Escolar Documentos
Profissional Documentos
Cultura Documentos
Introdução
Nas indústrias de autopeças desenvolvem-se produtos através de metodologias
provenientes das montadoras ou criadas para a adequação do próprio negócio. Quando
as montadoras desenvolvem variações de produtos ou outros lançamentos como, por
exemplo, novo carro, design ou novo projeto, as indústrias de autopeças têm que estar
preparadas para as mudanças que ocorrem no mercado e precisam conseqüentemente,
tomar ações que gerem uma reação em todo seu sistema produtivo da cadeia de
manufatura.
O controle automático de processos representa um papel vital no avanço da
engenharia e da ciência. Além de possuir importância extrema em diversos sistemas,
tornou-se uma parte integrante e importante dos processos industriais e de fabricação
modernos.
O objetivo de medir e controlar as diversas variáveis físicas em processos
industriais é obter produtos de alta qualidade, com melhores condições de rendimento e
segurança, a custos compatíveis com as necessidades do mercado consumidor.
Os sistemas para controle de processos são desenvolvidos de forma a maximizar a
produção, minimizar custos e proporcionar o alcance da qualidade, além de eliminar
possíveis riscos envolvidos na produção, tornando-se assim, indispensável manipular as
condições dos insumos envolvidos nos processos.
Controlar um processo significa atuar sobre ele ou sobre as condições a que o
processo está sujeito, de modo a atingir algum objetivo. Por exemplo, pode-se achar
necessário ou desejável manter o processo sempre próximo de um determinado estado
estacionário, mesmo que efeitos externos tentem desviá-lo desta condição. Este estado
estacionário pode ter sido escolhido por atender melhor aos requisitos de qualidade e
segurança do processo (OGATA, 1967).
Nesse contexto, esse projeto se propõe a fazer uma análise matemática de um
sistema a ser controlado. Será feita uma simulação usando técnicas de controle sobre as
possíveis variáveis do processo. Desta forma, buscar-se-á a aquisição de dados no
sistema para definir a estratégia mais viável para o sistema a ser controlado, de modo a
obter estabilidade, eliminar desperdícios e melhorar a produtividade do processo como
um todo. A ferramenta escolhida para a modelagem será o Seis Sigma.
A metodologia Seis Sigma foi muitas vezes vista como apenas mais uma
ferramenta de gestão da qualidade. Isto ocorre porque seu principal objetivo é reduzir a
14
variação de processos até a meta de menos de 3,4 erros por milhão de ocasiões (curvas
gaussianas). No entanto, a metodologia Seis Sigma vem sendo considerada cada vez
mais uma filosofia de gestão. Sua busca pelas causas-raiz de cada problema e a
quantificação de ganhos, seguindo a rigorosa metodologia DMAIC (Definir, Medir,
Analisar, Melhorar e Controlar), requer a supervisão de equipes alocadas especialmente
para projetos Seis Sigma, os black belts.
Sendo assim, este trabalho visa encontrar soluções para as mudanças que o
produto ou processo sofre ao longo do tempo de uma maneira organizada, não mais
alterar processos ou controles de maneira aleatória com base nos negócios ou nas
exigências das montadoras.
O Seis Sigma é uma ferramenta que norteia a solução da problemática baseada
na engenharia estatística, assim as ações tomadas para o bom desempenho do processo,
baseia-se nos dados obtidos ao longo do desenvolvimento da metodologia tornando o
processo mais eficiente, lucrativo e preciso, evitando perdas, aumentando a capacidade
produtiva e eliminando a sazonalidade e necessidade de investimentos em novos
equipamentos, através da diminuição dos down times da linha, otimização do set up e
obtenção do controle total do seu processo. Isto será possível por meio do
desenvolvimento de uma análise matemática do sistema a ser controlado, simulações
utilizando-se técnicas de controle e possíveis interfaces para a aquisição de dados no
sistema, para se obter a estratégia mais viável para o sistema a ser controlado.
O objetivo deste trabalho é aplicação da ferramenta Seis Sigma para a obtenção de
melhor utilização da máquina insersora de bucha roscada, redução de down time e scrap
no processo a fim de aumentar a produtividade, eliminando as perdas inerentes ao
processo. Além disso, visa a estudar mais detalhadamente os sistemas de controle, com
o objetivo de controlar variáveis físicas em processos industriais para a melhora da
qualidade, rendimento e segurança, a custos viáveis.
Será traçado um panorama geral do cenário atual das insersoras, serão aplicadas
soluções para aumentar a eficácia global do equipamento (OEE) da linha para 85% de
eficiência - sendo que o valor da eficiência atual é de aproximadamente 70%. Além
disso, buscar-se-á diminuir o down time da linha e desenvolver um método para a
realização de set up, possibilitando a produção de mais de um modelo utilizando uma
mesma máquina, além de tornar o processo mais estável, diminuindo o Scrap das
insersoras (que é atualmente o gargalo deste processo) e por último, desenvolver
indicadores de qualidade que garantam a continuidade das soluções propostas.
15
dos dados cuja forma, pode indicar o tipo de distribuição que encontramos na
variável medida. Na figura 1 visualizamos um exemplo de histograma.
Figura 1 – Histograma
Fonte:
Figura
elaborada
pelos autores
FMEA –
Failure
Modes and
Effects
Analysis: é um método eficiente para as etapas de projeto, planejamento e
fabricação de produtos, pois visa identificar e prevenir todos os modos possíveis
de falhas e os seus efeitos, através de uma avaliação permanente do processo.
Pode ser de três tipos: identificação de falhas associadas a funções de sistema
(system FMEA), a análise de produtos (design FMEA) e a processos (process
FMEA) (JUNIOR et al., 2003).
O método FMEA traz uma seqüência lógica e sistemática de avaliar as formas
possíveis pelas quais um sistema ou processo está mais sujeito à falhas. O
FMEA avalia a severidade das falhas, as formas como as mesmas podem ocorrer
e, caso ocorram, como eventualmente poderiam ser detectadas antes de levarem
a reclamações do cliente.
Assim, com base nestes três quesitos: severidade, ocorrência e detecção, o
método FMEA leva a uma priorização de quais os modos de falha levam a um
maior risco ao cliente (FERNANDES, 2005).
É uma ferramenta muito eficiente e que é normalmente utilizada na fase de
análise do DMAIC. É uma ferramenta que pode ser utilizada para identificar
causas de variabilidade em um processo (ROTONDARO et al, 2002).
DOE – Design of Experiments: trata-se de um método para determinar quais as
variáveis afetam o desempenho de um processo, bem como os efeitos associados
às diferentes combinações entre elas, figura 2. Os delineamentos de
experimentos são testes planejados em que variáveis controladas de entrada são
24
Figura 7 – Tendência
29
Figura 10 – Repetibilidade
31
Figura 12 - OEE
Figura 14 – SMED
Como já foi dito anteriormente este trabalho se baseia na metodologia seis sigma
para solução dos problemas, por isso os resultados serão apresentados de acordo com a
metodologia DMAIC.
20000 18881
18000
16000
14000
Nº de Peças
12000 11081
10000 2010
8000 6183
6000 5038 5120
3502
4000
2000
0
Vazamento Falso Falha de Falha de Inserto Alto Inserto Alto
por Solda Vazamento Insersão Insersão Máq 18 Máq 07/08
Máq 07/08 Máq 18
Falhas por Máquinas
500
0
Vazamento por Falso Falha de Falha de Scrap Total
Solda Vasamento Insersão Máq Insersão Máq das Insersoras
07/08 18
Modo de Falhas por Máquina
Esse scrap gerado custa para a empresa R$ 253.562,00 e este trabalho tem como
objetivo reduzir 50% desse scrap, tendo um saving de R$ 126.500,00 anual.
43
Com estes altos índices de scrap o OEE da linha fica comprometido, como
mostra a tabela 2.
6000
5000
76% das Paradas
4000 por Manutenção
da Linha em
Janeiro 2010
min
3000
2000
1000
0
Maq 7 Maq 8 Maq 9 Maq 18
Outro problema que será abordado pelo Green Belt é a falta de set up para outros
modelos já que existe projeto de ampliação da linha em andamento e será importante
que ela faça ambos modelos.
Dando inicio a fase mesure, foi feito o estudo de capabilidade e MSA das
máquinas.
A figura 19 mostra o estudo de MSA realizado com o sistema de medição atual
da linha. Nele vemos que esse sistema está reprovado, pois o R&R está em 30,4% e o
ideal seria no máximo 10% e o number of distinct categore foi de 4, o ideal é no
mínimo 5 e o melhor seria a partir de 15, como descrito anteriormente.
45
Fonte: Figura elaborada pelos autores Fonte: Figura elaborada pelos autores
48
Fonte: Figura elaborada pelos autores Fonte: Figura elaborada pelos autores
Fonte: Figura elaborada pelos autores Fonte: Figura elaborada pelos autores
Como podemos analisar nos gráficos, alguns gráficos deram Cpk acima de 1,3
porém outros indicam pontos a serem melhorados, desta forma, a partir deste ponto, o
próximo passo foi identificar qual seria o problema.
Para isso foi utilizada uma câmera para filmar o funcionamento da máquina e
descobrir o que causava tantas falhas de inserção. Observou-se que a falha se dava ao
fato da agulha não retirar o inserto do forno, completando o ciclo sem inserto, o que
ocasionava falha de inserção.
Também foi observado que o maior índice de scrap se concentrava nas
máquinas 07 e 18, a partir dessas informações foi realizado o mapeamento do processo
49
para detalhar quais seriam as entradas e saídas críticas e não críticas, dando início à fase
analyse.
3.3 Fase Analyse
Recebimento Estoque de
Injeção de Shell's Solda Shell 1 e 2
Matéria Prima Shell's
Após a análise do PMAP geral foi feito o mapeamento mais detalhado da função
de cada máquina, como mostram as figuras 30 e 31.
50
Verificar
Abastecer o
Abastecer Calha Ligar Forno Temperatura do
Vibrador
Forno
Descarta Inserto
Reprova Peça
Figura 36 – Ishikawa –
Inserto Torto
58
Após a aplicação do Ishikawa, todos os itens descritos como critico em vermelho deverão passar pela técnica dos 5 porquês para chegar à
causa raiz. Abaixo podemos ver nas figuras 39 a 47 a aplicação em todos os itens.
Figura 39 – 5 porquê – Peça Desalinhada no Nest
63
64
A fase improve, é a fase onde se realiza as ações para corrigir as causas raízes
listadas na fase analyse.
Para o problema de temperatura foi modificado o PLC (Controlador Lógico
Programável) da máquina e fixado um valor de set point, ou seja, a máquina não
funciona abaixo do valor estipulado e nem os operadores conseguem aumentar demais a
temperatura.
Para garantir que a máquina não vai iniciar o ciclo com baixa temperatura,
gerando inserto alto e scrap para a linha, foi colocado um alarme que avisa sobre a
baixa temperatura e a máquina não começa seu ciclo, enquanto a temperatura não
atingir o valor mínimo determinado.
Figura 48 – Alarme de Baixa Temperatura
Outra ação realizada foi o controle de velocidade do feeder bowl que provoca
inserto invertido e estava sem regulagem.
75
ANTES DEPOIS
Ainda no feeder bowl, o tubo por onde passava os insertos tinha uma emenda e
isso enroscava inserto no tubo e gerava peça sem inserto.
ANTES DEPOIS
ANTES DEPOIS
Pisador DEPOIS
ANTES
Cilindro
Com relação ao forno, antes ele era de indução, aquecia as peças uma a uma e o
tempo de estabilização da temperatura acabava atrasando a linha e gerava inserto alto
por não conseguir mante-la estável, agora ele foi trocado por um de resistência, com
isso a temperatura se mantém constante, como mostra a figura 53.
Implementação do forno com resistência
(eliminando o forno de indução)
Para o ajuste do sensor foi criado um suporte onde ele fica alojado e fixo, assim
não sai da posição e consegue ler corretamente a temperatura do inserto.
Figura 54 – Suporte do Sensor
Com relação ao tempo de parada de máquina, as insersoras tinham uns dos mais
altos tempos de parada, para isso foram analisados os problemas e tomadas algumas
ações, foram detectados cinco maiores problemas descritos a seguir:
Antes quando ocorria uma falha de inserção, a ponteira não descartava o inserto
e trombava na hora de fazer a compra.
78
Para solucionar este problema foi feito um sistema de descarte por sopro para
sistemas de esfera, assim não enrosca mais inserto no descarte, figura 48.
Por causa das trombadas os componentes da máquina eram danificados, por isso
foi implementado um controle por corrente no drive, se ocorrer trombada, não danifica
os componentes, pois, desarma o drive, figura 54.
A insersora possuía uma placa de celeron que quebrava por causa da alta
temperatura, então, foi trocada a placa por uma de aço com inserto de celeron, como
mostra a figura abaixo.
80
Então, para que fosse possível a realização de setup foi necessário fazer uma
automação das insersoras.
Para entrar na tela de receita é necessário ter acesso a senha, isso serve para
certificar que a pessoa que está fazendo o setup tem autorização para realiza-lo, já que
consta todas as coordenadas da máquina.
Para entrar na tela de parâmetros também é necessário ter uma senha para
certificar que a pessoa que está alterando os parâmetros tenha essa autorização.
Figura 60 - Menu
83
Figura 61 - Menu
Passo 2 – Usar a tecla user para digitar o login e a tecla passoword para digitar a
senha e pressionar a tecla enter.
84
Passo 3 – Quando clicar no enter, volta a tela do menu , figura 60, entrar no
modo automático e clicar em receitas. Como podemos observar na figura 64 o
modelo em máquina era o 1.8.
Verificar Velocidade do
Feeder Bowl Nível entre
6e7
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Sim Não
Fonte: Figura elaborada pelos autores
Figura 73 – Planilha de MP
91
Trimestral
Semestral
Quinzenal
Mensal
Diária
Anual
Ponto de Método de Tempo de
Item Condição Ação a ser executada Responsável
verificação inspeção execução
Acionar com Máquina ligada fora de ciclo Caso haja falha, acionar a
1 Botão de Emergência Manual 2 min Operador
(deve parar a maquina) manutenção
7 Pintura da máquina não deve estar danificada / deteriorada. manual Pintar as partes danificadas. 60 min Operador
Com o fim do trabalho foi levantado o gráfico de FTQ para verificar a eficácia
das alterações e se atingimos o nosso objetivo de redução de scrap, os gráficos a seguir
mostram que houve uma redução significativa e todos os objetivos foram atingidos
validando este trabalho e concluindo o Green belt.
92
jan fev mar abr mai jun jul ago set out nov dez META
Qtde TTop 4 4 4
Qtde TTmq 11 11 11
%OEE Efetivo 85% 86% 88%
CT/ATT OP 75% 77% 77%
CT/TT OP 60% 61% 61%
ET/ATT OP 64% 66% 66%
ET/TT OP 51% 52% 52%
CT/ATT MQ 19% 19% 19%
CT/TT MQ 15% 15% 15%
ET/ATT MQ 8% 8% 8%
ET/TT MQ 7% 7% 7%
Demonstrate rate 1884 1973 1980
Capacidade Instalada 2743 2833 2833
Capacidade efetiva 2183 2254 2254
Demanda cliente 1744 1788 1788
Coletor 1.0 GM
A ntes M elhorias Depois M elhorias
60000
Individual V alue
45000
30000
15000 U
_ C L=14447
X=5726
0 LC L=-2996
Jan M ar M aio Jul S et 4/0ut 6-out 8-out 12-out 14-out
M ês
30000
20000
10000 U C L=10714
__
M R=3279
0 LC L=0
20000
U C L=15567
10000
_
X=5700
0
LC L=-4166
M aio Jun Jul A go S et 1-out 2-out 4-out 5-out 6-out 8-out 11-out 12-out 13-out
M ês
12000 U C L=12121
M oving Range
8000
__
4000 M R=3710
0 LC L=0
M aio Jun Jul A go S et 1-out 2-out 4-out 5-out 6-out 8-out 11-out 12-out 13-out
M ês