Contedo

0Reviso 0.1 Reviso de Estatstica Descritiva 0.2 Reviso de Estatstica Inferencial 1. Introduo a Estatstica na Qualidade 1.1 Viso da disciplina e aspectos histricos 1.2 Conceitos de Qualidade 2. As Sete Ferramentas Estatsticas 3. Introduo ao CEP 3.1 Filosofia e Tcnica 3.2 Controle Estatstico do Processo 4. Grficos de Controle 4.1 Grficos de Controle para Variveis 4.2 Grfico de Controle para Atributos 5. Capacidade do Processo 5.1 Conceitos bsicos 5.2 ndices de Capacidade de Processo 6. Aceitao por Amostragem 6.1 Planos de amostragem nica para atributos 6.2 Planos de amostragem dupla para atributos 6.3 Planos de amostragem mltipla 6.4 Planos de amostragem seqencial 6.5 Normas Militares de Inspeo (MIL STD 105)

Cronograma 2011/2

Aula 1 2 3 4 5 6 7 8 9 10 11 12 13

Data 02/08 3 03/08 4 09/08 3 10/08 4 16/08 3 17/08 4 23/08 3 24/08 4 30/08 3 31/09 4 06/09 3 07/09 4 13/09 3

Atividade Item 0.1 Item 0.1 e 0.2 Item 0.2 Item 1.1 Item 1.1 Item 1.2 Item 2. Item 2. Item 2 Item 3.1 Item 3.1 Feriado Item 3.2

Aula 14 15 15 16 17 18 19 20 21 22 23 24 25

Data 14/09 4 20/09 3 21/09 4 27/09 3a 28/09 4 04/10 3a 05/10 4 11/10 3a 12/10 4 18/10 3a 19/10 4 25/10 3a 26/10 4

Atividade Item 3.2 Item 4.1 Item 4.1 Item 4.1 Item 4.1 Prova P1 Item 4.2 Item 4.2 Item 4.2 Item 4.2 Item 5.1 Item 5.2 Item 5.2

CONTROLE ESTATSTICO DA QUALIDADE

Sobre a disciplina: O livro-base ser Introduo ao Controle Estatstico da Qualidade de Douglas Montgomery. Os principais softwares sero o R e o Excel. No livro citado encontramos as seguintes definies: Qualidade significa adequao ao uso. Qualidade inversamente proporcional variabilidade. Um produto de qualidade deve atender as especificaes. Melhoria da Qualidade a reduo da variabilidade nos processos e produtos.

0. Reviso
Nesta disciplina utilizaremos conhecimentos de Estatstica Descritiva, Probabilidade, Amostragem e Estatstica Inferencial ou seja faremos uso de quase tudo que foi visto nas cadeiras anteriores. Iniciaremos por uma reviso aplicada a situaes que envolvam Engenharia de Produo. 0.1. Reviso de tpicos importantes de Estatstica Descritiva Exerccio 1 Suponha um automvel. Vamos listar uma srie de variveis/atributos que esto relacionadas s escolhas do consumidor no momento da compra e classific-las. Exerccio 2 Considere o seguinte exemplo onde a especificao ou valor nominal=250g. Temos trs amostras de n=5, uma para cada mquina. Pesos em gramas: Mquina A 248,0 249,0 250,0 251,0 252,0 Mquina B 250,0 250,5 249,5 250,0 250,0 Mquina C 245,0 255,0 252,0 250,0 248,0 Se o objetivo verificar se os produtos produzidos nas trs mquinas atendem as especificaes, o que podemos fazer? Como determinar qual a melhor mquina?

Exerccio 3 Suponha a seguinte seqncia temporal relativa viscosidade de um leo Dia 0 100 Dia 15 99 Dia 30 98 Dia 45 97 Dia 60 80 Dia 75 40

O que podemos dizer da viscosidade em funo do tempo?

Exerccio 4 Separatrizes (Mediana, Quartis, Percentis). Utilidade e interpretao.

0.2 Reviso de tpicos de Probabilidade Exerccio 5 Suponha que conhecido que 3% da produo de uma empresa defeituosa. Uma amostra aleatria de n=4 itens produzidos por esta empresa revelou x unidades defeituosas. a) Escreva o espao amostral considerando que cada item pode ser defeituoso (D) ou no-defeituoso (ND). b) Defina X= nmero de peas defeituosas e construa a funo de probabilidade de X. Exerccio 6 Suponha que o peso das latas enchidas por uma mquina siga uma distribuio Normal com mdia de 255g e desvio-padro de 5g. a) Grafique o modelo Normal respeitando a relao da mdia + desviopadro. b) Qual a probabilidade de uma lata pesar entre 250g e 260g? c) Qual a probabilidade de uma lata pesar menos de 260g? d) Qual a probabilidade de uma lata pesar mais de 260g? e) Qual a probabilidade de uma lata pesar menos de 262g?

Exerccio 7 Duas mquinas produzem o mesmo tipo de fio. A mquina A gera fios com espessura mdia de 20mm com desvio-padro de 1mm. A mquina B gera fio com espessura mdia de 19mm e desvio-padro de 1,5mm. Se voc verifica que uma pea tem mais de 22mm, mais provvel que ela tenha sido produzida pela mquina A ou pela mquina B?

0.3 Reviso de tpicos de Estatstica Inferencial Quais so os principais parmetros populacionais? Quais so os principais estimadores amostrais? O que diz o Teorema Central do Limite? Exerccio 8 Suponha um processo industrial que apresenta tempo mdio e desvio-padro . Uma amostra de n=81 observaes levou a um tempo mdio de 124s com um desvio-padro de 12s. a) Infira sobre por meio de um intervalo de confiana 95%. b) Se aumentamos a confiana para 99% de confiana, o que acontece com o intervalo de confiana? c) O que acontece quando n>120?

Exerccio 9 Com base na amostra n=121 teste a hiptese de que a mdia do processo de, no mximo, 2 minutos. Use 95% de confiana (ou, equivalentemente, 5% de significncia) a) defina as hipteses

1. Introduo a Estatstica na Qualidade

O livro-base ser Introduo ao Controle Estatstico da Qualidade de Douglas Montgomery. Este autor atualmente professor de Engenharia Industrial da Arizona State University. Ele Mestre e Doutor em Engenharia pelo Virginia Polytechnic Institut. Tem 12 livros publicados na rea de Estatstica. 1.1 Viso da disciplina e Aspectos histricos Mtodos estatsticos na resoluo de problemas para melhorar a qualidade de produtos ou servios utilizados pela sociedade. Esta disciplina engloba tpicos estudados nas demais disciplinas do curso: Estatstica Descritiva e Estatstica Inferencial. H tambm interface com as disciplinas de Planejamento de Experimentos e Anlise Multivariada.

Antes de 1875... O trabalho era basicamente desempenhado por camponeses e artesos. Com a revoluo industrial houve drstica mudana na maneira de viver das populaes dos pases que se industrializaram. As cidades atraram os camponeses e artesos, e se tornaram cada vez maiores e mais importantes.

Principais avanos da maquinofatura durante a chamada Revoluo Industrial (Sculo XVIII): Em 1733, John Kay inventa a lanadeira volante, inveno utilizada para tecer e que liberava uma das mos do operador. Em 1740, Benjamin Huntsman (fabricante de relgios ingls) desenvolve um processo mecnico de produzir ao muito superior aos demais (processo crucible). Em 1767 James Hargreaves inventa a spinning jenny, mquina que permitia a um s arteso fiar 80 fios de uma nica vez. Em 1768 James Watt inventa a mquina a vapor. Em 1769 Richard Arkwright inventa a water frame, uma mquina movida gua utilizada na indstria txtil. Em 1779 Samuel Crompton inventa a mula giratria, uma combinao da water frame com a spinning jenny com fios finos e resistentes. Em 1785 Edmond Cartwright inventa o tear mecnico. Principais Eventos na Histria do Controle de Qualidade Ano Fato 1875 Taylor introduz os princpios do gerenciamento cientficos para dividir o trabalho em unidades menores, mais facilmente realizadas. 1900-1930 Henry Ford introduz a linha de montagem com maior refinamento dos mtodos de trabalho para melhorar a produtividade e a qualidade. Ele desenvolveu conceitos de erro-prova de montagem, auto-inspeo, inspeo durante o processo. 1907-1908 AT&T inicia inspeo e o teste sistemtico de produtos e materiais. 1908 Gosset (Student) introduz a distribuio t como resultado oriundo de seu trabalho em controle de qualidade na centenria Cervejaria Guiness. 1920-1929 AT&T e Bell formam um Departamento de Qualidade. NA GE (Inglaterra), Dudding usa mtodos estatsticos para controlar a qualidade de lmpadas. 1922-1923 R. A Fisher publica uma srie de artigos sobre Planejamento de Experimentos e suas aplicaes Agricultura. 1924 Shewhart introduz o conceito de grficos de controle num documento da Bell. 1931 Shewhart publica obra sobre mtodos estatsticos para uso na produo de grficos de controle.

1932-1933 A Indstria txtil e Qumica da Alemanha comea a usar experimentos planejados no desenvolvimento de produtos/processos. 1938 Walter Deming convida Shewhart para apresentar seminrios sobre grficos de controle na US Department of Agriculture Graduate School 1940 controle. O US War Department publica um guia para o uso de grficos de

1940-1943 A Bell desenvolve os precursores dos planos militares por amostragem-padro. 1942-1946 Formam-se na Amrica do Norte mais de 15 sociedades de qualidade e cursos de treinamento passam a ser mais freqentes. 1946-1949 Deming convidado a ministrar seminrios sobre controle estatstico de qualidade na indstria japonesa. 1950 Mtodos estatsticos de controle de qualidade comeam a ser ensinados em todo o Japo. Ishikawa introduz o diagrama de causa-e-efeito. Anos 50 Surgem textos clssicos: Grant e Duncan (CEQ); Feigenbaun (Qualidade Total); Box e Wilson (Planejamento de Experimentos orientado indstria); Juran e Gryna (Manual de Controle da Qualidade); Page (Grfico de controle da soma cumulativa); Roberts (mdia mvel exponencialmente ponderada) Lanamento da Revista Technometrics. 1960 Box e Hunter (Experimentos Fatoriais)

Anos 60 Cursos sobre CEQ tornam-se presentes em currculos de Engenharia Industrial. Anos 70 Surge a Associao Britnica da Qualidade Surgem livros sobre Planejamento de Experimentos orientados indstria. Anos 80 Mtodos de planejamento de experimentos so introduzidos e adotados num grande nmero de organizaes. Nos EUA aparecem os trabalhos do Prof Tagushi. A American Statistical Association estabelece um comit para Qualidade e Produtividade. Surge a revista Quality Engineering EM 1989 comea a iniciativa denominada seis-sigma da Motorola.

Anos 90 Crescem as certificaes (ISO9000) Muitos programas de graduao e ps-graduao ministram disciplinas de Controle de Qualidade e tcnicas estatsticas visando a melhoria dos processos. A abordagem seis-sigma se espalha para outras indstrias.

1.2 Conceitos de Qualidade O conceito de Qualidade um tanto subjetivo. A maior parte das pessoas tem uma compreenso conceitual de qualidade como de algo relacionado a uma ou mais caractersticas desejveis que um produto ou servio deve ter. Garvin (1987) publicou na revista Harvard Business Review uma listagem de OITO componentes ou dimenses da qualidade: 1. Desempenho (o produto realiza a tarefa pretendida?); 2. Confiabilidade (qual a freqncia de falhas do produto?); 3. Durabilidade (quanto tempo o produto durar?) 4. Assistncia Tcnica (facilidade para consertar o produto) 5. Esttica (qual a aparncia do produto); 6. Caractersticas (o que o produto faz?); 7. Qualidade percebida (qual a reputao da companhia ou de seu produto?) 8. Conformidade com Especificaes (o produto feito como o projetista pretendia?) Exerccio: Em sua opinio, quais dimenses permitem diferenciar estes produtos: Televisor CCE X Televisor Sony Perfume O Boticrio X Perfume Dior Automvel GM Corsa X Automvel Renault Clio Parmetros ou Caractersticas da Qualidade Todos os produtos possuem um nmero de elementos que, em conjunto, descrevem o que o consumidor entende como qualidade. Esses parmetros geralmente so chamados de caractersticas da qualidade, podendo ser subdivididas em : 1. Fsicas: comprimento, largura, peso 2. Sensoriais: gosto, aparncia, cor 3. Orientao temporal: confiabilidade, durabilidade, praticidade.

Terminologia e algumas siglas Existe um conjunto de termos tcnicos em Controle da Qualidade que precisa ser dominado: Atributos: se refere a uma classificao em categorias (variveis qualitativas ou categricas). Exemplos:

Variveis: caracterstica expressa de forma numrica respeitando uma mtrica (variveis quantitativas ou mtricas). Exemplos: Especificao: corresponde a fase inicial de um ciclo de Controle de Qualidade. Significa aquilo que desejado. Os limites (inferiores e superiores de especificao) correspondem aos valores mximos (ou mnimos) permitidos para uma caracterstica da qualidade. Valor-nominal ou Valor-alvo: uma medida que corresponde ao valor desejado para uma caracterstica de qualidade. Tolerncia: se refere a faixa de variao admissvel para uma dimenso. Produto no-conforme (ou fora do padro): um produto que no corresponde a uma ou mais especificaes. Produto defeituoso: produto que apresenta um ou mais no conformidades srias o bastante para afetar a utilizao do produto. Mtodos Estatsticos para o Controle da Qualidade Estudaremos, basicamente, trs reas principais com o objetivo de melhorar a qualidade de um produto ou servio: Controle Estatstico de Processos (CEP); Aceitao por amostragem; Planejamento de Experimentos (em menor grau). Um grfico de controle uma ferramenta do CEP e serve para monitoramento de caractersticas importantes envolvidas no processo produtivo. Um experimento planejado pode ser muito til na descoberta de variveis que afetam caractersticas de qualidade de interesse no processo. Neste tpico existe uma grande gama de delineamentos e tcnicas que podem ser utilizados (blocos casualizados, experimentos fracionrios, ...). Aceitao por amostragem definida como a inspeo e a classificao de uma amostra de unidades selecionadas aleatoriamente de um conjunto maior. A deciso se d, geralmente, em dois pontos: na entrada de matrias-primas ou componentes e na produo final.

Personalidades no CEQ De acordo com Montgomery (2004, p.12) muitas pessoas contriburam na rea da metodologia estatstica para melhoria da qualidade, entretanto, em termos de implementao e filosofia de gerenciamento, se destacam trs lderes: Dr. W. Edwards Deming Durante a 2a Guerra Mundial (1939-1945) Deming trabalhou para o Departamento de Guerra e para o Bureau do Censo norteamericano. Aps a guerra, tornou-se consultor das indstrias japonesas e convenceu a alta direo das mesmas do poder dos mtodos estatsticos e da importncia da qualidade.A filosofia de Deming pode ser resumida em 14 pontos: 1. Crie uma constncia de propsitos para a melhoria dos produtos e servios. Uma viso organizacional deve guiar a cultura corporativa e fornecer uma meta para a organizao. Tal viso equipa a organizao com uma perspectiva de longo prazo. Mea o compromisso do gerenciamento e os marcos de excelncia da situao da organizao em relao s outras. 2. Adote a nova filosofia. O gerenciamento do ocidente deve despertar para o desafio e assumir um novo papel de liderana. A Revoluo na Qualidade a mesma na economia de importao como na Revoluo Industrial. Ela concomitante com a globalizao da economia. 3. Cesse a dependncia da inspeo para alcanar a Qualidade. Introduza modernas ferramentas da qualidade, tais como o controle estatstico de processo, operaes evolucionrias, projetos de experimentos e o desdobramento da funo Qualidade. A inspeo somente mede um problema, e no permite qualquer correo dele. Freqentemente se diz que ningum pode "inspecionar em Qualidade". 4. Minimize o custo total trabalhando com um nico fornecedor - acabe com a prtica de realizar negcios baseados somente nos preos. No premie cegamente negcios baseados na baixa oferta. Ao invs disso, minimize o custo global. Mova-se diretamente para um nico fornecedor em cada item estabelecendo um relacionamento de longo prazo, baseado na confiana e na verdade. Os programas de certificao de fornecedores e a anlise de custo do ciclo de vida possuem um papel preponderante aqui. 5. Melhore constante e continuamente cada processo. Fixar apenas os problemas no deixlos mais se distanciar. Melhore constantemente a qualidade e a produtividade; em conseqncia os custos diminuiro com a mesma freqncia. Previna-se dos defefitos e aperfeioe os processos. No apague incndios - isto no uma melhora na qualidade, um gerenciamento pela crise. Melhoria requer mecanismos de realimentao dos clientes e fornecedores. 6. Institua o treinamento na tarefa. O treinamento se aplica a todos os nveis da organizaao, do mais baixo ao mais alto. No deixe de observar a possibilidade de que os melhores instrutores podem ser os prprios empregados.

7. Adote e institua a liderana. Liderana emana de conhecimento, percia e habilidade interpessoais, e no do nvel de autoridade. Cada um pode e deve ser um lder. As qualidades da liderana no so mais mistrios distantes e inatos - elas podem ser aprendidas. Os lderes removem as barreiras que impedem as pessoas e as mquinas de atingirem o timo. 8. Jogue fora o receio. Os receios avanam com a insegurana da liderana que depende das regras de trabalho, autoridade, punio e de uma cultura corporativa baseada na competio interna - graduando-se sobre uma curva que no tem lugar dentro de um negcio. O receio pode tambm vir do abuso emocional e fsico dos colegas e supervisores O receio apaga a criatividade, a qual a mquina para a melhoria da qualidade. Esse receio pode ser eliminado por meio da identificao e superao das falhas na comunicao, na cultura e no treinamento. Fatores sistmicos podem tambm promover o gerenciamento por receios, tais como avaliao do desempenho, programas de premiao e cotas de trabalho. 9. Quebre as barreiras ente as reas. Todos devem trabalhar em equipe, trabalhando diretamente para o bem da equipe de trabalho que conceito imperativo no gerenciamento moderno. Novas estruturas organizacionais podem ser necessrias. Virar a estrutura organizacional de cabea para baixo uma experincia espantosa, mas que pode muito bem ser requerida para alcanar a harmonia e a perspectiva apropriada. 10. Elimine slogans, exortaes e cartazes para a fora de trabalho. Os programas ou campanhas que comandam uma tarefa deixando o trabalhador sem poder para alcanar o objetivo, constituem um gerenciamento por receios. 11. Elimine cotas numricas para a fora de trabalho e objetivos numricos para o gerenciamento. Elimine o gerenciamento por objetivos ou, mais precisamente, o gerenciamento por nmeros. Substitua as lideranas. Cotas numricas desconsideram as noes estatsticas, as quais causam impactos em todos os trabalhadores. Nem todos os trabalhadores podem estar acima da mdia; nem todos podem estar abaixo. A tradicional prtica da engenharia industrial o "gerenciamento por nmeros" e isto precisamente aquilo a que Deming se refere. Opere com medidas bem trabalhadas num certo estgio do desenvolvimento industrial, uma vez que a sociedade e o trabalho tm se desenvolvido a partir disso. Hoje as cotas de trabalho impem um limite na qualidade e na produo, em vez de um objetivo. As variaes naturais so ignoradas nesses sistemas, e as preocupaes nicas com nmeros tomam precedncia sobre todos os outros interesses nos negcios. 12. Remova as barreiras que roubam das pessoas a satisfao no trabalho. Elimine o sistema anual de classificao. Remova as barreiras que roubam do trabalhador as suas horas de satisfao no trabalho. A responsabilidade dos supervisores deve ser alterada em relao ao volume e linha de produo para a qualidade. Remover as barreiras significa abolir a classificao anual ou por mrito e o gerenciamento por objetivo.

13. Institua um vigoroso programa de educao e auto melhoria para todos. O treinamento fornece uma mudana imediata no comportamento. Os resultados da educao podem no se manifestar imediatamente, mas podem apresentar os seus efeitos a longo prazo. A auto melhoria uma tarefa de educao e auto desenvolvimento. Isto pode significar o oferecimento de cursos em gerenciamento do tempo, reduo do estresse, permisso aos empregados para que exeram atividades fsicas na hora do expediente caso tenham um trabalho sedentrio e, para os que executam trabalhos braais, participao em tarefas de desafios mentais ou em processos educacionais. 14. Coloque todos na companhia para trabalhar acompanhando a transformao. O compromisso da alta gerncia colocar todos na empresa para que trabalhem acompanhando a transformao. A transformao trabalho de todos.

Dr. Joseph Juran um dos criadores do controle estatstico da qualidade. Trabalhou para Shewart na AT&T Bell Laboratories. co-autor do Quality Control Handbook, uma referncia padro para mtodos de controle de qualidade. Dr. Armand Feigenbaum o pioneiro em introduzir o conceito de controle da qualidade para toda a empresa. Sua obra Controle da Qualidade Total data de 1951, tendo influenciado ,muitos dos princpios da gerncia da qualidade no Japo no incio dos anos 50. Muitas companhias usaram o nome Controle da Qualidade Total para descrever seus esforos. De acordo com Montgomery (2004, p.14) o Dr. Feigenbaum se preocupa mais com a estrtutura organizacional e com uma abordagem de sistemas para a melhoria da qualidade, do que com mtodos estatsticos. Padres e Registro da Qualidade A International Standards Organization ISO - desenvolveu uma srie de padres internacionalmente utilizados. A ISO uma organizao no governamental presente em cerca de 120 pases. Esta organizao foi fundada em 1947 em Genebra, e sua funo promover a normalizao de produtos e servios, utilizando determinadas normas, para que a qualidade dos produtos seja sempre melhorada. No Brasil, o rgo que representa a ISO chama-se ABNT (Associao Brasileira de Normas Tcnicas) A ISO 9000 um modelo de padronizao. O selo que as empresas recebem se iniciam a partir da ISO 9001 em diante. A srie ISO 9000 um conjunto de normas que formam um modelo de gesto da qualidade para organizaes que podem, se desejarem, certificar seus sistemas de gesto atravs de organismos de certificao. Foi elaborada atravs de um consenso internacional sobre as prticas que uma empresa pode tomar a fim de atender plenamente os requisitos de qualidade do cliente. A ISO 9000 no fixa metas a serem atingidas pelas empresas a serem certificadas, a prpria empresa quem estabelece as metas a serem atingidas.

Grande parte do foco do ISO9000 se concentra na documentao formal do sistema de qualidade. exatamente esta documentao o ponto mais difcil para uma organizao receber a certificao. Seis Sigma (Montgomery, pg 16) O 6-Sigma consiste na aplicao de mtodos estatsticos a processos empresariais, orientada pela meta de eliminar defeitos. A maioria das empresas opera no nvel 3-Sigma, o que equivale a um nmero esperado de 2700 partes por milho (ppm) de oportunidades de haver defeitos. A Motorola foi a pioneira na dcada de 80. O conceito consiste em diminuir a variabilidade de forma que os limites de especificao estejam a seis desviospadro da mdia, assim torna-se muito difcil ocorrer um valor fora destes limites, mesmo que a mdio do processo de desloque para direita ou esquerda.

O 6-Sigma aproveita uma srie de mtodos comprovados e treina um pequeno grupo de lderes internos, conhecidos como black-belts, at que atinjam alto ivel de proficincia na aplicao de tais tcnicas. Com certeza, alguns dos mtodos utilizados pelos black-belts so altamente avanados, o que inclui o uso de tecnologia moderna de informtica. Contudo, as ferramentas so aplicadas dentro de um modelo simples de melhoria de desempenho conhecido pela sigla DMAIC, ou Define - Measure - Analyze - Improve Control (Definir Mensurar - Analisar - Incrementar - Controlar).

2. As Sete Ferramentas Estatsticas

De acordo com Montgomery (2004, p. 95), um produto que atende s exigncias do cliente deve ser capaz de operar com pequena variabilidade em torno dos valores nominais das caractersticas de qualidade do produto. O CEP engloba uma grande quantidade de mtodos que auxiliam no cumprimento desta tarefa. As principais ferramentas do CEP so: 1) Histograma ou Ramo-e-folha; 2) Folha de verificao ou Folha de controle; 3) Diagrama de causa-e-efeito; 4) Grfico de Pareto; 5) Fluxograma; 6) Diagrama de disperso; 7) Grfico de controle. Falaremos brevemente sobre cada uma delas, entretanto o tpico 7 ser abordado mais especificamente no captulo 4. 1) Histograma ou Ramo-e-folha 1.1 Histograma um grfico que resume a informao presente em um conjunto de dados. A natureza do Histograma possibilita-nos ver padres que, dificilmente seriam vistos na simples tabela de dados. 1.2 Ramo-e-folha uma espcie de Histograma, mas com maior quantidade de informao pois o valor numrico das observaes preservado. 2) Folha de Verificao um formulrio de coleta de dados, simplificado, onde o registro e anlise de dados pode ser realizado de forma simples e rpida. A folha de verificao pode ser utilizada para vrios propsitos, mas sua principal caracterstica tornar fcil a compilao dos dados. Exemplo 1 Folha de Verificao de preenchimentos de formulrios

Exemplo 2 Folha de Verificao por localizao Neste tipo de folha de verificao os defeitos so assinalados em um desenho. Por exemplo, os defeitos em uma mquina copiadora ou uma impressora podem ser assinalados em uma folha onde consta a fotografia da mquina. Ao final de um certo perodo de tempo os resultados so organizados. 3) Diagrama de causa-e-efeito O diagrama de causa-e-efeito batizado por Juran como Diagrama de Ishikawa e tambm conhecido como espinha de peixe ou artes de poisson representa graficamente o relacionamento entre algum efeito e todas as causas e subcausas possveis. O diagrama tem a seguinte forma geral:

Dicas para construir um bom diagrama de causa-e-efeito: 1) Definir uma caracterstica de Qualidade do produto ou servio; 2) Faze um brainstorming de causas potenciais deste efeito; 3) Identificar as principais categorias relacionadas as causas; 4) Desenhar um diagrama de causa-e-efeito; 5) Associar as causas e subcausas as suas categorias. TAREFA: Construir um diagrama de causa-e-efeito para um produto ou servio a sua escolha.

4) Grfico de Pareto O diagrama de Pareto um tipo especial de grfico de colunas onde a freqncia de ocorrncia de categorias listada em ordem decrescente acompanhada de uma barra contendo a freqncia acumulada. Vejamos um exemplo:

TAREFA: Construa um diagrama de Pareto no R utilizando estes dados. Interprete. O diagrama de Pareto uma tcnica que separa os poucos problemas vitais dos muitos triviais, indicando quais so aqueles que devem ser prioritariamente solucionados. 5) Fluxograma O fluxograma uma forma de representao das seqncia de etapas que compem um processo. Suas partes so:

Entradas / Sadas : as entradas so materiais, informaes ou aes que iniciam o processo. As sadas so os resultados do processo (produtos, relatrios, servios).

Flecha: indica a direo do fluxo

Retngulo: indica os passos que realizam operaes no processo

Losango: ponto de tomada de decises;

Crculo: Delay ou espera. Lugar no processo onde a ao temporariamente suspensa. Loops: caminhos que indicam se o processo segue ou deve voltar. Exemplo: Monitoramento Cardaco

6) Diagrama de disperso Possibilidade visualizar a relao entre duas variveis quantitativas. Por exemplo, o nmero de erros de uma digitadora pode estar relacionado com a quantidade de rudo; o nmero de vezes que uma mquina tranca por dia poed estar relacionado com a temperatura, etc. Em um grfico de disperso padro, a caracterstica de qualidade deve estar no eixo Y (var dependente) e a possvel causa deve estar no eixo X (var independente). Vejamos alguns tipos de relacionamentos:

7) Grficos de controle Ser abordado mais frente.

3. Introduo ao CEP
3.1 Filosofia e Tcnica No Captulo 2 vimos que as sete ferramentas estatsticas so uma parte importante do CEP. Entretanto, Montgomery (2004, p. 95) salienta que elas englobam apenas os aspectos tcnicos do CEP. Para entender os conceitos que formam a base do CEP temos que, primeiramente, entender a teoria da variabilidade de Shewhart. 3.1.1 Causas aleatrias e atribuveis da variao da qualidade Montgomery (2004, p. 96) diz que em qualquer processo de produo uma certa quantidade de variabilidade sempre existir (este um axioma no CEP). Essa variabilidade natural ou rudo de fundo o efeito cumulativo de muitas causas pequenas, essencialmente inevitveis. Diz-se que um processo que opera apenas com as causas aleatrias de variao est sob controle estatstico. Outros tipos de variabilidade podem, ocasionalmente, estar presentes na sada do processo. Geralmente estes tipos de variabilidade se devem a uma das seguintes fontes: 1) Maquinas ajustadas ou controladas de maneira inadequada 2) Erros do operador 3) Matria-Prima defeituosa As variabilidades devidas a estas fontes so, geralmente, muito maiores do que o rudo de fundo e so conhecidas como causas atribuveis. Um processo que opera na presena de causas atribuveis est fora de controle. Os processos de produo podem operar longo tempo sob controle, produzindo itens aceitveis, entretanto, quase que certamente, causas atribuveis ocorrero de maneira aparentemente aleatria, resultando em um deslocamento para um estado fora de controle. Exemplo Deslocamento para o campus da Kennedy Causas no-atribuveis ou rudo de fundo Causas atribuveis

3.2 Controle Estatstico do Processo O principal objetivo do CEP detectar rapidamente a ocorrncia de causas atribuveis, de modo que a investigao do processo e a ao corretiva possam ser realizadas antes que muitas unidades no-conformes sejam fabricadas. De uma forma geral, o que se busca com o CEP a eliminao da variabilidade no processo, mesmo que isso seja teoricamente impossvel.

3.3 Aplicao do Controle Estatstico do Processo (CEP)

Este exemplo trata-se de um processo de revestimento de cobre em uma fbrica de placas de circuito impresso. Neste processo constatou-se que altos ndices de defeitos, tais como cobre quebradio e porosidades no cobre e um longo tempo de circulao pelo processo. A gerencia escolheu essa rea do processo para uma implementao inicial do CEP. Formou-se uma equipe de funcionrios de diversas reas e esta decidiu focar-se na reduo do tempo de circulao do processo. A equipe logo determinou que o excesso de tempo gasto no controlador que regulava a concentrao de cobre no tanque de revestimento era o principal fator no excessivo tempo de circulao. Portanto uma anlise de causa-e-efeito foi aplicada com intuito de isolar as causas potenciais do desperdcio de tempo no controlador. Vale ressaltar que esta anlise foi realizada mediante uma reunio entre os funcionrios.

Figura: Causa e efeito do tempo ocioso do controlador

Pela figura acima, foram identificadas 11 principais causas potenciais do desperdcio de tempo do controlador.

Aps a anlise de causa-e-efeito, foi necessrio coletar dados sobre as causas do tempo gasto no controlador. Logo foi planejado a folha de controle da Figura abaixo.
REGISTRO SEMANAL FIM DE SEMANA_________________ 1 VARIAO DA CONCENTRAO a. Direo do colormetro b. Falha no eletrodo c. Reagentes d. Tubos deformados e. Operador/erro/no autorizado 2 FALHA NO SISTEMA DE ALARME a.PMC estragado b.Travamento 3 FALHA DA BOMBA DE RECICURLAO a. Sada de ar b. Impelidor 4 REABASTECIMENTO DE REAGENTE a. Novo reagente 5 MANUTENO DA TUBULAO a.Manuteno semanal b. Manuteno de emergncia 6 REPOSIO DO ELETRODO a.Manuteno da rotina 7 CONTROLADOR DE TEMPERATURA a. Aquecedor queimado b. Termistores ruins 8 CONTROLADOR DE OXIGNIO a. Placas desligadas b. Reposio do eletrodo 9 FALHA DA BOMBA PARASTLICA a. Falha do motor 10 FALHA ELTRICA a. Carto de circuito PV b. LC do suprimento de energia c. LC do colormetro d. Placa-me 11 PLACAS DESLIGADAS-RECIRCULAO a. Fortalecimento nas juntas CONTAGEM TOTAL
Figura: Folha de controle para o livro de apontamentos

OPERADOR______________ ERROS __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ __________________ DESCRIO AO

A equipe concordou que sempre que a mquina estivesse mal, um membro da equipe assumiria a responsabilidade de preencher a folha de controle. A equipe concordou que os dados deveriam ser coletados ao longo de um perodo de 4 a 6 semanas. A medida que dados mais confiveis relativos s causas do desperdcio de tempo no controlador se tornavam disponveis, a equipe pode analis-lo usando outras tcnicas do CEP. A Figura abaixo apresenta a anlise de Pareto dos dados da folha do controlador.

Figura: Pareto para falhas do controlador

Note que a variao da concentrao a principal causa do gasto do tempo. Como esta a principal causa, a Figura abaixo apresenta a anlise de Pareto apenas dos dados da variao da concentrao. Por este diagrama, sabemos que a mudana no colormetro e problemas com reagentes so as causas principais da variao da concentrao. Essa informao levou ao engenheiro de fabrica da equipe a concluir que a reconstruo do colormetro seria um passo importante para melhorar o processo.

Figura: Pareto para variao da concentrao

Durante o tempo de coleta desses dados do processo, a equipe decidiu gerar grficos de controle estatstico para o processo. A informao coletada sobre o desempenho do processo foi a base para a construo do Plano de Ao para Fora de Controle iniciais para este grfico de controle. A Figura abaixo apresenta o grfico de controle para a concentrao de cobre dirio mdia. O grfico mostra a linha central e os limites de controle 3 sigmas. Note que h alguns pontos fora dos limites de controle, indicando que causas atribuveis esto presentes no processo.

A figura abaixo apresenta o grfico R, ou da amplitude , para a concentrao diria de cobre. Neste grfico representa a diferena entre as leituras das concentraes de cobre mxima e mnima em um dia. Note que o grfico R exibe falta de controle estatstico. Uma das causas do processo est fora de controle foi devido aos feriados, onde o processo permanecia paralisado. Quando o processo foi reiniciado, uma deteriorao substancial no desempenho do colormetro tinha ocorrido. Isto apressou a deciso da engenharia de reconstruir o colormetro.

No inicio de fevereiro, o colormetro e o controlador foram reconstrudos pela engenharia de fabricao. O resultado dessa atividade de manuteno foi restaurar a variabilidade nas leituras dirias de concentrao de cobre aos nveis de antes da paralisao. A recentralizao e a recalibragem do processo reduziram o tempo gasto no controlador de aproximadamente 60% a menos. Nesse ponto o processo foi capaz de recuperar a taxa de produo exigida. No prximo captulo veremos a principal ferramenta do CEP: os grficos de controle.

4. Grficos de Controle
Neste captulo veremos duas classes de grficos de controle, organizados de acordo com o tipo de caracterstica da qualidade que estamos mensurando: temos os grficos de controle para variveis e os grficos de controle para atributos. Grfico de controle clssico

A escolha dos limites de controle Trata-se de uma deciso muito importante que deve ser tomada no planejamento de um grfico de controle.

4.1 Grfico de Controle para Variveis (Montgomery, p. 129) J vimos que na rea de qualidade, uma caracterstica medida numa escala numrica chamada de varivel. Veremos trs tipos de grficos de controle: os grficos X R , X S e o grfico individual. Ao monitorarmos uma caracterstica de qualidade devemos monitorar tanto a sua mdia como a sua variabilidade. O controle da mdia usualmente feito pelo grfico de controle para mdias, ou grfico X e a variabilidade do processo pode ser monitorada tanto pelo desvio-padro s como pela amplitude R.

4.1.1 Grfico de controle X R Quando temos uma seqncia de m amostras aleatrias de tamanho n constante cada, as seguintes estatsticas sero utilizadas para definir as linhas centrais dos grficos de controle: = = + + +

+ +

Os limites do grfico X para os usuais 3-sigma so:

Os limites de controle ficaro unicamente funo das constantes tabeladas e de R :

Exerccio Construir Montgomery_p133.XLS

no

Excel/R

um

grfico

no

arquivo

Exerccio Construir no Excel / R um grfico X R no arquivo abaixo. Os dados se referem a 10 amostras com n=5 cada tomadas de hora em hora. O objetivo saber se o processo est centrado no alvo =5,60.

Estimando a capacidade do processo A capacidade de um processo pode ser estimada por meio da comparao entre os limites de controle do intervalo e as especificaes. Processos capazes apresentam ndices de capacidade superiores a 1:

No caso de estimarmos o valor de (situao mais comum), vamos colocar um chapu como indicao:

Para o grfico X R o desvio-padro estimado por

No exemplo anterior, qual a capacidade do processo supondo especificaes de 74,05 e 73,95?

Identificando padres em grficos de controle Nestes grficos identificaremos alguns padres que podem ocorrer: Padro cclico:

Padro seqencial:

4.1.2 Grfico de controle X S Quando o tamanho da amostra moderadamente grande n 10, estimar a variabilidade atravs da amplitude se torna ineficiente, por isso utilizamos o desvio padro para cada amostra. Este grfico tambm monitora a variabilidade entre os grupos e deve ser utilizado em conjunto com o grfico s. Sabe-se que s um estimador viciado para , mas este vcio pode ser corrigido utilizando-se os valores da constante C4 tabelada. O estimador / c4 no viciado para .

Temos os seguintes limites para o grfico

com os usuais 3-sigma:

Agora vejamos o grfico para o desvio-padro S. Esse grfico monitora a variabilidade dentro dos subgrupos, devendo ser utilizado em conjunto com o grfico . Para construir o grfico s necessrio calcular o desvio-padro para cada um dos k subgrupos, da seguinte forma:

e depois calcular a mdia dos desvios nos m subgrupos:

O desvio-padro da estatstica s tambm funo da constante c4. Foi demonstrado que

um bom estimador para o desvio-padro de S.

Ao estimarmos por / c4 os limites do grfico s com os usuais 3-sigma ficam:

Exerccio Umidade do fumo (em %) Os dados do quadro abaixo se referem a 15 subgrupos de tamanho 10, coletados em diferentes espaos de tempo. A caracterstica monitorada foi o % de umidade de fumo.

Exerccio Dimetro de peas (cm) I Os dados do quadro abaixo se referem a 25 subgrupos de tamanho 8, coletados em diferentes espaos de tempo. A caracterstica monitorada foi o dimetro (cm).

Exerccio Dimetro de peas (cm) II Os dados do quadro abaixo se referem a 25 subgrupos de tamanho 8, coletados em diferentes espaos de tempo. A caracterstica monitorada foi o dimetro (cm).

4.1.3 Grfico de Shewhart para medidas individuais

Em algumas situaes prticas torna-se invivel coletar mais do que uma observao para compor uma amostra, ou seja, trabalha-se com uma amostra composta por uma nica observao (n=1), tornando impossvel a construo dos grficos X S ou X R .

Exemplos de algumas situaes onde isto ocorre:

Taxa de produo muito lenta, sendo inconveniente acumular mais de uma observao para amostra. Medidas repetidas do processo s diferem devido a erros nos instrumentos de medio. Isso ocorre em muitos processos qumicos. Em situaes onde a variabilidade do processo varia muito pouco em longos intervalos de tempo.

Para construo do grfico individual recorreremos a mesma forma de estimar o desvio-padro j utilizada no grfico R.

A amplitude

estimada a partir do clculo da mdia da amplitude mvel (MR)

obtida em m-1 amostras. Vejamos:

Limites de controle para a mdia:

Limites de controle para a Amplitude:

Exemplo Viscosidade da tinta base para avies (Montgomery, p. 155)

4.2 Grfico de Controle para Atributos (Montgomery, p. 177) Atributos so caractersticas de qualidade que no podem ser representadas numericamente. Cada item inspecionado verificado e classificado em categorias. Geralmente, a terminao conforme/no-conforme ou defeituoso/ no-defeituoso utilizada nestes casos: Produto no-conforme (ou fora do padro): um produto que no corresponde a uma ou mais especificaes. Produto defeituoso: produto que apresenta um ou mais no conformidades srias o bastante para afetar a utilizao do produto.

4.2.1 Grfico p para a proporo de no-conformes A frao de no-conformes definida como a soma de todas as peas noconformes encontradas dividida pelo total de peas investigadas. Supondo que todos m subgrupos tenham o mesmo tamanho n :

A mdia das propores encontradas dada por (para grupos com iguais ni):

Sabe-se que o nmero de peas defeituosas numa amostra de n elementos segue uma distribuio Binomial (n ; p) onde p a verdadeira proporo de peas defeituosas na produo. A Binomial pode ser aproximada satisfatoriamente pela Normal. Para n>30, a distribuio de pode ser aproximada pela distribuio Normal

Os limites de controle do grfico para a proporo de no-conformes com os tradicionais limites 3-sigma so dados por:

Exerccio Embalagens no conformes Suco de laranja concentrado e congelado embalado em latas de papelo de 170g. Essas embalagens so feitas com papelo enrolando-se e colocando-se um fundo de metal. Na inspeo possvel verificar se a embalagem vai ou no vazar na juno entre o metal e o papelo. Subgrupos de n=50 peas foram investigados e o nmero de embalagens no-conformes foi:

Exerccio Embalagens no conformes (aps regulagem) Os dados a seguir foram obtidos aps a regulagem da mquina.

Sobre o tamanho da amostra Quando realizamos uma inspeo por amostragem temos que escolher o tamanho da amostra n para inferirmos sobre a proporo de unidades noconformes p. Se p muito pequeno devemos escolher um n suficientemente grande para termos uma alta probabilidade de encontrar ao menos uma unidade no-conforme na amostra. Em caso contrrio, podemos concluir que os limites de controle so tais que uma nica unidade no-conforme na amostra j acusa uma condio de processo fora de controle.

Grfico p para a proporo de no-conformes com TAMANHO AMOSTRAL VARIVEL Quando o tamanho amostral varivel, os limites do grfico se alteram em cada ponto. Para ilustrar considere que

a proporo de defeituosas no conjunto de amostras. Os limites sero alterados de acordo com o tamanho amostral ni de cada amostra.

Exemplo Limites para o grfico p com tamanho amostral varivel

4.2.1 Grfico de Controle Padronizado Uma forma de evitar limites de controle varivel padronizando cada uma das estimativas da proporo da seguinte forma:

Considerando limites de 3-sigma, 99,73% dos escores Zi devem ficar dentro dos limites +3 para indicar um processo sob controle. Desta forma, os limites de controle ficam em -3 e +3 com a linha central sendo o zero.

4.2.2 Grfico de Controle np O grfico de controle np pode ser construdo diretamente a partir do grfico p. A nica diferena que os limites de confiana so multiplicados pelo tamanho n. Faamos um exemplo: Tabela Nmero de no-conformidades em 100 peas de placas de circuito Impresso

PARA ENCONTRAR OS LIMITES DO GRFICO np S MULTIPLICAR OS LIMITES POR n. Tarefa: Calcule os limites para o GRFICO Np do exerccio acima.

4.2.3 Grfico de Controle c (baseado na distribuio de Poisson) Suponha que defeitos ou no conformidades ocorram em lotes de produtos (ou amostras com n constante) segundo uma distribuio de Poisson. A probabilidade de encontrarmos x defeituosas numa amostra de n unidades ser dada por:

Na rea de qualidade, o lambda substitudo por c (c>0):

O parmetro c ser estimado diretamente pela mdia de unidades defeituosas (ou no-conformes), denotada por c. Ateno: este procedimento s tem sentido para amostras de tamanho constante.

Construir um grfico c para os dados da pgina 51.

No livro do Montgomery (pg 194), o primeiro ponto fora dos limites justificado por erro de inspeo (inspetor novo) e o segundo ponto justificado por defeito na mquina de solda. Quando as causas especiais so detectadas parece razovel excluir tais pontos e refazer os limites de controle.

Aps fazer isso, adicione os pontos abaixo e refaa um grfico de controle com as 46 amostras. Tabela Pontos adicionais para o exemplo do circuito impresso

4.2.4 Grfico de Controle u (baseado na distribuio de Poisson) Este grfico utilizado para monitorar o nmero de no conformidades por unidade de inspeo. Se considerarmos x = nmero de no-conformidades por unidade de inspeo, ento u=nmero mdio de no conformidades por unidade ser dado por:

Exemplo: Um fabricante de microcomputadores deseja estabelecer um grfico de controle para no-conformidades por unidade na linha de montagem final. O tamanho da amostra escolhido como 5 computadores. A Tabela abaixo mostra dados sobre o nmero de no-conformidades em 20 amostras de 5 computadores cada.

38,60 = 1,93 20

Portanto, os parmetros do grfico de controle so: = 1,93 + 3 1,93 = 3,79 5 LC = 1,93 1,93 = 0,07 5

= 1,93 3

O grfico acima mostra o grfico de controle u. Os dados preliminares no exibem ausncia de controle estatstico; assim, os limites de controle tentativos dados aqui seriam adotados para os propsitos de controle corrente. Novamente, note que, embora o processo esteja sob controle, o nmero mdio de no-conformidades por unidade inaceitavelmente alto. Mesmo que essas no-conformidades sejam no-funcionais ou de aparncia, h demasiadas delas. A gerencia deve tomar alguma iniciativa para melhorar o processo.

Exerccio para Entregar: Um fabricante de automveis deseja estabelecer um grfico de controle para no-conformidades por unidade na linha de montagem final. O tamanho da amostra escolhido como 8 carros. A Tabela abaixo mostra dados sobre o nmero de no-conformidades em 20 amostras de 8 carros cada. Calcule os limites e faa o grfico de controle

5. Capacidade do Processo
5.1 Conceitos bsicos Capacidade do processo se refere variabilidade inerente a um processo comparada s especificaes ou exigncias para o produto. A capacidade do processo diz respeito a sua uniformidade. comum utilizar como medida da capacidade do processo a disperso 6sigma (+-3) na distribuio da caracterstica de qualidade do produto.

A forma mais simples de expressar a capacidade do processo utilizando o seguinte indicador, que compara os limites das especificaes com o comprimento dos limites de controle.

O ndice Cp admite uma interpretao prtica til:

informa a porcentagem da faixa de especificao utilizada pelo processo.

Existem casos em que no teremos limites superiores e inferiores de especificao, mas apenas um deles. Nesses casos:

Exemplo Resistncia de garrafas

Os dados abaixo apresentam a resistncia ruptura de 100 garrafas de vidro de 1 litro de refrigerante

Para os subgrupos acima, estimar o desvio-padro por:

e encontrar os ndices de capacidade. Especificaes entre 160 e 360.