Académique Documents
Professionnel Documents
Culture Documents
Roteiro 1. 2. 3. 4. 5. 6. 7. 8. Estratificao Folha de Verificao Grfico de Pareto Grfico Seqencial Diagrama de Causa-e-efeito Fluxograma Grfico de Controle Referncias
Ferramentas do Controle da Qualidade Principais ferramentas de resoluo de problemas de Controle Estatstico do Processo CEP (Ishikawa):
1. 2. 3. 4. 5. 6. 7. Histograma Folhas de verificao Diagrama de Pareto Diagrama de causa-e-efeito Fluxograma Diagrama de disperso Grfico de controle
Comentrios Nem todos os problemas podem ser resolvidos por essas ferramentas, mas pelo menos 95% podem ser, e qualquer trabalhador fabril pode utiliz-las efetivamente. (Ishikawa) Essas ferramentas deveriam ser amplamente para toda a organizao; ensinadas
Raciocnio correto:
Procurar as ferramentas que ajudam a resolver o problema.
Importante:
Os dados precisam ser analisados para gerarem informaes teis e conseqentemente ao (deciso)
Estratificao
Estratificao Agrupamento de elementos com caractersticas iguais ou muito semelhantes, baseando-se em fatores apropriados (fatores de estratificao);
As principais causas de variabilidade so os possveis fatores de estratificao;
Objetivos Encontrar padres que auxiliem na compreenso dos mecanismos causais e nas variaes de um processo.
Diviso dos dados em subgrupos homogneos internamente (estratos) e heterogneos entre si; Permitir melhor entendimento do problema.
Local:
Os resultados so diferentes nas diferentes linhas de produo?
Indivduos:
Os resultados so diferentes dependendo do operador do processo?
Tipo:
Os resultados so diferentes dependendo do fornecedor da matria-prima?
450 L 440 430 Dureza (HB) L 420 410 400 390 380 370 A B Fornecedor C
Folha de Verificao
Utilizao de dados histricos ou correntes sobre operao do processo em investigao; ponto de partida de todo procedimento de transformao de opinio em dados e fatos.
Usos Facilitar e organizar o processo de coleta e registro dos dados; Facilitar uso posterior dos dados; Dispor os dados de forma mais organizada; Verificar o tipo e a freqncia do defeito; Verificar a localizao do defeito.
Vantagens Permite percepo rpida da realidade e imediata interpretao da situao; Auxilia na diminuio de erros e confuses; Resumo orientado no tempo valioso na pesquisa de tendncias ou padres significativos.
Importante:
Deve-se conhecer a estratificao dos dados antes da construo da Folha de Verificao; Deve-se registrar sempre:
Local da coleta; Data da coleta; Responsvel pelo trabalho.
Caractersticas:
Permite organizao imediata dos dados, sem necessidade de rearranjo; Otimiza posterior anlise dos dados.
Especificao
Desvio -7 -6 -5 -4 -3 -2 -1
Verificaes 10
15
20
Freqncia
8,300 1 2 3 4 5 6 7
X X X X X X X X X X
X X X X X X X X
X X X X X X X
X X X X X
X X X X X
X X X X X
X X X X X X X X X X X
1 3 6 9 11 8 7 3 2 1
Total
51
Permite determinar se a localizao fornece informao til sobre causas potenciais de defeitos; Permite registro da localizao fsica de noconformidades, defeitos, acidentes, etc. Possui geralmente um tipo de croqui ou vista ampliada, permitindo a marcao da localizao do defeito;
1 X
Causa 2 3 4 X X X X 1 1 2
X 1
Exemplo
Planejamento Definir objetivo da coleta de dados; Determinar o tipo a ser usado; Incluir campos para registro de:
nomes dos departamentos envolvidos; pessoas responsveis pelo preenchimento (QUEM) Origem dos dados (turno, data coleta, instrumento de medida, etc.
Planejamento Conscientizao das pessoas envolvidas (PORQUE) Certificar-se que todos os fatores de estratificao de interesse tenham sido includos:
Mquinas, Operadores Turnos; Matrias-primas; Etc.
10
Diagrama de Pareto
Princpio de Pareto Tcnica que busca separar os problemas vitais (poucos) dos triviais (muitos)
20% de problemas 80% de impacto 80% de problemas 20% de impacto
Muitos e triviais:
So um grande nmero de problemas que resultam em perdas pouco significativas.
11
Objetivo Identificar as causas dos poucos problemas vitais; Focar na soluo dessas causas; Eliminar uma parcela importante das perdas com um pequeno nmero de aes.
Marca-se a freqncia total de ocorrncia de cada defeito vs. o tipo de defeito Uma escala para freqncia absoluta e outra para a freqncia relativa acumulada.
Diagrama de Pareto Identifica-se rapidamente os defeitos que ocorrem com maior freqncia Os defeitos mais freqentes no so necessariamente os defeitos mais importantes.
12
100 80 60 40 20 0
es s en e rt Pa y a to os ivo ula em ra tr uin en es lc ug Sp m Ou q Pe rr Ad M sti Fe ve Re 34 29 17 13 6 5 4 22 20,5 17,5 10,2 7,8 3,6 3,0 2,4 13,3 42,2 59,6 69,9 77,7 81,3 84,3 86,7 100,0 s
80 60 40 20 0
36 21,7 21,7
Outros: 95%
Outros: 85%
100
50 40 30 20 10 0
100 80 60 40 20 0
re or in c s ta es da s da ica nif M a uin q o iv es Ad O r ut os
40 20 0
s en Dim
15 13,0 100,0
es
rt Pa
21 18,3 18,3
20 17,4 35,7
18 15,7 51,3
17 14,8 66,1
13 11,3 77,4
5 4,3 81,7
3 2,6 84,3
3 2,6 87,0
16 31,4 31,4
13 25,5 56,9
11 21,6 78,4
4 7,8 86,3
7 13,7 100,0
Defeitos em 1988
Defeitos em 1989
60
100
13
Defeitos com Conseqncias Diversas Se h defeitos com conseqncias srias, misturados com outros de menor importncia, pode-se:
Usar ponderao para modificar as contagens de freqncias; Acompanhar a anlise do diagrama de Pareto de freqncia com uma grfico de Pareto de custo ou de impacto
Grfico de Pareto Ponderado Causas Quando o Pareto for para causas, pode-se ponderar pelas:
Probabilidade de ser a causa principal; Facilidade de atuao
Facilidade de atuao:
1: difcil de atuar 50: dificuldade de atuao moderada 100: fcil de atuar
14
Exemplo
Causa Probabilidade Facilidade Atuao Fator de Ponderao
50 80 100 80
Causa D
Causa A
Causa C
Causa B
10
20
30 40 50 Fator de Ponderao
60
70
80
Grfico de Pareto Ponderado Defeitos Quando o Pareto for para defeitos, pode-se ponderar a freqncia dos defeitos pela:
Criticidade do defeito; Custo do defeito.
15
Mtodo GUT
Gravidade Urgncia Tendncia
Mtodo REI
Resultado (R) Resultado que a alternativa proporciona: Elimina todas as dificuldades: Peso: 5 Elimina parcialmente: Peso: 3 Elimina totalmente: Peso: 1 Exeqibilidade (E) Facilidade de implantao da alternativa: Fcil de ser implantada: Peso: 5 Dificuldade intermediria: Peso: 3 Difcil de ser implantada: Peso: 1 Investimento (I) Custo de implantao da alternativa: Baixo custo de implantao: Peso: 5 Custo intermedirio: Peso: 3 Alto custo de implantao: Peso: 1 P=RxExI Prioridade (P)
Mtodo GUT
Gravidade (G) Urgncia (U) Tendncia (T) Situao no caso de no ser efetuada nenhuma ao: Situao deteriorar Peso: 5 Situao estvel Peso: 3 Situao melhorar Peso: 1 P=GxUxT Prioridade (P) Prejuzo que a situao poder Urgncia na tomada de causar: deciso: Muito importante Peso: 5 Moderadamente importante Peso: 3 Pouco importante Peso: 1 Imediata Peso: 5 A mdio prazo Peso: 3 Pode ser adiada Peso: 1
16
Se a categoria outros apresentar freqncia elevada, significa que as categorias no foram adequadas;
Comentrios Comparao dos grficos de Pareto antes e depois permitem avaliar o impacto de mudanas efetuadas no processo. Nem sempre eventos mais freqentes ou de maior custo so os mais importantes.
Ex. Um acidente fatal vs. 100 cortes nos dedos
Pede-se:
Identificar os problemas vitais e triviais Considerar estratificao na anlise
17
Comandos Minitab
Stat > Quality Tools > Pareto Chart
Grfico global
600 100 500 80 Quantidade 400
Estratificao: turno
C Turno = M 300 250 Quantidade 60 200 150 100 50 0 C B D A E Defeito B D Turno = T A E
Defeito _1 C B D A O ther
300 40
20
0 C 269 48,3 48,3 B 104 18,7 67,0 D 87 15,6 82,6 A 84 15,1 97,7 E 13 2,3 100,0
Estratificao: operador
Operador = A Operador = B 100 200
C Operador = A
Other
Q uantidade
200
82 56 40 38 33 6
100 50
22 16 20 2
Defeito _1 C B D A O ther
150
80 Q uantidade
60 % 100 40 50 20
50
40 20
Count
0 C 82 41,2 41,2 B 40 20,1 61,3 D 38 19,1 80,4 A 33 16,6 97,0 Other 6 3,0 100,0
0 C 56 48,3 48,3 B 22 19,0 67,2 A 20 17,2 84,5 D 16 13,8 98,3 Other 2 1,7 100,0
Operador = C 200
Operador = D
0
Operador = C 200 200 Operador = D
150
Q uantidade
150 Q uantidade
150 100 100 80 60 50 40 20 0 Defeito Count Percent Cum % 0 C 66 52,0 52,0 B 24 18,9 70,9 A 17 13,4 84,3 D 17 13,4 97,6 Other 3 2,4 100,0 %
65
66 18 16 24 2 17 17
100
80 60
50
14
50
40 20
0 C B D A
3
0 Defeito Count Percent Cum % C 65 56,5 56,5 B 18 15,7 72,2 D 16 13,9 86,1 A 14 12,2 98,3 Other 2 1,7 100,0
Other
Defeito
100
100
18
Grfico Seqencial
Grfico Seqencial Grfico de dados ao longo do tempo; Ferramenta simples; de construo e atualizao
19
Construo de Grfico Seqencial Obter dados quantitativos ordenados no tempo; Escolher escala da unidade de tempo; Escolher escala para os dados quantitativos;
Quantidade de erros, reclamaes, quebras, etc.
Uso Monitoramento da mdia esperada ao longo do tempo; Pesquisar tendncias, que presena de causas especiais;
Paradas de mquinas; Quantidades produzidas; Quantidades de refugos Outras variveis no tempo
poderia
indicar
20
Interpretao Testes para Aleatoriedade Se h apenas causas comuns de variao (processo sob controle) os dados exibiro comportamento aleatrio:
Nmero de rodadas (runs) observadas est prximo do nmero esperado de rodadas; Os testes para padro aleatrio so no significativos
5 6 Sample
8
5 6,33333 3 0,13455 0,86545
10
Number of runs about median: Expected number of runs: Longest run about median: Approx P-Value for Clustering: Approx P-Value for Mixtures:
Number of runs up or down: Expected number of runs: Longest run up or down: Approx P-Value for Trends: Approx P-Value for Oscillation:
n observado n esperado
21
H0: dados esto em seqncia aleatria vs H1: dados no esto em seqncia aleatria
Se n observado > n esperado Se n observado < n esperado H1: mistura H1: cluster
5 6 Sample
8
5 6,33333 3 0,13455 0,86545
10
Number of runs about median: Expected number of runs: Longest run about median: Approx P-Value for Clustering: Approx P-Value for Mixtures:
Number of runs up or down: Expected number of runs: Longest run up or down: Approx P-Value for Trends: Approx P-Value for Oscillation:
22
23
75000 N Clientes
70000
65000
60000 1 2 3 4 5 6 7 8 9 Observation 10 11 12 13 14 15
Number of runs about median: Expected number of runs: Longest run about median: Approx P-Value for Clustering: Approx P-Value for Mixtures:
Number of runs up or down: Expected number of runs: Longest run up or down: A pprox P-Value for Trends: A pprox P-Value for Oscillation:
24
Diminuio na amplitude:
Operador mais experiente; Matria-prima mais homognea
25
Diminuio na amplitude:
Situaes opostas.
Pontos outliers:
Diagrama de Causa-e-efeito
26
Diagrama de Causaeefeito Representa a relao entre o efeito e suas possveis causas; Utilizado para identificar, explorar e ressaltar as possveis causas de um problema ou condio especfica Ferramenta til na eliminao de causas potenciais
Caracterstica
Causas Tercirias
Fatores (causas)
Problema (efeito)
27
Diagrama de Ishikawa
Construo do Diagrama Defina o problema a ser analisado; Forme equipe para a anlise
Em geral, as causas potenciais so descobertas em brainstorming;
Desenhe a caixa de efeito e a linha central; Especifique as principais categorias de causas potenciais e coloque-as em caixas ligadas linha central;
Construo do Diagrama Identifique as causas possveis e classifique-as nas categorias do passo anterior. Crie novas categorias, se necessrio Ordene as causas para identificar aquelas que parecem mais provveis de causar impacto sobre o problema Adote aes corretivas
28
Detalhamento
Mtodo:
Instruo Procedimento
Mquina:
Deteriorao Manuteno
Mo-de-obra:
Fsico; Mental.
Meio Ambiente:
Intempries; Clima.
Material:
Fornecedor; Prprio.
Medida:
Instrumento; Inspeo.
Diagrama de Causa-e-efeito
29
6M e 4P so apenas sugestes; Deve-se usar qualquer classificao que auxilie as pessoas a pensarem criativamente.
C ondies climticas
A az rm 1
F ormao
Local de trabalho
Em
en
io u se an
o eg pr
Mtodos
e ag m
P erigosos
Terceirizados
Dificuldade de operao P lano de manuteno F alta de manuteno P rocesso operacional Tempo de v ida elev ado
Mquinas
30
Medidas
Material
Pessoal
Defeituoso a partir do fornecedor Tipo da tinta de base Danificado no manuseio Viscosidade da tinta de base Viscosidade da pintura
Atitudes imprprias
Treinamento insuficiente
Superviso inadequada
Mquinas
Mtodos
Mquinas
Comentrios O diagrama deve ser construdo por pessoas realmente envolvidas no processo; A tcnica de brainstorming auxilia o levantamento completo das possveis causas; Deve-se expressar de forma mensurvel os efeitos e as causas (sempre que possvel);
31
Comentrios Diagrama muito detalhado pode servir como um eficiente auxiliar para localizar e reparar defeitos A construo de um diagrama de causa-e-efeito como uma experincia de grupo tende a levar as pessoas envolvidas a atacar o problema e no a atribuir culpas
Fluxograma
Grfico de Controle
32
Razes para Uso So uma tcnica comprovada para melhoria da produtividade; So eficazes na preveno de defeitos; Evitam o desajuste desnecessrio do processo; Fornecem informao de diagnstico; Fornecem informao sobre a capacidade do processo;
Referncias
Bibliografia Recomendada Minitab Corp. (meio eletrnico) Meet Minitab para Windows Verso 15. Montgomery, D. C. (LTC) Introduo ao Controle Qualidade Estatstico da
33