Hitoshi. Métodos Estatísticos para Melhoria da Qualidade. Japão: AOTS, 1998, 168 p.
Costa, Sérgio Francisco. Introdução Ilustrada à Estatística. São Paulo: Editora Harbra, 1998, 313 p.
ANFAVEA. Fundamentos de Controle Estatístico do Processo CEP – Manual de Referência. São Paulo: IQA, 1997, 162 p.
Palady, Paul. FMEA: Análise dos Modos de Falha e Efeitos:prevendo e prevenindo problemas antes que ocorram. São Paulo: IMAM, 1997,
270 p.
Brassard, Michael. Qualidade – Ferramentas para uma melhoria Contínua. Rio de Janeiro: Qualitymark, 1996, 87 p.
SENAI – DN. Qualidade Total. Rio de Janeiro: SENAI – DN, 1996, 64 p.
Ramos, Alberto Wunderler. Controle Estatístico de Processo para Pequenos Lotes. São Paulo: Edgard Blucher, 1995, 151 p.
Helman, Horácio. Análise de Falhas. Vol. 11, Belo Horizonte: FCO, 1995, 156 p.
Scholtes, P. R. Times da Qualidade, como usar equipes para a Qualçidade. Rio de Janeiro: Qualitymark, 1992.
Soares, José F.; Farias, Alfredo A., César, Cibele C. Introdução à Estatística. Rio de Janeiro: LTC, 1991, 378 p.
SENAI – SP. Controle da Qualidade – CEP – Controle Estatístico do Processo. São Paulo: SENAI – SP, 1987, 270 p.
Toledo, Geraldo Luciano; Ovale, Ivo Izidoro. Estatística Básica. 2 ed., São Paulo: Atlas, 1989, 459 p.
Fonseca, Jairo S.; Martins, Gilberto A.; Toledo, Geraldo L. Estatística Aplicada. 2 ed., São Paulo: Atlas, 1985, 267 p.
Carbonneau, Harvey C.; Webster, Gordon. Industrial Quality Control. Englewood Cliffs, N. J.: Prentice-Hall, 1978, 276 p.
144
OBRIGADO !
145