1) Manual SPC Avançado + MSA v4.0 (PT)

© ProfitAbility Engineers
SPC avançado
Conceitos de SPC & MSA
Objectivos desta secção
• No final deste workshop, deverão ser capazes de:
- Compreender como utilizar o SPC de forma produtiva
- Compreender os benefícios da utilização do SPC
- Identificar os pontos essenciais para melhorar processos estáveis
- Compreender os princípios da variação
- Analisar os efeitos e custos associados a má utilização do SPC
- Usar o SPC para monitorizar os inputs e outputs de interesse para o projecto
- Seleccionar a carta de controlo correcta para a monitorização
- Construir cartas de controlo
- Interpretar cartas de controlo
- Concluir sobre os factores de sucesso quando existe uma correcta utilização do SPC.
- Compreender a importância de uma correcta análise do sistema de medição.
© ProfitAbility Engineers 2
Simbologia utilizada
Ferramenta Auxiliar Excel
Sugestão / Ideia Minitab
Exemplo prático
Exercício prático
Definição / Base do método
Mecânica / Método [ponto importante]
Atenção [pode causar erros na metodologia]

0.
[SPC Avançado]
v4.0
[Introdução ao SPC]
Conteúdo da formação
0–I
0 Introdução ao SPC ntro
duçã
o
ao S
– O PC
1 Compreendendo a variação q u e éoS
PC
– O
bjec
tivos
2 Recolha de dados – N
eces
do S
PC
sida
– D d es
b ási
3 Cartas de controlo ificu
ldad
cas
– R es co
egra mun
s bá s
4 Cartas por variáveis e por atributos sicas
“10
m an
dam
e
5 Capacidade dos processos ntos
”
6 Análise dos sistemas de medição
Uso do SPC no controlo dos processos
• Uma ferramenta comum usada no controlo de processos é o SPC ou

Controlo Estatístico dos Processos.
Pode não ser a ferramenta ideal…
BOB
• Produto e/ou processo com capacidade Six Sigma ou um
sistema automático de ajuste dos X’s críticos
• Poka-Yoke de prevenção para produto/processo
• Poka-Yoke de detecção para produto/serviço
• SPC para os X’s vitais para os Y’s do processo
• SPC nos Y’s mais críticos
• Desenvolvimento de instruções/procedimentos trabalho e

auditorias processo
• Treino e sensibilização
WOW!!!
Mas tem um objectivo…
• Cada processo tem causas de variação,
conhecidas como:
– Causas Comuns: variabilidade natural
– Causas Especiais: variabilidade anormal
• SPC é a ferramenta básica para monitorizar e
melhorar a variação num processo.
• O SPC é usado para detectar causas especiais de
variação, alertando quando o processo está fora
de controlo, mas não nos diz porquê.
• SPC é uma ferramenta de gestão visual para
percepcionar a capacidade do processo.
• SPC é a voz do processo… se efectivamente a
quisermos ouvir!
• E tudo se deve ao Dr. Shewhart…
O que é então SPC?
• É:
– o controlo ou a gestão de processos através da
utilização de métodos estatísticos.
– Centrado na PREVENÇÃO em vez de detecção.
– Uma ferramenta poderosa, quando utilizada no
contexto correcto.
• Não é:
– Engenharia Espacial.
– Uma panaceia para todos os males.
– Um hobby para cientistas.
– Charts-on-walls (C.O.W.’s).
Objectivos do SPC
• Conseguir a estabilidade dos processos

• Fornecer linhas de orientação sobre as formas de melhoria dos processos
• Avaliar o desempenho dos processos
• Dar informação que permita a tomada de decisões baseadas em factos
• Garantir a sustentabilidade das melhorias efectuadas nos processos 10
O que é que o SPC pode fazer?
• Ajudar a melhorar processos “bons”

• Apontar para os problemas existentes
• Ajudar a formular as perguntas correctas
• Registar a “Voz do Processo”!
• Ajudar a melhorar um “mau” processo
• Resolver problemas, por si só
• Dar solução aos problemas da qualidade
• Revelar as fontes dos problemas
Modelo Tradicional
Custos totais da qualidade
Custos das Falhas

Custo por Unidade
Custos de avaliação
e prevenção
0% Grau de Conformidade 100%

Novo Modelo - CdQ (CdNQ)
Custos totais da qualidade
Custos das Falhas

Custo por Unidade
Custos de avaliação
e prevenção
0% Grau de Conformidade 100%

As empresas querem “SPC”, porquê?
Será porque têm olho para o negócio?

Para evitar ter problemas?

Para cumprir requisitos obrigatórios dos clientes?
Porque a concorrência
também tem!
O director leu um livro…
“Eu também quero!”

Pode ser um bom meio de relações públicas…
Para impressionar visitas ou clientes

potenciais.
Para reduzir a variabilidade da produção e garantir a conformidade

do produto.
As empresas usam SPC, porque...
Vais ficar Vai ficar bem no nosso É suposto que nos ajude a
responsável pelo prospecto de vendas . Só é ter processos controlados!
nosso programa de pena não sabermos o que
SPC é!! Pois é! Nós
mentimos sempre,
nos prospectos
Necessidades Básicas
• Abordagem PDCA
• Recursos (tempo, pessoas,
equipamento, dinheiro)
• Avaliação (Recursos vs. Benefícios)
• Empenho da Direcção
• Objectivos definidos e conhecidos
• Clareza sobre “O que é que se espera
ganhar com o SPC”
• Que os “Porquês” sejam esclarecidos!
Dificuldades
• Falta de conhecimento, compreensão e experiência com SPC

• Incompreensão dos objectivos do SPC
• Falta de acção da direcção (a todos os níveis)
• Falta de formação dos níveis operacionais
• Falta de conhecimento sobre que parâmetros ou características se vão controlar
• Reacções negativas (a todos os níveis)
• Falta de recursos
• Falta de instrumentos / equipamento apropriados
•© ProfitAbility
Equipamento Engineers incapaz ou inapropriado 23
Exemplos factuais
• O papel do coordenador é desprezado
• Recolha e análise dos dados feitos por pessoal que
não tem ligação directa ao processo
• As cartas de controlo são afixadas longe do
processo em causa (i.e. salas de reuniões, painéis
de informação, etc…)
• Falta de acções apropriadas, face aos dados
apresentados nas cartas de controlo
• O SPC é tratado como uma mera fonte de cartas
de controlo
• O SPC é utilizado como um “Show Programme for
Customers”
Os 10 mandamentos do SPC
I. Não elevarás a importância dos resultados do processo

acima do próprio processo.
II. Não confundirás controlo do processo com capacidade do
processo.
III. Não utilizarás dados de um processo fora de controlo, para
construir uma carta de controlo.
IV. Não traçarás limites de especificação nas cartas de controlo.
V. Não adulterarás dados para que um processo fora de
controlo pareça estar controlado.
Os 10 mandamentos do SPC
VI. Não adorarás a regra “um ponto fora dos limites de

controlo”.
VII. Não testemunharás falsidades acerca dos teus dados.
VIII. Não ignorarás o tipo de distribuição do processo.
IX. Não ignorarás a presença de variação por causas especiais.
X. Não esconderás um processo fora de controlo, da Direcção

ou do Cliente.
Resumo
•Quando utilizado...
no local certo
nas circunstâncias certas
com os objectivos correctos
com os recursos certos
com a filosofia correcta…
O SPC pode ser muito poderoso

e útil!!!
Resumo
•Quando utilizado...
no local errado
nas circunstâncias erradas
com os objectivos errados
com os recursos errados
com a filosofia errada…
O SPC pode ser uma distracção cara

- um erro!!!
1.
[SPC Avançado]
v4.0
[Compreendendo a variação]
1–C
0 Introdução ao SPC o mp
reen
end d
– N oav
oçõe
1 Compreendendo a variação s ge
rais
aria
ç ão
– A
expe
riên
2 Recolha de dados – C
oncl
cia d
o fun
usõe il
s
3 Cartas de controlo
4 Cartas por variáveis e por atributos
5 Capacidade dos processos
Compreendendo a Variação
• A variação existe em tudo.
tudo Melhor
capacidade, torna-se uma necessidade,
porque são precisos:
– melhores projectos
– custos mais baixos
– melhor desempenho
• Tudo isto leva a tolerâncias mais
apertadas.
• Isto significa que a capacidade de operar
dentro de tolerâncias apertadas,
apertadas sem
produzir defeitos torna-se numa grande
vantagem.
• Um operador diligente e dedicado, que ajuste a sua máquina

frequentemente para tentar manter o processo dentro das
tolerâncias, vai fazer muitas peças para a sucata.
• O facto é : quanto mais diligente for o operador, pior vai ser
o resultado.
A prova da lei de Murphy’s :

Se alguma coisa puder correr mal,
vai correr mal !!!
• O Dr. Deming usou uma demonstração muito simples, para
ilustrar os efeitos da “adulteração” dos processos: a
experiência do funil.
• O objectivo desta experiência é atingir um alvo com um
berlinde, que se lança através de um funil.
• O funil é utilizado para apontar ao alvo, mas

não conhecemos a sua precisão z
• No entanto, podemos utilizar os resultados
dos lançamentos anteriores para ajustar as
imprecisões
– Regra 1 : Sem compensação
– Regra 2 : Compensação exacta x
– Regra 3 : Sobre-compensação
– Regra 4 : Consistência
(0, 0)
y
• Regra 1 - Sem compensação

– Não ajustar a posição do funil
– Centrar o funil por cima do alvo. Não se
move o funil, durante esta parte da
experiência.
• Razões:
– Sabemos que esta não é a melhor forma
de obter bons resultados, mas vai-nos dar
uma indicação base.
– Podemos comparar os resultados,
utilizando outra das regras, para podermos
medir a melhoria.
– Além disso, podemos ter a sorte de atingir
a “mouche” de vez em quando.
• Regra 2- Compensação Exacta
– Medir a distância (absoluta) do último
lançamento ao centro do alvo.
– Compensar o erro. Após cada lançamento, sem
mexer no funil, movê-lo essa mesma distância,
no sentido oposto.
Razões
– Esta regra tenta compensar a imprecisão do
funil.
– Se o berlinde falha o alvo, por uma certa
distância, será razoável assumir que se o
movermos na direcção oposta, à mesma
distância, poderemos melhorar os resultados.
– Esta regra exige que se saiba a posição do funil
no último lançamento.
• Regra 3 - Sobre Compensação
– Medir a distância (absoluta) do último
lançamento ao centro do alvo.
– Após cada lançamento, centrar o funil no
alvo e deslocá-lo no sentido oposto, a mesma
distância.
• Razões
– Neste caso, utilizámos o alvo como base para
os nossos ajustamentos, em vez do último
resultado.
– Esta será a única opção se apenas
conhecermos a posição do alvo e do último
lançamento, mas não soubermos a posição
do funil.
• Regra 4 - Consistência
– Centrar o funil por cima do último
lançamento.
• Razões
– O objectivo desta regra é o de manter
resultados constantes.
– Mesmo que se falhe o alvo, os resultados
deverão ser consistentes, uma vez que
apontamos sempre para a posição do
último lançamento.
– Se falharmos, podemos corrigir mais tarde.
• O que é que aprendemos

– Apesar dos nossos esforços para melhorar o processo, ajustando a posição
do funil, qualquer tentativa desta natureza só vai piorar os resultados.
resultados
– O “funil” é um processo estável,
estável o que significa que a variação nos
resultados é aleatória.
– O ajuste dos processos, em resposta à variação aleatória chama-se

“adulteração”.
adulteração
• Regra 1
– Dá-nos os melhores resultados
sem alterar o processo.
– O “funil” permite-nos melhorar
os resultados ajustando a altura
do lançamento
– Quanto mais baixo,
baixo menor será
a variação.
• Regra 2
– Vai aumentar a variação em
cerca de 41%.
41%
– Um exemplo desta regra :
• Ajustar um torno, depois de cada
peça, para compensar a diferença
entre o diâmetro conseguido e a
especificação nominal.
• Regra 3
– Causa a “explosão” do processo em duas
direcções.
direcções O resultado oscila de um lado
para o outro.
– Exemplo desta regra :
• Estabelecer os objectivos de produção, para
o mês corrente, com base nas encomendas
do mês passado.
• Regra 4
– Também causa a “explosão” do
processo.
– Eventualmente, o processo vai
“fugir” numa direcção qualquer, e
cada vez mais longe do alvo.
– Exemplo desta regra :
• Um operador dá formação a outro,
que por sua vez dá a outro, etc...
• Conclusão
– Todas as estratégias representadas pelas regras 2, 3 e 4 são, na
realidade, adulteração.
adulteração A adulteração vai sempre piorar as coisas.
coisas
– É claro que existem razões legítimas para se realizarem ajustes aos
processos.
– Se deixarmos um processo funcionar, sem adulteração, vamos saber
primeiro se o processo é estável e, depois, se a média do processo está
desviada do objectivo.
– Se ajustarmos um processo estável, com base na média dos resultados,
vamos melhorar a precisão,
precisão mas os resultados vão sempre variar.
Definição - Processo Estável
Um Processo Estável tem a mesma distribuição, sempre.

Um processo estável está Controlado.
Um processo estável tem sempre variação.
Tempo
Definição - Processo Instável
Qualquer processo que não seja estável chama-se instável

ou fora-de-controlo.
Tempo
2.
[SPC Avançado]
v4.0
[Recolha de dados]
2–R
0 Introdução ao SPC ecol
ha d
e
dado
– N s
oçõe
rais
– Q
uest
ões
omo
fund
am e
ntai
reco s
– T l her d
3 Cartas de controlo i p os d
e re
ados
colh
a de
dado
4 Cartas por variáveis e por atributos s
Recolha de Dados - O que é e para que serve
O que acontece geralmente?

• A equipa pergunta:
– “Com que regularidade surge o problema?”
– “O que causa o problema?”
• Procuram informação.
• Uma boa informação é baseada em factos (dados).
• Mas, apenas recolher dados não garante que a equipa
tenha obtido informação útil.
• Os dados podem não ser suficientemente específicos
para responder à questão.
Recolha de Dados - O que é e para que serve
Porquê recolher dados ?

Para tomar decisões baseadas em factos
ASSIM...
“Eu penso que o problema é …….”
torna-se
“Os dados indicam que o problema é…..”
Como Recolher Dados
• Recolha de dados (passo a passo): 1º Passo

– Formular a pergunta de forma concisa
– Recolher dados e factos relacionados com a pergunta
– Analisar os dados para determinar as respostas factuais à
pergunta
– Apresentar os dados de forma a que comuniquem
claramente a resposta
Como Recolher Dados
• Recolha de dados (passo a passo): (cont.)
– A que pergunta temos que responder? 2º Passo
– Perguntar:
– Para que queremos os dados?
– O que vamos fazer com os dados, depois da recolha?
– Basear as decisões sobre a recolha dos dados na análise
do fluxograma do processo e no diagrama causa efeito.
START
LEVEL 2
MAIN MAIN LEVEL 3 CAUSE
CAUSE
CAUSE CAUSE
PROCESS STEP PROCESS STEP
LEVEL 1
CAUSE
NO
DECISION ?
YES NO
DECISION ? PROBLEM TO BE
A RESOLVED
YES (EFFECT)
PROCESS STEP
NO
DECISION ? A
YES
PROCESS STEP
MAIN MAIN
CAUSE CAUSE
FINISH
Como Recolher Dados
• Recolha de dados (passo a passo): (cont.)
– Onde vamos recolher os dados?
3º Passo
• Consultar o fluxograma do processo
• Identificar os passos onde se esperem
mudanças
• Concentrar esforços utilizando os resultados
do diagrama causa-efeito
• Considerar a validação dos dados com os
resultados do final do processo
START
PROCESS STEP PROCESS STEP
NO
DECISION ?
YES NO
DECISION ?
A
YES
PROCESS STEP
NO
DECISION ? A
YES
PROCESS STEP
FINISH
LEVEL 2
MAIN MAIN LEVEL 3 CAUSE
CAUSE
CAUSE CAUSE
LEVEL 1
CAUSE
PROBLEM TO BE
RESOLVED
(EFFECT)
MAIN MAIN
CAUSE CAUSE
Como Recolher Dados
• Recolha de dados (passo a passo): (cont.) 4º Passo

– Que tipo de dados vamos recolher?
• Dados de Atributos
– contam a presença ou ausência de uma
característica ou defeito
– ex: passa / não-passa, nº de defeitos numa
peça ou num lote, nº de peças entregues a
tempo, sim/não…
• Dados Variáveis
– baseiam-se na medição de características
produzidas pelo processo
– ex: comprimento, largura, tempo, peso,
temperatura, pressão, etc....
Como Recolher Dados

– Quem recolhe os dados?
– Os Operadores que estejam a realizar a
operação em causa, mas…
• com formação adequada
• com os recursos necessários(e.g.
tempo, papel, caneta, instrumentos
de medida)
Como Recolher Dados
• Como recolhemos os dados correctos?
– utilizar dimensões de amostra adequadas
– recolher frequentemente
– basear as decisões em factores como:
– disponibilidade dos dados
– custos
– consequências
Problemas Possíveis
• Âmbito da análise pouco ou nada definido
• Quando e Quantas vezes se recolhem os dados
• Como recolher os dados
• Unidades de medida e critérios para os defeitos
• Como fazer em caso de múltiplos defeitos num só produto?
Recolha de Dados - O que utilizar para recolher dados
• Os dados são frequentemente
recolhidos utilizando Folhas de
Verificação.
• As principais utilizações são: Time Defects
– Registo de características da 0500-0559
qualidade do processo em 0600-0659
análise, utilizando ferramentas 0700-0759

como o Pareto, Histogramas e 0800-0859
Cartas de Controlo 0900-0959
– Proporciona um registo histórico 1000-1059
do processo ao longo do tempo
1100-1159
– Introduz métodos de recolha de
1200-1259
dados a trabalhadores e
supervisores que não estão 1300-1359
familiarizados com a recolha de 1400-1459

dados como parte integrante 1500-1559
das suas funções
Recolha de Dados - Tipos e Utilização
• 1. Tabela
− Também conhecida por “folha de
verificação” TV SET MODEL 1013
Integrated Circuits
− Utilizada para contabilizar quantas vezes Capacitors

Resistors
algo acontece ou para registar uma Transformers

Commands
medição CRT
TV SET MODEL 1017
Time of Temperature Time of Temperature Integrated Circuits

Day (ºC) Day (ºC) Capacitors
Resistors
08:00 240 13:00 226 Transformers

Commands
CRT
09:00 242 14:00 224
TV SET MODEL 1019
10:00 236 15:00 222 Integrated Circuits

Capacitors
11:00 236 16:00 222 Resistors

Transformers
Commands
12:00 234 17:00 220 CRT
• 2. Localização
− Permite marcar no diagrama a localização física exacta do defeito ou
característica
− Normalmente é uma figura onde se registam ocorrências
x x
x x
x
x x
x
x
x x
x x
x
x
x
x
x
x
xx
x x x x x x
xxxx
• 3. Gráficos
− Permite que os dados sejam registados e visualizados ao
mesmo tempo
− Dados “em bruto” podem ser registados no gráfico
Te m p e ra tu re (°C )
250
240
230
220
210
200
08:00 09:00 10:00 11:00 12:00 13:00 14:00 15:00 16:00
Time of Day
Recolha de Dados - Pontos chave
• Conselhos e dicas de utilização:
– Utilize uma lista de verificação para:
• Facilitar a recolha de dados na observação de
amostras, de forma a detectar padrões
• Ajudar a responder estas questões:
– a) Que situação está a ocorrer?
– b) Quando e quantas vezes ocorrem as situações?
– c) Onde ocorrem as situações?
– d) As situações ocorrem conjuntamente com
mudanças ou outras situações?
– e) Esquecemos algo?
• Iniciar o processo de traduzir opiniões em factos
• Preparar os dados para o Pareto
Recolha de Dados - Pontos chave
• Conselhos e dicas de utilização: (cont.)

– Considere reunir alguns dados antes de elaborar um
lista de verificação, para evidenciar todos os
aspectos da actividade
– Defina o que vai ser observado e porquê
– Defina a duração da observação
– Desenhe um formulário fácil de utilizar
devidamente identificado, com espaço suficiente
para anotar os dados. Teste antes de o utilizar.
– Pode ser extremamente útil incluir um elemento
visual na folha de verificação
– Recolha os dados consistente e adequadamente
3.
[SPC Avançado]
v4.0
[Cartas de controlo]
3–C
0 Introdução ao SPC art a
s de
o nt r c
– T olo
ipos
1 Compreendendo a variação de c
arta
– S s
ub-g
rupo
2 Recolha de dados – In
terp
s no
SPC
reta
ção
de c
3 Cartas de controlo arta
sd e co
ntro
lo
4 Cartas por variáveis e por atributos
Elementos das cartas de controlo
• As cartas de controlo foram desenvolvidas por Dr Walter A. Shewhart dos Bell
Laboratories em 1924 como parte integrante do SPC.
• Permitem verificar graficamente (visualmente) variações ao longo do tempo.
– Isto é necessário para ter gestão visual do nosso processo.
• As cartas de controlo foram concebidas como sendo uma metodologia para indicar
variações na performance, através de variações da média ou da mediana.
• As cartas têm uma linha central e limites de controlo para auxiliar na detecção de
causas especiais de variação.
Causas especiais
detectadas
Centro do processo
Limites Controlo (tipicamente a média)
Tipos de cartas de controlo
Atributos:
• Esta categoria de cartas de controlo mostra dados que resultam
da contagem do número de ocorrências ou eventos, numa única
categoria de itens similares. Estas contagens podem ser
expressas em termos de “passa/não-passa”, “sim/não” ou
presença/ausência de um defeito.
Variáveis:
• Esta categoria de cartas de controlo mostra dados que
resultam da medição de uma variável contínua.
Exemplos : tempo, temperatura, dimensões, etc…
Sub-grupos no SPC
• Sub-grupos são um conceito usado na capacidade do

processo e nas ferramentas na fase de análise.
• Várias cartas de controlo usam médias de sub-grupos.
• A definição de um sub-grupo não alterou, mas a selecção de sub-grupos
afecta como vai ser feita a amostragem ao processo, para as cartas de
controlo.
O impacto da variação
Fontes variação Fontes variação Fontes variação
- Variação natural do -Variação natural do processo - Variação natural do processo
processo, definida pela
-Diferentes operadores - Diferentes operadores
selecção do sub-grupo
- Diferentes fornecedores
-LSC
-LIC
Primeiro, seleccionar a
dispersão que vamos
considerar como variação
natural do processo, de forma Logo, quando surge uma
a que cada vez que um ponto segunda fonte de variação, E, claro, se surgirem duas novas fontes
sai dos limites, o alarme vai nós iremos saber! de variação, nós iremos detectá-las
soar. também!
Definição de sub-grupo
• A variação dentro dos grupos ou variação a curto prazo é encontrada entre dados de
um sub-grupo e conhecida como variação devido a causas comuns.
• A variação dentro dos sub-grupos é a base para estimar o desvio padrão do processo.
• A variação entre grupos é procurar causas especiais, padrões ou tendências.
SS total = SS entre grupos + SS dentro grupo
Variação Variação (dentro

(entre grupos) grupo)
Output Y
x
x x x
x x
x x x
x x
x Tempo
x x x x
x x x x
x x x
x
x
Definir o tamanho do sub-grupo
• Seleccione sub-grupos de forma a que causas especiais sejam perceptíveis entre grupos,
e não dentro dos grupos.
• Sub-grupos são tipicamente formados de duas formas:
– Amostras sucessivas são retiradas para medir a variação a curto prazo (dentro grupo).
• Ex. Uma pessoa do “drive thru” tem os seus tempos de resposta medidos em 5 clientes consecutivos.
• Ex. Retirar medições de 3 peças consecutivas de uma prensa.
– Amostras são retiradas de fontes que são aceites como tendo variação devido a causas
comuns.
• Ex. Medir várias cablagens de diferentes operadores.
• Ex. Sub-agrupar 5 tempos de resposta de diferentes operadores.
Variação Variação (dentro

(entre grupos) grupo)
Output Y
x
x x x
x x
x x x
x x
x Tempo
x x x x
x x x x
x x x
x
x
Tamanho dos sub-grupos
• Tipicamente os sub-grupos têm 3-12 elementos para dados variáveis
– Se existir dificuldade em recolher as amostras (tempo, dinheiro), o tamanho n, é mais pequeno.
– 3, 5, e 10 são os tamanhos mais comuns de sub-grupos por uma questão de facilidade a fazer os
cálculos, quando se utiliza o SPC sem computador.
• O tamanho dos sub-grupos ajuda na detecção de variações ou desvios da média, indicando
a presença de causas especiais.
• Quanto maior o tamanho do sub-grupo, maior a hipótese de detectar causas especiais.
• Para dados por atributos o tamanho da amostra é tipicamente 50 – 200.
Longo prazo
(dentro & entre sub-grupos)
17
V o lu m e
12
7
1 2 3 4 5
Curto prazo Sub Group
(dentro sub-grupos)
Frequência da amostragem
• A frequência da amostragem é um balanço entre custo de amostragem
versus o custo de não detectar as variações no processo.
• Conhecimento do processo é um input para a selecção da frequência de
amostragem depois do tamanho do sub-grupo ter sido decidido.
– Se as variações de um processo não conseguem ser detectadas devido a baixa
frequência, o cliente acaba por sofrer
– Se for possível escolher entre ter um sub-grupo grande com pouca frequência,
ou um sub-grupo pequeno com maior frequência, a maioria prefere a opção
com maior frequência
– Se a recolha for automática, então torna-se tudo mais fácil!
• Uma regra geral diz que “devemos recolher amostras pelo menos 10X
mais que a frequência das condições fora de controlo”.
Frequência da amostragem
Outputpossíveis
• Uma amostragem demasiado Todas as amostras
7,5
pequena não vai permitir a 7,0
6,5
detecção de variação no processo 6,0
devido a causas especiais. 5,5
5,0
1 7 13 19 25 31 37
Amostras cada hora Amostras 4x turno Amostras cada meia hora
SPC Passo a passo
Passo 1: Seleccione o X ou Y apropriado para controlar e monitorizar
Passo 2: Estabeleça o tamanho do sub-grupo e frequência de recolha de dados
Passo 3: Seleccione a carta de controlo apropriada
Passo 4: Implemente o processo de recolha de dados
Passo 5: Calcule a linha média e os limites de controlo
Passo 6: Coloque os dados de X ou Y na carta de controlo
Passo 7: Verifique se há situações fora de controlo, tendências e padrões
Passo 8: Interprete os resultados, investigue as razões para causas especiais e tome as
acções necessárias
- Fazer isto para cada situação anómala
Passo 9: Refazer passos 1 a 8 se houve uma alteração conhecida e que possa ser provada
por testes de hipóteses
- Uma alteração da média
- Uma redução na variação
Recolha de dados e registo de ocorrências
• Com o processo em operação (sem alterações) recolha os dados.
• Registe os dados nos campos apropriados do formulário.
• Nunca deixar de registar qualquer ocorrência anormal.
anormal
• Um registo de ocorrências rigoroso pode ajudar a entender o comportamento do processo e
identificar possíveis causas.
Calcular Média e Amplitude
• As características que vão aparecer nos gráficos são a média e a
amplitude de cada sub-grupo.
• Para cada sub-grupo, calcular:
calcular
X
i 1
i
X Escreva na carta
n de controlo
R = X Maior - X Menor
Seleccione escalas apropriadas
• Para o gráfico Xbarra

– A diferença entre o maior valor e o menor no gráfico,
deverá ser pelo menos 2x a diferença entre a maior e a
menor das médias dos sub-grupos.
• Para o Gráfico R
– Os valores deverão estender-se de um valor mínimo de
“zero” até um valor, que deverá ser 2x maior do que a
maior das amplitudes.
– Escolha as escalas de forma a que o espaçamento entre
o gráfico das médias e das amplitudes seja o dobro.
Traçar os gráficos
• Traçar as médias e amplitudes nos

respectivos gráficos.
• Ligar os pontos com linhas para ajudar na
visualização de tendências e padrões.
• Confirme todos os cálculos e pontos.
Calcular os limites de controlo
• Calcular o limite do gráfico de amplitudes e

depois os limites do gráfico das médias.
• Utilizar as fórmulas correctas,
correctas dependendo do
tipo de gráfico que está a fazer.
• Utilizar a “Tabela de Constantes”.
Constantes
• Os valores destas constantes vão depender do
tipo de gráfico e da dimensão da amostra.
• Calcular a média das amplitudes e a média do
processo (média das médias).
Médias e limites de controlo
• Traçar as linhas das médias a

traço interrompido.
• Os limites de controlo
deverão ser linhas contínuas.
• Identifique todas as linhas.
Limites de controlo para o estudo contínuo
• Se estiver a realizar um estudo preliminar e o processo mostrar

evidências de estar sob controlo:
– transfira os limites de controlo para o estudo de seguimento ou contínuo
– nunca deixe de responder a sinais de “fora-de-controlo”
• Se houver evidências de que a média do processo ou a amplitude se
alteraram:
alteraram
– determine as causas
– recalcule os limites de controlo, com base no desempenho actual
Interpretação de cartas de controlo
• Determine se a média do processo está onde devia estar, em relação às especificações

• Analise os dados e distinga entre “causas comuns”comuns e “causas especiais”
especiais
•© ProfitAbility
NÃO confundirEngineers “limites de controlo”
controlo com “limites de especificação”
especificação 82
Pontos fora dos limites de controlo
 Evidência primária de que estão presentes causas especiais de variação

(condições instáveis) nesse ponto.
 Exige análise imediata do processo. Rever os cálculos antes de fazer alguma
coisa.
 Pode estar a ocorrer uma ou mais das seguintes situações :
• Erro nos cálculos dos limites ou dos pontos.
• O processo mudou (sabe o que vai acontecer, a seguir?)
• Mudanças no sistema de medição (instrumento, inspector)
7 pontos consecutivos por cima ou por baixo da linha média
 É sinal que começou uma mudança no processo ou iniciou-se uma tendência.

 A análise deve considerar a altura em que se suspeita que se iniciou a
alteração.
 Atenção aos erros de marcação, mudanças no sistema de calibração ou
introdução de alterações no sistema.
 Pode estar a ocorrer uma ou mais das seguintes situações :
•A média do processo moveu-se e pode estar ainda a mover-se
•Mudanças no sistema de medição
7 pontos consecutivos a subir ou a descer
 É sinal que começou uma mudança no processo ou iniciou-se uma tendência.

 A análise deve considerar a altura em que se suspeita que se iniciou a
alteração.
 Pode estar a ocorrer uma ou mais das seguintes situações:
• Deterioração da máquina, cansaço do operador, desgaste de ferramentas,
encaixes soltos, ferramentas rombas (gráfico X)
• Melhoria ou deterioração da capacidade do operador, cansaço, mudança de
matéria-prima, etc… (gráfico R)
• Uma mudança evidente de desempenho (atributos)
Pontos muito próximos da linha média

• Os limites de controlo ou os pontos foram mal calculados ou mal
marcados.
• O processo ou método de amostragem estão estratificados ou
misturados - recolha de dados de fontes diferentes.
• Os dados foram alterados ou as verificações não estão a ser feitas
(foram retirados valores muito próximos dos limites)
• O processo realmente melhorou.
Pontos muito próximos dos limites

• Os limites de controlo ou os pontos foram mal calculados ou mal
marcados.
• O processo ou método de amostragem estão estratificados ou misturados -
recolha de dados de fontes diferentes, com médias diferentes.
• Pode ser causado pela formação de operadores ou por mudanças nas
ferramentas de medição.
• Sobre-controlo, diferenças sistemáticas e consideráveis na qualidade dos
materiais, dados de processos semelhantes que operam em condições
diferentes.
Ciclos repetitivos ou padrões
 Procurar parâmetros do processo que tenham aparições pontuais.

 As verificações não estão a ser feitas (os valores são repetidamente
copiados)
 Pode ser resultado de fadiga do operador, rotação de operadores,
ferramentas diferentes utilizadas por inspectores diferentes, efeitos
sazonais, ou diferenças entre turnos (gráfico X).
 Pode ser resultado da combinação de desgaste da ferramenta com o ajuste
automático da máquina.
 Planos de manutenção, rotação de gabarits ou instrumentos de medição,
diferenças entre turnos, fadiga (gráfico R).
Saltos de Nível
 As causas possíveis para esta situação podem ser: um novo operador, um

novo inspector, uma nova afinação da máquina ou uma alteração no Setup ou
no método de trabalho.
 Se a alteração for para cima, no gráfico R, o processo está menos uniforme.
As causas típicas são a falta de cuidado dos operadores, manutenção
inadequada ou um gabarit a precisar de reparação.
 Se a alteração for para baixo, no gráfico R, o processo está mais uniforme.
Isto pode ser resultado de maior atenção e/ou cuidado, ou melhores
máquinas ou materiais. As razões para tal melhoria deverão ser encontradas
e mantidas.
Interpretação de Cartas de Controlo
• Perguntas comuns:
– Existem diferenças na precisão dos instrumentos / métodos utilizados?
– Existem diferenças nos métodos utilizados?
– O processo é afectado pelo ambiente (temperatura, humidade)?
– O processo é afectado por condições previsíveis (ex. desgaste de ferramentas)?
– Estava presente algum operador sem formação?
– Houve alterações aos “inputs” do processo (ex. matérias-primas)?
– O processo é afectado pela fadiga dos operadores?
– Houve qualquer alteração às normas ou aos procedimentos (ex. manutenção) ?
– O processo é ajustado frequentemente?
– As amostras vieram de diferentes partes do processo? turnos? Indivíduos?
– Os operadores têm medo de dar “más notícias”?
Regras Básicas
• Quando iniciar uma nova carta:

– Continue a marcar os pontos na nova carta
– NÃO recalcule os limites de controlo
– Apenas deve recalcular os limites de controlo quando se tiver introduzido uma
alteração permanente e desejada e utilizando APENAS dados POSTERIORES à
ocorrência da alteração.
– Concentrar a atenção em alterações verdadeiramente vitais do processo.
– Alguma variação é expectável.
expectável
– Procurar padrões significantes.
Regras Básicas
• O propósito do SPC é compreender o processo de forma a permitir tomar decisões

correctas.
• O alto grau de compreensão do processo só é possível se os limites de controlo
reflectirem o comportamento expectável (em acordo com as especificações).
• Recalcular os limites de controlo sem justificação real de alteração no processo
pode não garantir que os novos limites reflectirão o comportamento expectável do
processo.
– Existe alguma alteração significante no processo?
– Compreende-se a causa da mudança do processo?
– Foi observada a alteração do processo tempo suficiente para determinar se novos limites
irão reflectir o comportamento espectável?
* Antes de recalcular novos limites devemos ser capazes de responder estas questões!
Regras Básicas
• Se não houver evidências claras de causas-raiz para situações “fora-de-

controlo”,
controlo qualquer acção correctiva irá, com certeza, aumentar a
variação (lembram-se do funil?)
• Um estado de perfeição nunca será atingido, em qualquer processo.
• O Objectivo do SPC não é a perfeição,
perfeição mas um estado razoável e
económico de controlo.
• Se houver evidências de que nunca há pontos “fora-de-controlo”
fora-de-controlo põem-se
sérias dúvidas se o processo devia estar a ser estudado.
Exercício
– Vamos seleccionar cartas de controlo para serem interpretadas.

– Após analisar os pontos em baixo, apresente os resultados ao grupo.
• Pontos a interpretar nas cartas de controlo do processo:

1) Os limites de controlo estão correctos?
2) Existem especificações para controlo e qual o critério utilizado?
3) O Diário do Processo está ser utilizado de forma adequada?
4) Conseguimos tirar alguma conclusão com o que está escrito do Diário do Processo?
5) Existem acções para as tendências?
6) Identificar oportunidades de melhoria quanto a actual abordagem ao SPC – Propor soluções
fáceis de implementar com custo baixo.
4.
[SPC Avançado]
v4.0
[Cartas por variáveis e cartas por atributos]
4–C
0 Introdução ao SPC art a
s po
r va
atrib riáv
utos ei s e
1 Compreendendo a variação cart
as p
– T or
ipos
de c
arta
arta
s
s po
r var
fórm iáve
3 Cartas de controlo u las is e
resp
– C ectiv
arta as
s po
4 Cartas por variáveis e porfóatributos
rmu
r atr
i bu t
os e
las resp
ectiv
5 Capacidade dos processos as
Selecção de cartas de controlo
Amostra
(*) Defeito: =1 I/Rm
Não cumpre o critério de
aceitação.
Uma unidade defeituosa
Variáveis
Amostra
3a5 X/R
pode ter vários defeitos.
Amostra
≥10 X/s
Característica / Amostra
Parâmetro a Controlar Constante
(>50 )
c
Defeito
(*)
(**) Defeituoso:
Amostra
variável u
Não cumpre o critério de Atributos
aceitação, Amostra
independentemente do Constante
(>50 )
np
número de defeitos na peça. Defeituoso
(**) Amostra
variável
(>50 )
p
Amostra
aceitação.
Variáveis
Amostra
3a5 X/R
Amostra
≥10 X/s
(>50 )
c
Defeito
(*)
(**) Defeituoso:
Amostra
variável u
(>50 )
np
(**) Amostra
variável
(>50 )
p
Porquê Variáveis?
• Amplas possibilidades de aplicação - a maior parte dos processos tem

características que são mensuráveis
• Um valor quantificável contém mais informação do que um simples “sim/não”
• É mais caro recolher dados por variáveis, mas têm que se verificar menos peças
para ter mais informação sobre o processo
• …por esta razão, o espaço de tempo entre a produção e as acções correctivas é
mais curto
• E também podem explicar os dados do processo em termos de dispersão e
localização
• Fazer sempre um balanço entre o tempo e o custo da recolha de uma amostra
• A dimensão da amostra deve permanecer constante para todos os sub-grupos
Carta de Indivíduos e Amplitudes Móveis – I/MR
• Estas cartas são tipicamente

usadas para produções de baixo
volume, ou tempo de ciclo
demasiado longo para produzir
uma amostra homogénea.
• As cartas de indivíduos e
amplitudes móveis têm boa
aplicação em ensaios destrutivos,
ou quando o custo da
amostragem é demasiado
elevado.

Linha média e limites de controlo – I/MR
Calcule os parâmetros da carta de Indivíduos e Amplitudes Móveis com
as seguintes fórmulas:
Linha média Limites de controlo

k
k
x i R i
UCL x  X  E 2 MR UCL MR  D 4 MR
X i 1 MR  i
k k -1 LCL x  X  E 2 MR LCL MR  D 3 MR
Onde:
X: Média dos indivíduos, torna-se a linha média no gráfico
Xi: Pontos individuais
k: Número de pontos individuais
Ri : Amplitude móvel entre indivíduos, calculada usando a diferença entre cada par de leituras.
MR: A média da amplitude móvel, a linha média da carta das amplitudes
UCLX: Upper control limit (Limite superior de controlo)
LCLX: Lower control limit (Limite inferior de controlo)
UCLMR: Upper control limit (Limite superior de controlo)
LCLMR : Lower control limit (Limite inferior de controlo. Não aplicável para amostras abaixo de 7)
E2, D3, D4: Constantes que variam de acordo com o tamanho da amostra usado a obter a amplitude móvel
MR

 (Estimativa desvio padrão) = d2 (constante de acordo com o tamanho sub-grupo n)

Exercício
– Construa com os dados em baixo uma carta de controlo de indivíduos e amplitudes
móveis.
– Valores dos indivíduos recolhidos ao longo do tempo:
8.0 10.4 16.2 10.2

8.5 10.4 11.6 10.1
7.4 9.0 11.5 10.5
10.5 10.0 11.0 10.3
9.3 11.7 12.0 11.5
11.1 10.3 11.0 11.1

Carta de Médias e Amplitudes
• As cartas médias e amplitudes são as mais comuns na indústria.
• São tipicamente usadas para produções de elevado volume.
• Permitem visionar a média e a variabilidade da produção ao mesmo tempo.
• A presença de “Outliers” pode provocar situações anómalas no gráfico das
amplitudes, por isso existe também a alternativa de usar gráficos de desvios
padrões (quando o tamanho do sub-grupo é superior n≥10).

–
Linha média e limites de controlo – X/R
Calcule os parâmetros da carta de Médias e Amplitudes com as seguintes fórmulas:

k
k
x i R i UCL x  X  A 2 R UCL R  D 4 R
X i 1
R  i
LCL x  X  A 2 R LCL R  D 3 R
k k
Onde:
Xi: Média das médias dos sub-grupos, torna-se a linha média da carta
Xi: Média de cada sub-grupo
k: Número de sub-grupos
Ri : Amplitude de cada sub-grupo (Valor máximo – Valor mínimo)
R: A amplitude média dos sub-grupos, a linha média da carta das amplitudes
UCLR: Upper control limit (Limite superior de controlo carta R)
LCLR : Lower control limit (Limite inferior de controlo carta R. Se negativo, é zero)
A2, D3, D4: Constantes que variam de acordo
R com o tamanho do sub-grupo

 (Estimativa desvio padrão) = d2 (constante de acordo com tamanho sub-grupo n)

Carta de Medianas e Amplitudes
• As cartas medianas e amplitudes são uma alternativa às cartas médias e
amplitudes.
• As vantagens desta carta sobre a das médias são:
• Fácil de usar no dia a dia, não necessita cálculos
• Se todos os indivíduos são marcados (assim como as medianas) a carta
sozinha evidencia muito bem a precisão do processo.
• É particularmente útil esta carta quando os operadores não podem aceder
facilmente a uma máquina de calcular.
• Não esquecer também que a mediana é menos “sensível” do que a média à
presença de “Outliers”.

~
Linha média e limites de controlo – X/R

Calcule os parâmetros da carta de Medianas e Amplitudes com as seguintes fórmulas:

k
k
~
R ~ ~
~  xi i UCL~x  X  A2 R UCL R  D 4 R
X i1
R  i ~ ~
k k LCL~x  X  A2 R LCL R  D 3 R
Onde:
~
X:
~ i
Média das medianas dos sub-grupos, torna-se a linha média da carta
Xi: Mediana de cada sub-grupo
Ri : Amplitude de cada sub-grupo (Valor máximo – Valor mínimo)
R: A amplitude média dos sub-grupos, a linha média da carta das amplitudes
UCLR: Upper control limit (Limite superior de controlo carta R)
LCLR : Lower control limit (Limite inferior de controlo carta R. Se negativo, é zero)
A2, D3, D4: Constantes que variam de acordo
R com o tamanho do sub-grupo

 (Estimativa desvio padrão) = d2 (constante de acordo com tamanho sub-grupo n)

Exercício
– Construa com os dados em baixo uma carta de

controlo das Médias e Amplitudes e depois
Medianas e Amplitudes. Avalie o processo.

Carta de Médias e Desvios Padrão
• Semelhante à carta de médias e amplitudes, mas desta vez usamos o desvio
padrão em vez da amplitude.
• As vantagens desta carta sobre a das amplitudes são:
• Permite ter sub-grupos maiores
• Temos o desvio padrão, logo temos uma visão muito clara da dispersão do
nosso processo.
• É aconselhável com esta carta utilizar um PC para o cálculo do desvio padrão.

–
Linha média e limites de controlo – X/S
Calcule os parâmetros da carta de Médias e Desvios padrão com as seguintes
fórmulas:
Linha Média Limites de controlo
k k
x i s i UCL x  X  A 3 S UCL S  B 4 S
X i 1
S i 1
k k LCL x  X  A 3 S LCL S  B3 S
Onde:
Xi: Média das médias dos sub-grupos, que se torna a linha média da carta
Xi: Média de cada sub-grupo
si : Desvio padrão de cada sub-grupo
S: A média dos desvios padrões de cada sub-grupo, a linha média do gráfico S
UCLS: Upper control limit (Limite superior de controlo carta S)
LCLS : Lower control limit (Limite inferior de controlo carta S)
A3, B3, B4: Constantes que variam de acordo S com o tamanho da amostra dos sub-grupos

 (Estimativa desvio padrão) =

c4 (constante de acordo com tamanho sub-grupo n)

Porquê Atributos?
• Os dados de atributos existem em qualquer processo. No entanto, necessitam-se

definições operacionais do que é uma não conformidade.
• Este tipo de dados são, geralmente, de obtenção rápida e económica e com
instrumentos simples.
• A utilização de cartas de controlo por atributos pode apontar para áreas
específicas que necessitam de estudo mais detalhado - incluindo a utilização de
cartas de controlo por variáveis.

Amostra
aceitação.
Variáveis
Amostra
3a5 X/R
Amostra
≥10 X/s
(>50 )
c
Defeito
(*)
(**) Defeituoso:
Amostra
variável u
(>50 )
np
(**) Amostra
variável
(>50 )
p

Carta p
• A carta p é uma carta específica

para dados por atributos.
• Com esta carta vamos monitorizar
a proporção de itens não
conformes numa amostra.
• Esta carta é a mais sensível de
todas as cartas por atributos.
• É tipicamente usada quando o
tamanho da amostra varia, uma
vez que os pontos marcados são
proporções.

Linha média e limites de controlo
Calcule os parâmetros da carta de controlo p com as seguintes fórmulas:
p (1  p )
Número total de itens defeituosos
UCL p  p  3
p= ni
Número total de itens inspeccionados p (1  p )
LCL p  p  3
Onde: ni
p: Proporção média defeituosa (0.0 – 1.0)
ni: Número inspeccionado em cada sub-grupo
LCLp: Lower control limit (Limite superior de controlo)
UCLp: Upper control limit (Limite inferior de controlo)
Como os limites de controlo são função do tamanho da amostra,

variam para cada amostra.

Carta np
• Neste caso vamos monitorizar o número de itens não conformes numa
amostra inspeccionada.
• Nas cartas np o tamanho da amostra deve sempre manter-se constante.

Calcule os parâmetros da carta de controlo np com as seguintes fórmulas:
Número total de itens defeituosos

UCL np  n  p  3 n  p (1  p )
np =
Número total de sub-grupos
LCL np  n  p  3 n  p(1 - p)
Onde:
np: Número médio de itens defeituosos por sub-grupo
p: proporção média = número total de itens defeituosos / número total de itens controlados
n: Número inspeccionado em cada sub-grupo  constante
LCLnp: Lower control limit (Limite superior de controlo)
UCLnp: Upper control limit (Limite inferior de controlo)

Carta c
• Com esta carta fazemos o seguimento do número de não conformidades
numa amostra (de tamanho constante).
• Esta é a carta de controlo mais simples.
• São tipicamente usadas quando a probabilidade de termos uma não
conformidade particular, num item é relativamente pequena, mas há uma
boa probabilidade de surgirem várias numa amostra.
• Neste caso, os pontos vão ser apenas o número de não conformidades
encontradas numa amostra.

Calcule os parâmetros da carta de controlo C com as seguintes fórmulas:
Número total de defeitos

UCL c  c  3 c
C=
Número total de sub-grupos
LCL c  c  3 c
Onde:
c: Número total defeitos dividido pelo número total de sub-grupos
LCLc: Lower control limit (Limite superior de controlo)
UCLc: Upper control limit (Limite inferior de controlo)

Carta u
• Neste caso vamos monitorizar o número médio de não conformidades por
amostra (tamanho da amostra pode variar).
• Aplica-se a regra de recalcular os limites de controlo se o tamanho da
amostra variar mais de 25%.

Calcule os parâmetros da carta de controlo u com as seguintes fórmulas:

u
UCL u  u  3
u=
Número total de defeitos identificados ni
Número total de unidades inspeccionadas u
LCL u  u  3
ni
Onde:
u: Número total defeitos dividido pelo número total de unidades inspeccionadas.
ni: Número inspeccionado em cada sub-grupo
LCLu: Lower control limit (Limite superior de controlo)
UCLu: Upper control limit (Limite inferior de controlo)
Como os limites de controlo são função do tamanho da amostra,

variam para cada amostra.

Exercício
– Construa com os dados em baixo uma carta de controlo e avalie o processo.

Exercício
– Construa com os dados em baixo uma carta de controlo e avalie o processo.

Tabela de constantes estatísticas
Tabela de constantes para cartas de controlo por variáveis
n 2 3 4 5 6 7 8 9 10
D4 3.267 2.574 2.282 2.114 2.004 1.924 1.864 1.816 1.777
D3 * * * * * 0.076 0.136 0.184 0.223
A2 1.880 1.023 0.729 0.577 0.483 0.419 0.373 0.337 0.308
~A 2
1.880 1.187 0.796 0.691 0.548 0.508 0.433 0.412 0.362
d2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078
B4 3.267 2.568 2.266 2.089 1.970 1.882 1.815 1.761 1.716
B3 0.030 0.118 0.185 0.239 0.284

* * * *
A3 2.659 1.954 1.628 1.425 1.287 1.182 1.099 1.032 0.975
c4 0.798 0.886 0.921 0.940 0.952 0.959 0.965 0.969 0.973
E2 2.660 1.772 1.457 1.290 1.184 1.109 1.054 1.010 0.975

5.
[SPC Avançado]
v4.0
[Capacidade dos processos]

5–C
0 Introdução ao SPC ap ac
idad
dose
– H proc
istog
1 Compreendendo a variação rama
s
esso
s
– Ín
dice
Cp
2 Recolha de dados – Ín
dice
Cpk
– P
3 Cartas de controlo peP
pk
– C
pk p
or a
4 Cartas por variáveis e por atributos tribu
tos

Vamos fazer algumas revisões…

Histogramas
• O que é um Histograma?
– É um gráfico de barras que mostra a distribuição de medições individuais, recolhidas
num processo;
– Também se chama distribuição de frequências, uma vez que mostra com que frequência
ocorre um determinado valor ou intervalo de valores, pela altura das barras.
• Para que serve?
– Permite visualizar, de forma rápida, o centro, a variação (dispersão ou amplitude) e a
forma da distribuição das medições;
– Para observar/ detectar padrões nas medições;
– Fornece pistas sobre as causas da variação presente e de eventuais problemas;
– Permite avaliar, graficamente, se um determinado conjunto de medições está
‘normalmente’ distribuído.
• Quando devo utilizar?
– Sempre que se quiser saber se o processo está controlado;
– Quando se analisa um processo ou um indicador;
– Quando se validam alterações / melhorias aos processos;
– Quando se monitoriza um processo, de forma contínua.

Histogramas
Enviesado à direita
Pode ser causado pela existência de uma tolerância superior, e
pela triagem de eventos que a ultrapassem ou;
A natureza física do processo não permite valores maiores do que
um determinado valor máximo.
Enviesado à esquerda
Pode ser causado pela existência de uma tolerância inferior, e pela
triagem de eventos que a ultrapassem ou;
A natureza física do processo não permite valores menores do que
um determinado valor mínimo.
Bi-modal
O histograma tem 2 modas distintas (valores mais frequentes);
Pode ser causado pela mistura de dados provenientes de fontes
diferentes: turnos, operadores, locais, processos;
Os dados devem ser tratados e analisados em gráficos diferentes.

Histogramas
Truncada
Uma forma assimétrica, com o “pico” num dos extremos da
distribuição;
Acontece, quando há remoção de uma parte de uma distribuição
normal (inspecção a 100%, ou selecções unitárias) ou há um erro
na construção do histograma (classes a menos).
Sem ‘terço’ central

Os valores do centro da distribuição foram separados dos
restantes;
Pode ser consequência de especificações mais apertadas ou
alterações nos critérios de avaliação.
Picos nos extremos

Um pico que está agregado a um dos lados de uma distribuição
normal;
Indica que houve erro na recolha de dados (ex. valores fora da
especificação são registados como estando “mesmo à pele”).

Histogramas
• Como devo utilizar esta ferramenta (passo a passo)?
– Reunir os dados & preparar uma tabela de registo de valores
• Recolha no mínimo 50 a 100 variáveis;
• Coloque os dados na tabela;
• Conte o número de variáveis na amostra.
– Calcular a Amplitude
• A amplitude obtém-se subtraindo o valor menor do valor maior;
• R = Xmáximo – Xmínimo (R= ‘Range’, em Inglês).
– Determinar o número de intervalos (classes)
• Regra 1- Calcule a raiz quadrada do número total de variáveis e arredonde até ao valor
inteiro mais próximo;
• Regra 2 - Utilize a tabela (ver slide seguinte) como referência para dividir a amostra em
classes.
– Calcular a dimensão das classes
• Divida a amplitude do processo pelo número de intervalos;
• Arredonde o resultado, mantendo o mesmo número de casas decimais, que os valores
recolhidos.
– Construir o histograma
• Conte quantos valores estão dentro de cada classe;
• Em cada classe, desenhe uma barra com a altura correspondente à frequência;
• Adicione escalas, identificação de intervalos, título e legendas.

Histogramas
Dados recolhidos
Valor Max Valor Min Amplitude
- = 2
Nº Total No. de
Nºde Intervalos = de Pontos = Intervalos
Ou 3
# Valores < 50 50 - 100 100 - 250 > 250
# Classes 5-7 6 - 10 7 - 12 10 - 20
Amplitude
Dim Dimensão do
Intervalo = = Intervalo 4
No. de
Intervalos
Classe #
1
NºTotal de Valores Lim da Classe
Frequência
5

Histogramas
• Conselhos e dicas de utilização
– Certifique-se que os dados são representativos das condições actuais dos processos;
– Se os dados forem ultrapassados, ou se existirem dúvidas se os dados estão correctos,
devem-se recolher novos dados para confirmar as suas conclusões;
– Não tire conclusões baseadas em amostras pequenas;
– Quanto maiores as amostras, mais confiança temos nos resultados do histograma, e
que este é representativo do processo total ou grupos de processo;
– A interpretação do histograma é normalmente uma teoria que tem que ser
confirmada, na prática;
– As primeiras conclusões e interpretação podem não ser correctas - mesmo que façam
todo o sentido.

Histogramas
• Conselhos e dicas de utilização (cont.)
– Procure guardar algum tempo para pensar em explicações alternativas para o padrão do
histograma.
– Por simples observação do histograma, pode obter-se muita informação dos dados
representados:
• Quais os valores mais frequentes? Histogram of Histogram
• Qual é a dispersão?
• A distribuição é simétrica? 40
• Só tem um pico?
• Tem uma queda abrupta? 30
• Isola zonas ou classes?
Frequency
• Qual é o valor médio? 20
10
0
98 99 100 101 102 103
Histogram
• Comandos no Minitab: Stat>Graph>Histogram…

• Comandos no Excel: Tools>Data Analysis>Histogram…

Dot Plot – Gráfico de expressão
• O gráfico de expressão pode ser uma alternativa útil ao histograma, especialmente
se queremos ver os valores individuais.
• Os gráficos de expressão têm a vantagem de serem facilmente feitos à mão.
• São tipicamente usados para conjuntos de dados como menos de 30 a 50 pontos.
Dotplot of Granular
• Comandos no Minitab: 44 46 48 50 52 54 56
Granular
Stat>Graph>Dotplot…

Avaliar o desempenho do processo
• Para cumprir com os requisitos cada vez mais

apertados dos clientes e com mercados mais
competitivos :
 reduzir continuamente a variação
 operar processos eficientes e eficazes
• São necessários Indicadores Objectivos para sabermos:
 A precisão dos nossos processos (Cp)
 A precisão e a localização dos nossos processos (Cpk)
• Os processos não podem ser completamente descritos
apenas com um deles (são necessários os dois).

Precisão vs. Localização
Precisão : mal Precisão : mal

Localização : mal Localização : bem

Precisão : bem Precisão : bem

Localização : mal Localização : bem

Índice Cp
LSE - LIE Tolerância

Cp =
6σ O que se
espera
O que
somos
Processo capazes de
fazer

Índice Cpk
LSE - X X - LIE
C pk = ou C pk =
3σ 3σ
{
C pk = min C pkLIE , C pkLSE }
Onde está o
nosso processo ?

Avaliação da capacidade
Tolerância Tolerância
6 6
Cp = 1 Precisão : média Cp = 1 Precisão : média

Localização : média Localização : mal
Cpk = 1 Cpk = 0

6 6
Cp > 1 Precisão : bem Cp > 1 Precisão : bem

Localização : bem Localização : mal
Cpk > 1 Cpk < 0

6 6
Cp < 1 Precisão : mal Cp < 1 Precisão : mal

Localização : mal Localização : mal
Cpk < 1 Cpk << 1

Metodologia Geral
• Como devo utilizar esta ferramenta e quais os requisitos?
– Identificar os parâmetros críticos a estudar
– Assegurar que seguem a distribuição normal
– Recolher informação (constantes, formulas, especificações, etc…)
– Utilizar ferramentas capazes e calibradas
– O processo DEVE estar estatisticamente estável

Estudo da Capacidade Contínua do Processo
• Método 1, passo a passo:
– Preenche-se a carta de controlo por 20 dias de produção normal, utilizando os
limites de controlo calculados durante o estudo da capacidade preliminar;
– Se a estabilidade for confirmada em fase desses limites, P p tornar-se-á Cp e
Ppk passará a ser Cpk;
– Desde que o processo permaneça estabilizado para além de 20 dias de
produção e os limites de controlo não sejam violados, os índices manter-se-ão
inalterados.
• Método 2, passo a passo:

– Se a estabilidade não for confirmada durante o período de 20 dias, devem ser
calculados novos limites e traçá-los na carta de controlo, com base nos dados recolhidos
relativamente à média e à amplitude/desvio-padrão, durante este período;
– Analise em histograma se o processo estabilizado representa uma distribuição normal;
– Calcule os índices Cp e Cpk, com base no valor de σ determinado a partir da carta de
controlo;
– Se o processo estabilizado não representa um distribuição normal, calcule novos C p e
Cpk.

Para avaliar a performance (longo prazo)
 X 
2
LSE - LIE X
Pp =
i
, onde S  n 1
6S
LSE - X X - LIE
Ppk = ou P pk =
3S 3S
{
P pk = min P pk , P pk
LIE LSE
}
Exercício Cpk
– Esboce os seguintes processos de acordo com os Cp’s e Cpk’s definidos.
Cp = 1 e Cpk = 1 Cp = 1 e Cpk = 0

Exercício Cpk
Tolerância
Cp > 1 e Cpk < 1
Cp > 2 e Cpk > 2 Cp < 1 e Cpk < 1

Exercício Cpk
Tolerância
Cp > 1 e Cpk = 1
Cp > 2 e Cpk = 1 Cp > 2 e Cpk < 0

Capacidade por atributos
• Um departamento de serviços está interessado em

estimar a capacidade do seu “Call Center”.
• Um total de 20.000 chamadas foram recebidas
durante um mês, mas 2.666 não foram atendidas (o
cliente desligou antes de ser atendido).
• Dados do “Call Center”:

– Chamadas = 20.000
– Defeitos = 2.666

• Dados por atributos são sempre considerados como a longo prazo, porque
implicam uma amostra muito maior para termos confiança.
• Tipicamente reportamos a capacidade a curto prazo, por isso temos que
estimar o valor.
• Porquê usar o valor de 1,5?
Queremos estimar : ZST ZLT

Short Term Long Term
Os dados são : Capability Capability
Short Term Subtrair

ZST Capability 1,5
Long Term Somar
ZLT Capability 1,5

1. Calcular dpu Exemplo:

2. Ver o valor de dpu na Z-Table Ver na tabela o valor ZLT
3. Encontrar o valor de Z ZLT = 1,11
4. Converter o valor de Z em Cpk, Ppk Converter ZLT em ZST = 1,11+1,5 = 2,61
Z ST 2,61
C pk    0,87
3 3
Z LT 1,11
Ppk    0,37
3 3

6.
[SPC Avançado]
v4.0
[Análise dos sistemas de medição]

6–A
0 Introdução ao SPC náli
se d
o s si
– P stem
onto as d
ra is
em
ediç
– L ão
ocal
izaç
2 Recolha de dados – R
esol
ão
ução
– C
3 Cartas de controlo alibr
ação
– E
stab
ilida
4 Cartas por variáveis e por
– L atributos de
inea
ri d a
de
5 –
Capacidade dos processos Estu
dos
R&R

Análise dos sistemas de medição
• O que é a análise dos sistemas de medição?
– É uma ferramenta de validação, para garantir que o sistema de medição instalado é
eficaz e produz dados transparentes e fiáveis;
– Dependendo da complexidade do sistema a analisar, pode assumir a forma de
ferramentas estatísticas, ou de avaliações sistemáticas qualitativas.
• Para que serve?
– Para garantir que os dados recolhidos representam verdadeiramente o que ocorre no
processo que se está a analisar;
– Para garantir que o próprio sistema de medição não está a distorcer os dados
recolhidos;
– Para compreender as fontes de variação que podem influenciar os resultados
produzidos pelo sistema de medição;
– Para avaliar a qualidade dos resultados de medição;
– Definir critérios de aceitação para novos equipamentos;
– Comparar vários equipamentos de medida.

• Para que serve? (cont.)
– Estabelecer uma base de avaliação de um dispositivo suspeito ou com deficiência;
– Obter informação para cálculo da variação do processo e o nível de aceitação para um
processo produtivo.
• Quando devo utilizar?
– Logo após a elaboração do plano de recolha de dados e antes de recolher os dados;
– Sempre que se queira fazer uma nova medição de qualquer característica do processo;
– Cada vez que haja dúvidas sobre a informação que os dados nos estão a fornecer.
• Para confirmar os dados a recolher, confirme:
– O que quero medir?
– Onde vou realizar a medição?
– Com que precisão e fiabilidade devo fazer as medições?
• Antes de utilizar os dados, para análise, verifique que:
– Os dados estão a responder às questões que foram planeadas;
– Não existem evidências de distorção na recolha de dados (ex. arredondamentos,
estimativas, médias, recolha dos dados errados).

• Faça um “piloto” da recolha de dados
– Planeie adequadamente (onde, quem, como, quando, durante quanto tempo);
– Garanta que o suporte de registo é “user-friendly” (formulário em papel ou
informatizado);
– Garanta que quem vai recolher os dados sabe como o fazer;
– Se o sistema de recolha for automático, garanta que recolhe adequadamente os dados
que são necessários;
– Anote todas as ocorrências que possam desvirtuar os dados recolhidos.
• Conselhos e dicas de utilização
– Envolva os membros da equipa de melhoria;
– Garanta que quem recolhe os dados percebe a importância do que está a fazer;
– É necessário observar “in-situ” (garanta pessoalmente que tudo funciona
correctamente);
– Seja criativo e prático, ao mesmo tempo;
– Não esteja à espera de sistemas informáticos para medir o que pretende. Se não
existirem, há sempre formas alternativas.

Mas vamos ver os pontos mais importantes…
Capacidade de medição
Já alguma vez foi “mordido” por um sistema de medição?
Dados Sistema de Dados

Reais Medição Observados
“Caixa Negra”
Gestão
do Medição Análise Decisão
Processo
Valor

Sistema de medição
• Um sistema de medição (SM) é um processo, que

permite a obtenção de medições de determinada
característica.
• É o conjunto de:
 Operações e procedimentos
 Ferramentas e outro equipamento
 Software
 Meio ambiente
 Pessoal

Pressupostos vs. Realidade
• Pressupostos
– As ferramentas de medição são perfeitas e precisas
– Não há variações de dia para dia
– Não há variação entre operadores
• Realidade
 Qual é o erro de medição?
 Qual é a fonte do erro de medição?
 A ferramenta é estável ao longo do tempo?
 A ferramenta é capaz, para esta medição?
 O que temos de fazer para melhorar o processo de
medição?

Porque variam as medições?
Operadores Produto
Deformação elástica
Competência Limpeza
Compreensão Relação entre características
Limitações Procedimentos standard Geometria
Variação do
Temperatura
Sistema de
Poluição Design Medição
Vibrações Humidade Construção
Manutenção
Ergonomia
Ambiente Ferramentas
Os sistemas de medição são processos e não apenas ferramentas!!!

Porque variam as medições?
Variação Observada
no processo
Variação Real Variação do

do processo Sistema de Medição
Variação devida
Variação a Variação a Variação dentro Variação devida
aos operadores
Longo-Prazo Curto-Prazo da amostra ao instrumento
(reprodutibilidade)
Repetibilidade Calibração Estabilidade Linearidade

Fontes de variação
Variação do Processo
+
Variação da Medição
=
Variação Total

Localização Médias
 total =  produto + medição
Precisão Variabilidade
2 2 2
 total = produto + Sistema de medição
2 2 2 2
 total = produto + repetibilidade + reprodutibilidade

Localização - Modelo Gráfico
µ total = µ produto +µ medição

Valor observado = Valor real + Desvio da medição
Valores Valores Medidos

Reais
Avaliado pelo
programa
de calibração
Desvio da medição

Precisão - Modelo Gráfico
2 2 2
 total = produto + Sistema de medição
Variabilidade observada = Variabilidade do produto + Variabilidade da medição
Valores Valores Medidos

Avaliado por Reais
estudos
R&R

Variação - Efeitos
Variabilidade Variabilidade Variabilidade

do produto da medição observada
Processo A
2 2 2
 produto +  Sistema de medição =  total
Processo B

Análise dos sistemas de medição - SWIPE
• O acrónimo SWIPE é utilizado para representar os 6 elementos de um sistema de
medição essenciais para se atingirem os objectivos necessários.
“Standard” “Workpiece” “Instrument” “Person/Procedure” “Environment”

a peça o instrumento Pessoa/Procedimento Ambiente

Processo de avaliação
Resolução
Localização
Linearidade
Estabilidade
Calibração
Precisão

Resolução Temos unidades discretas de medição suficientes?
Localização
Linearidade
Estabilidade
Calibração
Precisão

Resolução
• O que é a Resolução?
– A capacidade do sistema de medição para detectar as variações mínimas
toleráveis
• Problemas relacionados com a resolução
– Unidades de medida demasiado “grandes” para reflectir, de forma
adequada, a variação presente no processo
• Regra Geral para a Resolução
– O número de incrementos do sistema de medição, em toda a gama de
medição, deverá ser de pelo menos 1/10 da especificação do produto ou
da variação do processo
– O sistema de medição não será aceitável se não cumprir este requisito
básico

Exercício resolução
Que problemas poderemos ter nesta carta de controlo?
0.144
UCL=0.1431
Médias
0.142
0.140 Avg=0.1403
0.138 LCL=0.1375
0.136
5 10 15 20 25
0.020
Amplitudes
0.015
0.010 UCL=0.0102
0.005 Avg=0.0048
0.000
5 10 15 20 25

Exercício resolução (solução)
• Neste caso, as unidades discretas de medição
são demasiado amplas - existem apenas 5
valores possíveis no gráfico das amplitudes
• Apenas 4 valores discretos dentro dos limites
0.144
calculados - é uma evidência objectiva de 0.142
UC L=0.1431
uma resolução inadequada 0.140 Avg =0.1403
0.138 LC L=0.1375
• A única excepção é quando a dimensão da 0.136
5 10 15 20 25
amostra é pequena (p.ex. n=2) 0.020

0.015
• Cuidado, também, quando mais de 25% das 0.010 UC L=0.0102
0.005 Avg =0.0048

amplitudes forem ZERO 0.000
5 10 15 20 25
• Noutras palavras - teremos problemas de
análise quando a unidade de medida for
maior que o desvio padrão!!!

Resolução - O que fazer?
• Medir e reportar com tantas casas decimais quantas o equipamento de medição
permitir
– Isto acontece, porque se arredondam os valores para evitar que se reporte “ruído” (há
quem acredite nisto!!!)
– Lembram-se dos problemas relacionados com a discriminação dos valores?
• Utilizar um instrumento de medida com maior resolução
– Vale a pena substituir o instrumento de medida?
– O que é que estamos a avaliar?
– Que informação estamos a retirar deste estudo?

Resolução – Como calcular?
Já vimos que, como regra geral, para a resolução ser

Resolução
aceitável, o número de incrementos do sistema de medição
em toda a gama de medição, deverá ser de, pelo menos,
1/10 da especificação do produto ou da variação do
processo.
Um procedimento comum é então calcular a Tolerância (T) e verificar se a seguinte

condição se verifica:
Resolução ≤ 5% de T ? Resolução ≤ 5% T = OK
Resolução > 5% T = NOK

Resolução Os resultados estão desviados dos valores reais?
Localização
Linearidade O valor padrão

deve ser aceite e
rastreável
Estabilidade
(p.ex. ISO)
Calibração
Precisão

Localização – Como verificar?
A localização (Bias) é a diferença entre o valor real e a

Localização
média das medições observada, na mesma característica e
na mesma peça.
Localização (Bias)
Média Valor de referência

Sistema de medição

Localização – Como verificar?
A localização é a medida do erro sistemático do sistema de

Localização medição. É a contribuição para o erro total que consiste no
efeito combinado de todas as fontes de variação,
conhecidas e desconhecidas.
Possíveis causas para ter um valor de localização (Bias) excessivo:

• Instrumento necessita de calibração
• Equipamento ou instrumento
• Instrumento de fraca qualidade
• Erro de linearidade
• Equipamento não é adequado para a aplicação
• Condições ambientais não são adequadas
• Diferentes procedimentos de medição

Exercício de localização
Centrado?
xxxxxxxx
Centrado?
Sim Não Sim Não
Preciso?
xx Preciso?
xxxxxxx
Sim Não Sim Não
xx
x
x x
x x
Centrado? x x Centrado?
Sim Não x x x Sim Não
Preciso? x x x x Preciso?
Sim Não x Sim Não
x
x x
Qual das situações é aceitável para a repetibilidade?

Como calcular a localização?
O cálculo para avaliar a localização pode ser realizado de

Localização
acordo com os seguintes passos:
1. Calcular a localização (bias)
bias = X – valor de referência
bias = valor médio de medição observado – valor de referência
2. O desvio padrão da repetibilidade
max( x i )  min( x i ) R
r  *
r  *
d 2 d 2

Localização
3. Determinar o valor de t estatístico para a localização
r
b  Fórmula para usar com apenas um sub-grupo, sendo n o
n tamanho da amostra
r
b  Fórmula para usar com vários sub-grupos, sendo g o número
g de sub-grupos
bias
t  Fórmula para calcular o valor de t estatístico
b

Localização
4. Verificar se a localização é aceitável com base no intervalo de confiança
d 2 b    d 2 b   
bias   * t  ,1   zero  bias   * t  ,1 
 d2  2 
  d2  2 

Onde d2, d2* , V e t são retirados das respectivas tabelas estatísticas

Índices de capacidade do dispositivo
Existem também indicadores de capacidade, que são por vezes utilizados para avaliar o
sistema de medição. Estes são o Cg e Cgk.
0,2  T 0,1 T  X  X m
Cg  C gk 
6S 3S
Onde T é a tolerância, X a média, Xm o valor de referência e S o desvio padrão da
amostra.
Os valores são aceitáveis se,
Cg e Cgk ≥ 1,33
Exemplo de fórmula especifica de bias
Também são utilizadas (por algumas organizações), fórmulas directas para avaliar se a
localização (bias) é significativa.
Para n = 25, a localização é significativa se:
X – Xm > 0,413 × S
Para n = 50, a localização é significativa se:
X – Xm > 0,284 × S
Onde X é a média e Xm o valor de referência.

Resolução A medição é consistente / verdadeira, ao longo

de toda a gama de medição?
Localização
Linearidade
Estabilidade
Calibração
Precisão

Linearidade
Equipamentos com Equipamentos sem

Problemas de linearidade Problemas de linearidade
Valor
Real
min max
min max

Linearidade – Quando calcular?
Linearidade
• A linearidade é tipicamente calculada pelo construtor

do equipamento de medição*.
• A mesma só deve ser calculada em situações em que se
justifique fazê-lo (devido à natureza da característica
que está a ser medida).
• Devido à natureza complexa das fórmulas, é sempre
aconselhável calcular a linearidade com auxílio de
computador.

Linearidade – Como interpretar?
Linearidade
• O resultado final de um cálculo da linearidade é traçado num gráfico linear, sendo a

linearidade ok se a linha de bias = 0 estiver dentro das linhas dos limites de
confiança.
Linearity
1,0
0,5 Regressão
95% IC
* Localização média
Bias
0,0
0,00 2,00 4,00 6,00 8,00 10,00 12,00
-0,5
-1,0
Reference Values

Resolução A medição é constante ao longo

do tempo, ou é dependente do desgaste?
Localização
Linearidade
• A distribuição das medições permanece
Estabilidade constante e é previsível ao longo do
tempo?
– para médias e desvios padrão
Calibração • Sem desvios, saltos ou ciclos?
• Avalia-se com cartas de controlo X&R ou
Precisão X&S.

Estabilidade
Estabilidade Corresponde à variação total das medições obtidas com

um sistema de medição, nas mesmas peças, na mesma
característica, durante um período de tempo.
Tempo
Valor
Referência
Bias
Bias
Bias

Estabilidade – Como controlar?
Já vimos que controlamos a estabilidade

Estabilidade
com cartas de controlo. Vamos agora ver passo a passo!
1. Obter uma amostra e estabelecer o seu valor de referência de acordo com um

standard rastreável. Se um standard não estiver disponível, deve utilizar-se uma
peça da produção e designá-la como standard para a análise da estabilidade.
2. Periodicamente (diariamente, semanalmente) mede-se o standard 3 a 5 vezes. As
medições devem ser feitas em períodos diferentes que reflictam o período em que
o sistema de medição está a ser usado.
3. Colocar os valores numa carta X&R ou X&S.
4. Calcular os limites de controlo.
5. Fazer o seguimento da carta de controlo.

Aplicável a todos os instrumentos de

Resolução medida… com alguma frequência?
Localização
Linearidade
Estabilidade
Calibração
Precisão

Estudos R&R
Resolução
• Estimativa limitada da variação total, presente no
Localização sistema de medição
– “Limitada” porque podem existir outras fontes de
variação
Linearidade • É uma medida da variação natural de medições
repetidas envolvendo vários operadores
Estabilidade • Inclui a Repetibilidade e a Reprodutibilidade
Calibração 2
 R&R = 2
+ 2
repetibilidade reprodutibilidade
Precisão

Estudos R&R - Repetibilidade
• A variação inerente do sistema de medição.
• Variação que ocorre quando são feitas medições repetidas, da mesma
peça, em condições absolutamente idênticas:
– mesmo operador
– mesmo setup
– mesmas unidades
– mesmas condições ambientais
• Estimada a partir do desvio padrão da distribuição de medições repetidas.
• O índice de repetibilidade é sempre menor do que a variação total do
sistema de medição.

Estudos R&R - Reprodutibilidade
• Diferença na média das medições realizadas por

operadores diferentes, utilizando o mesmo instrumento de
medida (ou outro diferente), na mesma característica.
• Variação que resulta da utilização de condições de
medição diferentes:
– operadores diferentes
– setups diferentes
– unidades diferentes
– condições ambientais diferentes
• Estimada a partir do desvio padrão da distribuição de
medições realizadas em condições diferentes.
2 2 2
 reprodutibilidade
= operador
+ Interacção operador-peça

Estudos R&R - Geral
• Um estudo R&R típico, inclui:

– Geralmente, 2 ou 3 operadores
– Geralmente, 10 peças para realizar medições
– Cada unidade é medida 2 ou 3 vezes, por cada operador
– As amostras (peças) devem ser representativas da gama total do processo e da sua
variação
– A aleatoriedade é um factor crítico nestes estudos

Estudos R&R – Visão Geral
2Total = 2Rep + 2Op. + 2O/p + 2Peça

2Total = 2Rep + 2Reprod + 2Peça
2Total = 2R &R + 2Peça
100% = 5% + 10% + 15% + 70%

100% = 5% + 25% + 70%
100% = 30% + 70%

Estudos R&R - Índices
1 2 3
Rácio P/T % R&R Índice
(Precisão / Tolerância) (Contribuição) Discriminação
R&R como %
R&R como % Número de
da variação total
da tolerância categorias distintas
do processo

P/T vs. %GRR
P/T = 50% GRR = 25%
P/T – Mede a fracção da GRR – Mede a fracção da
tolerância (produto) variabilidade (processo)
ocupada pelo sistema de ocupada pelo sistema de
medição. medição.
P/T = 100% GRR = 50%
P/T = 200% GRR = 100%
LIE Tolerância de Produto  P/T LSE
Variabilidade do Processo (Observada)

Estudos de R&R - Índices
• Repetibilidade (EV)
– “Equipment Variation” - variação que é contribuída pelo instrumento de medida.
• Reprodutibilidade (AV)
– “Appraiser Variation”- variação que é contribuída pela técnica do operador.
• Variação Peça-a-Peça (P/PV)
– A variação real contribuída pelo produto em avaliação.
• % Tolerância (P/T)
– A percentagem da tolerância da peça, que é consumida por um componente de medição
estimado como sendo 99% da distribuição normal desse componente dividida pela tolerância
(também conhecido como o rácio precisão tolerância – Rácio P/T).
• Índice de Discriminação (ndc)
– O número de divisões da variação observada do processo, que o sistema de medição pode
medir com precisão.
• %GRR
– Estimativa da variação combinada de repetibilidade e reprodutibilidade.

Estudos R&R – Critérios de Aceitação
Critérios de Aceitação - Localização
Sistema de medição inaceitável

• Bias e linearidade significativamente diferentes de zero
• Bias e linearidade superior ao erro estabelecido pelo procedimento de calibração do
DMM
%R&R Contribuição GRR como GRR como Discriminação

(ANOVA) % Variação Total % Tolerância ndc
7.7% 30% 30% 5
2.0% 10% 10% 10

MSA por variáveis
• MSA por variáveis (passo a passo):
• Seleccionar a característica a medir
• Confirmar se o processo é estável
• Obter uma amostra representativa do processo actual
• Identificar as peças de modo a que não seja perceptível para o operador
• Garantir que o DMM está calibrado
• Garantir o procedimento de teste
• Medir as peças de forma a garantir que:
– As medições são realizadas aleatoriamente
– Os operadores que não estão a medir não estejam presentes
• Registar os dados medidos
• Efectuar os cálculos de acordo com a folha de cálculo para este tipo de estudo
• Decidir sobre aceitabilidade do sistema de medição

MSA por variáveis
Exemplo:
Amplitude Média das Amplitudes
Peças Operador A Operador B R = Soma das Amplitudes/5
(A, B)
operadores
1 0,85 0,80 0,05 R = 0,07
2 0,75 0,70 0,05 GRR = R/d2*

GRR = 0,07/1,19
3 1,00 0,95 0,05 GRR = 0,0588
d2*=1,19 (2 operadores (m) e 5 peças (g))
4 0,45 0,55 0,10 %GRR = 100*(GRR/ s Processo)

%GRR = 100*(0,0588/0,0777)
5 0,50 0,60 0,10 %GRR = 75,7%
Este sistema de medição pode ser utilizado?

Vamos ver alguns cenários típicos para praticar
Preenchimento do formulário MSA por variáveis
Número da peça
Aná lise d e Siste ma d e Me d iç ã o po r va riá ve is
Ta be la p a ra re g isto d e re sulta d o s
Número daVARIABL
peça a ser
GAGE REPEATABILITY AND REPRODUCIBILITY REPORT
E DATA RESULTS
Núm e ro p e ç a No m e d e DMM In sp e c to r A
usada no estudo
No m e d a Pe ç a Núm e ro DMM In sp e c to r B
Nome da peça
C a ra c te rístic a / e sp e c ific a ç ã o Tip o d e DMM In sp e c to r C
Nome da peça a ser usada

C la ssific a ç ã o d a c a ra c te rístic a Te nta tiva s Pe ç a s In sp e c to re s Da ta
0 0 0
Insp e c to r/
Te nta tiva # no estudo
1 2 3 4 5
PEÇA
6 7 8 9 10
Mé d ia
Inspector A, B, C
O nome dos inspectores /
1. A 1
2, 2
Nome de DMM
operadores que vão ser
3, 3
4, AVE Xa =
O nome do dispositivo que
diç ã o po r va riá ve qualificados
5, R Ra =
6. B
7,
1
2
Aná lise de Siste ma vai
deserMe
usado is
Ta be la pa ra re g isto de re sulta do s
8, 3
Característica /
9, AVE Xb =
10, R Rb =
Número de DMM
Especificação
11. C 1
12, 2
O número de
Nú m e ro pda
Nome
13,
e ç acaracterística e
3
No m e d e DMM In sp e c to r A
14, AVE Xc =
Rc =
referência do DMM
especificação
15, R
16. PART X=
Rp =
No m(Re+ Rd+aR ) /Pe ça Nú m e ro DMM In sp e c to r B
AVE ( Xp )
17, (# O F APPRAISERS) = R=
Tipo de DMM
a b c
Data
18, (Ma x X - Min X) = XDIFF=
19, R x D 4* = UC LR=
C Classificação
20, R x D 3* =
a ra c te rístic a / e sp e c ific a ç ã o
LC LR=
Tip o d e DMM
O tipo de dispositivo
In sp e c to r C A data em que o
* D4 =3.27 fo r 2 tria ls a n d 2.58 fo r 3 tria ls; D 3 = 0 fo r u p to 7 tria ls. UC LR re p re se n ts th e lim it o f in d ivid u a l R's. C irc le tho se tha t a re
A classificação da
b e yo nd this lim it. Id e n tify the c a use a n d c o rre c t. Re p e a t th e se re a d in g s using the sa m e a p p ra ise r a n d u nit a s o rig in a lly u se d o r d is-
c a rd va lue s a n d re -a ve ra g e a n d re c o m p u te R a nd th e lim iting va lu e fro m th e re m a in ing o b se rva tio n s.
que vai ser usado teste se realiza
C característica a cser
la ssific a ç ã o d a c a ra te rístic a Te n ta tiva s Pe ç a s In sp e c to re s Da ta
No te s:
controlada 0 0 0
Tentativas (2 a 3) Peças (ideal 10) Inspectores (2 a 3)
Número de vezes que se Nº de peças no teste Número de inspectores que
vai repetir a medição vão realizar o estudo

Valores medidos
Média das médias por operador
Colocação dos valores das A média de todas as médias das 3
VARIABLE DATA RESULTS
medições de cada peça

3 medições por peça


0 0 0
Insp e c to r/
Te nta tiva # 1 2 3 4 5
PEÇA
6 7 8 9 10
Mé d ia
Média das amplitudes
Média das medições por operador
1. A 1
2, 2
A média das 3 medições A média das amplitudes

3, 3
4, AVE Xa =
aleatórias a cada peça de cada peça

5, R Ra =
6. B 1
7, 2
8, 3
9, AVE Xb =
Rb =
Amplitude das medições
11. C 1
10, R
11. C
12,
1
2
A amplitude das 3 medições
12,
13,
14,
3
AVE
2 Xc =
aleatórias a cada peça
15, R Rc =
13,
16. PART
AVE ( Xp )
3 X=
Rp =
17, (Ra + Rb + Rc ) / (# O F APPRAISERS) = R=
14,
18, (Ma x X - Min X) = AVE XDIFF=
Média das médias Xc =
19, R x D 4* = UC LR=
15,
20, R x D 3* =
R
LC LR=
A média de todas as Rc =
b e yo nd this lim it. Id e n tify the c a use a n d c o rre c t. Re p e a t th e se re a d in g s using the sa m e a p p ra ise r a n d u nit a s o rig in a lly u se d o r d is- médias
16. PART X=
No te s:
AVE ( Xp ) Rp =
Amplitude das peças
Média da peça A amplitude entre as 10
A média total de todas as peças
medições por peça

Média das amplitudes
A média das amplitudes
de cada operador
VARIABLE DATA RESULTS
Amplitude das médias
A diferença entre a maior
e a menor média por

0 0 0
Insp e c to r/ PEÇA Mé d ia
Te nta tiva #
1. A 1
1 2 3 4 5 6 7 8 9 10
operador
2, 2
3, 3
4, AVE Xa =
5, R Ra =
17,
6. B 1 (Ra + Rb + Rc ) / (# d e in sp e c to re s) = R=
7, 2

8, 3
9, AVE Xb =
10, R Rb =
19,
11. C 1
R x D4 * = UC LR=
12, 2
13, 3
20,
14, AVE R x D3 * = Xc = LC LR=
15, R Rc =
16. PART X=
AVE ( Xp ) Rp =
17, (Ra + Rb + Rc ) / (# O F APPRAISERS) = R=

19, R x D 4* = UC LR=
20, R x D 3* = LC LR=
UCL (limite superior de controlo)
b e yo nd this lim it. Id e n tify the c a use a n d c o rre c t. Re p e a t th e se re a d in g s using the sa m e a p p ra ise r a n d u nit a s o rig in a lly u se d o r d is-
Valor do limite superior de
No te s: controlo para a carta das
amplitudes

Aná lise de Siste m a de Me diç ã o po r va riá ve is Percentagem de variação do

Ta be la p a ra c á lc ulo d e re sulta do s
Nú m e ro p e ç a No m e d e DMM In sp e c to r A
equipamento (EV)
No m e d a Pe ç a Nú m e ro DMM In sp e c to r B
Percentagem da variação de
equipamento, em relação à
C la ssific a ç ã o d a c a ra c te rístic a Te n ta tiva s Pe ç a s In sp e c to re s Da ta
Me a sure m e nt Unit Ana lysis

0 0 0
% Va ria ç ã o To ta l (TV)
Variação Total (TV)
Re p e titib ilida de - Va ria ç ã o e quip a me nto (EV)
EV = R x K1 Te nta tiva s K1 % EV = 100 (EV/ TV)
= 2 0,8862 =
= 3 0,5908 = %
Re p ro duc ibilid a de - Va ria ç ã o Ope ra do r (AV)
AV =
2 2
{(XDIFF x K2 ) - (EV / nr)} 1/ 2
% AV
Variação do equipamento (EV)
= 100 (AV/ TV)
=
=
Ope ra d o re s
Inspe c to r 2 3
Cálculo da repetibilidade, que é o produto da
=
= %
n = n úm e ro d e p e ç a s / r = n úm e ro d e te n ta tiva s
Re p e titib ilida de & Re pro d uc ibilida de (R & R)

K2 0,7071 0,5231 média das médias das amplitudes de cada
G R&R = {(EV2 + AV2 )}1/ 2 Pe ç a s K3 % G R&R operador pela constante K1 (ver tabela para
= 100 (R&R/ TV)
= 2 0,7071 =
= 3 0,5231 valor da constante)
= %
Va ria ç ã o pe ç a (PV) 4 0,4467
PV = RP x K3 5 0,4030 % PV = 100 (PV/ TV)
= 6 0,3742 =
= 7 0,3534 =
Va ria ç ã o To ta l (TV) 8 0,3375 Núme ro de c a te g o ria s d istinta s
TV =
=
{(R&R2 + PV2 )}1/ 2
Aná lise unid a d e s d e m e d iç ã o
9
10
0,3249
0,3146
nd c =
=
1.41(PV/ G RR)
Re p e titib ilid a d e - Va ria ç ã o e q uip a m e nto (EV)
=
All c a lc u la tio n s a re b a se d u p o n p re d ic tin g 5.15 sig m a (99.0% o f th e a re a u n d e r th e n o rm a l d istrib u tio n c u rve ).
=
K1 is 5.15/ d 2 , w h e re d 2 is d e p e n d e nt o n th e n u m b e r o f tria ls (m ) a n d th e n u m b e r if p a rts tim e s th e n u m b e r o f o p e ra to rs (g ) w h ic h is
EV = R x K1 K1 % EV = 100 (EV/ TV)

a ssum e d to b e g re a te r th a n 15.
AV - If a n e g a tive va lu e is c a lc u la te d un d e r th e sq u a re ro o t sig n , th e a p p ra ise r va ria tio n (AV) d e fa u lts to ze ro (0).
K2 is 5.15/ d 2 , w h e re d 2 is d e p e n d e nt o n th e n u m b e r o f o p e ra to rs (m ) a n d (g ) is 1, sin c e th e re is o n ly o n e ra n g e c a lc u la tio n .
Te nta tiva s
K2 is 5.15/ d 2 , w h e re d 2 is d e p e n d e nt o n th e n u m b e r o f p a rts (m ) a n d (g ) is 1, sin c e the re is o n ly o n e ra n g e c a lc u la tio n .
d 2 is o b ta in e d fro m Ta b le D 3, "Q ua lity C o n tro l a n d In d u stria l Sta tistic s", A.J. Du n c a n .
= 2 0,8862 =
= 3 0,5908 = %

Aná lise de Siste m a de Me diç ã o po r va riá ve is Percentagem de variação do

operador (AV)
equipamento, em relação à
Me a sure m e nt Unit Ana lysis

0 0 0
= 2 0,8862 =
= 3 0,5908 Variação do operador/inspector (AV)
= %
AV =
2 2
{(XDIFF x K2 ) - (EV / nr)} 1/ 2
Cálculo da reprodutibilidade que é a raiz quadrada da
% AV = 100 (AV/ TV)
diferença entre o produto da diferença entre a média

= =
Ope ra d o re s
= Inspe c to r 2 3 = %
máxima e mínima pela constante K2, e a repetibilidade ao

n = n úm e ro d e p e ç a s / r = n úm e ro d e te n ta tiva s K2 0,7071 0,5231
{(EV2 + AV2 )}1/ 2
quadrado a dividir pelo produto do número de peças vezes o

G R&R = Pe ç a s K3 % G R&R = 100 (R&R/ TV)
= 2 0,7071 =
Va ria ç ã o pe ç a (PV)
= 3
4
0,5231
0,4467 número de tentativas
= %
PV = RP x K3 5 0,4030 % PV = 100 (PV/ TV)

= 6 0,3742 =
= 7 0,3534 =
Re pro d uc ib ilid a d e - Va ria ç ã o Op e ra d o r (AV)
TV = {(R&R2 + PV2 )}1/ 2 9 0,3249 nd c = 1.41(PV/ G RR)
= 10 0,3146 =
AV =
= {(XDIFF x K2)2 - (EV2/ n r)}1/ 2
=
% AV = 100 (AV/ TV)
=
K2 is 5.15/ d 2 , w h e re d 2 is d e p e n d e nt o n th e n u m b e r o f o p e ra to rs (m ) a n d (g ) is 1, sin c e th e re is o n ly o n e ra n g e c a lc u la tio n . =
d 2 is o b ta in e d fro m Ta b le D 3, "Q ua lity C o n tro l a n d In d u stria l Sta tistic s", A.J. Du n c a n . Op e ra d o re s
= Insp e c to r 2 3 = %
n = n ú m e ro d e p e ç a s / r = n ú m e ro d e te n ta tiva s K2 0,7071 0,5231

Percentagem de GRR (%GRR)
Aná lise de Siste m a de Me diç ã o po r va riá ve is
equipamento e operador, em
relação à Variação Total (TV).
C a ra c te rístic a / e sp e c ific a ç ã o Tip o d e DMM In sp e c to r C Valor usado para avaliar o

C la ssific a ç ã o d a c a ra c te rístic a Te n ta tiva s
0
Pe ç a s
0
In sp e c to re s
0
Da ta
sistema de medição
Me a sure m e nt Unit Ana lysis % Va ria ç ã o To ta l (TV)
= 2 0,8862 =
= 3 0,5908 = %
2 2 1/ 2
AV = {(XDIFF x K2 ) - (EV / nr)} % AV = 100 (AV/ TV)
= =
Ope ra d o re s
= Inspe c to r 2 3 = %

K2 Repetibilidade e Reprodutibilidade (R&R)
0,7071 0,5231
G R&R = {(EV2 + AV2 )}1/ 2

Cálculo do valor de GRR, que é a raiz quadrada da soma da
Pe ç a s K3 % G R&R = 100 (R&R/ TV)
repetibilidade ao quadrado com a reprodutibilidade ao

= 2 0,7071 =
= 3 0,5231 = %
quadrado
PV = RP x K3 5 0,4030 % PV = 100 (PV/ TV)
= 6 0,3742 =
= 7 0,3534 =
TV = {(R&R2 + PV2 )}1/ 2 9 0,3249 nd c = 1.41(PV/ G RR)

= 10 0,3146 =
Re p e titib ilid a d e & Re p ro d uc ib ilid a d e (R & R)

=
=
{(EV2 + AV2)}1/ 2
G R&R a ssum e d to b e g re a te r th a n 15.

=
AV - If a n e g a tive va lu e is c a lc u la te d un d e r th e sq u a re ro o t sig n , th e a p p ra ise r va ria tio n (AV) d e fa u lts to ze ro (0). Pe ç a s K3 % G R&R = 100 (R&R/ TV)
= 2 0,7071 =
= 3 0,5231 = %


Percentagem de variação da
peça (PV)
C la ssific a ç ã o d a c a ra c te rístic a Te n ta tiva s

0
Pe ç a s
0
In sp e c to re s
0
Da ta Percentagem da variação das
Me a sure m e nt Unit Ana lysis % Va ria ç ã o To ta l (TV) peças, em relação à Variação
Total (TV)
= 2 0,8862 =
= 3 0,5908 = %
2 2 1/ 2
AV = {(XDIFF x K2 ) - (EV / nr)} % AV = 100 (AV/ TV)
=
=
Ope ra d o re s
Inspe c to r 2
Variação da peça
3
=
= %

K2 0,7071 Valor da variação da peça que é o produto da
0,5231
G R&R = {(EV2 + AV2 )}1/ 2 Pe ç a s amplitude da peça (diferença entre a maior e

K3 % G R&R = 100 (R&R/ TV)
= 2 0,7071 =
= 3 menor média da peça) pela constante K3
0,5231 = %
PV = RP x K3 5 0,4030 % PV = 100 (PV/ TV)
= 6 0,3742 =
= 7 0,3534 =
TV = {(R&R2 + PV2 )}1/ 2 9 0,3249 nd c = 1.41(PV/ G RR)

= 10 0,3146 =
= =
Va ria ç ã o p e ç a (PV)

4 0,4467
PV = RP x K3 5 0,4030 % PV = 100 (PV/ TV)

= 6 0,3742 =
= 7 0,3534 =



0 0 0
Me a sure m e nt Unit Ana lysis % Va ria ç ã o To ta l (TV)

EVVa ria ç ã o To ta l (TV)
= R x K1 Te nta tiva s K1 % EV = 100 (EV/ TV) 8 0,3375 Núme ro d e c a te g o ria s d istinta s
= 2 0,8862 =
{(R&R2 + PV2)}1/ 2
= 3 0,5908 = %
TV
2 2
{(XDIFF x K2 ) - (EV / nr)} 1/ 2
= 9 0,3249 nd c = 1.41(PV/ G RR)
AV = % AV = 100 (AV/ TV)
= =
= =
Ope ra d o re s
Inspe c to r 2 3 = % 10 0,3146 =
n = n úm e ro d e p e ç a s / r = n úm e ro d e te n ta tiva s K2 0,7071 0,5231
= =
G R&R = {(EV2 + AV2 )}1/ 2 Pe ç a s K3 % G R&R = 100 (R&R/ TV)
= 2 0,7071 =
= 3 0,5231 = %
PV = RP x K3 5 0,4030 % PV = 100 (PV/ TV)
= 6 0,3742 =
= 7 0,3534 =
Va ria ç ã o To ta l (TV)
TV = {(R&R2 + PV2 )}1/ 2

8
9
0,3375
0,3249
Núme ro de c a te g o ria s d istinta s
nd c = 1.41(PV/ G RR)
Número de categorias distintas
=
=
10 0,3146 =
=
(ndc)

Cálculo do número de categorias
distintas que o sistema de medição

A variação total é calculada pela raiz quadrada da

d 2 is o b ta in e d fro m Ta b le D 3, "Q ua lity C o n tro l a n d In d u stria l Sta tistic s", A.J. Du n c a n . consegue distinguir. O cálculo é
soma do GRR ao quadrado mais a variação da peça feito pelo produto de 1,41 pela
ao quadrado divisão da variação da peça pelo
GRR

Ok,
já chega...
Vamos lá à
prática...

Exercício R&R Variáveis
1. Faça um estudo R&R utilizando o template fornecido.

2. Verifique se o sistema de medição é aceitável.
3. Apresente as suas conclusões ao grupo e responda a todas
as questões.
4. Tempo máximo exercício: 60m.

O objectivo de MSA por atributos
• Para que serve?

– Avaliar os critérios de inspecção ou os standards de trabalho em relação aos
requisitos do cliente.
– Determinar se todos os inspectores, em todos os turnos, em todas as máquinas,
etc. utilizam o mesmo critério de avaliação para distinguir uma unidade “boa” de
uma unidade “má”.
– Quantificar a habilidade dos inspectores de repetirem consecutivamente com
precisão as suas decisões de inspecção.

O objectivo de MSA por atributos
• Para que serve? (cont.)

– Identificar quão bem os inspectores estão a avaliar de acordo com um “master”
conhecido. Isto inclui:
• Quantas vezes os inspectores decidem enviar um produto defeituoso
• Quantas vezes os inspectores não enviam um produto aceitável
– Encontrar áreas onde seja necessário:
• Treino
• Novos procedimentos
• Standards de aceitação

Metodologia de MSA por atributos
• MSA por atributos (passo a passo):
1. Seleccionar no mínimo 30 peças (ideal 50) representativas do processo
– 50% das peças devem ter defeitos e 50% devem estar OK
– Se possível seleccionar peças boas e más que estejam mesmo no limite de aceitação
2. Identificar todas as peças de forma que não seja perceptível a sua identificação pelos
operadores
3. Identificar os inspectores/operadores que necessitem de qualificação
4. Garantir que se está a verificar, conforme previsto nos procedimentos internos
5. Garantir o procedimento de teste
6. Verificar as unidades de forma a garantir que:
- As verificações são realizadas aleatoriamente
- Os operadores que não estão a verificar não estejam presentes
7. Registar os dados observados e fazer os respectivos cálculos
8. Decidir sobre aceitabilidade do sistema de medição
9. Voltar a repetir o teste e verificar as correcções feitas!

MSA por atributos
Eficácia
Número de decisões correctas

Eficácia =
Total de oportunidades para decidir
Critérios de Aceitação
Decisão Eficácia
Aceitável para o operador
≥ 90%
Marginalmente aceitável para o operador – Pode precisar de
melhoria 80% - 90%
Inaceitável para o operador – Precisa de melhoria < 80%

MSA por atributos – exemplo de formulário
ATTRIBUTE STUDY DATA SET SHEET
Pa rt Num b e r G a g e Na m e Ap p ra ise r A Efe c tive ss Ap p ra ise r A
Pa rt Na m e G a g e Nu m b e r Ap p ra ise r B Efe c tive n e ss Ap p ra ise r B
C h a ra c te risitic / Sp e c ific a tio n G a g e Typ e Ap p ra ise r C Efe c tive n e ss Ap p ra ise r C
Pa rt A-1 A-2 A-3 B- 1 B- 2 B- 3 C-1 C-2 C-3 Re fe re nc e Re f. Va lue Co de

1
2
3
4
1. “Reference” 2. “Reference Value”

• Decisão aceitável corresponde a “1”, • Peça OK corresponde a “1”,
• Decisão inaceitável corresponde a “0” • Peça NOK corresponde a “0”
3. “Code” Análise da coluna “Code”

• “1”, “x “ ou “0 “, de acordo com as várias
decisões vs status real da peça • Existem “x “ ?
• Porquê?

MSA por atributos – exemplo de formulário
Atributo / Operador A Operador B Y/N
Amostra Referência Teste 1 Teste 2 Teste 1 Teste 2 Acordo?
1 G G G G G Y
2 G G G G G Y
3 G NG G G G N
4 G NG NG NG NG N
5 G G G G G Y
6 G G G G G Y
7 NG NG NG NG NG Y
8 G NG NG G G N
9 G G G G G Y
10 G G G G G Y
11 G G G G G Y
12 G G G G G Y
13 NG G NG G G N
14 G G G G G Y
15 G G G G G Y
16 G G G G G Y
17 G G G G G Y
18 G G G G G Y
19 G G G G G Y
20 G G G G G Y
% Operador
Pontuação
= 34/40 * 100 = 85% = 36/40 * 100 = 90%
= 16/20*100
% Eficácia 80%
O sistema está aceitável? Que recomendações faria?

Estatisticamente, numa distribuição ‘normal’...
68,27%
95,45%
99,73%
99,9937%
99,999943%
99,9999998%
-6 -5 -4 -3 -2 -1 µ 1 2 3 4 5 6

1) Manual SPC Avançado + MSA v4.0 (PT)

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

1) Manual SPC Avançado + MSA v4.0 (PT)

Enviado por

Direitos autorais:

Formatos disponíveis

© ProfitAbility Engineers

Sugestão / Ideia Minitab

Definição / Base do método

Mecânica / Método [ponto importante]

Atenção [pode causar erros na metodologia]

6 Análise dos sistemas de medição

• Uma ferramenta comum usada no controlo de processos é o SPC ou

• Poka-Yoke de prevenção para produto/processo

• Poka-Yoke de detecção para produto/serviço

• SPC para os X’s vitais para os Y’s do processo

• SPC nos Y’s mais críticos

• Desenvolvimento de instruções/procedimentos trabalho e

• Conseguir a estabilidade dos processos

• Ajudar a melhorar processos “bons”

Custos totais da qualidade

Custos das Falhas

0% Grau de Conformidade 100%

Custos totais da qualidade

Custos das Falhas

0% Grau de Conformidade 100%

Será porque têm olho para o negócio?

Para evitar ter problemas?

O director leu um livro…

“Eu também quero!”

Pode ser um bom meio de relações públicas…

Para impressionar visitas ou clientes

Para reduzir a variabilidade da produção e garantir a conformidade

• Falta de conhecimento, compreensão e experiência com SPC

I. Não elevarás a importância dos resultados do processo

VI. Não adorarás a regra “um ponto fora dos limites de

VII. Não testemunharás falsidades acerca dos teus dados.

VIII. Não ignorarás o tipo de distribuição do processo.

IX. Não ignorarás a presença de variação por causas especiais.

X. Não esconderás um processo fora de controlo, da Direcção

O SPC pode ser muito poderoso

O SPC pode ser uma distracção cara

4 Cartas por variáveis e por atributos

5 Capacidade dos processos

6 Análise dos sistemas de medição

• Um operador diligente e dedicado, que ajuste a sua máquina

A prova da lei de Murphy’s :

• O funil é utilizado para apontar ao alvo, mas

• Regra 1 - Sem compensação

• O que é que aprendemos

– O ajuste dos processos, em resposta à variação aleatória chama-se

Um Processo Estável tem a mesma distribuição, sempre.

Um processo estável tem sempre variação.

Qualquer processo que não seja estável chama-se instável

5 Capacidade dos processos

6 Análise dos sistemas de medição

O que acontece geralmente?

Porquê recolher dados ?

• Recolha de dados (passo a passo): 1º Passo

PROCESS STEP PROCESS STEP

• Recolha de dados (passo a passo): (cont.) 4º Passo

• Recolha de dados (passo a passo): (cont.) 5º Passo

– Registo de características da 0500-0559

qualidade do processo em 0600-0659

análise, utilizando ferramentas 0700-0759

familiarizados com a recolha de 1400-1459

− Utilizada para contabilizar quantas vezes Capacitors

algo acontece ou para registar uma Transformers

TV SET MODEL 1017