Académique Documents
Professionnel Documents
Culture Documents
Anderson Ara1
Francisco Louzada2
Joo Paulo Sganzella3
RESUMO
16
INTRODUO
17
alguma alterao no programa ele deve revelar o cdigo fonte da nova verso. Alm
disso, est em constante desenvolvimento por receber contribuies de pesquisadores
do mundo todo.
O Ambiente Computacional R uma linguagem livre e possui funcionalidades que podem
ser utilizadas para aplicar rapidamente as principais ferramentas de CEP ao conjunto de
dados que a empresa deseja monitorar. Assim, a empresa ter plenas condies de fazer
uso de recursos computacionais ao controlar a qualidade de um processo sem custo
algum.
Para apresentar a aplicabilidade deste software, este artigo exibe uma situao real
tratada atravs da metodologia CEP e vivenciada em uma indstria brasileira.
METODOLOGIA CEP
18
19
Os pontos do Grfico 1 representam tais dados, com limite superior de controle (LSC) que
no grfico est denominado em Lngua Inglesa como Uppercontrollimit(UCL) e o limite
inferior de controle (LIC) que denominado como lowerlimitcontrol (LCL), indicando o
limite superior de controle e o limite inferior de controle, respectivamente, e sendo a
linha do meio, o valor mdio da estatstica que esta sendo exibida a mdia dos dados
histricos, que seria mdia dos pontos representados no grfico do Estgio 1.
Existem no grfico trs pontos fora dos limites de controle, esses devem ser investigados,
pois eles foram includos no clculo dos limites de controle experimentais. Dependendo
do resultado da investigao podem ou no ser revisados. Se ao investigar cada um dos
pontos em busca de uma causa especial (por exemplo, uma mquina fora de ajuste),
mas ao se investigar as causas que sero removidas, ai sim, poder recalcular os limites
de controle. Em casos que a causa no puder ser eliminada, deve-se considerar os pontos
fora como parte permanente do processo. Assim os limites experimentais no podero
ser recalculados. Por haver uma variao natural do processo, se encontraro pontos fora
dos limites de controle, isso acontece onde exibido um grupo de pontos ao invs de
um grfico sequencial dos pontos individuais. Especificamente, se for a probabilidade
de um nico ponto estar fora dos limites de controle quando os pontos forem exibidos
individualmente, a probabilidade de que pelo menos pontos representados venham a
cair fora dos limites de aproximadamente . (Ryan, 2009).
A questo que se prope relaciona-se ao que se deve ser feito quando um ou mais
pontos encontram-se fora dos novos limites, a partir da remoo dos pontos que esto
fora dos limites antigos. Isso poderia ocorrer como os pontos do Grfico 1, j que ao
se remover os pontos fora dos limites ocorrera com que os novos limites fiquem mais
juntos. Assim sendo, os pontos que mal esto dentro dos limites antigos tambm podem
mal estar fora dos limites recalculados ou novos limites.
Os pontos que encontram-se fora dos novos limites, devem ser investigados como causa
especial, removidos e, esses limites recalculados se, e somente se, essa causa especial
puder ser detectada e removida.
Temos assim um ciclo que deve prosseguir at que nenhuma outra ao possa ser
tomada.
Com o trabalho de trazer o processo para um estado de controle estatstico, pode se
dar incio a um estudo de capacitao do processo, com o objetivo de determinar a
capacitao em relao ao atendimento as especificaes.
Os grficos de controle, no podem produzir por si s o controle estatstico, ou seja, o
pessoal responsvel pelo processo deve se encarregar de eliminar as causas especiais
que determinam a mxima variabilidade do processo. Os grficos de controle indicam
se o processo est sendo mantido sob controle estatstico e proporcionam aos usurios
outros sinais a partir dos dados. Podem tambm se utilizar dos grficos de controle, para
empreg-los no estudo de capacitao de processo.
20
Para grficos de controle existem muitos modelos diferentes, alm de tambm vrias
maneiras de se calcular os limites de controle.
Passando do Estgio 1 para o Estgio 2, comea-se a fazer uma progresso para o uso de
mais observaes para os clculos dos limites de controle. Para o Estgio 1 adequado
o nmero de 100 observaes, individuais ou em grupos. Agora para o Estgio 2 os
limites de controle a serem empregados, devem ser calculados a partir de pelo menos
300 observaes. Esse nmero de observaes tem sido recomendado na literatura
(QUESENBERRY,1993).
Tendo como ponto de partida a ideia geral de ter os limites de controle calculados a partir
de observaes suficientes de todo o processo, o desejvel obter boas propriedades
estatsticas para os limites de controle.
Assim, se forem utilizadas 100 observaes no Estgio 1, os dados quando o processo
estiver sob controle no Estgio 2, teria de somar a suas contrapartes no primeiro estgio,
com os limites de controle (semipermanentes) do Estgio 2 calculados a partir do
nmero necessrio de observaes. Esses limites de controle devem ser recalculados
especialmente quando h sinais de uma alterao no processo.
No existem regras quando os limites devem ser recalculados, isso uma questo de
julgar a necessidade, na ausncia de eventos discernveis.
Sempre interessante ter os limites de controle calculados a partir de dados mais
recentes, assim, a questo quando deve ser feito, ao invs de, se isso deve ser feito.
2.3 A Linguagem R
O Ambiente Computacional R surge inicialmente em 1996, desenvolvida originalmente
por Ross lhaka e por Robert Gentleman na universidade de Auckland, Nova Zelndia.
Batizada com o nome R, pelo fato de ser a letra inicial de ambos os nomes e at como
referncia a linguagem S.
21
22
Para instalar pacotes atravs de arquivos zip, devemos clicar, no Menu Principal, na
opo Pacotes->Instalar pacotes a partir de arquivos zip locais. Para instalar pacotes
atravs da Internet, devemos clicar na opo Pacotes->Instalar pacotes e selecionar
o repositrio de dados mais prximo ao computador de acesso. Atravs da Internet o
pacote pode ser baixado diretamente da pgina do projeto, tanto para Linux e Windows.
Aps a instalao do pacote, este carregado no Software R atravs da funo require
(qcc).
O pacote QualityControlCharts (qcc) apenas um dos quase 1,6 mil pacotes disponveis
em apenas um dos muitos sites dedicados Linguagem R. Este direcionado ao Controle
Estatstico de Processo e desenvolvido por Scrucca (2004). Este pacote permite: a gerao
dos grficos de controle Shewhart para variveis e atributos, efetuarem a Analise da
Capacidade Processos, construir os grficos de Pareto e diagramas de Causa e Efeito, etc.
23
RESULTADOS
dados=qcc.groups(x,amostra)
qcc(dados,type=R,limits=c(LIC.R,LSC.R),center=R.barra)
Fonte: Dos autores
Neste primeiro caso temos a adio das amostras para o grfico R amplitude (Quadro
1), em negrito esto os cdigos para a obteno do grfico de controle, este ultimo
exibido no Grfico 2, de onde observa-se a carta de controle gerada pelo Software
R. Verifica-se que para este grfico a amplitude esta sob controle, mesmo com alguns
pontos individualmente distantes.
No segundo caso analisamos o grfico X-barra para as 25 amostras, assim como no
exemplo anterior, Grfico 2 apresenta em negrito os cdigos para a gerao do grfico.
Verifica-se no Grfico 2 que a mdia do processo encontra-se sob controle, pois os
pontos esto dentro dos limites estatsticos.
24
Quadro 2: Cdigos em R para a gerao do grfico de controle X-barra com limites clculados
processo=qcc(dados,type=xbar,limits=c(LIC.xbar,LSC.xbar),center=X.barra.barra)
25
26
>process.capability(processo,c(3.5,10.5))
Process Capability Analysis
Call:
process.capability(object = processo, spec.limits = c(3.5, 10.5))
Number of obs = 100
Target = 7
Center = 6.895979
LSL = 3.5
StdDev = 0.9579725
USL = 10.5
Capability indices:
Cp
Cp_l
Cp_u
Cp_k
Cpm
Value
2.5%
97.5%
1.218
1.182
1.254
1.182
1.211
1.048
1.033
1.098
1.005
1.042
1.387
1.330
1.411
1.359
1.379
27
Grfico 4: Capabilidade
(%, 1 : ) =
1
2
+
+
2
(1 + %) (1 + %)
(1 + %)
28
CONCLUSO
29
ABSTRACT
The high market competitiveness has demanded companies to add quality to their
products in order to achieve high-performance minimize waste and reduce the cost
of the final product. In this context emerges the methodology of Statistical Process
Control (SPC). Companies that make use of SPC require specific software, which involves
performing statistical calculations, construction of graphs, and measurement of process
capability, among other needs. They need to provide financial resources to purchase a
license for their use; this cost is often passed on to the final product. The purpose of
this work is to employ a free and open computing environment that is available on the
World Wide Web, known as Language R or Software R, to carry out the SPC gratuitously.
In this paper, we demonstrate the applicability of SPC via Software R within the industrial
context. Areal data set related to the surface texture of axles manufactured by machining
process is presented in detail.
REFERNCIAS
CAMARGO, R. Rugosidade superficial nas operaes de torneamento. Santa Brbara
DOeste: SENAI/SP, 2002.
GUIDORIZZI, h. l. Matemtica para administrao. Rio de Janeiro: LTC, 2002.
LOPES, L. F. D. Controle estatstico de processo. 2007. 68 p. Santa Maria, 2007. Apostila
do curso de Engenharia de Produo.
MONTGOMERY, D. C. Introduo ao controle estatstico da qualidade. 4 ed. Rio de
Janeiro: LTC, 2004.
QUESENBERRY, C. P. The effect of sample size on estimated limits for Xand control charts.
J. Quality Technol, [S.l.], vol. 25, pp. 237-247, 1993.
RIBEIRO, J. L.; CATEN, C. T. Controle estatstico do processo. Porto Alegre: Editora da
UFRGS, 1998. Apostila do Curso de PsGraduao em Engenharia de Produo.
RYAN,T.P.Estatsticamodernaparaengenharia. RiodeJaneiro: Elsevier,2009.
30
SOBRE OS AUTORES
Anderson Ara
Francisco
Louzada
Joo Paulo
Sganzella
31