Apostila de Controle Estatistico Da Qualidade

UNIVERSIDADE CATOLICA DE PETROPOLIS _ CONTROLE ESTATISTICO DA : QUALIDADE II -1998-CONTEUDO INDICE I CAPITULO 1. INTRODUGAO, L.A, Um pouco de historia. 1.2. Normas da qualidade, 13. Ociclo da qualidade... 14 ae a série 150 9000, 15. Definigao de C.E.Q... 16. Ferramentas de C.E.Q... L61- Os gréficos de controle de Shewhart para caracteristicas mensurdvel. 162 Os gréficos de controle de Shewhart para caracteristicas nao mensurdveis. 1.63- 4 teoria de amostragem. aonunneeu CAPITULO 2. ALGUNS CONCEITOS FUNDAMENTAIS DA ESTATISTICA. Miétodos de sumarizagao de dado... Distribuigao de frequéncias. = Graficos de distribuigao de frequéncias. Medidas da média e dispersio.... ‘Acurva normal Limites de controle e especificagoes. 2.7. Interpretagao dos dados.. Identficacao de anormatidade no processo.. Comparagiio de histograma com as especificagdes ou padrbes. 16 Tdemificugtio e segregagiio dos fatores contributes... 7 2.73.1 Exemplo A. "7 2.73.2- Exemplo B. 18 2.73.3 Exemplo Cn 18 2.7.3.4 Exemplo Dor 18 2.7.3.5- Exemplo E.. 9 2.1.3.6 Exemplo F. - 20 2.1.3.7. Exemplo G. - 21 CAPITULO 3. GRAFICOS SOB CONTROLE 3.1. O processo sob controle 2 3.2. Esquema geral dos grificos de controle 2 3.3. Duas finalidades dos graficos de controle . 23 3.4. Tipos de variagdes .... ses 24 3.4 Variagdes aleatérias 4 3.4.2- Variagdes causais mu 3.5. Tipos de grificos de controle... 24 3.6. Formago de sub grupos racionais . 25 3.7. Escolha do tamanho da amostra... 25 Controle Estatistico da Quatidade ITCAPITULO 4. CONTROLE DF VARIAVEIS 4.1, Limites de controle no sistema norte-americano. 2 4.2. Graficos da média : 2 42.1 Gnifico da média quando a norma é conhecida m2] 42.2. Grifico da média ec desconhecidos.... . 28 423 Resumo, 4.2.4. Interpretacito do grdfico da média 4.2.5- Exemplos 43. Grificos do desvio = padrio.... 44. Grificos da amplitude... 4.5. Sistema inglés de controle. CAPITULO 5. CONTROLE DE ATRIBUTO. Condigdes para o controle de atribUt© wnnnnnnnenninmnmnmninnemennnnnennes 40 Graficos da fracio defeituosa or) Graficos do niimero total de defeitos a2 Graficos do defeito por unidade ee . Graficos do niimero de defeitos na amostra . ——— : 44 CAPITULO 6. ANALISE DOS GRAFICOS DE CONTROLE 6.1. Capacidade do processo ... 6.1.1- Caso I: Processo sob controle e capaz 6.1.2. Caso 2: Processo sob controle incapaz 6.1.3- Caso 3: Processo capaz mas fora de controle « 6.1.4- Caso 4: Processo fora de controle e incapaz 6.2. Indice de capacidade do processo (1.C.P) 62.1- Agdes especificas requeridas 63, Mini-Capacidade ou capacidade de maquina (MINI) .. 6.4, Interpretagao de grificos de controle 6.5. Teste qui-quadrado 7. APENDICE ‘Tabua | ~ Distribuigdo normal Tébua 2- Sistema norte americano ... Tébua 3 - Sistema inglés Tabua 4 Distribuigdo qui-quadrada.. 7 fgura A.1- Exemplo de grificos para variéveis fgura A.2- Exemplo de graficos para atributo 8. BIBLIOGRAFIA .. Agradecimento A Ana Paula Moratelli pela dedicacito e empenko na execucia desta apastila. Controle Estatistico da Qualidade ITCapitulo! INTRODUGAO 1.1. UM POUCO DE HISTORIA Na idade média existia o artesdo, que era simultaneamente o projetista, 0 produtor, 0 vendedor, © comprador de matéria - prima, ete. Ou seja, apenas uma pessoa cuidava de todas as etapas do processo produtivo. O artesio tendo contato direto com o cliente facimente estabelecia 0s requisitos da qualidade (especificagio do produto), enquanto a satisfagio do cliente era diretamente aferida. No periodo da renascenga (século XIV e XVII) com o desenvolvimento do comércio, os intermediérios introduziram um fator complicador no relacionamento produtor / consumidor. ‘A revolug&o industrial (século XVIII e XTX) incrementou com a utilizagao de maquina a producio em larga escala, incentivou a concentracao de pessoas nas fabricas e ocasionou 0 fracionamento das atividades de produgdo. o que veio a comprometer a qualidade dos produtos, acarretando 0 surgimento da inspe¢ao final A introdugao do uso do calibre simples (passa), que envolve © conceito de limite de tolerdncia deu-se em 1840, enquanto o calibre de maximo e minimo (passa no passa) surgiu em 1870. Nesta época os compradores se recusavam a admitir @ idéia de que em um lote de pepas existe necessariamente um percentual de pegas defeituosas, ¢ se, de um lado, os compradores acreditavam poder comprar lotes sem pecas defeituosas ¢ de medidas exatas, por outro, os produtores se sentiam incapazes de atender estas solicitagdes, embora, a idéia generalizada entre 195 técnicos, fosse a da possibilidade de se produzir pecas, em quantidade, de dimensdes exatas, (invarisveis), No inicio deste nosso século culminaw o Taylorismo (1905), teoria classica denominada “geréncia cientifica”. Taylor intensificou a pura divisao do trabalho (homem = méquina) ou seja para cada homem uma tarefa especifica, “motivando” os seus operirios por opress2o ou por dinheiro, pensando em obier uma maior eficiéncia, principalmente pelo desenvolvimento do. estudo de tempos e movimentos. Alguns anos depois nos laboratérios da Bell Telefhone (1920) foram feitas as pesquisas pioneiras da aplicagao da estatistica aos problemas industriais, dirigidas por Shewhart em pecas de telefones, que por serem produzidas aos mithares. contradiziam as idéias até enti aceitas da possibilidade de Totes sem pecas defeituosas e de dimensdes exatas, haja vista que a insperio ‘completa em milhares de pegas era demorada e honerosa e em alguns casos impraticavel devido 1a destruigo do produto pela inspesio. Surge entio a necessidade da criago de técnicas de controle, da produgdo, de modo a reduzir a0 minimo 0 niimero de pegas defeituosas ou fora da especificagao ¢ também reduzir a quantidade de pegas inspecionadas ao minimo. Em 1923, Shewhart introduzia o conceito de “tolerfncia de partida”, que era a percentagem aceitivel de peras defeituosas nela contida, nascia entdo a necessidade de eriar-se uma especificagao de aceitacdo para controle de lotes inspecionadas por amostragem. Em 1924 0 mesmo Shewhart esboca o primeira grafico de controle da qu fabricagao. Em 1944 € editada os procedimentos para aceitagdo por amostragem para atributos Dodge - Romig, que em 1950 foi reeditada pelo exército americano com 0 nimero MIL-STD- 105 A, norma esta, que foi amplamente utilizada na compra de material bélico e de apoio pelo exército americano, inicialmente na segunda guerra mundial. inde de Controle Estatistico da Qualidade ItNa mesma época Deming fica famoso por estabelecer os quatorze pontos para obtengao da qualidade. impulsionando a industria japonesa apis a segunda guerra mundial. apesar da teoria e 0 autor serem americans, : Em 1951 6 criado 0 premio Deming. pela JUSE (Japio) para incentivar as empresa que se destacam em qualidade. 'Nos anos sessenta o americano Feigenbaum cria o termo "controle total da qualidade" ¢ a teoria a respeito. Alguns anos mais tarde Juran publica o “Quality Control Handbook” (1988) Com o surgimento dos setores aero - espacial e nuclear a inspegdo por amostragem foi deixada de lado por questies de seguranca, setores estes onde inspegbes alé a razio de 300% sao efetuadas, ‘Outras nao abrangéncias da norma de inspegdo por amostragem foram demonstradas pela indtistria eletrénica japonesa, face a baixissima quantidade de defeitos que no sdo detectados pelas tabelas em percentual das normas, pois os defeitos sao contados em niimero de defeitos por milbdes de pegas produzidas. Podendo responsabilizar, entre outros, por este “milagre”. Ishikawa introdutor do grafico “espinha de peixe” e impulsionador dos CCQ (circulos de vonttole da qualidade).(1962) ‘No Brasil podemos citar 0 professor José Ribeiro da Costa que introduziu a garantia da qualidade na industria nuclear brasileira, professor Paula Leite introdutor dos ensaios nao destrutivos e professor Jeremias Alves de Alencar introdutor da garantia de qualidade no setor de fabricagao e revisio de motores aeronduticos. 1.2. NORMAS DA QUALIDADE Entre outras podemos citar: MIL--Q.. 9858 - Norma militar americana sobre garantia da qualidade. Série ISO 9000 - Normas de gestio da quatidade, garantia da qualidade e diretriz de selegio € uso. Segundo a ISO 900/ os requisitos de um sistema da qualidade sio: responsabilidade da diregao, sistema da qualidade, andlise dos contratos, controle do projeto, controle dos documentos, das compras, identificagao dos produtos, controle de processo, inspegao © ensaios, controle dos equipamentos, status das inspegdes ensaios, controle de produtos. no - conformes, agdes corretivas, manuseio, armazenagem, acondicionamento € entrega, registro da qualidade, auditorias da qualidade, treinamento, manutencdo e técnicas estatisticas. Portanto, percebe-se que 0 controle da qualidade € um sistema amplo e complexo que abrange todos os aspectos de uma empresa em um esforgo que deve ser comum e cooperativo, tendo em vista, estabelecer, adequar e assegurar a qualidade da producto em niveis, ‘econdmicos para satisfazer os desejos dos consumidores, 13. O CICLO DA QUALIDADE Ciclo da qualidade € 0 conceito que interelaciona as fases da vida de um produto, definido como proceso continuo que deve ser retro alimentado, aprimorando-se constantemente. a i —S y cansumidor produgéo x vendas - ‘ Canteale Petatistinn da Onalidade I ee14 AESTATISTICA E A SERIE ISO 9000 A ISO 9004 faz a seguinte descrigdo no seu item “20 - uso de métodos estatisticos, principais aplicagdes e técnicas” que transcrevemos: "20.1)Aplicagdes: A aplicago correta de métodos estatisticos modemos € um elemento importante em todas as etapas do ciclo da qualidade, nao sendo limitada as cetapas de pds - produgo, ou de inspesao. As aplicagSes poderdo ser feitas com as seguintes finalidades: a) andlise de mercado ; b) projeto de produtos; ©) especificagao de confiabilidade, previsto de vida itil e durabilidade; 4) estudos envolvendo o controle do processo ¢ a capacidade de processo; @) determinagao dos niveis da qualidade e dos planos de inspegao e; 4) anilise dos dados/avaliagdo do desempenho/analise dos defeitos. 20.2) Técnicas Estatisticas: Os métodos estatisticos especificos e suas aplicagdes, atualmente, compreendem os seguintes, entre outros: 4) projeto de experimentos/andlise dos fatores; b) andlise de varifincia/andlise de regressdes, ) avaliagao da seguranga/andlise de riscos: 4) testes de significancias; €) grificos de controle da qualidade e, 1), inspegdo por amostragem;” DEFINIGAODE CEQ Estatistiva € uma palavra com dois significados, ein um sentido, a palavia se refere a um fato em termos numéricos, e neste caso € uma palavra no plural, exemplo: as estatisticas das vendas nas filiais demostram um aumento do lucro. No outro sentido, a palavra de refere a um conjunto de métodos, pelos quais tteis conclusdes podem ser tiradas de dados numéricos e neste ‘caso é um nome singular, exemplo: a estatistica € também baseado na teoria da probabilidade. E € neste segundo sentido que a palavra estatistica € usada no titulo “Controle Estatistico da Qualidade”. Podendlo entio definir C.F.Q como: "um conjunto de métodos pelos quais, através de ‘conelusées tiradas de dados numéricos, podendo controlar a qualidade de produtos e servigos além de implantar agdes corretivas quando da detecgao de nao conformidades." No ambiente fabril ocorrem discussdes entre o pessoal de projeto versus fabricagao versus inspego. No pasado essas discussdes eram acaloradas devido a auséncia de fatos em bases que permitissem um acordo, O advento do C.E.Q permitiu o surgimento de uma sm comum aos tr8s grupos, o que facilitou o entendimento e as solugdes dos problemas lingueg 1.6. FERRAMENTAS DE C.E.Q. Muitas das téenicas desenvolvidas pelos estatisticos para anilise de dados podem ser usados para controle da qualidade de produtos e servigos. Existem, portanto, algumas técnicas principais que sao: Controle Estatistico da Oualidade IT1.6.1. Os grificos de controle Shewhart, para caracteristicas mensurdveis (variaveis), que so os graficos (X) da média, /R) da amplitude € (6) do desvio padrao. 1.6.2. Os grificos de controle de Shewhart para caracteristicas nao -mensurdveis (atributos) que sio os grficos (p) da fragao defeituosa, (mp) para o niimero total de defeituosos e (¢) para o mimero de defeituosos. 1.6.3. A teoria de amostragem que lida com a protecao da qualidade dada pelos procedimentos de aceitago por amostragem (NBR 5426, 5427 © 5428), Controle Estatistico da Qualidade ItCapitulo 2 ALGUNS CONCEITOS FUNDAMENTAIS DA ESTATISTICA 2.1. METODOS DE SUMARIZACAO DE DADOS Métodos priticos de sumarizagio de dados devem ser simples, Algumas vezes. Um método € suficiemte para prover uma completa e Gil sumarizayau, ei Gulivs easy, dois ou até mesmo trés métodos so necessirios para obter-se uma clara visdo da situagdo. Trés-métodos chaves sao as distribuigdes de freqiiéncia, os grificos de distribuigado e as medidas de tendénci central e de dispersto. 2.2. DISTRIBUICAO DE FREQUENCIAS, A distribuigao de freqiiéncias e uma ferramenta estatistica para apresentar numerosos fatos de modo que fique claro a tendéncia central e a dispersdo ao longo da escala de medidas, ‘A tabela I nos mostra o resultado das medidas da resisténcia em OHMSs de 100 bobinas. Table 2.1: Resistance (ohms) of 100 coils 37 sae [338] SST] 3] SST 329 334 | 334 | 336 | 339 | 330 335 333 | 335 334 | 332 | 338 335 3aa | 332 332 | 329 | 33s 330 39 | 336 | 340 | 332 | 335 336 | 337 | 333 | 336 329 3a 331 335 331 | 336 | 337 | 33s 340 33s | 336 | 338 | 335 | 331 | 33 33s, 3a] 330_[ 33s | 333 | 335 | 331 | ‘A tabela 2 nos mostra os mesmos dados apés sua tabulagio. Note como a coluna “ebulagdo” toina mais evidente a tendéneia contral ¢ a dispersio. A coluna “freqiéneia” & meramente um registro do nlimero total de cada valor. E a coluna “freqtiéncia acumulada”™ mostra o numero de bobinas com resisténcia igual ou maior do que a associada com o valor da resisténcia, Table 2.2 Tatly of Resistance values of 10 coils Conte Resistane ohms | Tabulation | Frequeney_| Frequency 343 3a 1 ' 1 3a 342 Bat 0 340 1 339 leet 338 Laer 337 0 336 Lsacrctn 335 (era 4 Pert n 333 aera | 10 332 ih 331 un 330 um 329 m 328 t 327 ' 326 Tova 100 Controle Estatistico da Qualidade IT‘A tabela 3 nos mostra os valores organizados em 06 células de 0.03ohm de extensio. Agrupar valores em células simplifica a apresentacao dos dados e 0 estudo da distribui¢do mas pende alguns detalhes e a precisdo do calculo da media e do desvio - padrao, Table 23 Frequency Distabuton of Resistance Values “Reser Pereenagein oe ——__| CComulate | Bobins om valor menor Boundaries" Midpoins [Frequency [Frequency [ou igual errer 1 1 oor 53853415 3.40 5 5 99% Ssssas 337 > 36 2M Sa 36 2 64% 32083305331 2B 95 289% 3263295 38 5 100 6 100 * as células também podem ser definidas da seguinte forma: 342h-—-3.45 3.39h-—3.42 3363.39 333-336 3.301-—3.33 3.27330 intervalo inelui o valor deste lado do simbolo (j__) e nao inclui o deste lado. = Para construir uma distribuigtio de freqiiéncia , os seguintes passos so necessarios: |= Decidir 0 niimero de células. A Tabela 4 nos indica o nimero de células recomendadas em fungio do tamanho da amostra. Trata-se apenas de uma sugestio € no de uma imposigao. ‘Toble 24: Number of Cals in Frequeney Distribution “Rumber of observation | Recommended — Nonter of ell reece aa 1-100 7 101-200 8 201-300 8 501-1000 0 Over 1000 11.20 2+ Calcular o valor do intervalo da célula que € igual a diferenga entre o maior e 0 menor valor observade dividide pelo mimero de eslulas. O resultado deve ser arredondado para um valor conveniente. 3+ Construa as células listando os seus limites Observagies: a) O limite da célula deve ter um alg valor 5. ) O intervalo deve ser constante ao longo da distribuicdo. 19 significativo a mais e usualmente & 0 4- Marque cada observagao dentro da célula apropriada e registre o total da freqiiéncia, a qi Controle Estatistico da Qualidade It2.3. GRAFICOS DE DISTRIBUIGAO DE FREQUENCIA. a) Histograma ak 3265. 59205 555 55 FES ais 345 Figura 24 fico de colunas ou barras b)Gr Frequency ase se 8 329 331 Sat S37 3A) d3 Figura 22 Controle Estatistico da Quatidade II€) Poligono de frequéncias Frequency © BR 5 = Bom 0 eR ee eel ee) Figura23 4) Frequéncia acumulada ( maior do que) 25h o fs et 7 Aas] 323 Figurazs 10 Controle Estatistico da Oualidade ITe) Freqiiéncia acumulada (menor do que) 75 329 as) Sa8 337 940 343 Figura 25 24, MEDIDAS DA MEDIA E DISPERSAO - Média (11) a onde : 2.8. A CURVA NORMAL A distribuigdo normal é a mais importante distribuigdio de probabilidades, ndo apenas na teoria estatistica como também nas suas aplicagdes a problemas industriais. E uma distribuigo continua e simétrica, cujo grafico tem a forma de sino (Ver Fig. 2.6); ela é também conhecida como distribuigao de Gauss, ou de Laplace, ov dos erros de observagio. A distribuigao normal representa o resultado da atuagao conjunta de causas aleatorias, e, por isso, é fundamental no Controle Estatistico da Qualidade Icontrole estatistico de qualidade, particularmente na teoria dos grificos de controle de fabricacao. Uma varidvel continua x, que possa tomar qualquer valor real (isto é,-00 3307344 _ agg 072 pera % ecima => ST 0E 3a T3161 0,72 Entretanto com os valores encontrados acima na Tabua I do apéndice. Procuramos o valor de I{ 2) na coluna correspondente a z. Assim temos para: 25+ 1,94 pela tabela 0,0256, ou seja, 2,56%. (0,5 - 0,4744, aproximado) Controle Estatistico da Quatidade I© para z=+ 3,61 pela tabela (procedendo da mesma forma) 0,001, ou seja.0.01%. ue 330 Lee LSE et) 350 37D Ct see ale 1 1 fl 1 t ' i 1 1 1 1 1 1 1 1 ' 1 1 1 1 1 ' 1 1 1 1 1 | | | | %sProcktos xo da % Produtos Especitieagso ‘cima da =. ~ Especiicaréo _ Feaiicago, aan 325 350 358 338 362 M4 550 O54 356352 38 310 ara Figura 29 2.13- Mentificacio e segregagao dos fatores contribuintes Alguns exemplos e suas caracteristicas 2.73.1. Exemplo A Uma firma fabricante de autopecas apresentava para suas pecas usinadas o histograma com grande perda de material (scrap) Note-se: a) dois picos; ) uma coluna isotada, ©) amplitude grande Tar owe er nas Figuraz.0 Se tivéssemos mais dados a respeito provavelmente coneluiriamos que existiam: ) dois ou mais tipos de matéria prima; bb) duas ou mais maquinas fora do controle estatistico; €) dois ou mais operadores; 4) a barra isolada estaria indicando 0 uso de aparelhos de mediga0 inadequados ou descalibrados Apés estudos e melhoramento, o histograma das pecas apresentou-se dentro de uma curva normal, conforme mostrado no mesmo grifico, em linhas pontithadas. Controle Estatistico da Qualidade It2.7.3.2: Exemplo B ‘Apés a medigo das pecas liberadas por uma empresa de componentes eletrOnivos, observaese v histograma abaixo Provavelmente houve inspegio de 100%, sendo que as pegas com determinados valores foram retiradas. Nate-se histograms truncado Figura 211 2.733- ExemploC O histograma foi obtido a partir de dados coletados sobre o indice de viscosidade de um dleo automotive. Nota-se grande variacao nas atturas hy das colunas Este histograma nos revela uma falta na calibragem (ou precisio) dos aparelhos de medigao. Figura2.12 2.1.3.4 Exemplo D © histograma abaixo mostra as caracteristicas de cargas de micro relés, Tendo-se observado média muito préxima ao limite superior de especificacio e dispersio muito grande, analisou-se esses problemas através de grificos de controle e métodos estatisticos, conseguindo-se uma redugio do iimero de defeitos, devido a caracteristica de carga dos micro rel Ensaio de mola :CESPECIFICAGOES5 1 | i 1 | cL Figura 213, Isso mostra como o histograma pode ajudar na soluso de problemas ¢ melhoria da eapacidade do processo. H----- eee 18 Controle Estatistico da Qualidade I2.73.5- Exemplo E Uma companhia filial processou paingis com chapas fornecidas pela rasiz. Os paineis apresentavam muitas rachaduras e as chapas freqiientemente rio tinham 0 mesmo tamanho. Desse modo, testes de dureza foram efetuados ¢ 05 resultados foram mostrados no histograma a seguir. UE LSE wot | iT Nota-se. Hl 1 a) dois picos; 1 | ) grande amplitude 10 Fal NS Figura214 Foi descoberto que a matriz tinha enviado chapas de dois fornecedores Ae B. As chapas destes fornecedores foram testadas, separadamente, resultando nos histogramas abaixo: DESNEMBRANENTO ur 19 1 I ayy 1 I | Forneceder 1 ! a my ni le : | ye 8 Fy i 1 foe oa Nor \ | No 1 > Figura 215 Controle Estatistico da Qualidade I2.73.6 Exemplo F © histograma abaixo foi obtido a partir de dados coletados do comprimento de uma pega que estava sendo produzida em 6 tornos autométicos. DESMENBRAMENTO EM RELACAO AMAQUINAS UMTEINFERIOR —___LIMTE SUPERIOR Fycomenanast NS ‘ett He MAQUNAS | 2 fl aartfith., elle call Tiss Figura 2.16 No histograma de todas as méquinas nota-se uma amplitude muito grande. Logo a seguir, desmembrando-se por méquina, verificamos que as maquinas 1, 4 € 5 so as que mais contribuem para o aumento da amy peeas fora do especitficade, Controle Estatistico da Qualidade It ide com 202.73.7- Exemplo G Comparagaio entre varios histogramas: mudangas na média (X) € no desvio padrao (6 x) tL Figura 2178 Figura 2170 Figura 2176 Figura 2174 me Figura 2172 Controle Rsiatisticn da Oualidade IT Nota-se a) desvio - padrio constante. Mudanga “mantida” na média . Obs.: regulagem anormal de méquina. Nota-se: bydesvio - padréo constante. Mudanga irregular na média, Obs.: tentativas inglérias de ajustar a maquina num mesmo valor. Nota-se: ©) desvio - _padréo constante. ‘Tendéncia na média (crescente). Obs: ferramenta —_-desgastando continuamente sem a devida compensagio. Nota-se: d) média constante. Acréscimo no desvio padrao. Obs. desbalanceamento —€ conseqilente aumento de vibragdes. Nota-se: e) média irregular. Desvio ~ padrao irregular. Obs. completo descontiole entremeado de agdes de manutengio que reduzem a dispersdo e ajustes inadequados que deslocam as médias ‘de um lado para outro.Capitulo 3 GRAFICOS DE CONTROLE 3.4. OPROCI 0 SOB CONTROLE © controle de fabricagao € exercido pelo produtor durante 0 processo produtivo. O objetivo é manter a qualidade do produto satisfatoriamente uniforme, prevenindo a produgio de itens fora da especificagio de fabricagao. A verificacdo de que 0 processo esté ou no sob controle é feita pelo exame dos itens de amostras extraidas periodicamente, Se 0 processo estiver sob controle, as amostras apresentardio aquela variabilidade correspondente a amostras extraidas de uma populagao normal, isto é, a variabilidade devida apenas ao acaso na amostragem. 0 pracessa soh controfe supde, portanto, que 0 caracteristico de qualidade do conjunto dos itens produzidos possua distribuigao normal (cf. 2.5), Além disso, supde também que essa distribuigao permanecera estavel, isto é, que seus dois parimetros, a média © 0 desvio - padrdo, permanecam constante, 0 que ¢ verificado periodicamente pela extragao de uma seqtiéncia de amostras. Por isso diz-se que, em um processo sob controle, @ variabilidade é devida tio somente a casas aleatérias. Estas causas de variagdo no provocam alterages aprecidveis na qualidade do produto; sua eliminagdo é impossivel ou antieconémica, e, por isso, as causas aleatdrias s40 consideradas como parte natural do processo de tabricagao. A distribuigdo normal constitui nogdo estatistica indispensvel no controle de fabricagao. Sabe-se que os itens de uma distribuigao normal (de média yz e desvio - padrio o) se distribuem em tomo da média nas seguintes proporgdes aproximadas: 68% dos valores no intervalo 41, 95% no intervalo 42+ 2c", e 99,7% no intervalo 4 30". Consequentemente, diferengas entre um valor observado x e a média 41, maiores do que + 30 sto esperada, apenas, trés vezes em cada mil observagies. Por isso, a faixa de variabilidade nornal no processo sob controle &a do interval 1 3or€ r+ 30 Quando a variabilidade se torna anormal, as alteragSes nos caracteristicos de qualidade do produto sto sensiveis. As amostras indicar%o que 0 processo de fabricagao (isto é, “a populagio”) se modificou, ¢ ficou fora de controle. As causas da modificagao podem ser descobertas e, por isso, so denominadas causas identificdveis. Sua influéncia, répida e crescente, exige pronta agdo corretiva, no sentido de eliminar a presenca dessas causas identificaveis. Contudo, quando acarretam methoria de qualidade sua identificagao e adaptagio contribuem para o aperfeigoamento do processo de fabricacao. A presenga de causas identificaveis € indicada pela ocorréncia de diferengas significantes entre o valor observado e a média do processo, isto é, de valores amostrais fora da faixa de controte; essa presenga é revelada por meio de um dispositivo pritico, o grdfico de controle. 3.2, ESQUEMA GERAL DOS GRAFICOS DE CONTROLE Baseando-se na distribuigao normal, os gréficos de controle constituem um instrumento de diagnéstico da existéncia ou ndo de controle. A constructio desses gréficos obedece a um esquema geral que, em cada caso, é adaptado O esquema geral é 0 seguinte (Ver Fig. 3.1). Em abscissas, marca-se 0 nlimero de ordem cronolégica da amostra, ou seqiiéncia das extragdes. Desse modo, a escala horizontal é uniforme e associada ao tempo, porque as extragdes sto feitas a intervalos iquais durante a fabricagio. 2 Controle Estatistico da Oualidade IT - —Em ordenadas, marca-se 0 valor observado x do caracteristico de qualidade. o qual poder ser uma varidvel ou um atributo (Ver § 3.4). Na escala vertical ha trés valores importantes, pelos quais sao tragadas linhas horizontais (os valores indicados so 0s do sistema norte americano. diverso € 0 sistema inglés, explicado no § 4.5). _ 2 média 41, que determina a linha média (ou linha central) do grafico, indicada por iM, _© limite superior de controle, 4+ 3c", correspondendo 4 linka superior de controle, LSC; 0 limite inferior de controle, 41 30", correspondendo a linha inferior de controle, LIC, grafico fica dividido em duas zonas: a zona J, interior aos “limites de controle de 3°” © correspondente a faixa de normalidade ou de controle; a zona Il, exterior aos timites de controle ¢ correspondente a faixa de anormalidade ou falta de controle. Quando © processo esteja sob controle, existe a probabilidade de que ocorram apenas 3 pontos em cada mil (ou com maior aproximagdo 27 em cada 10 mil) na zona Il, em virtude de ccausas aleatérias. Sendo essa probabilidade baixa, do ponto de vista pratico, a ocorréncia de um ‘ou mais pontos na zona Il indica a presenga de uma causa identilicavel, que devera ser investigada e eliminada. Zonal 5c x : x a Zona! iy x Zona x x x x Ic Zora 70 NP da amostra ou tempo T Figura 3.1 - Esquema geral dos graficos de controle {As indicagdes de falta de controle sto portanto as seguintes: a) Um ponto situado fora dos limites de controle, na Zona I b) Alguns pontos situados na zona I, muito proximos a uma linha de controle. ©) Uma disposigio peculiar dos pontos na zona I, muito embora nenhuim deles esteja préximo de uma linha de controle. 3.3. DUAS FINALIDADES DOS GRAFICOS DE CONTROLE Quando um processo esté sob controle, somente causa aleatérias atuam sobre ele; a ‘ocorréncia de causas identificdveis levard o processo a ficar fora de controle. ‘Com base nesse critério, dos problemas se propdem na aplicagio dos gréficos de controle, atendendo a duas finalidades diferentes: Controle Estatistico da Qualidade ITa) Verifivar se 0 processo esié sob controle, ou ‘seja a sua estabilidade, Para isso, somente valores observados em amostras so disponiveis; nfo existindo padres de comparaydo, a linla miédia e os limites de conuole sau baseados na informiayao Fouecid pelas amostras. A variagdo entre os valores amostrais, além daquela que poderia atribuir se a0 acaso, indicard falta de controle ou de estabilidade. A situagao é a da fase inicial de um programa de controle de fabricaco. b) Verificar se © processo permanece sob controle. Corresponde a verificar a conformidade do processo de fabricagao relativamente a uma norma preexistente. Para isso, além dos valores observades nas amostras. dispBe-se de uma norma que estabelece valor da linha média e dos limites de controle. A variagao dos valores amostrais, além daquela admitida na norma atribuivel ao acaso, indicard que © processo saiu de controle. A situagao & a que existe quando se deseje manter a fabricagdo em determinado nivel de qualidade. 3.4, TIPOS DE VARIACOES Este é 0 primeiro conceito que precisamos entender. & uma lei fundamental da natureza pela qual nunca dois elementos sio exatamente iguais. Nossos processos de fabricagao também sto efetuados por variagSes que influenciam o resultado final. Nunca duas pegas ou dois produtos sao exatamente iguais. Dimensdes de pega apresentam variagdes dentro de certos intervals. Conjuntos como motores, veiculos, ete. podem apresentar pequenas variagbes de rendimento, dentro de limites normais. ‘Na verdade, as variagdes podem ser de dois tipos: 3.4.1. Variagdes aleatérias Normalmente, pequenas, ripidas e inconstantes. Fazem parte da natureza do processo e, pode, ser controladas aplicando-se a sua lei de comportamento. Sob 0 aspecto pritico no podem ser _eliminadas economicamente (sem mudar o sistema). P. ex.: pequenas variagdes no lote de material 3.4.2- Variagdes causais Normalmente, grandes e duradouros. Sto, de certa forma, imprevisiveis. Quando detectadas, devem ser eliminadas rapidamente para no prejudicarem 0 desempenho do proceso. As agGes para eliminar as causas sao. plenamente |justificaveis economicamente. P. ex.: lote de material defeituoso. ‘AS variagSes sio o maior inimigo da qualidade. O ideal seria que todas as pegas fossem iguais. Elas durariam mais, funcionariam melhor € o consumidor ficaria mais satisfeito. Como isso é impossivel devido as variagSes, necessitamos trabalhar continuamente para tomar as variagdes cada vez menores. 3.5 TIPOS DE GRAFICOS DE CONTROLE Ha duas classes principais de graficos de controle de qualidade: a de controle de varidveis ea de controle de atributos. Os grificos de controle de varidveis baseiam-se em mensuragdes do caractei qualidade. Sao de trés tipos: da media x. Do desvio padrao s; e da amplitude R Os grificos de controle de atributo baseiam-se na verificagdo da presenca ou auséncia de tum atributo, em especial com relagdo a uma lista de defeitos. Hé quatro tipos: da fragao ico de 4 Controle Estatistico da Qualidade ITdefeituosa p; do namero np de itens defeituosas na amostra de tamanho 1»; do niimero w de defeitos por unidade; do niimero c e de defeitos em uma amostra Examinaremos, nos capitulos 3 ¢ 4, cada um desses grficos € as condig6es de sua utilizagao. 3.6. FORMACAO DE SUBGRUPOS RACIONAIS Muito embora o esquema geral dos graficos de controle possa ser aplicado a observagées individuais isoladas, na pratica é empregado, quase exclusivamente, para valores médios, sejam cles médias.x das observagdes , ou médias de desvio - padrio S, ou médias de amplitude R, ou ainda, médias da frago defeituosa p. Tais valores médias, caleulados para amostra de tamanho n, justficam-se pelos motivos seguintes: a) Observagées isoladas so mais dispersas do que as médias, consequentemente, os limites de controle das observagdes isoladas ficariam muito distantes.em restima, 0 poder que observagdes isoladas tem de discriminar se 0 processo esta sob controle ou fora de controle € muito pequeno; 0 processo ter que sair bastante fora de controle, até que a perturbagao fique evidenciada por uma observacio isolada, b) Em muitos casos, a distribuigiio das observagies isoladas no € a normal; contudo, a média de amostras, mesmo to pequenas como as de m = 4, tem distribuigao aproximada da normal, ©) © emprego de amostras pode ser realizado pela formagio de “subgrupos racionais” Essa expressio significa que as amostras devem ser formadas de tal modo que, dentro de cada amostra, as variagSes possam ser attibuidas apenas a causas aleatérias; mas entre as amostras as variagdes sejam devidas a causas identificaveis, cuja presenca seja suspeitada ou considerada possivel. Desse modo, cada amostra e satisfatoriamente uniforme € seus itens so fabricados em processo sob controle; a andlise das diferengas entre as amostras revelard ee 0 processo, para o conjunto das amostras, esti ou no sob controle. ‘A formacao de subgrupos racionais € alcangada pela obtengdo de observagses separadamente para cada fonte (por exemplo, de matéria - prima oriunda de um sé lote do fornecedor, ou de itens produzidos por uma mesma méquina automética ou apenas por um operatio) ¢ para cada momento da fabricagdo. Neste tltimo aspecto, ¢ muito importante o registr —: identificago das observagGes na ordem cronolégica de sua obtencio; a vantagem sera alcangar o controle no decurso da fabricagao. Para a correta formagdo de subgrupos racionais, sio necessérias conhecimento técnica e familiaridade com as condigdes em que 0s itens so produzidos e as informagées das amostras siio obtidas. As amostras devem ser extrafdas junto 4 linha de produgao, em séries curtas, e no depois que itens de varias origens ou épocas tenham sido reunidos e, eventualmente, misturados nos estoques. 3.7. ESCOLHA DO TAMANHO DA AMOSTRA. Pelos motivos explicados, o tamanho da amostra formada com subgrupos racional deve ser igual ou maior do que 4. Sdo muito empregados, nos grificos de controle de varidveis, os tamanhos 4 ou 5. Amostra de tamanho cinco tem a vantagem de facilitar o célculo da média, Basta somar 605 cinco nfimeros, a0 total encontrado adicionar novamente © mesm tulal ¢ deslucur a virgulas 25 (Controle stat tte, da alicia 1] je teeter etreneneerencenrees eee meenenreesde uma casa para a esquerda, Essa seqiiéncia de operagdo simples, quando realizada com 0 auxilio de méquinas de somar de fita, tem a vantagem de fornecer um registro permanente na fita de papel, para consultas futuras. Na mesma fita, em seguida a media de cada amostra, & calculada a respectiva amplitude, igual ao maior valor menos © menor valor —anteriormente registrados. Nos grificos de controle de atributos, as amostras devem ser bem maiores, dependendo o tamanho n do valor da fragdo defeituosa P do processo. Um critério satisfatdrio & adotar m proximo de 10/P. Mas, qualquer que seja o tamanho da amostra, devera ele corresponder a subgrupos racionais, cuja determinagdo se faré da melhor mancira possivel de acordo com a unidade natural de fabricagdo. Além disso, haverd toda vantagem em adotar um tamanho 1 constanite, para 0s virios eréficos de controle de um determinado processo de fabricaga0. ‘A experiéncia tem evidenciado que, na fase inicial, uma sequéncia de 25 den = 4 itens ‘ou de 20 amostras de 5 itens é suficiente para estabelecer a norma de controle de varidveis de ‘um processo, Para evidenciar falta de controle, um nimero elevado de subgrupo de 4 itens ‘mais adequados do que poucos subgrupos de itens numerosos. Para manter 0 processo sob controle. subgrupos de 4 ou 5 itens extraidos a intervalos regular (de hora em hora, dia a dia, ou semanalmente), revelam-se suficientes. A escolha do intervalo adequado para a extragao das amostras depende do ritmo e da uniformidade do processo de fabricagiio comparados ao custo do sistema de controle. Somente em cada caso particular seré possivel decidir a respeito, com base na experiéncia. 26 Controle Estatistico da Qualidade ITCapitulo 4 CONTROLE DE VARIAVEIS 4.1. LIMITES DE CONTROLE NO SISTEMA NORTE-AMERICANO. Os trés grificos de varidveis da media x, do desvio-padrao s € da amplitude R- so explicados a seguir, de acordo com o sistema norte - americano (normas da ASA e ASTM). Esse sistema baseia-se no intervalo 3 sigma (Ver § 2.2), de modo que os limites de controle sto, respectivamente: paraa média hh, £30, para odesvio-padrio ut, +30, para a amplitude Hy £30, A probabilidade de que um ponto caia na zona I é, aproximadamente 0,003 ou 3 vezes em cada mil, enquanto 2 probabilidade de que caia na zona I é 0,997 aproximadamente, 4.2, GRAFICOS DA MEDIA 42.1 Grifico da média quando a norma é conhecida A distribuigo amostral da media x, de amostras extraidas de um populagdo normal, o com média 42 desvio- padrdo co, € também normal, com 42. = ft € O: # ax eee O grifico de controle das médias X de amostras de tamanho 7 € construido marcando 30, se em ordenadas a linha média LM = yc = 11,0 limite superior de controle LSC = 4+ ==, € z vn 3S ver Fig. 4.1) vn’ Fazendo-se 4 = 3//in, os valores podem ser tabelados em fungdo do tamanho da amostra (Tbua 2 do apéndice), e a expresso dos limites torna-se © limite inferior de controle LIC =x ISC= + Ao (41) LIC= -Ao Para cada amostra (subgrupo racional) calcula-se a média X € marca-se no grafico um ponto cuja ordenada é X e cuja abeissa é 0 nimero de ordem da amostra (ou o tempo). 27 Controle Estatistico da Qualidade IberBo/ypp_______Zonall_ig¢ Zonal i onal uy Bef Zona Zonal Amostra Figura 41 - Gréfico damédia® Esse procedimento, muito simples, emprega-se sempre que for dada a norma de controle, isto é conhecendo-se Lec. Quando os parimetros forem desconhecidos, caso muito comum especialmente na fase inicial do controle, sera necessirio calcular estimativas dos parimetros as quais deverdo basear-se, no minimo, em k = 25 amostras de n = 4 ou k = 20 amostras de n= 5 itens, como veremos a seguir. 4.2.2- Graifico da média para \Le.o desconhecides. Extimativas da média - A estimativa da média 4. sera calculada pela média geral (ou média das médias das amostras): dati +m) (42) onde x; ¢ a média da primeira amostra, ¥2 a da segunda amostra e assim por diante. A linha média & mareada LM = x Estimativa do desvio - padrdo - O céleulo da estimativa do desvio-padrio o pode basear-se no desvio-padrio s ou na amplitude R das amostras. O segundo processo € o usual, quando for n= 4 ou 5, porque além de precisto satisfatdria, requer apenas célculos simples, A, PELO DESVIO PADRAO AMOSTRAL Para a i- ésima amostra, de 1 itens, o desvio - padrio amostral é 7 Ve [(sast +x ne ye] (43) 5, A estimativa do desvio-padrao da populagio o & obtida calculando-se preliminarmente 0 desvio padrao amostral médio. (5) 4524.45) (44) Onde s; € 0 desvio-padrao da primeira amostra, so da segunda etc, A estimativa de oé ent 28 Controle Estatistico da Qualidade Ifo=+ (45) & Onde c; & 0 fator de corresao (Tébua 2 do apéndice) da estimativa, em funeao do tamanho da amostra. Para amostras com mais de 25 itens, c: = 1.000, 0 que significa nao ser necessério correc. 3 limites de controle baseados em s sto, portanto: wsc=ia3s— ISC = a+ vn 7 (46) LIC =x -3— x= evn Para favilitar, faze Ar= <7, eujos valores em funao de n, tamanbo da Gun amostra, so tabelados (Tabua 2 do apéndice), a7) B, PELA AMPLITUDE AMOSTRAL. Para estimar 0 desvio - padro o', com base na amplitude R das amostras, caleula-se, para cada um deles, a diferenga entre 0 maior e o menor valor observado (wav Xnin J. Em seguida, calcula-se a média das amplitudes das k amostras. Ra(R+R + +R KE (48) Acstimativa de o por é: 6 =R/d; (4.9) ‘Onde d; é um fator de corregao, tabelado em fungdo do tamanho m da amostra 3 Para facilitar, faz-se A) = ——= , cujos valores so também tabelados (Tébua 2 dn do apéndice). A estimativa de @ por R somente se recomenda para amostras com, no maximo, n= 10 itens. Ento , os limites de controle ficam. I8C=x+A,.R —A,R (4.10) LIC =x. 423- Resumo: Para estahelecér o grifico de controle de média, na fase in desconhecem 1 € o, observam-se os seguintes passos: ial ou quando se 29 Controle Estatistico da Qualidade I1. Fixar o tamanho das amostras » (usualimente 4+ ou 5}, ¢ 0 nimero k de amostras (no minimo 25, ou 20, respectivamente). Extrair as amostras, registrar 60s valores observados, ¢ caleular para cada uma X ¢ R (s, somente se for 7 >10). 2. Caleular x, por (4.2) e marear a linha média LM = x. 3. Caleular R ou 5 eos limites de controle x+4,R ou x4 4,5, conforme o processo escolhido para estimar o ; marcar LSC ¢ LIC. 4. Marcar 0s valores de X., para as amostras (do passo 1). Se forem encontrados pontos na zona Il, eles eerdo eliminados, recaleulando-se a linha média & os limites. 5. O grifico obtido constitui a norma de controle de fabricagao: permitiré acompanhar 0 processo, extraindo-se amostras ¢ marcando-se 0s valores de correspondents. 4.2.4- Interpretacdo do grifico da média Na fase’ inieial do sistema controle ainda ndo existe norma, isto 6, nfo se ‘conhecem os valores de s1€ do processo. A construgao do gréfico da média baseia- se, enldo, somente nos valores amostrais; com a determinago da linha média e dos limites de controle, como acima foi explicado. O grafico sera empregado para verificar se 0 processo estd sob controle, para 0 que se marcam os pontos referentes as amostras {i utilizadas no célculo dos limites. Pontos situados na zona I indica. que o processo esta sob controle. Pontos sobre as linhas de controle ou na zona Il indicam falta de controle; neste caso, tais pontos serio eliminados, ¢ a linha média ¢ os limites recalculados. Para alcangar-se a norma do processo sob controle, nenhum ponto devera situar-se fora da zona I. (Ver Fig. 4.1) Uma vez conhecido pre o, apés a fase inicial, passa-se a fase do controle propriamente dito, na qual interessa verificar se o processo se mantém sob controle. O grifico sera agora construido de acordo com a norma estabelecida . isto é, linha média & Timites de controle determinados na fase inicial, Extraem-se novas amostras € marcam- se 08 pontos no grafico. Os valores de X deverio situar-se na zona I, para que © proceso se mantenha sob controle. Um ponto na zona Ii ou sobre a linha dos limites constitui indicagao de que se deve investigar uma causa identificavel de perturbagio no processo. Espera-se gue 3 vezes em mil (ou melhor, 27 em 10.000) essa conclusio seja errénea, isto é, 0 processo ainda se mantenham sob controle. Se de fato existir uma causa identificavel, os pontos comegarao a cair na zona Il. Se a média 42 do processo se tiver alterado, valores de X apareceriio acima ou abaixo das linhas dos limites, conforme a média 2 tenha aumentada ou diminuindo, mantendo-se oconstante . Se, a0 contrério, 0 desvio - padrio o € que se tiver alterado, os valores de X aparecerfo acima e abaixo dos limites, como indicagao de que a dispersto do processo aumentou, ¢ portanto o aumentou. Se tiver havido redugdo da dispersio, 0 fato ndo serd evidenciado pelo erdfico da média. © grafico da media € sensivel a variagao na média 4 do processo, mas insuficiemte para evidenciar todas as variagdes na dispersdo. Por isso, seu emprego deverd conjugar-se a um grifico de controle da dispersio. Controle Estatistico da Qualidade It4.2.5- Exemplos: Exemplo!: Construir para amostras de 1 =5 itens, 0 grifico de controle da média de um processo de fabricagio de eixos com os seguintes caracteristicas: média do processo 1 = 5,60 mm e desvio - padrio o = 0,05 mm. Neste caso, é dada a norma do controle, Consequentemente, a linha médiaé LAL 5,60 ¢ 05 limites de controle sio caleulados pelas formulas (4.1), com = 5, Tem-se 1-3/3 = 1.342 ou diretamente tirado da Tabua 2 do apéndice. (Os limites sho: LSC = 5,60 + 1,342 . 0,05 = 5,667 LIC = 5,60 1,342 . 0,05 = 5,533 grifico da média esta representado na Fig. 4.2 Exemplo 2: Verificar se 0 processo de fabricagao de eixo, definide pela norma: média do processo 11 =5,60 € desvio-padrao = 0,05, se mantém sob controle. Dez amostras, com 1 = 5, foram extraidas de hora em hora; as médias X estio na Tabela 4 {As linhas média e de controle correspondentes jé foram calculadas no exemplo | © 0 grifico tragado na Fig. 4.2. Tabela 4.1 - Distibuigao de eixos (especificagao 5,60 + 0,15 mm) (10 amostras de n= 5 itens) Amosica [Wem] Tem? | Tem3 ] Tem? Tem ST ey ssa | sas | 5.70 | 5,386 5.61 saa | 5.024 3 568 338 | 5566 4 555 337 | 5612 5 Ses | 565 sos | 5.602 6 sao | ses | 5.63 ssi | 5.570 7 sr | sei | 339 ssi | 5.610 8 sor | 339 | 359 sas | 5616 9 ssi] 331 | 5065 563 | 5.570 10 566 | S64 | 5.61 556 | 5,626 ‘As médias X, das dez amostras, serdo agora marcadas no grifico. Vorificar-se que todos os pontos situam se na Zona Il, dispondo-se em tomo da LM, sem configuragio especial ; por isso, que 0 provesso de fabricagao mantém-se sob controle x 568 use 564 . seop_"_+ si sso] " « . 2 582 ue ane Tag Amostra Figura ~ Griivu Ua média (Dados da Tabela 3.2.1) Controle Estatistico da Qualidade IExemplo 3: Na fase inicial do controle de um processo de fabricagdo, foram extraidas 20 amostras de 5 itens; os valores observados constam da Tabela 4.2, Construir 0 grifico de controle da média. Tabela 4.2. - Valores observalos de 20 Amostras ‘nostra |X XS % |e | | 5 R ' les |e oa tase || Miozee toes a0 8) 2 WO jm || re | oer | | 3 mw {oar fous fora | az | 392 | as 4 Br fot | a | op7 | 3s | 396 | 2 5 re v6 | 2 | 142 | wo | tata | 9 6 ws | a | us | ue | va | ea | 5 7 nr | us | ue | 37 | ro | roe | 8 8 we | uz | uz | uss | tae | iets | 9 9 wo | 32 | te | ras | tar | aoa | 3 wo | az | 13s | 6 | 30 | mt | a8 | on n wy | 12 | naz fo vas | as | isis | 8 2 va | 142 | 143 | 140 | 135 | tao | 8 18 we | 12 | 140 | 139 | 7 | sss | 6 rr va | 144 | rao | rss | 143 | tata | 6 is | a9 | uae] nas J rao | 9 fase | 7 Nee at eto | 4s) alata a\arisy | ais7a | aol | a8 Vv ws | sar [| igs | ar 2 fais | 3 Tae gy rab) ft 14s | eri | enis7e | 180 ietcal a 9 wo | 14s fas fone | as | a0 | 7 2 us | 4s f 137 | 3s | ro | mato | 8. Neste caso ainda no existe a norma de controle, desconhecendo-se a média W¢ ‘0 desvio-padto & do processo, as quais serdo estimados a partir dos dados amostrais. Na Tabela 4.2, jé estdo indicados a média x ¢ a amplitude R de cada amostra A estimativa da média 1, calculado por (4.2), € x= 2815,2/20 = 140,76, por isso, no sgrifico da média sera marcada a LM= 140,76. ‘A amplitude média, calculada por (4.8), € R= 174/20 = 8,70. Os limites de controle, por (4.10), com Az = 0,577 (Tabua 2 do apéndice), séo: LSC = 140,76 + 0,577 . 8,70= 145,78 LIC = 140,76 - 0,897 . 8,70 = 135,74 (Os quais so também marcados no grafico. (Ver Fig. 4.3). Uma vez marcados os pontos x , verifica-se que os das amostras de niimeros 6 & 10 esto na zona I; consequentemente, deverdo ser eliminados e recalculados os limites. Assim procedendo, teremos a nova média x = 2534,0/18 = 140,78 ¢ a R= 158/18 = 8,78. . Controle Estatistico da Qualidade 11ie 145 : ot ee se Pon rao] “. on uc 135: fe) 5 10 15 20 Amostra Figura43 _- Grafico da média (fase inicial, dados da Tabelas.2) 5 limites de controle recalculados sto: LS LIC. 145,85 35,71 40,78 + 0,577 . 8,7 40,78 - 0,577 . 8,78 A estimativa do desvio - padrao é obtido por (4.9), com d. apéndice): = 8,78/2,326 =3,77. 2,326 (Tébua 2 do Ficou, desse modo, estabelecida a norma de controle do processo para amostras de 5 tens, com [= 140,78 ¢ & = 3,77. O processo se manteré, doravante, sob controle se os valores de x estiverem entre 135,71 ¢ 145,85. 4.3. GRAFICOS DO DESVIO-PADRAO Uma distribuigao no pode ser caracterizada apenas por seu valor médio; € necessario conhecer também uma medida da dispersdo dos itens em torno da média. Por isso, gréfico da média nao suficiente para evidenciar a ocorréncia de valores demasiadamente afastados, acima ou abaixo da média, os quais se poderdo compensar deixando a média inalterada, Convém, portanto, estabelecer um grdfico de controle da dispers2o, escolhendo o grafico do desvio-padrao ou © gréfico da amplitude. A distribuigdo amostral do desvio-padréo s € a qui-quadrado, com y = n-I graus de liberdade, mas adotando-se o intervalo de 3-sigma da distribuigao normal, para faixa de controle, verifica-se que a aproximagio normal € satisfatéria, podendo ser tabelados coeficientes em fungio do tamanho da amostra n (Tébua 2 do apéndice). Estes coeficientes sio, a seguir, definidos. ‘Allinha média, pela formula (4.5), € By = Oxo 4.1) enquanto 0 desvio-padrdo da aproximagao normal & Controle Estatistico da Quatidade Ix ofV2n at o, = Per=1) 210, €0 aervalo de controle de 3-sigma é: 36, (4.13) Para facilitar as aplicagdes, definem-se os fatores =1)=2ne,"}"” 3 eben te cujos valores estdo tabelados (Tabua 2 do apéndice). 5 limites de controle sdo calculados pelas frmulas: (4.14) f—1)-2ne,]!"” yt LIC Byxo ISC= B,xo 2 quando for dado om, isto é, quando ja se tiver a norma de controle estabelecida, Para cada amostra (subgrupo racional) calcula-se 0 desvio-padrao s (Ver § 4,12), € marca-se no grifico um ponto cuja ordenada € s € a abscissa, 0 nimero de cordem da amostra ou o tempo (Ver Fig. 4.4), Estimativa do desvio-padrdo - Quando ¢ no for conhecido, devemos calcular ‘uma estimativa sua pela formula (4.5), com o auxilio do fator ¢> (Tabua 2 do apéndice). 5 limites de controle (4.13) tomam, entdo, a forma: ‘] bon=1)-2ne,]' fs (4.16) ein na qual se substituem 0s latores tabelados (Iitbua 2 do apéndicey 3_bin =1)=2ne)]'” evn 1 B,=1-. (4.17) =—[2(n-1)-2 btn 1)—2He, By+l+ ee }° Controle Estatistico da Qualidade Itj- 0.08. Sy npg} tic 5 to Amostra Figuras4 - Graco do desvio-padrio s. Assim, desconhecendo-se G, os limites de controle sao: HC= Baxs G18) ISC = By x5 4 linha média, calculada pela formula (4.4) € LM=s (4.19) Exemplo I: Construir, para amostras de n = 5 itens, o grifico de controle do desvio-padrdio de um processo de fabricagao, com t= 5,60 ¢ 6 = 0.05, Neste caso é dada a norma de controle. A linha média do grafico de s, dada por (4.11) onde e: = 0,8407 (Tabua 2), & 5 limites, dados por (4.14) onde se faz By = 0 © By = 1,756 so LIC =0.0,05 ESC ~ 1.756 . 0,05 = 0,088. O grafico de s esta representado na Fig. 4.4; ele corresponde ao grifico de x (Ver Fig. 4.2), estabelecido no Exemplo 1, do § 4.2. 44, GRAFICO DA AMPLITUDE O calculo da amplitude & muito mais simples que o do desvio-padrio. Além disso, a aproximago normal para a distribuigao da amplitude sera satisfatéria, quando a amostra contiver no maximo 10 itens. ‘Compreende-se facilmente porque o gréfico da amplitude R & mais empregado que grifico de s, para controle da dispersdo, com amostra pequenas de até 10 itens. Os coeficéentes necessaries, para facilidade de célculo, sio também tabelados (Tabua 2 do apéndice). Existindo jé a norma de controle, isto é, dado o valor de o, a linha média é My axe (4.20) € 0 desvio-padrio da distribuigao normal aproximada de R é a2 Controle Estatistico da Qualidade It€. portanto, o intervalo de controle de 3-sigma fica d,xot3d,xo =(d,+3d,)xo. (4.22) Definimos os seguintes coeficientes em funeao dem (Tbua 2 do apéndice). D, = d;-3d, D,=d,+3d, (423) Os limites de controle serio calculados pelas formulas: LIC = D,xo — ISC = Dix. i A marcagio dos pontos no grafico da amplitude se faz de maneira andloga a dos casos anteriores (Ver Fig.4.5). R Lec 18 12 . ° 7 ate 7. 4 uc z 7a 15 7 Amostra Figuraas - Grafica da amplitude Estimativa do desvio-padriéo - Quando se deseonhece o, deve-se calcular sua estimativa pela formula (4.9). Neste caso. a linha média ¢ dada pela média das amplitudes amostrais, de acordo com (4.8): LM=R (425) intervalo de controle fica igual a (143d,/d,) (426) mas, fazendo-se D, =1~(3d,/d,) 427) D,=1+(3d,/d,) coeficientes que sdo tabelados em fung¢do de m (Tabua 2), os limites de controle se escrevem: LIC = D,xK = (4.28) LSC =D,xR Controle Estatistico da Qualidade ItExemplo I: Estabelecer 0 grafico da amplitude R, para coiitrole da dispersio com amostras 1 = 5 itens, pata 0 processo de fabricagao do qual se extrairem, na fase inicial, 20 amostras. Os valores observados constam da tabela 4.2. A primeira soluedo vai_incluir todas as 20 amostras. A amplitude média é R = 174/20 = 8.70, que define a LM. Os limites de controle sio calculados por (4.28), fazendo-se D; = 0 € Dy = 2,115 (Tiibua 2 do apendice) LIC=0 ESC = 2,115 x8,70= 8.4. Esses limites devem, porém, ser recalculados apés a eliminagdio das amostras 6 ¢ 10, cujos valores x cairam na zona Il, ao se tentar estabelecer o gréfico de 2 (Ver Exemplo 3, § 4.2.5). teremos, entdo por (4.25) ¢ (4.28): LM 158/18 = 8,78 LIC =0 LSC = 2,115 8,78 = 18,6 que esto representados na Fig. 4.5, juntamente com os valores de R para todas as amostras. Observa-se que, mesmo consideradas as amostras de nimero 6 ¢ 10, a dispersio pelo grafico de R se evidencia estar sob controle. 4.5. SISTEMA INGLES DE CONTROLE sistema inglés de controle de fabricagao (pela British Standard 600 R) & diferente do sistema norte-americano, descrito nos paragrafos 4.1 a 4.4, acima, Em vez de considerar as duas Zonas, separadas pelo valor critico Z.=+ 3a, 0 sistema inglés considera trés zonas, separadas respectivamente pelos criticos Z.=+ 1,96 e Z. = 3,09. Tais valores correspondem aos limites dos intervalos da distribuigao normal reduzida dentro dos quais a probahilidade &, respectivamente, 95% ¢ 99,896, No sistema inglés, 05 grdficos apresentam trés zonas (Ver Fig. 4.6), cuja significagio € aseguinte: Zona I, denominada Zona de controle, deve conter a maioria dos pontos (95%) se 0 processo estiver sob controle; Zona II, denominada Zona de adverténcia, pode conter alguns pontos (4.8%); a presenga de um ponto nesta zona representa uma adverténcia quando possivel falta de contr.” -xigindo atencao; Zona Ill, denominada zona de acdo, nao deve conter praticamente qualquer ponto (0.2%) quando o proceso estiver sob controle; por isso , a presenga de um ponto nesta zona. representa quase com certeza (risco a de 0,2%) falta de controle, exigindo ago corretiva, De modo andlogo ao do sistema norte-americano, para facilitar 0 calculo dos limites quando ndo seja dada a norma (isto é, 1 € 6 so conhecidos), recorre-se a fatores tabelados (Tébua 3 do apéndice), em fungdo de n, tamanho da amostra. Neste caso, para amostras com 10 itens, no maximo, o desvio -padrdo o & estimado por meio da amplitude média R (Ver formulas 4.8 € 4.9 no § 4.2), enquanto a estimativa da média p ser a média geral x (formula 4.2, $4.2). No sistema inglés nao se usa 0 grifico do desvio-padro, Controle Estatistico da Quatidade IGrafico da média - No grafico da média, teremos Linha média IM (4.2 Limite superior de adverténcia [Sy 9, = 540, xR (423) Limite inferior de adverténcia Ly =X, xR Limite superior de agéo [S yyy, = 8G xR (4.24) Limite inferior de agao 1S y 999 =X yx R Os fatores a € az encontram-se na Tabua 3 do apéndice. Observa-se que os limites superiores e inferiores sdo simétricos em relag3o a linha média x + 3.080/Amj|-______22P lls aco pot,960Am|-—_—anal Ls aoverténcia Zona ee pn Zonal w-1960Am{ Lh go w-suyeAni 208 arn Zona Asta Figura4.6 - Graco da média (sistema inglés) Exemplo 1: Construir pelo sistema inglés, 0 grifico de controle da média do processo, cujos valores em 20 amostras de n = 5 so os da tabela 4.2 (Exemplo 1, §4.2). Allinha média LM = x = 140,76 Com a amplitude média R limites de adverténcia: ,70 eos fatores a) = 0,377 & ap = 0,594 (Tabua 3) calcula-se os 40,76 + 0,377. 8,70 140,76 - 0,377. 8,70 44,04 137,48 e de ago: L999 ~ 140,76 + 0,594 . 8,70 ~ 145,93 Llyg3q = 140,76 ~ 0,594 . 8,70 = 135,59. gréfico esté apresentado na Fig. 4.7. Gréfico das amplitudes ~ O grifico das amplitudes, no sistema inglés, apresenta também trés zonas, com mesmo significado explicado anteriormente. Observa-se, porém, {que neste grafico de amplitude os limites nic sfo simétricos em relagio & amplitude média R.. Isto explica porque so necessérios quatro fatores diferentes para calcular os limites (Ver ‘Tébua 3). As linhas a marcar no grafico so: Linha média R (4.25) Limite superior de agao =b-R (426) 38 Controle Estatistico da Qualidade ItLimite superior de adverténcia = b. Limite inferior de adverténeia = by + 27 Al Al Bl Limite inferior de ago =b, Os coeficientes bj, bs, bs € by sdo tabelados (Tabua 3 do apéndice). Para estimar 0 desvio ~ padrao , tendo-se R , emprega-se a expressio (4.9): @ = R/d, (com d; extraido da Tabua 2 do apéndice). x f * Ando i ‘Avert tao} Sie lee : Aover. 6 : A080 o 3 101s" 70 amostra R 2 A960 16 Advert oe. . 8 te eee 4 ° Advert Apdo ° 3 7 1s "zo amoatra Figura 47 Exemplo 2: Construir, pelo sistema inglés, 0 grafico das amplitudes do processo, cujos valores observados em 20 amostras de 5 itens esto na Tabela 4.2. Para construir o grifico, calculam-se: Amplitude média das 20 amostras, Limite superior de ago 70 2,34%8,70 = 20,4 1,818,70 = 15,7 0,378,70 = 3,2 0,16%8,70= 14 Limite superior de adverténcia Limite inferior de adverténcia Limite inferior de agao yrdfico esta apresentado na Fig. 4.7. Controle Estatistico da Qualidade ICapitulo 5 CONTROLE DE ATRIBUTO: 5.1. CONDICOES PARA O CONTROLE DE ATRIBUTOS O controle de variiveis exige que se estabelegam dois grificos (um da média e outro da ispersio) para cada caracteristica de qualidade mensuravel que se deseje controlar. Muitas vvezes no sera possivel, ou econdmico, realizar mensuragdes dos caracteristicos de qualidade, estabelecendo para cada um par de grificos necessério. Recorre-se, entio, a0 controle de atributos, no qual a presenca de um defeito leva a classificar a peca como defeituosa, sem considerar a intensidade ou grau do proprio defeito. © controle de atributos é recomendével, especialmente, quando se verifica uma (ou mais de uma ) das seguintes condigdes: 1) O nimero de caracterfsticos a controlar em eada pega ¢ clevado: ) Em lugar de mensuragao convém empregar calibres passa - ndo— passa; ©) A mensurago do caracteristico ¢ antieconémica diante do custo de cada peca; 4) A verificagdo de qualidade é feita por simples inspec visual © controle de atributos & o tinico possivel quando 0 caracteristico de qualidade ndo seja mensurdvel , como por exemplo, a falta de partes , a cor ou 0 estado do acabamento da peca. critério para classificar uma pega em perfeita ou defeituosa deve ser expresso por uma lista de defeitos, Para controle de atributos existem quatro tipos de graficos: grifico da fracao defeituosa p, o grafico do niimero de defeituosos np, 0 grafico do nimero de defeitos por unidade w, 0 gritico do mimero de defeitos c. Esses graficos serio explicados a seguir, de acordo com o sistema norte-americano, considerando-se o intervalo 3-sigma (Ver §3.2). 5.2, GRAFICO DA FRACAO DEFEITUOSA As pegas, de acordo com o critério estabelecido, so classificadas em perfeitas ou defeituosas, isto &, por um critério dicotdmico. Na amostra, a fragao defeituosa p € 0 quociente do nimero de pecas defeituosas d pelo total n de pecas da amastra, isto &, p= dn O grafico da fracio defeituosa, ou grdfico de p , € construido de acordo com 0 esquema geral (Ver § 3.2). A varidvel amostral p, que & binomial, com média Ep = P e variancia Vp = P(1-PY'n, admite a aproximagao pela normal, com mesma média e variancia Consequentemente, 0 inverso 3 — sigma define os limites de controle de p como sendo: LSC =P +3 JP(—p)/n G1) LIC = P-3 JPU=P)in Observa-se que a probabilidade de a fragdio defeituosa da amostra p = dn ocorrer dentro desses limites depende do valor de P, fragao defeituosa do processo, mesmo quando este estiver sob controle, No entanto, para amostras grandes, a aproximagio normal & 40 Controle Estatistico da Quatidade Isatisfatéria; a regra pratica é estabelecer 0 valor de n proximo de 10/P_ e tomar amostras de tamanho. Estimagdo de P ~ Quando a fragao defeituosa do proceso P- for desconhecida , sua estimagio sera feita calculando-se a fracdo defeituosa média. i-R! (5.2) para um conjunto de pelo menos K = 20 amostras de tamanho A linha média seré mareada para esse valor p ,€ os limites de controle serio. LSC =p+3yp(l-p)/n LIC = p~3ypl—p)/n Quando o valor calculado para o LIC for negativa , deve-se adotar 0 valor LIC Quando p for pequeno, isto é, menor que 0,10. Pode-se, como aproximagao, substituir } - p pela unidade. Marcados os limites, para cada amostra serd calculada a fracdo defeituosa p =d/n, que sera marcada no grafico, A interpretagdo do grafico é a mesma jé indicada anteriormente (Ver §3.2.€§ 4.2). Exemplo I: Para estabelecer controle de atributos, foram extraidas 25 amostras de n= 30 pecas cada uma. De acordo com critérios prefixado, as pegas forma classificadas em perfeitas ou defeituosas, resumindo-se os resultados da Tabela 5.1 a seguir. (53) qi Ls¢. 0,164 0124 0,084 see o on oP 0,044 6 oe . 0,00 3 10 15 20 25 emostra Figuras.1 - Gréfico da fragéo defeituosa p 41 Controle Estatistico da Qualidade ItTabela 5.1 ~ Fragdo Defeituosa (Resultados de 25 amostras; n = 50 pegas ) Amosirs | -d] Frage detenwosa Pawn 1 1 0.02 meee 0.04 3 [3 0.06 413 0.06 3 4s 00 6 fa 0.08 ie) 08 BR te 0.08 or alpe os w | 2 0.04 no fa 0.08 po fa 0.08 he 0.08 ws 001 il | 0.08 w |4 008, ae |e 001 fd 0.02 oe | 0.10 ea os 2 fo 0.00 2 |s 0.10 a | 3 nt a 3 2s | 4 Tow! | 80 AA fragdo defeituosa média & p = 80/1250 ISC = 0,064 +3 wes = 0,064 + 0,105 = LIC. = 0,064 ~ 0,109 = ( negativo) =0 ),064 € os limites de controle so: 169 grafico de p esti apresentado na Fig, 5.1. Verifica-se que todos os pontos esto dentro dos limites; portanto, o processo esta sob controle. 5.3. GRAFICO DO NUMERO TOTAL DE DEFEITUOSOS Como alternativa do grafico de p , pode ser utilizado para amostras de igual tamanho , © grafico do niimero total de (itens) defeituosos np. De fato, o grafico de np € equivalente 20 rifico p fazendo-se apenas a mudanca da escala de ordenadas. A linha média de np ¢ os limites de controle sionp +3ynp(1-p) 2 Comrole Estatistico da Quatidade IA interpretagao do grafico np é semelhante a do griifico de p, sendo np o numero médio de defeituasas encontrados no conjunto das & amostras. 54. GRAFICO DE DEFEITOS POR UNIDADE Nos dois parigrafos anteriores. a atengdo esteve dirigida para os itens defeituosos , isto é, para as pegas fabricadas em desacordo com as especificagdes; agora, serd orientada para os defeites mas pecas. Um defeito representa falta de conformidade da unidade do processo com a especificagao de um caracteristicas de qualidade. ‘Uma unidade de produto pode apresentar mais de um defeito, e, por isso, pode ser exigide 0 controle do mimero de defeitos por unidade, em ver do controle da fragio defeituosa. A conveniéncia tora-se evidente quando se compreende que a unidade do produto pode ser uma unidade de comprimento, ou de érea, ou mesmo uma pega; eno, haverd interesse em conhecer o niimero de defeitos por metro ( ou por mil metros), ou por metro quadrado, ou por chapa. Evidentemente, seria inadequado apenas considerar nesses casos qute a unidade seja perfeita (isto é, sem defeitos) ou defeituosa (isto é, com defeitos); convird avaliar a frequéncia com que ocorrem defeitos em cada unidade, O nlimero médio de defeitos por unidade, u, para a j — ésima amostra de tamanho n, é igual ao niimero total de defeitos em todas as unidades da amostra pelo nimero m de unidades da amostra: (4) a © grafico de u é recomendado quando o produto & composto de varias partes, existindo muitos caracteristicos de qualidade inspecionados por calibre, ensaios de Fimeionamento ou inspegdo visual. A contagem de defeitos se faré somente para defeitos + dependentes. Geralmente, em cada unidade da amostra, o nimero de defeitos ¢ relativamente pequeno quando comparado com as oportunidades de sua ocorréncia; por exemplo, em uma hapa da classe X podem ser admitidas irregularidade de superficies em érea no superior a 10% da drea total. Por isso, a distribuicao amostral de u é a de Poisson, cuja média e variancia sto iguais a M(CF. § 4.6.) ‘Admitida a aproximagao normal para o niimero u, defeitos por unidade, o intervalo 3 — sigma determina os limites de controle. us3vu 6.3) sendo: 4 = Bi total dedefitosem todasasamostras__ Ds) n. todas de unidades em todos as amostras ny uma estimativa de m, baseada no conjunto de & amostra (j= 1,2, .... 4). Exemplo 1: Os dados abaixo referem-se ao nimero de defeitos por unidade, encontrados na inspegio de 25 veieulos. Construir 0 grafico correspondente (faga-se a leitura por colunas) 7 Uo WW 9 4 6 1 8 15 BoM 7 9 3 7 1 8 5 7 7 13 2 ws Controle Estatistico da Qualidade It© niimero total de defeitos & 278, em 25 amostras de n = 1; 0 niimero médio de defeitos por unidade é 78/25 = 1,12 Os limites de controle sao: 18C=11,12+3 JTH2 =21,14 LIC =11,12-3 JILI2 = 1,10 Nota-se que 0 20° ponto esti fora dos limites de controle, devendo assim ser eliminado, Recalculam-se, entdo, os limites, para 0 total: 278 -27= 251; w= 251/24 = 10,46. Finalmente: ESC = 10,465 +3 {10,46 ~ 20,17 e LIC ~ 10,46 - 310,46 ~ 0,75 05 limites encontrados no podem ainda ser considerados como definitivos, porque 0 ponto correspondente ao 15° veiculo examinado esté fora de controle. Procedendo-se do ‘mesmo modo que antes, obtém-se: 251-21 a 0,00 ; como 10,00 = 3,16, tem -se : LSC = 10,00 +3 10,00 = 19,48 LIC = 10,00-3 10,00 = 0,52 ue podem ser tomadas como definitivos. 5.5— GRAFICO DO NUMERO DE DEFEITOS NA AMOSTRA_ Quando as amostras forem todas de igual tamanho, isto & m for constante, & ‘conveniente adotar 0 gréfico do mimero de defeites, c, na amostra. Neste caso, 0 grafico € equivalente ao grafico u, com mudanga apenas na escala das ordenadas. grafico do namero de defeitos c & adequado quando ndo exista uma unidade natural do produto, em geral apresentado em rolo ou lengol, € 0 problema consista em avaliar a uniformidade de qualidade em determinados comprimentos iguais on em Areas iguais. do produto, E 0 caso de fios ou de tecidos. Nota-se que o ntimero 7 nfo precisa ser um inteiro; se a unidade convencionada for por exemplo, 10 metros quadrados, amostras de 25 ou de 30 ‘metros quadrados, constituem 2,5 ou 3,0 unidades. A linha central do grafico ¢ dada por niimero total de defeitos em todas asamostras _ re 66 némero de amostras k € 0s limites de controle sao: ctave 6) 44 Controle Estatistico da Quatidade ISe as amostras forem de tamanho diferente, deve-se calcular, primeiramente a média de defeitos por unidade (Ver § 5.4); em seguida, calcula-se a linha média wx 1 © 98 limites de controle wx n+ 3Vw x , separadamente para cada tamanho m de amostra. Exemplo |: para controlar as falhas de continuidade de peliculas de esmalte em fios de cobre, foram extraidas 20 amostras de 30 metros cada um. Os resultados dos ensaios realizados (de acordo com a EB-60) estdo na tabela 5.2. A linha média é c= 144/20= 20 0s limites de controle so: LSC = 7,20 + 397,20 = 7,20 + 8,01 = 15,24 LIC =7,20 37,20 = (negativo) = 0 © grifico de c, mimero de defeitos, esté apresentado na Fig. 5.2. Verifica-se que 0 processo est sob controle, porque todos os ponts esto dentro dos limites de controle. Observe-se que no caso acima nao existe uma unidade natural de fabricagao, A escolha foi de amostras de uma unidade de 30 metros, mas poderia ter sido de amostras de 3 unidades do 10 metros cada uma. O grafico de nimero de defeitos no se modificaria, No entanto, 0 grafico de defeitos por unidade (Ver § 5.4) seria alterado por mudanga na escala de ordenada. Para a unidade de 10 metros 0 mimero de defeitos por unidade seria muito pequeno; isso ificultaria « andlise © recomendaria a ampliagao da unidade, por exemplo, para 30 metros com a fusdo de cada grupo de 3 unidades de 10 metros. ‘Tabet 5.2 Nimero de falhas em cada 30m 4e fo isolado com esmate Amostra 1 de falas 1 7 2 5 3 9 4 5 3 ° 6 4 7 n 8 0 9 n 10 B u o 2 5 B 8 re 6 15 4 16 n " 0 18 nD 1p 3 20 to Total ry 45 Controle Estatistico da Qualidade 1c isc oe : Lic 2 20 5 10 15 Figura 52 - Gréfico do némero c de defeitos Controle Estatistico da Qualidade It 46Capitulo 6 ANALISE DOS GRAFICOS DE CONTROLE 6.1. CAPACIDADE DO PROCESSO Agora que jé estudamos o controle do processo através de histogramas e grificos de controle, vamos avatiar a capacidade que © processo apresenta de produzir ou yerar pegas ou. resultados dentro das especificagées. Ea comparagdo do resultado do processo com as especificagdes e padres do produto. Enquanto nos gréficos de controle © comportamento da médias de amostras é avaliado em relagio aos limites de controle x+ 30x , agora na anélise da capacidade, avaliamos o comportamento do processo, ou seja, como varia a distribuigo da populago dos elementos produzidos por esse processo. E considerada por “capacidade de um processo’’a faixa da populacio na qual se situam 99.73% das pecas produzidas pelo processo. Esses sfo os “limites naturais do processo” Assim: Cp + Capacidade do proceso = x 30x ou 60x Contudo, para fins de avaliagdo do processo, temos que comparar a “Capacidade do proceso” com as especificagdes ou padrdes do produto. Assim, para a industria automobilistica, um processo € considerado “capaz” quando o seu desvio padrio ox for igual ou menor que um_oitave da tolerdncia especificada, ou em ontras palavras, a tolerincia abrange oito ou mais desvios padroes da populagio. Nessas condigdes, de um lado, 0 processo sera capaz de produzir 99,994% de pecas ou produtos dentro das especificagdes, ou seja, 16.999 cada 17.000 e por outro lado, esse critério permite uma folga operacional minima de dois desvios padrdes entre a “capacidade do processo” (60x) € a especificagao (80x minimo) possibilitando assim alguma flexibilidade de ajustes quando ocorrerem desvios, antes que sejam produzidas pegas rejeitadas. Para determinar a capacidade do processo é necessério que 0 proceso esteja sob controle estatistico, ou seja, sujeito apenas as variagSes alcatérias. Verificada esta condigdo, calcula-se a capacidade do processo (6 ox) e compara-se com a tolerincia. Observando uma folga de (Zax) entre os limites naturais e a espevificacdo, dizemos que 0 processo € capaz. Os 4 principais casos em que podemos encontrar o processo 47 Controle Estauistico da Quaticade It‘SOB CONTROLE “ESTAVEL" | FORA DE CONTROLE “INSTAVEL” - CAUSAS ESPECIAIS- ~ Capscitade - CAUSAS COMUNS. LSE iste aes — ity j CAR | ARPA ue WcaPaz ucy ue: uez Figura 6.1 Caso 1 - Processo sob controle e capaz Esta é a situagio adequada, resultante de bom planejamento e bom controle. ‘Como podemos ver pelo grafico, as seguintes caracteristicas esti presentes: N&o ha pontos fora dos limites de controle das médias nem padrdes fora do normal. Portanto, o processo esta sob controle estatistico. Limites estabelecidos de (x 4ox) esto dentro dos limites das especificagdes, havendo folga igual ou superior a (2ax). logo todos os produtos satisfazem as cminima de 99,99% (= 10282. 9 17.999) espevificagtes dentro da probabil As especificagdes recomendadas para a geréncia slo: a) deixar como esti, € mais econdmico; b) utilizar para controle os grificos x eR e o pré-controle através da auto- inspegao. Limitas da eopecificaréo ee ee Cue Os pemstirhopas MEIADE AMOSTEAS nismmuigio a POPULAGAD Figura 6.2 5 Controle Estatistico da Qualidade If6.1.2 Caso 2 - Processo sob controle mas incapaz Nesse caso, 0 proceso no esta capacitado para produzir dentro dos limites das especificagies. Pelo grafico podemos ver que as caracteristicas basicas sao: ) variagdo devido causas comuns (aleatérias) em torno da linha média e dentro dos limites de controle; b) processo sob controle estatistico; ) limites estabelecidos de (x + 4ax.) estdo fora dos limites das especificagies: 4) porcentagem significativa de produtos nao satisfaz as especificagbes; €) 36 pode ser corrigido pela geréncia’ supervisio através de mudanga no sistema; 4) representam em média 85% dos problemas. ‘As agdes requeridas da geréncia slo. a) investigar forma de passar para o caso 1, através de mudan envolvendo: ~ estudos das fontes/ razdes das variagdes; = novas méquinas / materiais’ métodos treinamento / ete - revisio das especificagies. ) controlar os niveis de néo conforméncia; ©) desenvolver tecnologia da inspegao para separar as boas das defeituosas; 4) investigaralternativas para uso das defeituosas; ©) utilizar os grficos de controle adequado ao caso. No usar pré-controle; no sistema 4) 0s grificos podem ser: x- Re,p.a, ete. Limites da especificario Figura 6.3 6.1.3 Caso 3 - Processo capaz mas fora de controle Estando 0 processo sob controle estatistico, sua capacidade foi determinada mostrando-se 0 processo capaz de fornecer produtos de acordo com as especificagdes. Entretanto, num determinado momento, ele passa a apresentar instabilidade que pode resultar em produtos inaceitaveis, O grifico mostra as principais caracteristicas deste caso, que sao: 2) limites estabelecidos com (x + 4ax) dentro das especifieagdes; 49 Controle Estatistico da Qualidade Ifb) proceso capaz mais instavel: ©) a distribuigao da populayao nao € em forma de sino perfeita, devido a existéncia de variaveis causais; d) variagdes fora dos limites de controle devido causas especiais (fatores causais); ) pode ocorrer porcentagem de produtos fora das especificagdes, devido as variagbes; f) as causas das variagdes estio dentro do proceso, logo, podem ser idemtificadas © eliminadas pelas pessoas envolvidas diretamente com 0 processo (operador, supervisav loval ou pessual de apuio imediatu). As ages requeridas neste caso devem ser no sentido de eliminar a instabilidade. Isto pode (¢ deve) ser feito pelo proprio pessoal da area, utilizando-se das técnicas de andlise e solugao de problemas. Assim sendo, deve-se: a) investigar as causas especiais ¢ elimind-las movendo para o caso 1; a seguir pode-se utilizar o pré-controle b) utilizar condigdes especiais de trabalho para prevenir de forma efetiva enquanto o processo estiver fora de controle. Limites da especificario LSC-015 purapuipo a porunario Figura 6.4 6.1.4 Caso 4 - Processo fora de controle e ineapaz Esta € a pior situago que podemos ter em um processo. E um verdadeiro fabricador de problemas e causador de prejuizos. Neste caso podemos ver pelo grifico, ‘temos uma somatéria das caraeteristicas ja eitadas nos casos 2 ¢ 3, 0 que exigira agao gerencial efetiva na condugdo de estudos e andlises € solugio de problemas para climinar as causas especiais mudangas no sistema para melhorar a capacidade do processo. As agGes requeridas sto: a) analisar e remover através das téenicas de anélise e solugo de problemas as variagées devido as causas especiais para mover, para 0 caso 2 (de instével para estivel): 'b) mudar o sistema enquanto as variagdes devido as causas comuns para passar do caso 2 para o caso I (de incapaz para capaz). Cumpre ressaltar que os 4 casos analisados represemtam situages caracteristicas. Existem iniimeros casos intermedidrios que exigirio ages, intermedirias e parciais entre um caso e outro. so Controle Estatistico da Qualidade 11Figura 65 LSC=015 Limites da especificacio perapuisio pas MEDIA DE AMOSTEAS pempuipo DA POPULArO 6.2. INDICE DE CAPACIDADE DE PROCESSO - LCP. 6.2.1 Dependendo de como o processo se comporta, sdo requeridas agdes especificas. Para facilitar e orientar melhor a tomada das decisdes ¢ agdes, foi desenvolvido 0 indice de capacidade do processo (ICP). ICP tolerdncia Bax 100 (6.1) Assim, um proceso considerado capaz quando ICP for igual ou maior que 100%. Dependendo do maior ou menor ICP 0 processo pode ser classificado em 4 niveis, conforme a tabela 6.1, que serve de orientagdo para as agdes: 1 NIVEL DO PROCESO, CONCEITO 130% ov maior tol = 120% A EXCELENTE ~ altamente confiavel 0s ‘operadores do processo exercem completo controle sobre o mesmo, pode-se utilizar o pré- controle e a auto-inspegto, 100% até 149% 8ox < tol < 120x CAPAZ_-Relaivamsente—conflivel, os ‘operadores do processo exercem completo controle das operagdes, € 0 conteole da qualidade splica monitoria = fornece Informagbes para prevenir a deterioragao do rocesso, 73% a18 9% 6ox s tol < Sox RELATIVAMENTE INCAPAZ ~Pouco cconfidvel, requer controle continuo das ‘operasdes, tanto pela manufatura como pelo controle da qualidade, para evitar constantes descontroles € perdas devido refugos, retrabalhos, paralizagdeset. menor que 75% tol < box TOTALMENTE INCAPAZ - 0 proceso no tem condigio de manter as especificagoes ov padrbes, por isso € requerido 0 controle, Fevisdo e selegdo de 100% das peas, produtos ou resultados. ‘abela 6.1 Controle Estatistico da Qualidade IAssim, 08 provessos que se situam nos niveis A ou B, exigem nenhum ou pouco controle extemo, Para os process03 que esto nos niveis C € D, providéncias corretivas sto requeridas, envolvendo: a) mudar o sistema, quando nada mais pode ser melhorado dentro do processo, ou seja, 0 processo dentro do seu nivel tecnolégico esta dando 0 mximo que pode e as variagdes sdo todas do tipo aleatérias; b) melhorar 0 equipamento ¢ / ou o processo, quando existe dentro do processo algun fator de deficiéneia idemtficado (desgaste da maquina ou ferramentas, despreparo do operador, flutuagdes excessivas, etc); c) alterar as especificagdes ow padres, quando sio excessivamente (e desnecessariamente ) rigorosos. 6.3. MINI-CAPACIDADE OU CAPACIDADE DE MAQUINA Para avaliagdo répida da capacidade especifica de um equipamento, um posto de controle, uma ferramenta, um operador, um conserto, utiliza-se freqiientemente o método de avatiagdo de curto prazo, conhecido também por mini-capacidade ou capacidade de maquina, Esse método de avaliaco parcial do proceso, por ser bem simples, apresenta larga aplicagio dentro das empresas que utilizam regularmente o CEP nas suas operag6es, © estudo da mini-capacidade € feito verificando pega a pega. Devem ser utilizadas sempre 10 pegas consecutivas. Quando se tratar de maquinas multi-fuso, moldes maltiplos, varias cavidades, etc., devem ser retiradas 10 pegas consecutivas de cada fuso, molde ou cavidade, calculando-se a capacidade de cada um, Procedimento: ) toma-se uma amostra de 10 pegas consecutivas e verifica-se sua amplitude; R= Xone ') multiplica-se a amplitude por 2. Essa é a capacidade de maquina (6 0 x); ©) calcula-se o indice de capacidade de maquina: tol x 100 tol x75 ou 80, capacidade cm (62) Exemplo: Verificar a capacidade da maquina n? 3, Pegas fabricadas: eixo do mecanismo do vidro da janela Caracteristicas: didmetro de eixo Especificagdes: 15,00mm + 0,10mm (Campo da tolerneia => 15,10 14,90 0,20mm) Amostra Valores do diimetro 14.98 Tabela 6.2 Controle Estatistico da Qualidade ITCalculo da amplitude da amostia R= Xo, — Xp = 15,03 14,97 = 06 Caleulo da capacidade Capacidade = 2x R = 2 x 0,06 = 0,12 Calcuto do indice de capacidade de maquina, oma XI, 0275 im” capacidade 012 1Cm = 125%, portanto maquinas classe B. (tabela 6.1) INTERPRETAGAO DE GRAFICOS DE CONTROLE Algumas situagdes mais comumente encontradas Quando surge uma situagio de um ponto fora do controle, (Fig.6.6) deve-se procurar algo no processo que tenha causado o problema. Quando antes detectar 0 problema mais ficil encontrar a causa e corrigir. Figura 66 Interpretacao: A. Pontos do mesmo lado da linha central (Fig. 6.7) a) 7 consecutivos b) 10emI1 c) 12em14 Caracteriza desvio do processo. Deve ser centralizado antes de prosseguir. Figura 67 B. Seqiiéncias crescente ou decrescente. (Fig.6.8) Procurar causas como: ferramenta gasta fadiga do operador 3 Controle Estatistico da Quatidade IFiguraés C. Pontos préximos dos limites (Fig. 6.9) (2. em 5 pontos consecutivos) indicam mudangas ou variabilidade causal. Figura6o D. Aproximagio da linha central redugdo das variagSes aleatorias devido melhoria estavel no processo (Fig. 6.10). Novos limites devem ser determinados. Figura6.t0 E Ciclos (Fig. 6.11) Quando um grafico apresenta seqiiéncias ima € seqiiéncias abaixo periodicamente deve-se procurar causas de natureza periddica como inicio do ajuste, rotagio de ‘operadores, periodo de aquecimento, ete. Figuraé..1 54 Controle Estatistico da Qualidade IF. Saltos no nivel (Fig.6.12) Uma mudanga brusca no nivel indica mudangas bruseas no processo. Deve-se procurar causas como novo operador, nove ajuste, mudanga de material, etc Figura6.12 G. Duas populagdes (Fig 6.13) Se existirem poucos pontos préximos da linha central, provavelmente estario existindo 2 populagdes. E necessério separar os dados como 2 maquinas 2 fornecedores, 2 operadores, etc. Figura 6.13 H., Pontos fora de um dos limites (Fig 6.14) Quando diversos pontos comegam a cair fora de um dos limites sem aparente tendéncia, salto ow ciclo existe provavelmente duas populagdes diferentes. Procurar causas como algumas pecas de fornecedor diferente, operador substituido, etc. Figura 6.14 6.5. TESTE QUI-QUADRADO Utilizaremos 0 teste de hipétese X? para verificar a normalidade da distri estatistica da variavel. Trata-se de um teste simples baseado na diferenga entre as freqiiéncias, observada e esperada. X? € uma varidvel aleatéria que flutua a cada amostra ¢ objetiva estabelecer uma medida global dos desvios entre os valores observados e esperados. Controle Estatistico da Qualidade Ionde, k °, Bj nimero de células juantidade observada na eélula “i” quantidade esperada na célula “i € os valores criticos da X* (pontos que levam a determinados riscos de erro na decisiio) so tabelados em fungao dos grauis de liberdade de pardmetros da distribuigdo em teste. vek no. (6.4) ‘no - mimero de parametros incertos; k - nimero de células. Exemplo: Suponhamos que 250 valores medidos tenham sido agrupados. em cinco células, da seguinte maneira. X< 12 O=7 12 0,82 (valor encontrado acima) Logo, nao podemos rejeitar a hipétese, ou seja, provavelmente trata-se de uma curva normal. 56 Controle Estatistico da Qualidade IRecomenda-se que, na definigdo das células, seja estabelecida um fregiiéncia absoluta teérica (E;) maior ou igual a 5 mas sempre considerando a limitago de que a redugdo do ‘numero de células k e dos graus de liberdade diminui a sensibilidade do teste. 37 Controle Estatistico da Qualidade ITABUA 1 - DISTRIBUIGAO NORMAL — 10) a) Areas 1 (29) P(OS 2 S Zp) para %=(X = {VO (positiva) 7. APENDICE Zo | Wa) | Z | 1G) | % | HC) | % | Ve) | » | Id | | Ie 0.00 | 0,0000 | 0.60 }0,2257 [1.20 Jo,3849 | 1.80 Jo4641 [240 |o.4o18 |3.00 | 0.4987 0.05 [0.0199 |0.65 }0,2422 | 1.25 |0,3944 | 1,85 |0,4678 |2.45 |0,4929 |3.05 0,989 0.10 |0,0398 {0,70 }0,2580 | 1,30 |0,4032 | 1,90 |0,4713 |2,50 }0,4938 |3.10 | 0.4990 0.15 [0.0596 |0.75 J0,2734 | 1,35 |0,4115 | 1.95 }o,4744 12,55 |o4o46 |3.15 10,4992 0.20 {0.0793 |0,80 }0,2881 | 1.40 | 0,4192 | 2,00 |0,4772 |2,60 |0,4953 [3.20 | 0.4993 0.25 |0,0987 ]0.85 }0,3051 | 1.48 |0,4279 |2,05 |0,4798 |2.65 |0,4960 |3.25 |0.499) 01179 }o,90 [0.3159 |1,50 |0,4332 |2.10 Jo,1821 | 2,70 |0,4965 |3,30 |0,4995 0,1368 }0,95 |0,3289 |1.55 [0.4394 |2,15 ]0,4842 }2,75 0,970 |3,35 |0,4996 0,1554 |1,00 }0,3413 ]1.60 |0,4452 |2.20 0,861 |2,80 }0,4974 |3.40 [0.4997 0,1736 | 1,05 |0,3531 |1,65 | 0,4505 |2.25 |0,4878 ]2,85 10,4978 |3.50 | 0.4998 0,1915 |1,10 |0,3643 | 1,70 | 0,454 ]2.30 0.4893 |2,90 |0,4981 [3.70 | 0.4999 0,208 |1,15 [0.3749 |1,75 |0,4599 |2,35 ]o,4906 | 2,95 }0.4984 aya Zan ) Areas simétricas nas caudas Area} Zao | Area! Zan Area | Za2 0,001 | 3,291 | 0,01 | 2,576 | 0,06 | 1,881 | 0,20 | 1,282 0,002 | 3,090 | 0,02 | 2,326 | 0,07 | 1,812 | 0,30 | 1,036 0,003 | 2.968 | 0,03 | 2,170 | 0,08 } 1,751 | 0,40 | 0,842, 0,004 | 2,878 | 0,04 | 2.054 | 0,09 | 1.695 | 0,50 | 0.674 0,005 | 2,807 | 0,05 | 1,960 | 0,10 | 1,645 | 0,60 | 0,524 1 Controle Estatistico da Qualidade I 58TT aPopIIONG vp ODISIDISy apouitay 6s wau'a U etareta Sy 8a ‘a 8 otqiola ot omspeg-o1Asaq. we iVEX x — — SVT s even a 2 sod wpa SPAIN aignuoy ap soqwury| —_eyurt| aronueo ap sonar] eypaiw up ajonuos »p oayeus) ‘wpjoayuoasac Button, ‘wpJoAyUOD PULION (oupoyoue-a10u puia}sts) 2jo.4juod ap sooyfpaB wo saynuy Sop opt21p2 Band sopnuuay.y os Taso Eee] 6ors | Lav] CaCO] SLE | AOED OF 90 6160 va1'0| r6e's | ops'0| aos'0 | aue'z | ceco 6 sis ezo6'0 9¢t'0| Loe's | ese'o| oreo | cee’z | exeo 8 a8 zaas'o 940°0| cor's | soc’o| ece'0 | pou'z | 61¥°0 t o16'T 9898°0 0 {sco’s} 0 | | ves | env'o 9 a0 corso |sirz| 0 [sis] 0 |r9s'o s \ gore usc | zscz| 0 | 365'r| 0 | oss'0 + w957 0 [acer] 0 | sao £ wrt 0 o_| ese. z a ig] © u apa easoury ep —oeupnd-onis9p op 0985 Spmtdury op S3iTIE ‘oywour, (ouvapiowy 2440X; bw9NSIS) TTOULNOD 4G SOMAYAD WI SALIAIT SOG OTNITYD VAVd SIAOLVA ~ 7 VOYLTABUA 3 - FATORES PARA CALCULO DOS LIMITES EM GRAFICOS DE CONTROLE . (SISTEMA INGLES) ti in Cin ds Amp Tanah de Simos | rae de Fas Fase Fase fate Face Fae abou te Sede Spe we a . . ae me An Koen fee | fom * ° ‘ " e ¢ 2 a tar 2a cos a wa 3 tea tase mn ote oe i 4 one or is By 30 a 3 oan sss 1a oar xe 2a é ate ioe ie oa ar aan ; on oe Ms as oa Te : caus ose Po va os0 ox 20 , a ed is i oe oR Fi ® oan eat 1s 16 oss os aon Grifco da média Lina media M=x Limite superior de adverténcia LSqy5- Xa, xR Limite inferior de adverténcia Lnos= Xa, xR Limite Superior de ago [Segue = E+, xR Limite inferior de ago Legs = ¥- a, xR Grice da amptitde: 7 ina média i= RB Limit superior de aga0 1Syyy9= by xR Limite superior de advertéacia 1Syy~b2*xR Limite inferior de advertncia [S995 bs xR Limite inferior de agio ES ap56— bs R Esimagdo de o=R/d, : 60 Controle Estatistico da Qualidade I‘IL 2popryong vp ooyspowgy apounuo) & u te ot suse swe ise (O°XE AX) = d AQNO ‘°K Ad SaiOTVA - xX OYSINARILSIG-+ VAGY.L~ tal saqnundny S¥0 Oyu z & : ie 98 speaiueng| ua pep ive0D serpy sen ‘SCALLY.IANNS Siva SOLNGAI30 OBASEIN wy scope Core [95 ans —— wren 94880 $<$$$ sre a une a ‘open vise ‘sromvapiss senave roaaveoH [SAYRIVA Waa STOULNED 30 O>YED] SIGAYRIVA VUVd SOOMYUD Ad OTAWAXE TV By1 seen op oremver “sons [rs C]37 vn SSOMLLY ENDS eH SOLNGA 30 04, SIN34 viva SOINGIULV VaVd TIOWINOD 30 O>1Aye) OLNANILY VaVd SOLAS Ad O1dWaXd "7'V Bt8. BIBLIOGRAFIA General Motors - Brasil (1986) , Controle Estatistico do Processo, Sao Paulo, Apostila Grant, Eugene L. Grant, (1952), Statitical Quality Control, New York, Mcgraw-Hill Book Company Juran, J.M. (Ed) (1951), Quality Control Handbook, Mcgraw-Hill, New York Lourengo Filho, Rui de C.B. (1964), Controle Estatistico de Qualidade, Rio de Janeiro, Livros Técnicos e Cientificos 64 Controle Estatistico da Qualidade IT1- A tabela abaixo registra os diametros de eixos fabricados por um torno. [ve Peet x Ts Ts [x [Ts [x] | [6:00 [ao 6 3.2 3 21 1300 J 19 ] [“io:00-[ —2 [32133 er [136] tet | rea ts | A [“1e:00-[ —s [139] ae | 133 | 3 | 32 | 38 | 8 | [“zz00-| —s [30 | 390 | 2 | a2] 33 | ee | | [-s00 | —6 [137 | 20 | 25 [134] rea 12.60 a7 Ce EK A A ET [1400s [34] 36 | 130 J ae | 3s te | 2 | [isco —s [sage] a [oe | es ree || [22:00 [10 [43,3 [424 [126 | 129 [128 | 12,80 [09 | [6:00 [143.3 [128 13,0 [13.0 713.4 [13,04 [os | [0:00 [12 [43,6 [12.8 13.3 135 [28 [13,14 [at | a a CE EE a A A A {22:00 [15 [442 [427 [129 [129 [12,543,047 47} [6:00 [ie 13.6 faze [i245 [422 | izes fa [10:00 [17 | 440 [43,2 J 12,4 [13,0 [13,013.12 [46] Es a a A EA EE [22:00 | 2013.9 [13,0 [13,0 [13226 13.14 43 [6:00 [2143.3 [27 [126 [128 [127 12.82 To7 | [10:00 [22 39 2a a7 2a is isa as | [1so0-[ 23] 13223 zs | ta | a7 | tare | [18:00 —2a J 1322-] 198 | 129 | a3 | 18 | [22:00 [25 ass F128 t i20 712s 722] Determine: P= [+] + |= [= |e 4.4- Os limites de controle para a média ¢ a amplitude. 1.2. Os graficos de controle para a média e a amplitude. 1.3. A interpretacao do grafico.2. Grafico das médias ( X control chart ) e do desvio padrao( S) No corpo de uma caixa de reducao de velocidades existe um canal de lubrificagéo com diametro ‘especificado de 9/32" (7.143mm) HIS, ou seja, R,143 < 0 canal < 7.723 onde o valor médio € de 7.433, Foram realizadas inspegdes dimensionais, num total de 20, com 5 amostras cada, a tabela abaixo reproduz o resultado e, determina os valores das médias das amostras ( X ), do desvio - padrao ( S ) ¢ da amplitude ( R ), onde: [Amosta] xi [Ts Ts Tx [xs Tx Ts | [af asf 7s7_ | 7.45 [737 | 7.38 | 7.400_[ 0,033] 0,08 | [2 at 7.427.477.4040 7,420_ [0,026 | Z, 7,45 7,40 7,32 7,392 742 | 7,37} 7,38 | 7,396 | 0,043, Ez [7.46 [7,427.42 [7,40 [aia 0,029 [6 | 7.45 | 7.44 [7.46 [7.48 [7.49 [7.464 [0,018 | z [sa 73s [74s [7.16 [0,028 [0.09] [2 —[- 740 [7.32 [7467.45] 7.41 [7.404 | 0,044 | [07ers [736 [7.30 7a [7.348 [0,039 | [is [74a ae as fas frat | 0,033] [eee ae as [40 [7.387.404] 0,033 | [736 | 7.42_|740_| 7.39 | _7.37_| 7.988 [0,021] v4 _| 742 7.4 | 7.401 7.38 | _743_| rata [0,021 [0,08 | [15 738 [748_[ 743] _7.40_]7.398_[ 7.414 [0,028 [0,07] [7a0_[ 7.45 | 7.42 | 7.39 | 737_| 7.406 _|_0,033 | 0,08 | [734 _(—7a7_| 143_[ vat _742_| 7.414 [0,044 [0.13] [te [738 [7.48 [7.41] 7.37°_|_74_ [7.404 | 0,033 [0,08 [is [700 [74543] ra 7.38_[7.420_[ 0,028 | 0,07] Fee coef eats femea tees [en sree] et see [es 1A] ode OTe al 8 de controle, 2.1- Os limi 2.2- Os graficos da média, da amplitude e do desvio padréo. 2.3- Analise a capacidade do processo. Eee3. Grafico da Fracdo Defeituosa. Numa fabrica de isqueiros descartavels sao feitas 20 amostras, n=80, para verificar se acende. A tabela abaixo mostra os resultados e determina a fracao defeituosa (p) onde p= ndmero de defeitos na amostra /n [___Amostra___[|_Defeitos | Fragio Defeituosa pe 0s Pf fe — Namero total de isqueiros amostrados (N) N=1600 Determine: 3.4- Calculo dos limites de control 3.2: Grafico da fragao defeituosa,4- A tabela abalxo registra o nimero de defeituosos do mecanismo levantador de vidro de um automével. numero de numero de sub-grupo | sub-grupo | Sursituesos | Sub-arupo | sub-grupo | jumiro tamanho n tamanho n Determine: 4.1- Os limites de controle. 4.2- 0 grafico do nimero de defeituosos.

Apostila de Controle Estatistico Da Qualidade

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Apostila de Controle Estatistico Da Qualidade

Transféré par

Droits d'auteur :

Formats disponibles

Vous aimerez peut-être aussi