Cursobsicocepfusco 111017164826 Phpapp02

CONTROLE ESTATISTICO DO
PROCESSO
CEP
Prof. Jos Paulo Alves Fusco
O CONTROLE ESTATISTICO DE QUALIDADE
Controle de processo tem por objetivo alcanar
uma maneira eficiente de se detectar mudanas no
processo produtivo, de forma rpida, de modo a
minimizar a ocorrncia de peas fora de uma dada
especificao.
Controle de recebimentos procura encontrar
alternativas mais econmicas para determinar se um
determinado lote de peas obedece ou no a uma
especificao pr-estabelecida.
Dois grandes conjuntos de tcnicas foram
desenvolvidos ao longo do tempo:

2
CONTROLE DO PROCESSO
Na realidade, funciona como se fosse um organismo vivo, que
sente os efeitos, analisa as causas, toma decises para evitar
recorrncia e atualiza seu prprio padro de julgamento, o que
corresponde ao processo de aprendizado.

O princpio de controle pode ser visualizado na figura abaixo.
3
PRO
CESSO MEDIDA
COMPARA
O
PADR
O
DESVIO EM
RELAO AO
PADRO
CORREO DO PROCESSO
REAVALIAO
DO PADRO
A NFASE NO PROCESSO

Controlando-se o processo, o produto
estar, por conseqncia, controlado.

As informaes sobre o processo so
retiradas do produto e devem ser obtidas por
amostragem, a intervalos regulares, de modo
a cobrir de modo abrangente o ambiente real
da rea de produo.

4
Uma forma rudimentar e elementar de controle, pode ser
obtida plotando-se os resultados de medies de modo
seqencial em um grfico cartesiano.
onde a e b so limites de variao permitidos ou admissveis para o
processo.
processo sob controle implica ento em que todos os pontos caiam dentro
da regio delimitada.

VARIAES

O controle estatstico do processo uma ferramenta que permite
detectar a ocorrncia de variaes no processo, o que significa dizer que o
input para que seja iniciado um processo de soluo de problemas, se for o
caso.
NO EXISTEM DUAS COISAS EXATAMENTE IGUAIS
Podemos conceituar dois tipos de causas de uma dada variao:
Causas especiais
Geralmente relacionadas a alguma mudana sbita no status da situao,
exigindo como soluo a restaurao emergencial da situao normal.
Causas comuns
Geralmente relacionadas a uma situao estvel de longo prazo, exigindo
como soluo estudos visando alterar a situao global.
No primeiro caso, seria a troca de uma ferramenta quebrada, enquanto no
segundo pode ser necessrio a troca de uma mquina.

6
VARIAES
As variaes provocadas por causas especiais, geralmente so
macroscpicas e geram situaes graves, de tal modo que sua
soluo se impe como algo urgente e de curto prazo, representando
grandes prejuzos.

As variaes ocasionadas por causas comuns, no incomodam tanto,
porque sua ocorrncia resultado de um processo lento (por ex.: 2%
da sucata), fazendo com que as pessoas se costumem a eles e
passem a encar-los como inevitveis.

A proliferao de causas especiais pode acarretar na formao de
uma cultura de apagar incndios que afasta a ateno que deve ser
dedicada as causas comuns, cuja eliminao significa efetivamente
uma melhoria do processo e traz os maiores dividendos.

7
AFASTAMENTO DO NVEL
HISTRICO PROVOCADO
POR CAUSAS ESPECIAIS
NVEL HISTRICO
PROGRESSO QUE
PODE SER ALCANADO
PELA REMOO DAS
CAUSAS COMUNS
TEMPO
P
E
R
D
A
S

D
E
V
I
D
A
S

A

D
E
F
E
I
T
O
S

VARIAES
EFEITO DAS CAUSAS COMUNS E DAS ESPECIAIS

8
VARIAES
Um problema de qualidade se manifesta atravs de um efeito
ou variao no processo, e ser resolvido quando eliminarmos
suas causas.
O controle estatstico de processos e suas tcnicas (grficos de
controle, etc) nos permitiro identificar qual tipo de causa
est presente.
Caso se trate de causas especiais, que signifiquem alteraes
espordicas em relao a um padro pr-estabelecido, as
solues so mais facilmente identificveis e passveis de
implantao.
Quando estudamos as causas comuns, estas fazem parte de
nossos hbitos, nossos vcios, manias, fazendo com que sua
soluo dependa muito de nossa habilidade como
solucionadores de problemas.

Isto outra histria que fica para uma outra vez. (Monteiro Lobato).
9
VARIAES
Em resumo, para controlar um processo, o 1
passo conhecer o comportamento de suas
variaes, ou seja, valores, como se
distribuem e tendncias.

10
A nica maneira de faz-lo medindo.

CONTROLE DE PROCESSO
DISTRIBUIO DE FREQNCIA
Conhecer a distribuio de freqncia das ocorrncias de
variaes, uma maneira sistemtica e inteligente de
visualizar o comportamento do sistema, permitindo que da
sejam tirados elementos para correo de eventuais
distores com maior grau de acerto.

11
Ao arranjo obtido, normalmente uma tabela dado o nome
de Distribuio de Freqncia.
Quando necessrio proceder a medies de uma dada
varivel, obtendo-se uma massa muito grande de valores, o
primeiro passo organizar estes dados, distribuindo-os em
classes e determinando o nmero de indivduos pertencentes
a cada classe.
A tabela representa uma distribuio de freqncia dos pesos de 100 pessoas
tomados ao acaso, em uma pesquisa de rua.
A primeira classe contm os indivduos com peso entre 50 e 58 Kg, que no
caso representa um total de 5 ocorrncias, o que vale dizer que sua freqncia
5.
Apesar de s vezes se perder algum detalhe importante correspondente a
alguma ocorrncia em particular, a vantagem de visualizar evidente,
relevando algumas outras relaes essenciais para a compreenso do
fenmeno.
Peso de 100 pessoas
do sexo masculino
PESO NMERO DE PESSOAS
50 58 5
59 66 18
66 74 42
75 82 27
83 90 8
TOTAL 100
12
Definio dos intervalos e limites de classe, cada uma das
linhas da tabela apresentada, por ex. a classe (50-58), chama-
se intervalo de classe.
Os extremos so denominados limites de classe, ou seja,
delimitam o espao dentro do qual esto contidas as
ocorrncias.

Determinao dos limites reais de classe, se os pesos
arredondados para Kg, o intervalo de classe (50-58) inclui,
pelo menos teoricamente, todos os pesos tomados entre 49,
50 at 58 - 50 kg.
Estes nmeros indicados abreviadamente pelos nmeros
exatos 49,5 e 58,5, so denominados os limites reais ou
verdadeiros da classe, sendo o menor valor (49,5) o limite
inferior real e o maior (58,5) o limite superior da classe.

13
Determinao da amplitude do intervalo de
classe.
A amplitude do intervalo de classe obtida
como sendo a diferena entre o limite real
superior e inferior dessa classe. Se tivermos todos
os valores correspondentes s amplitudes iguais,
vamos denomin-lo por C.
Determinao do ponto mdio de uma classe.
o ponto intermedirio do intervalo da classe,
obtido pela mdia simples entre os valores do
limite real superior e do limite real inferior.

14
Regras gerais para elaborar uma distribuio de freqncia
1 Determina-se o maior e o menor valor dentre aqueles que
compem as ocorrncias medidas na rea.
Calcula-se a amplitude como sendo a diferena entre o maior e o
menor valor.
Para garantir incluso dos valores extremos dentro da distribuio
a ser obtida, deve-se aumentar a amplitude ( R ) em 1 unidade.
2 Divide-se a amplitude total encontrada em um nmero tal de
classes, de modo que todas tenham a mesma amplitude.
Normalmente adotado entre 5 e 20.
3 Determina-se o nmero de observaes ou ocorrncias que caem
dentro de cada classe assim obtida.
4 Para os clculos de mdia e desvio-padro, que sero mostrados
mais adiante, necessrio ainda que sejam calculados os pontos
mdios das classes.

15
Quando que uma distribuio est bem feita?
Quando ocorre:

Quando uma folha de
freqncia est completa,
ela tem essa aparncia e
nos fornece uma boa idia
sobre o comportamento da
variao.

SEM DVIDA J D PARA COMEAR A PENSAR COM MAIS CLAREZA SOBRE O ASSUNTO.
23 25 !! 2
25 27 !!!!!! 6
27 29 !!!!!!!!!!!!! 13
29 31 !!!!!!!!!!!!!!!!!! 18
31 33 !!!!!!!!!!!!!!!!!!!!!!!!!! 26
33 35 !!!!!!!!!!!!!!!!!!! 19
35 37 !!!!!!!!!!!!! 10
37 39 !!!!!! 4
39 - 41 !! 2
16
HISTOGRAMA
Onde N = 100 indica que o
histograma representa uma
amostra de 100 medidas.
N = 100
h = R / K
h
OCOR.
Para obtermos o histograma, que a maneira grfica de
visualizar o fenmeno, dividimos o eixo da base em colunas, cada
qual dever ter uma altura correspondente ao valor do nmero
de ocorrncias dentro de seu intervalo, sendo o valor da base
obtido da diviso da amplitude total de valores ( R ) pelo nmero
de classes adotado ( k).
17
Um histograma consiste em um conjunto de retngulos que tem:
a) As bases sobre o eixo horizontal, com centro nos pontos mdios e
larguras iguais amplitude dos intervalos de classe.
b) As reas proporcionais s correspondentes freqncias das classes
que representam.
Um polgno de freqncia um grfico de linha traado pelos pontos
mdios das classes.
Desse modo, podemos obt-lo ligando-se os pontos mdios dos topos
dos retngulos do histograma.
Uma vez que:

Podemos calcular o tamanho da base dos retngulos do histograma:

Onde K o nmero de classes adotado para a distribuio.
R = xMx xMn
h = r / k,
Histogramas e Polgnos de Frequncia
18

A freqncia relativa de uma classe geralmente
dada em percentual, e corresponde diviso do valor
correspondente ao seu nmero de ocorrncias dividido
pelo nmero total de ocorrncias.
Voltando ao nosso exemplo dos pesos, a freqncia
relativa da classe 67 72 da tabela :
42 / 100 = 42 %
A soma das freqncias relativas de todas as classes
, logicamente 100%.
Se os valores das ocorrncias forem trocados pelas
freqncias relativas correspondentes, teremos uma
distribuio de freqncia relativa.
Distribuies de Freqncia Relativa
19
DISTRIBUIES DA FREQUENCIA ACUMULADA
Obtida somando-se cumulativamente os valores
encontrados para as classes.

importante colocar que a teoria de Pareto baseada nesse tipo de anlise.
O valor mximo
da freqncia
acumulada
logicamente
tambm de 100%.
20
NMERO
DE PESSOAS
PESOS
Exerccio 1
As notas de Clculo I de 80 estudantes de uma determinada
Faculdade de Engenharia esto relacionadas na tabela abaixo:
21
68 84 75 82 68 90 62 88 76 93
73 79 88 73 60 93 71 59 85 75
61 65 75 87 74 62 95 78 63 72
66 78 82 75 94 77 69 74 68 60
96 78 89 61 75 95 60 79 83 71
79 62 67 97 78 85 76 65 71 75
65 80 73 57 88 78 62 76 56 74
86 67 73 81 72 63 76 75 85 77
Determinar:
Qual a maior nota obtida.
Qual a menor nota obtida.
Qual a amplitude total.
Quais as notas dos 3 melhores estudantes.
Quais as notas dos 3 mais atrasados.
Qual a nota do aluno que ficou em 10.
Quantos tiraram nota maior ou igual a 75.
Quantos tiraram menos que 85.
Qual a percentagem dos alunos que tiraram entre 65 e 85, inclusive.
Traar o histograma de freqncia simples e acumulada.

Exerccio 2
Certo dia, fiscais da SUNAB saram s ruas para proceder a uma pesquisa referente
aos preos praticados pelo comrcio para comercializao de determinado
produto.
Os valores foram os seguintes:
137 141 141 141 144 144 144 144
145 145 145 146 146 147 148 148
148 148 148 148 148 148 148 149
149 149 149 149 149 149 150 150
150 150 150 150 150 150 150 150
150 150 151 151 151 151 151 151
151 151 151 151 152 152 153 154
154 154 155 155 156 157 158 159
Determinar:
Qual o maior preo encontrado.
Qual o menor preo encontrado.
Qual a amplitude total.
Quais os 5 preos mais elevados.
Quais os 5 preos mais baratos.
Quantos preos foram maiores do que 148.
Quantos ficaram entre 148 e 155.
Quantos ficaram abaixo de 148.
Traar o histograma de freqncia
simples e acumulada.
GRFICOS DE CONTROLE
Se fizermos um nmero grande de pesquisas em diversas
populaes, vamos descobrir que todos os histogramas tm
uma coisa em comum, que e a sua forma de sino, alm de
possurem um valor central.
Desse modo, verificamos que
um histograma para estar bem
definido, dever apresentar:
Uma forma.
Um valor central
Um valor correspondente a
disperso em torno do valor
central.
23
GRFICOS DE CONTROLE
A forma de uma distribuio nos orienta com relao ao tipo de
distribuio da populao que estamos estudando.
Na maioria dos casos, vamos observar que a forma das
distribuies ser aproximadamente simtrica em torno de um valor.
Esse tipo de distribuio, a qual denomina-se normal, e tpica
quando o processo que esta sendo estudado tem variaes naturais, o
que causa a distribuio das ocorrncias dos dois lados, em torno de um
valor central.
Tambm chamada de CURVA DE GAUSS, ela pode ser visualizada
como sendo o resultado da interao de uma variedade muito grande de
causas, em relao a variao natural do processo.
Conhecendo-se a mdia e o desvio padro de um processo,
possvel determinar, atravs de tabelas apropriadas, o percentual de
peas que devero ocorrer entre duas medidas.

24
68% DAS PEAS
95% DAS PEAS
99,7 DAS PEAS
GRFICOS DE CONTROLE
partir do conhecimento do tipo e do grfico da distribuio
normal, podemos estabelecer um mtodo estatstico para
controlar o processo, ao qual damos o nome de grficos de
controle.
25
GRFICOS DE CONTROLE
Se o processo permanece sob controle, se realmente tiver uma mdia e um
desvio padro constantes, espera-se que 99,7% das peas produzidas tenham
medidas entre os limites superior e inferior de controle (zona 1).
O grfico uma ferramenta para utilizao em cho de fbrica, uma vez que
a filosofia bsica do sistema privilegia o auto-controle.
De tempos em tempos, portanto, retirada uma amostra da produo,
tomadas suas medidas e plotadas no grfico.
Enquanto os pontos carem dentro da zona 1, significa que o processo est sob
controle e no demanda a tomada de nenhuma medida corretiva.
26
LIMITE SUPERIOR DE CONTROLE (LSC)
LIMITE INFERIOR DE CONTROLE (LIC)
LINHA MDIA
N DA AMOSTRA
GRFICOS DE CONTROLE
Havendo uma ocorrncia na zona 2, significa que o processo est fora de
controle.
A probabilidade de uma amostra, extrada de um processo sob controle,
apresentar a ocorrncia de um ponto na zona 2 de somente 0,3%, ou seja,
3 pontos em 1000.
Como esta probabilidade muito baixa, ao constatarmos essa ocorrncia,
podemos considerar que o processo esteja fora de controle, devendo a
produo ser interrompida para que medidas corretivas possam ser
tomadas.

27
LINHA MDIA
N DA AMOSTRA
LIMITE SUPERIOR DE CONTROLE (LSC)
LIMITE INFERIOR DE CONTROLE (LIC)
GRFICOS DE CONTROLE
O centro de um histograma ou de uma distribuio de freqncia pode ser
avaliado por diversos tipos de medida.
O controle estatstico de processo utiliza o conceito de mdia aritmtica
simples, ao alcance da utilizao da grande maioria das pessoas envolvidas com a
produo.
Considerando que estaremos trabalhando sempre com amostras, o que
significa dizer distribuies de freqncia, podemos obter tal valor atravs da
frmula:

Xbar = SOM (Xi * f) / SOM (f)
Onde:
28
Xbar a mdia aritmtica
Xi o valor do ponto mdio de cada classe.
f o valor da freqncia, ou nmero de ocorrncias dentro de cada classe.
1 2
3
1
2 3
DISTRIBUIO DE
FREQNCIA
GRFICOS DE CONTROLE
Se olharmos as nossas folhas de levantamentos, podemos perceber
que tambm poderamos ter calculado a mdia somando todos os
valores e dividindo o resultado pelo nmero total de elementos da
amostra.
No entanto, podem ocorrer casos em que essa alternativa no
muito fcil de ser operacionalizada, alm do fato de que, se assim o
fizssemos, algumas outras informaes no teriam sido passveis de
rpida visualizao.
Com utilizao de recursos de informtica, a parte puramente
operacional da tcnica est deixando de ser problema.

29
GRFICOS DE CONTROLE
Temos aqui, no entanto, duas
distribuies com a mesma
mdia, com a mesma forma
de sino, todavia o
histograma superior se
apresenta mais alongado do
que o inferior.
Um dos indicadores dessa
disperso a amplitude, mais
utilizada na prtica devido
sua facilidade de clculo. No
entanto, ela no considera a
distncia que cada ocorrncia
verificada est do centro de
distribuio.

No exemplo, as peas correspondentes ao
histograma superior tm distncias maiores em
relao ao centro ou mdia.
30
fundamental, portanto, que tenhamos uma medida que
represente a disperso dos valores de uma distribuio, de modo a
podermos diferenciar as populaes dos diversos universos possveis
de ocorrer.
Uma das medidas mais populares, para uso em cho de
fbrica, devido a no necessitar de clculos complicados, representa
a amplitude ( R ).

importante lembrar que a amplitude no d uma medida das
diferenas individuais.

GRFICOS DE CONTROLE
31
R = Xmx - Xmn
Outra medida de disperso o consagrado desvio-padro ( ), que nos
d uma idia do comportamento individual dos elementos de uma populao no
que diz respeito sua variao em torno da mdia.
Apesar de seu clculo ser mais complicado, podem ocorrer situaes em
que a sua utilizao seja mais recomendada, por ex. em mecnica de preciso,
para fabricao de peas aeronuticas, e outros.
Seu clculo considera, ento, as distncias relativas mdia de todos os
elementos de uma mostra. = SQRT[[ {SOM (Xi Xbar)}
2
] / (N 1)]

GRFICOS DE CONTROLE
32
X - 3
X + 3
X
X

CAPABILIDADE DO PROCESSO
ESPECIFICAES X LIMITES DE CONTROLE

Normalmente, os limites de controle dos grficos so obtidos partir das
especificaes pela engenharia do produto.
Ao ser dada uma determinada especificao, necessrio levar em conta no
s as necessidades intrnsecas a pea que vai ser produzida, mas tambm a maneira
como ela ser produzida, ou seja, as especificaes devem ser compatveis com as
necessidades ditadas pela engenharia, alm de respeitar as limitaes prprias do
processo particular que vai ser utilizado.
Uma especificao de 200 +-6, indica que a grande maioria das peas dever
estar entre 194 e 206.

33
X + 3
X
X
X - 3


Desse modo, considerando-se o percentual de acerto desejado sendo
de 99,7% (3 * ), para a construo dos limites dos grficos de controle,
deve ser observado que o desvio- padro do equipamento ideal, para
atendimento desta especificao, deve ser igual a 2 (1/3 da tolerncia
exigida) e a mdia igual a mdia nominal.
Algumas possveis distores podem ocorrer.

34
X - 3
X + 3
X
X


Processo ideal para fabricao, em funo da
especificao fornecida.
A mdia do processo coincide com a medida
nominal fornecida e o desvio-padro do processo
corresponde a 1/3 da tolerncia desejada.

35
X - 3
X + 3
X
X


Mdia do processo coincide com a medida nominal exigida.
Neste caso, pode-se prever um alto grau de refugo devido
a peas com dimenses superiores ao LSE exigido.
Normalmente, esse caso revela um processo com
regulagem deficiente.
36
X
NOMINAL
X
REAL


Neste caso, podemos notar que a disperso verificada para o
processo est superior tolerncia exigida pelas especificaes.
Significa alto ndice de refugo, com uma percentagem
significativa de peas acima e abaixo do LSE e LIE.
Um caso como este, poderia refletir uma escolha equivocada de
equipamento, tendo em vista as especificaes necessrias.

37
X
NOMINAL
X
REAL

A disperso encontrada para o processo inferior a exigida pelas
especificaes.
Significa praticamente nenhum refugo. Embora virtualmente toda
a produo se situe dentro da zona de aceitao, em um caso como
este, significa que os equipamentos estaro sendo utilizados
inadequadamente.
Para atender este tipo de perfil de produto, poderia ser utilizado
um tipo menos sofisticado de equipamento.

ESPECIFICAES X LIMITES DE
CONTROLE

38
Seja um lote de barras de ao usinadas, cujos dimetros foram medidos
resultando a distribuio acima.
99,7 % das barras estavam entre 1,343 e 1,361 polegadas, ou seja, os
extremos de nosso intervalo de +- 3 .
Os dados foram obtidos aps uma amostragem de 100 barras.
Denominamos capabilidade do processo a diferena entre os valores da
extremidade superior e inferior da distribuio obtida.
Neste caso: C = 1,361 1,343 = 0,018
ou ainda, C = 6 * = 0,018

CLCULO DA CAPABILIDADE
39
1,343
X = 1,352
1,361
X
No exemplo acima, temos um processo que produz esferas de
metal (corpos moedores) com um peso mdio de 155 gramas e
desvio-padro de 16,7 gramas.
Qual a capabilidade neste caso?
C = 205,1 104,9 = 100,2
Se fosse um processo para fundio de barras de ouro puto de
155 gramas, a capabilidade deveria ser maior ou menor?
E se fosse o caso de produo de esferas de ao inoxidvel para
rolamentos?

104,9 205,1
X = 155
X
Portanto, a capabilidade de um processo
permite conhecer sua consistncia e
estabilidade.
Quanto maior o seu valor, mais
consistente e estvel ser o processo.
uma caracterstica inerente ao
processo.

41
ATENDIMENTO DAS ESPECIFICAES
Chamamos Cp a capacidade potencial que um processo
apresenta, no sentido de atender s especificaes
necessrias para produo de um determinado produto.
Definimos, ento:

Matematicamente, este nmero significa o quanto um
processo produtivo capaz de atender s especificaes.

TOLERNCIA
CAPACIDADE

Cp =

42
Para que um processo seja considerado capaz, a faixa de controle deve ser no
mximo igual faixa de tolerncia. Neste caso:
(LSC - LIC) .
[ (Xbar + 3 * ) ( Xbar 3 *)]

Caso o processo tenha um comportamento tal que sua faixa de controle seja
maior do que a tolerncia exigida, significa que necessrio uma calibrao
mais fina para aproximar seus resultados dos necessrios.
Implica em obter condies que permitam atingir resultados com menor
desvio-padro.

Cp =
= 1
43
Este processo capaz de atender s especificaes?
Comentrios:
Este tipo de comportamento exige esforos para melhoria do desvio-padro.

Supondo um processo que tenha:
LSC LIC = 20
(Xbar + 3 * ) ( Xbar 3 * ) = 25

Portanto:
Cp = 20 = 0,8
25
44
LSC LIC = 20
(Xbar + 3 * ) ( Xbar 3 * ) = 20

Portanto:
Cp = 20 = 1,0
20
Este processo capaz de atender as especificaes?
Comentrios:
Exige controle apurado e constante.
45
LSC LIC = 20
(Xbar + 3 * ) ( Xbar 3 * ) = 10
Portanto:
Cp = 20 = 2,0
10

Este processo capaz de
atender as especificaes?

Comentrios:
Processos e equipamentos
superdimensionados em
funo da necessidade.

Permite maior grau de
liberdade, no que diz
respeito a controle.

46
CARTAS DE CONTROLE
CARTAS DE CONTROLE Xbar R
CONSTRUO DAS CARTAS

Suponhamos o exemplo acima:
K = 20 amostras, cada uma com N=5 elementos de um processo produtivo.
Estabelecer os grficos de controle de Xbar R, na tabela, j esto calculados para
cada amostra a mdia Xbar e a amplitude R.

Amostra n 1 2 3 4 5 Xbar R
1 205 202 204 209 205 205,0 7
2 202 196 201 198 202 199,8 6
3 201 202 199 197 196 199,0 6
4 205 203 196 201 197 200,4 9
5 199 196 201 200 195 198,2 6
6 203 198 192 217 196 201,2 25
7 202 202 198 203 202 201,4 5
8 197 196 196 200 204 198,6 8
9 199 200 204 196 202 200,2 8
10 202 196 204 195 197 198,8 9
11 206 204 202 210 205 205,4 8
12 200 201 199 200 201 200,2 2
13 205 196 201 197 198 199,4 9
14 202 199 200 198 200 199,8 4
15 200 200 201 205 201 201,4 5
16 201 187 209 202 200 199,8 22
17 202 202 204 198 203 201,8 6
18 201 198 204 201 201 201,0 6
19 207 206 194 197 201 201,0 13
20 200 204 198 199 199 200,8 6
SOM - - - - - 4012,4 170
47

CARTAS DE CONTROLE
CONSTRUO DAS CARTAS

A MDIA GLOBAL Xbarbar e a amplitude mdia Rbar, so:

Xbarbar = SOM XbarI / 20 = 4012,4 / 20 = 200,62

Rbar = SOM Ri / 20 = 170 / 20 = 8,5

Para o grfico de R, temos:
LSC = D4 * Rbar = 2,115 * 8,5 = 17,978
LM = Rbar = 8,5
LIC = D3 * Rbar = 0 * 8,5 = 0

Para grfico de Xbar, temos:
LSC = Xbarbar + A2 * Rbar = 205,525
LM = Xbarbar = 200,62
LIC = Xbarbar A2 * Rbar = 195,716
48
Da tabela do Anexo 1, para n = 5, temos:
A2 = 0,577
D3 = 0
D4 = 2,115

CARTAS DE CONTROLE
CONSTRUO DAS CARTAS

Com os valores calculados, podemos construir os grficos de Xbar e r.
No entanto, necessrio e interessante que sejam seguidas algumas
convenes para construo dos grficos.

1. Os pontos nos grficos de Xbar e r so unidos por uma linha cheia,
para melhor visualizao de possveis variaes nos padres de
comportamento do fenmeno.

2. O grfico R sempre colocado logo abaixo do grfico Xbar,
utilizando a mesma escala horizontal, de modo a facilitar a
comparao dos pares de valores Xbar e R para cada amostra.

3. So utilizadas linhas pontilhadas para, indicar os limites de
controle, alm de escrever os valores numricos dos limites.

4. So salientados os pontos que estejam fora dos limites de
controle, bem como os pontos que identifiquem um possvel
comportamento no-aleatrio.

49

CARTAS DE CONTROLE
CONSTRUO DAS CARTAS

Com valores
do exemplo
da tabela,
temos:

50

CARTAS DE CONTROLE
CONSTRUO DAS CARTAS

Comentrios sobre o exemplo:
1. Observando o grfico das amplitudes
Dois pontos (amostras 6 e 16) ultrapassam o LSC, o que indica excesso de
variabilidade.
Examinando registros, foi verificado que as amostras 6 e 16 foram retiradas quando a
operao do processo estava a cargo do operador substituto, que tinha muito menos
experincia do que o operador titular.
Assim, provavelmente a inexperincia do operador substituto tenha sido a causa especial
das variaes ocorridas.
Uma vez que foi possvel identificar as causas de variao, as amostras 6 e 16 foram
removidas dos valores da tabela e os limites de controle foram recalculados, agora
com 18 amostras.

Para o grfico de Xbar:
LSC = Xbarbar + A2 * Rbar = 204,576
LIC = Xbarbar A2 * Rbar = 196,691
Para o grfico de R:
LSC = D4 * Rbar = 14,453
LIC = D3 = D3 * Rbar = 0
51

CARTAS DE CONTROLE
CARTAS DE CONTROLE
Xbar R
CONSTRUO DAS CARTAS

Plotando os
pontos das
amostras
significativas
nos grficos
recalculados,
temos:

52

CARTAS DE CONTROLE
CONSTRUO DAS CARTAS

No grfico das amplitudes, verificamos que nenhum ponto excede os limites
de controle.
2. Observando o grfico das mdias:
Dois pontos (amostras 1 e 11) esto acima do LSC.
Examinando os horrios da produo dos elementos que formam as amostras 1 e
11, foi verificado que ocorrem respectivamente as 8:00 e 13:00, horrios que
coincidiam com o incio da produo dos turnos da manh e da tarde.
Verificou-se ainda, que as peas produzidas com a mquina ainda fria, tinham
medidas elevadas. Fenmeno este que desaparecia aps 10 minutos de operao
da mquina.
Eliminando os dados das amostras 1 e 11, pelo reconhecimento da causa especial
de variao, foram recalculados os limites:
Xbarbar = 3201,0 / 16 = 200,063
Rbar = 108,0 / 16 = 6,750
Para o grfico de Xbar:
LSC = Xbarbar + 2 * A2 * Rbar = 203,957
LIC = Xbarbar - 2 * A2 * Rbar = 196,168
Para o grfico de R:
LSC = D4 * Rbar = 14,276
LIC = D3 * Rbar = 0
53

CARTAS DE CONTROLE
CARTAS DE CONTROLE
Xbar R
CONSTRUO DAS CARTAS

Plotando os
pontos das
amostras
significativas
resultantes,
temos:

54
3. Observando novamente o grfico das amplitudes:
Nenhum ponto est fora dos limites de controle, o que nos permite
aceitar o processo como estando com sua disperso estatisticamente
estvel.
4. Verificando novamente o grfico das mdias:
Como nenhum ponto se encontra fora dos limites, bem como nenhum
padro no- aleatoriedade foi detectado, podemos concluir que o
processo est sob controle.

partir dessas constataes, a produo poder ser controlada
partir dos valores encontrados, mediante a utilizao dos grficos de
controle obtidos.
Portanto, temos de verificar dois pontos. As mdias e as amplitudes
tm que estar sob controle e os valores individuais dentro da
especificao.
Qualquer outra possibilidade inaceitvel.

CARTAS DE CONTROLE
CONSTRUO DAS CARTAS
55
Chegamos, portanto, agora, a um ponto no qual vemos
um processo que tem uma distribuio tal que todas as
peas esto dentro das especificaes.
Podemos dizer que este processo capaz de atender s
especificaes se 99,7% dos valores individuais estiverem
dentro dos nossos limites de especificao.

CARTAS DE CONTROLE
56
Se obtivermos vrias amostras, calcularmos as suas mdias e as
colocarmos em uma carta de controle para mdias vo descobrir que, para
satisfazer nossas especificaes, os limites de controle para as mdias
devem ser menores, porque a variabilidade em uma distribuio de mdias
mais reduzida.
A carta de controle para as mdias deve tambm ser centrada na faixa de
especificao.
CARTAS DE CONTROLE
Suponhamos um
processo de produo
de sabo, sendo a
especificao superior
igual a 60 e a inferior
50 gramas.
57
A faixa de tolerncia corresponde diferena entre
a especificao superior e a inferior.
Neste caso:
TOL = 60 50 = 10 gramas

CARTAS DE CONTROLE
58
CARTAS DE CONTROLE
A faixa de controle a diferena entre o limite de controle LSC e o
limite inferior de controle LIC.
Neste caso:
Faixa de controle = 5 gramas
59
Matematicamente, j demonstramos que, para que
exista capabilidade, a faixa de controle tem de ser menor
do que a faixa de tolerncia.
No exemplo acima, a faixa de controle tem de ser no
mximo 5 gramas e estar centrada na faixa de tolerncia.

CARTAS DE CONTROLE
Para obter a capabilidade
do processo, a distribuio
deve satisfazer a seguinte
condio:
Faixa de controle < FAIXA DE TOLERNCIA
SQRT n
60
Exemplo:
Com base da tabela de valores histricos obtidos para mostras
de quantidade de laranjas em caixa, calcular os limites de
controle e os grficos para a distribuio obtida.

CARTAS DE CONTROLE
AMOSTRA
1 2 3 4 5 6 7 8 9 10
Q
u
a
n
t
i
d
a
d
e

d
e

l
a
r
a
n
j
a
s

47 32 44 35 19 37 31 27 40 18
33 33 34 34 23 45 26 37 21 18
34 34 31 34 33 12 29 43 26 35
12 21 24 47 25 22 37 33 52 29
35 23 28 40 29 32 30 13 26 20
61

CARTAS DE CONTROLE
ANLISE DE NO-ALEATORIEDADES

A maioria das vezes encontramos pessoas utilizando os grficos de controle
somente para verificar a ocorrncia de pontos de fora dos limites de controle.
Existem algumas condies que, a despeito de no estar ocorrendo pontos fora
dos limites estabelecidos, podem nos dar indcios importantes a respeito da
possibilidade de falta de controle, ou seja, a ocorrncia de variaes especiais.
Alguns testes podem ser efetuados, para o que vamos considerar somente a
metade de um grfico de controle de 3 zonas.
Se algum destes testes resultar positivo, haver fortes indcios de que o
processo se encontra fora de controle.
62

CARTAS DE CONTROLE

Pode significar a iminncia de falta de controle, ou aumento da
variabilidade. Neste caso, importante acompanhar os grficos da mdia
e da amplitude.

1. Um nico ponto
acima da zona A
Neste caso, a ocorrncia de um nico acima de zona A, seguido de um
retorno ao comportamento padro, pode ser resultado da ocorrncia
de alguma variedade especial, no vindo a configurar indcio de falta de
controle.
2. Em trs pontos sucessivos,
pelo menos dois se situam
na Zona A ou acima.
63
Pode significar a necessidade de se recalibrar o processo.

CARTAS DE CONTROLE

3. Em cinco pontos
sucessivos, pelo menos
quatro se situam na
zona B ou acima.
4. Oito pontos sucessivos se
situem na zona C ou
acima dela.
Pode significar o aparecimento de uma tendncia indesejvel para o processo,
ou mesmo que os parmetros do processo necessitam ser recalculados, ou
ainda, caso se trate de mdia, o processo deve ser recalibrado.
Neste caso, provavelmente o processo esteja sendo ajustado
desnecessariamente, interpretando-se as variaes normais do processo
como indicaes para medidas corretivas.

CARTAS DE CONTROLE

Alguns padres de no-aleatoriedade podem:
Ser verificados indicando falta de controle estatstico.
A Falta de variabilidade
Pode indicar erros na determinao dos limites de controle, ou utilizao de mtodos
de amostragem incorretos.
Podemos suspeitar desse tipo de causa quando ocorrem 15 ou mais pontos
consecutivos acima e abaixo da mdia. Dentro da zona C.
B Alta proporo perto
dos limites de controle.
65

CARTAS DE CONTROLE

C Presena
de ciclos
Novamente, neste caso importante acompanhar em conjunto os grficos da
mdia e da disperso, para poder avaliar se est ou no havendo falta de
controle.
D Presena de
tendncias
Pode significar que o processo est evoluindo no sentido de produtos fora
de especificao.
66
Exemplo:
Com base no exemplo feito no slide 60, plotar os dados da tabela
abaixo, que representa valores medidos.
Verificar se ocorrem padres de no-aleatoriedade e verificar se o
processo est sob controle.

CARTAS DE CONTROLE

AMOSTRA
11 12 13 14 15 16 17 18 19 20
Q
u
a
n
t
i
d
a
d
e

d
e

l
a
r
a
n
j
a
s

30 11 19 30 30 32 45 29 28 28
36 34 28 39 17 45 37 52 19 38
31 29 29 24 30 19 28 47 49 46
21 18 21 32 25 36 33 52 34 43
30 30 24 16 35 46 39 28 41 54
67
CARTAS DE CONTROLE
Exerccios de Aplicao
A tabela mostra os resultados de medidas de amostras obtidas de um processo de
fabricao de anis de vedao, os valores correspondem aos pesos dos anis em
gramas.
Utilizando os dados das primeiras 10 amostras, calcular os limites de controle para
as mdias e amplitudes.
Traar os grficos correspondentes.
Para as demais amostras, plotar os dados e analisar o perfil obtido.
Supondo que a especificao do produto de 10 +- 3 gramas, este processo est
capacitado a atend-la?

N
AMOSTRAS
1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

1
11

9

12

7

11

10

13

9

11

12

14

12

13

14

16

13

10

11

14

13

2
14

9

9

7

12

12

12

9

13

9

12

13

13

14

11

13

12

12

12

10

3
9

11

9

9

7

10

8

10

9

9

12

13

11

13

11

11

13

13

11

9

4
11

11

13

11

10

10

10

10

11

11

13

12

12

12

11

12

9

14

9

9

5
12

10

10

10

10

9

9

11

12

10

13

11

12

11

14

12

6

14

7

7

68
CARTAS DE CONTROLE
As somas, mdias e amplitudes foram calculadas e colocadas nas tabelas abaixo:

N
AMOSTRAS
1 2 3 4 5 6 7 8 9 10
1 11 9 12 7 11 10 13 9 11 12
2 14 9 9 7 12 12 12 9 13 9
3 9 11 9 9 7 10 8 10 9 9
4 11 11 13 11 10 10 10 10 11 11
5 12 10 10 10 10 9 9 11 12 10
SOMA 57 50 53 44 50 51 52 49 56 51
MDIA 11,4 10,0 10,6 8,8 10,0 10,2 10,4 9,8 11,2 10,2
AMPL. 5 2 4 4 5 3 5 2 4 3
N
AMOSTRAS
11 12 13 14 15 16 17 18 19 20
1 14 12 13 14 16 13 10 11 14 13
2 12 13 13 14 11 13 12 12 12 10
3 12 13 11 13 11 11 13 13 11 9
4 13 12 12 12 11 12 9 14 9 9
5 13 11 12 11 14 12 6 14 7 7
SOMA 64 61 61 64 63 61 50 64 53 48
MDIA 12,8 12,2 12,2 12,8 12,6 12,2 10,0 12,8 10,6 9,6
AMPL. 2 2 2 3 5 2 7 3 7 6
69
CARTAS DE CONTROLE
- Para o grfico das Amplitudes
LSC = D4 * Rbar
Do Anexo A1 D4 = 2,11
LSC = 7,81
LIC = D3 * Rbar
Do Anexo A1 D3 = 0
LIC = 0
- A mdia das mdias das amostras
Xbarbar = 10,26
- A mdia das amplitudes
Rbar = 3,7

- Para o grfico das mdias
LSC = Xbarbar + A2 * Rbar
DO ANEXO A1 A2 = 0,58
LSC = 12,41
LIC = Xbarbar A2 * Rbar
LIC = 8,11
70
CARTAS DE CONTROLE
71
CARTAS DE CONTROLE
Analisando os grficos, aps plotar os dados correspondentes s
amostras restantes, podemos visualizar claramente que o processo
mudou.
Pode ser observada uma grande alterao para maior no grfico de
controle das mdias.
Trs dos cinco pontos esto fora do limite de controle superior.
Desse modo, podemos afirmar que os anis de vedao tm sido
produzidos com um peso cada vez maior.
A ao imediata neste caso poderia ser a de ajustar as mquinas,
de modo a obter novamente produtos em torno da mdia
aceitvel.
Mais ao final dos grficos, podemos verificar saltos acima e
abaixo, indicando que o processo est se tornando instvel.
Aparentemente alguma coisa est solta ou existe um bloqueio
qualquer no molde, o que acarreta menor peso ao anel seguinte.

72
CARTAS DE CONTROLE
Calculando a faixa de controle
FC = LSC LIC = 12,41 8,11 = 4,3
Calculo da faixa de tolerncia
De acordo com o enunciado, a especificao do produto de +-
3 gramas
FT = 13 7 = 6
Calculando a faixa de controle admissvel
FAIXA DE TOLERNCIA = 6
SQRT n SQRT 5

FCa = 2,7
Como a faixa de controle tpica deste processo est em 4,3
gramas, podemos afirmar que no est em condies de
atender s especificaes exigidas para o produto.

73
FCa =

CARTAS DE CONTROLE
Cartas de Controle de Atributos
Atributo algo ou alguma caracterstica que um produto possui e que no passvel
de mediao.

So do tipo:

Desse modo, possvel estabelecer um processo que controle algum atributo de um
produto.
Normalmente o controle por atributos feito quando:
Em lugar de medies diretas, mais conveniente o emprego de calibres do tipo
passa no passa, por razes de rapidez, economia de MO ou mesmo erros
advindos de fadiga visual.
Medir alguma caracterstica antieconmica devido ao custo da pea.
Ex. teste de lmpadas.
A caracterstica a ser medida no mensurvel.
Ex. cor, sabor, falta de pea.
Dado contado
Bom/ Mau
Aceita / Rejeita
Passa / No Passa
Existe / No existe
74

CARTAS DE CONTROLE

Os grficos de controle por atributos so mais simples de usar, em funo de ser
necessrio somente um grfico de controle, ao invs dos grficos da mdia e da
amplitude.
No entanto, para se conseguir a mesma eficincia, exigem maiores amostras.
O tamanho necessrio (n) das amostras deve ser tal que:

P * n
100

Onde P a percentagem mdia de peas defeituosas do processo produtivo.
Tipos de grficos utilizados:

TAMANHO DA AMOSTRA UNIDADES DEFEITUOSAS DEFEITOS
CONSTANTE
Np
NMERO DE UNIDADES
DEFEITUOSAS
C
NMERO DE DEFEITOS
VARIVEL
P
PROPORO DE
UNIDADES DEFEITUOSAS
U
DEFEITOS POR UNIDADE
75
> = 5

CARTAS DE CONTROLE
Grfico de Frao Defeituosa
Neste tipo de grfico, as peas so classificadas em boas ou
defeituosas.
So retiradas amostras de (n) elementos esporadicamente da
produo, determinando a o nmero de peas defeituosas na
amostra ( D).
Se o processo estiver sob controle, ou seja, se a percentagem
mdia de peas defeituosas (p) for constante, significa que o
nmero de peas da amostra obedece a uma distribuio de
probabilidade chamada binomial.
A percentagem de peas defeituosas na amostra (f = D/n), se
o processo estiver sob controle e caso o nmero de peas da
amostra seja suficientemente grande, obedecer a uma
distribuio normal com mdia (p) e desvio-padro:
= SQRT [ p * (1 p) / n ]

76
O grfico da frao defeituosa obtido atravs de um
procedimento anlogo quele seguido para os grficos da
mdia e da amplitude.
Desse modo, os limites superior e inferior de controle so
determinados pela mdia +- 3 desvios-padro.

CARTAS DE CONTROLE
77
LSC = p + 3 * SQRT [ p * (1 p) / n]
LIC = p - 3 * SQRT [ p * (1 p) / n]
De qualquer modo, conveniente analisar se mais interessante trabalhar com a
frao defeituosa da amostra ou com o nmero de peas defeituosas na amostra,
caso as amostras retiradas forem sempre de mesmo tamanho.
Para o caso de utilizar o nmero de peas defeituosas na amostra, os limites
sero:
LSC = np + 3 * SQRT [np * (1 p)]
LIC = np - 3 * SQRT [ np * (1 p)]

CARTAS DE CONTROLE
78
Exemplo Frao Defeituosa
A tabela mostra o nmero de
copos de plstico
considerados defeituosos em
amostras de n = 400 copos.
CARTAS DE CONTROLE
N N DEFEITOS FRAO DEFEITUOSA
1 1 0,0025
2 3 0,0075
3 0 0
4 7 0,0175
5 2 0,0050
6 0 0
7 1 0,0025
8 0 0
9 8 0,0200
10 5 0,0125
11 2 0,0050
12 0 0
13 1 0,0025
14 0 0
15 3 0,0075
TOTAL 33
Estas amostras, com um
total de 6000 observaes,
foram utilizadas para
determinar o grfico de
controle da frao
defeituosa.
79
Utilizando os dados da tabela,
temos:

Pbar = 33 = 0,0055
6000
CARTAS DE CONTROLE
80
Com n = 400, os limites de controle so:

LSC = Pbar + 3 * SQRT [Ppbar * (1-pbar)/n]
LIC = Pbar 3 * SQRT [Ppbar * (1-pbar)/n]
LSC = 0,017
LIC = 0
Observando o grfico resultante, verificou-se que as amostras 4 e 9 se situam
acima do limite superior de controle.
Revendo as folhas de inspeo, verificou-se que o inspetor das amostras 4 e 9
no era o mesmo elemento que costumava fazer as inspees normais, alm
do que no tinha, de uma maneira bastante clara e exata a definio do que
se considerava um copo defeituoso.
As amostras 4 e 9 foram eliminadas e o grfico de controle foi recalculado.
pbar = 0,0035 LSC = 0,0123 LIC = 0
CARTAS DE CONTROLE
81
Um exemplo tpico da aplicao deste tipo de grfico, se refere
ocorrncia de vrios tipos de defeitos em uma amostra, sendo
que a gravidade desses defeitos diferente, segundo a utilizao
final. Poderemos, ento, dar pesos a cada tipo de defeito e utilizar
um outro grfico do nmero de pontos na amostra.
CARTAS DE CONTROLE
Grfico do Nmero de Defeitos na Amostra
Quando as amostras tiverem sempre o mesmo tamanho, pode-se usar o
grfico do nmero de defeitos na amostra.
Onde:
N = nmero de unidades da
amostra
= nmero
mdio de defeitos por
unidade do processo
produtivo
82

Exemplo nmero de defeitos na amostra
A tabela nos fornece o nmero de defeitos na capa de isolamento em 30
amostras, cada uma constituda de 1000 metros de um determinado fio eltrico.

CARTAS DE CONTROLE
O nmero mdio de defeitos ser:
Cbar = 187 = 6,23 defeitos / amostra
30

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
DEFEITOS
1 1 3 7 8 1 2 6 1 1 10 5 0 19 16
N
16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
DEFEITOS
20 1 6 12 4 5 1 8 7 9 2 3 14 6 8
N
Os limites de controle sero:
LSC = Cbar + 3 SQRT (Cbar)
LIC = Cbar - 3 SQRT (Cbar)

LSC = 13,72
LIC = 0
83
Observando os dados plotados no grfico, verificamos que as amostras
14, 15 e 16, tem um nmero de defeitos maior que o LSC, indicando
claramente a presena de causas especiais de variao.
Desse modo, o prximo passo investigar as causas dessas variaes,
eliminar as amostras correspondentes e recalcular os novos valores para a
Cbar e limites de controle, para obteno de um novo grfico, isento de
causas especiais, que permita acompanhar o desempenho do processo.

CARTAS DE CONTROLE
84
LSC = 13,72
Cbar = 6,23
LIC = 0
85

Cursobsicocepfusco 111017164826 Phpapp02

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

Cursobsicocepfusco 111017164826 Phpapp02

Enviado por

Direitos autorais:

Formatos disponíveis

CONTROLE ESTATISTICO DO

Você também pode gostar