A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

QUALIDADE & PRODUTIVIDADE Profº Ronaldo Reis Silva.

Apresentações semelhantes


Apresentação em tema: "QUALIDADE & PRODUTIVIDADE Profº Ronaldo Reis Silva."— Transcrição da apresentação:

1 QUALIDADE & PRODUTIVIDADE Profº Ronaldo Reis Silva

2 CENTRO UNIVERSITÁRIO DE BARRA MANSA Apresentações: Prof° Ronaldo Reis Silva Formação: Engenheiro Metalurgista_UFF ( 1987 ) Especialista:MBA-Estratégia Industrial e Gestão de Negócios_UFF (2002) Atuação: Grupo CSN _Engº de Produção Sênior (Admissão: 1989 ): atual UBM- Centro Universitário de Barra Mansa - Profº (Admissão:2007) :atual UBM- Centro Universitário de Barra Mansa - Profº (Admissão:2007) :atual Fundação CSN ( ETPC) - Profº \97 Grupo Saint- Gobain (Barbará) – Engº Grupo Maxion (Engesa –FNV) - Engº

3 Processo é um conjunto de atividades repetitivas e interdependentes, envolvendo pessoas, equipamentos, procedimentos e informações que, quando executadas, transformam insumos em produtos ou serviços que agregam valor para um cliente. Requisitos Atendimento Informações Materiais Instruções Serviços Atividades que Agregam Valor Produto ou Serviço Atendimento ClienteFornecedorProcesso Requisitos EntradasSaídas Conceito de Processo CENTRO UNIVERSITÁRIO DE BARRA MANSA Adaptação de Jorge Gerdau Johannpeter, 6º Congresso Internacional da Qualidade para a Competitividade, Adaptação de Jorge Gerdau Johannpeter, 6º Congresso Internacional da Qualidade para a Competitividade, RS, Julho RS, Julho

4 PP DD AA CC PLANEJAR onde se quer Chegar: META Definir como chegar lá: MEIOS CAPACITAR as pessoas, se necessário EXECUTAR o que foi planejado VERIFICAR os resultados obtidos, comparando-os com as Metas AGIR sobre as causas, em caso de não atingimento do planejado O Ciclo do PDCA CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Adaptação de Jorge Gerdau Johannpeter, II Congresso das Entidades filiadas à Federasul PLANO

5 QUALIDADE ( FOCO NO CLIENTE) PRODUTIVIDADE COMPETITIVIDADE SOBREVIVÊNCIA Projeto Perfeito Fabricação Perfeito Segurança do cliente Assistência Perfeita Entrega no Prazo Certo Custo Baixo Fonte: Vicente Falconi Interligação entre os conceitos

6

7 Qualidade é atender continuamente às necessidades dos clientes a um preço que eles estejam dispostos a pagar Willian Edwards Deming Um produto ou serviço de qualidade é aquele que atende perfeitamente, de forma confiável, de forma acessível, de forma segura e no tempo certo às necessidades do cliente. Campos, V. F. (1992) Qualidade resulta das características do produto que criam satisfação, levando os clientes a comprá-lo. É a adequação ao uso pelo consumidor. Joseph M. Juran

8 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Fonte: Adaptação : Profº VICENTE FALCONI. Gerência da qualidade total: uma estratégia para aumentar a competitividade da empresa brasileira;. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG, Conceitos genéricos Conceitos genéricos Conjunto de características contidas num produto ou serviço que atende e, por vezes, supera as expectativas dos clientes. Engloba: qualidade intrínseca, preço adequado, prazo adequado e pós-venda ou pós-transação..

9 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva CONCEITOS: AGREGANDO VALOR Clientes não compram Produtos ou Serviços, eles compram BenefíciosClientes não compram Produtos ou Serviços, eles compram Benefícios (Malcom McDonald,Cranfield School of Management)

10 QUALIDADE total Dimensões da qualidade total QUALIDADE CUSTO Produtos\ Serviços Rotina Empregados pessoas atingidas ENTREGA MORAL SEGURANÇA Custo Preço Prazo Certo Local Certo Quantidade Certa Empregados Usuários Clientes,Vizinhos Clientes,Vizinhos, acionista e empregados Clientes, Empregados Clientes,Vizinhos, e empregado Fonte: Vicente Falconi

11 Controle da qualidade ÁNÁLISE DE PROCESSO PADRONIZAÇÃO Para eliminar as causas fundamentais dos problemas ITENS DE CONTROLE Fonte: Vicente Falconi IDENTIFICAR AS CAUSAS FUNDAMENTAIS PRENDER AS CAUSAS FUNDAMENTAIS (NA JAULAR) VIGIAR AS CAUSAS FUNDAMENTAIS E CONFIRMAR QUE ESTÃO PRESAS BASES DO CONTROLE ( MIYAUCHI) MANTER SOB CONTROLE

12 No formal Quality Control Quality Assurance Business Process Management Integrated Management System Operational Strategic CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Adaptação de Jorge Gerdau Johannpeter, 6º Congresso Internacional da Qualidade para a Competitividade, Adaptação de Jorge Gerdau Johannpeter, 6º Congresso Internacional da Qualidade para a Competitividade, RS, Julho RS, Julho 2005.

13 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Técnicas e Filosofias aplicadas para se obter Vantagens Competitivas em Qualidade

14 Técnicas e Filosofias aplicadas para se obter Vantagens Competitiva em Qualidade TQC _ Total Quality Control Qualidade Total Excelência Organizacional Liderança Processos Recursos Humanos Recursos Tecnológicos Recursos de Informação Recursos Financeiros Recursos Externos Satisfação dos "Stakeholders" Clientes [ ISO 9000 ]ClientesISO 9000 Funcionários [ISO 18000]Funcionários Acionistas Meio Ambiente [ISO 14000]Meio Ambiente Governo Comunidade CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Fonte: Adaptação : VICENTE FALCONI. Gerência da qualidade total: uma estratégia para aumentar a competitividade da empresa brasileira;. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG,

15 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Fonte: Adaptação : Profº VICENTE FALCONI. Gerência da qualidade total: uma estratégia para aumentar a competitividade da empresa brasileira;. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia da UFMG, Princípios da Qualidade Total 1.Total satisfação dos clientes 2.Desenvolvimento de recursos humanos 3.Constância de propósitos 4.Gerência participativa 5.Aperfeiçoamento contínuo 6.Garantia da qualidade 7.Delegação 8.Não aceitação de erros 9.Gerência de processos 10.Disseminação de informações

16 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Com QUALIDADE podemos buscar Certificações nacionais e Internacionais,como exemplo abaixo: Com QUALIDADE podemos buscar Certificações nacionais e Internacionais,como exemplo abaixo: ISO 9000 são normas internacionais para organização do Sistema da Qualidade d uma empresa. O interesse das empresas em implantar a ISO-9000 está principalmente na padronização dos processos, visando garantir uma qualidade constante. ISO quer dizer padrão e igualdade. É também a sigla de uma instituição chamada International Organization for Standardization (Organização Internacional de Normatização). Tem sede em Genebra, na Suíça, e foi fundada em com a missão de padronizar mundialmente serviços, produtos e sistemas. Por que ISO 9001, 9002 e 9003? ISO 9001: Modelo de norma para ciclo completo de produção: projeto, manufatura, instalações, controles finais e pós-venda. ISO 9002: Modelo para ciclos produtivos isentos de controle de projeto. ISO 9003: Modelo para produtos e serviços cujo ciclo produtivo compreende os controles finais e pós-venda. O que a ISO 9000 exige de uma empresa??? Preparar o Manual da Qualidade descrevendo: - Política da Qualidade; - Definição de cargos e responsabilidades; - Produtos e serviços; - Aspectos tático-estratégicos do ciclo produtivo. Preparar manuais descrevendo os procedimentos e instruções de trabalho de cada área, relativos à Qualidade. Definir funções e responsabilidades pela Qualidade. Definir meios para medir, corrigir e melhorar o desempenho dos procedimentos. Definir documentos que garantam a realização dos procedimentos.

17 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Quando o trabalho é realizado conforme as regras, normalmente tem qualidade!... As Regras, os Procedimentos ou as Instruções de Trabalho devem estar definidos com a participação de quem realiza o trabalho. MELHORIA CONTÍNUA Todo profissional tem que conhecer e saber praticar os procedimentos de suas tarefas. COMUNICAÇÃO E TREINAMENTO

18

19 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Conceitos genéricos Conceitos genéricos Produtividade Redução do tempo e/ou custo na execução de um serviço ou elaboração de um produto, com a manutenção dos níveis de qualidade, sem acréscimo de mão-de-obra. Competitividade Produtos ou serviços de qualidade superior e/ou de custo menor que os dos concorrentes nacionais e internacionais.. LEMBRE-SE. Produtividade não é somente maior quantidade. É preciso avaliar a qualidade do serviço. PRODUTIVIDADE É O MÁXIMO DA PRODUÇÃO QUE A QUALIDADE PERMITE!...

20 As Grandes Perdas ( Ex: Processo) IQ IR IU IE

21 As Grandes Perdas IU IE x IR x IQ x IPT=

22 Em fim, aPRODUTIVIDADE não deve se entendida somente como a razão entre Em fim, a PRODUTIVIDADE não deve se entendida somente como a razão entre resultados e recursos, mas sim de uma forma mais ampla, levando em conta todas as variáveis existentes nos processos, focando nas necessidades de todas as variáveis existentes nos processos, focando nas necessidades de todas as partes interessadas no negócio, buscando melhorias e resultados relevantes para todos. produtividade A busca pelo aumento da produtividade deve ser feita baseada no aumento qualidade da qualidade dos produtos e serviços em todo seu ciclo de vida. Esta busca começa quando a organização decide pela introdução de um novo produto ou processo, passando pelas mãos dos especialistas que devem projetar um produto robusto e à prova de falhas, pelo estudo dos processos necessários à fabricação do produto ou à oferta do serviço, sem esquecer a seleção e qualificação dos fornecedores e o cuidado com a entrega, pós-venda e O aumento da produtividade é muito maior que o simples assistência técnica. O aumento da produtividade é muito maior que o simples aumento dos níveis de produção. Ele está totalmente integrado ao conceito aumento dos níveis de produção. Ele está totalmente integrado ao conceito QUALIDADE TOTAL de QUALIDADE TOTAL levando a organização a buscar ganhos em todos os aspectos de suas operações. Prof° Ronaldo Reis Silva

23 ORGANIZAÇÃO PRODUTIVIDADE QUALIDADE

24 PRODUTIVIDADEQUALIDADE PARA O CLIENTE: - Recebe os serviços dentro dos prazos, nas especificações corretas e com preço adequado, conforme combinado; - Pode sugerir melhorias para a empresa, adequando, cada vez mais, o serviço às suas necessidades. PARA A EMPRESA: - Cria sistemas que permitem a produção padrão dos seus serviços, atendendo ao cliente de forma organizada e controlada; - Ganha fama, mais clientes e mais solidez no mercado. PARA O PROFISSIONAL: Trabalho confiável, seguro e em ambiente saudável; - Trabalho confiável, seguro e em ambiente saudável; - As atividades são realizadas por todos de forma integrada e sob controle; - Desenvolvimento individual dos funcionários. PARA O PAÍS: - Empresas sólidas, lucrativas e competitivas, preparadas para a concorrência internacional e geradoras de novos postos de trabalho.

25 PRODUTIVIDADEQUALIDADE Na verdade, a Qualidade e a Produtividade sempre existiram, com Na verdade, a Qualidade e a Produtividade sempre existiram, com maior ou menor importância e intensidade nas empresas. Acontece que a constante evolução do mundo moderno e principalmente, o desenvolvimento ultra rápido da tecnologia, fizeram com que se abrisse um canal muito fluente de informações (veja, por exemplo, o computador, os satélites, a televisão, a telefonia, etc.). Com a informação o cliente passou a ficar muito mais conhecedor de seus desejos e mais exigente, como também as empresas descobriram mais rapidamente o que seus concorrentes estão fazendo de melhor. qualidade para o cliente, produtividade, menores custos, para alcançar um importante objetivo: a Competitividade. Daí, a busca contínua de uma melhor qualidade para o cliente, maior produtividade, menores custos, para alcançar um importante objetivo: a Competitividade. Prof° Ronaldo Reis Silva

26

27 27 A História do Controle Estatístico de Qualidade O início formal do controle estatístico da qualidade se deu em 16 de maio de 1924, quando Walter A. Shewhart desenvolveu e aplicou os conceitos estatísticos das cartas de controle na Bell Telephone Laboratories. Sendo uma ferramenta para uso em chão de fábrica, que tinha como objetivo prevenir problemas relacionados à qualidade, de modo a impedir que os produtos defeituosos fossem produzidos. Atualmente os gráficos de controle estão sendo utilizados não só para o monitoramento dos processos produtivos mas também no setor de serviços, não se limitando mais ao chão de fábrica.

28 28 Sistema de Controle Estatístico de Processo CLIENTES A maneira que trabalhamos/ combinação de recursos Produtos/ serviços Identificando necessidades e expectativas mutáveis ao longo do tempo Métodos Estatísticos Matérias Primas Mão de Obra Equipamentos Instalações Informações Procedimentos Voz do Processo Voz do Cliente RESULTADOS PROCESSO/SISTEMA ENTRADAS

29 29 Controle Estatístico de Processos (CEP): É um método preventivo de se comparar continuamente os resultados de um processo com seus padrões, identificando através de dados estatísticos as tendências para certas variações, com o objetivo de reduzi-las cada vez mais.

30 30 CD PA 1 - ANALISAR O PROCESSO O que o processo deveria estar fazendo? O que pode dar errado? O que o processo está fazendo? Alcançar o estado de controle estatístico Determinar a Capabilidade CD PA 2 - MANTER O PROCESSO Acompanhar o desempenho do processo Detectar variação de causa especial e atuar sobre ela CD PA 3 - MELHORAR O PROCESSO Reduzir a variação devido às causas comuns, através de mudanças no processo previamente estudadas com experimentos estatísticos planejados adequadamente (projeto de experimentos).

31 Conceito de Controle: Controlar é saber localizar o problema, analisar o processo, padronizar as atividades e estabelecer itens de verificação de tal forma que o problema não volte a ocorrer. Os itens de verificação servem para vigiar as causas fundamentais e confirmar que estas estão sob controle. Controlar é saber localizar o problema, analisar o processo, padronizar as atividades e estabelecer itens de verificação de tal forma que o problema não volte a ocorrer. Os itens de verificação servem para vigiar as causas fundamentais e confirmar que estas estão sob controle.

32 Conceito de Estatística: A ESTATÍSTICA é a ciência que lida com a coleta, o processamento e a disposição de dados (informações), atuando como ferramenta fundamental no controle de processo. INFORMAÇÃO (Fatos e Dados) Coleta da Informação Processamento da informação Disposição da Informação Conhecimento Controle de Processo Metas ESTATÍSTICA

33 Estatística de Processo Revisão de Conceitos Prof° Ronaldo Reis Silva

34 Objetivo: Subsídios para coletar, organizar, resumir, analisar e apresentar dados O que é a Estatística? – ciência da tomada de decisão perante incertezas – base para a maior parte das decisões tomadas no controle da qualidades – É uma parte da matem á tica aplicada que fornece m é todos para coleta, organiza ç ão, descri ç ão, an á lise e interpreta ç ão de dados e para a utiliza ç ão dos mesmos na tomada de decisões. Onde aplicá-la? – Controle Estatístico do Processo – Controle Estatístico da Qualidade Processo : Ações e transformações para agregar características, propriedades, etc. Controle : Processo com ciclo fechado de avaliação para o resultado agir sobre a entrada (realimentação) CEP : técnicas estatísticas para medir e analisar a variação nos processos CEP : técnicas estatísticas para medir e analisar a variação nos processos CEQ : técnicas estatísticas para medir e aprimorar a qualidade dos processos CEQ : técnicas estatísticas para medir e aprimorar a qualidade dos processos

35 a variabilidade na qualidade deve ser constantemente estudada tendo em vista produtos : 1. Dentro de um lote 2. Em equipamentos de processo 3. Entre lotes diferentes de um mesmo produto 4. Em características críticas e em padrões 5. Em produção piloto, no caso de novos produtos Ferramentas mais utilizadas para controle de processo e qualidade : 1. Distribuição de freqüências, histogramas e paretos; 2. Gráficos de controle; 3. Aceitação por amostragem; 4. Métodos especiais, particulares, empíricos;

36 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva As Sete Ferramentas Básicas da Qualidade Folha de Coleta de Dados Diagrama de Pareto Estratificação Diagrama de Causa e Efeito Histograma Diagrama de dispersão Gráfico de controle

37 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Folha de Coleta de Dados Quando necessitar colher dados baseados em observações amostrais com o objetivo de definir um modelo. Estabelecer o evento que será estudado; Definir o período de coleta dos dados; Construir um formulário claro e fácil; Coletar dados consistentes e honestos. Observações/amostras aleatórias Amostragem eficiente Universo homogêneo

38 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva COMO COLETAR DADOS Tenha objetivos bem definidos Controle e acompanhamento do processo de produção Análise de não conformidades Inspeção Definição do propósito Identificar os tipos de dados a serem coletados Definir os períodos de coleta de dados Definir as amostras Confiabilidade das medições Definir critérios para realização das medições Utilizar equipamentos adequados para as medições Registro correto dos dados Registrar a origem dos dados Registrar os dados de forma a facilitar a coleta Organizar os dados simultaneamente à coleta para facilitar a utilização

39 39 Controle de Processo Abrange 3 ações principais: Ê Estabelecimento de diretrizes de controle: As diretrizes de controle constam das metas, que são as faixas de valores desejadas para os itens de controle, e do método, que são os procedimentos necessários para o alcance da meta Ë Manutenção do nível de controle (manutenção de padrões): Consiste em garantir que a meta estabelecida no item 1 seja atendida. Caso isto não ocorra, será necessário atuar nas causas que provocaram o desvio e recolocar o processo no estado de funcionamento adequado. Ì Alteração das diretrizes de controle (melhorias): Consiste em mudar o nível de controle atual e alterar os procedimentos padrão de tal forma que o novo nível de controle seja atingido. Estas alterações têm o objetivo de melhorar o nível de qualidade planejado inicialmente.

40 Ferramentas mais utilizadas para controle de processo e qualidade : 1. IdadeF i 2 | | | | | Histograma Polígono Freqüência

41 Ferramentas mais utilizadas para controle de processo e qualidade :

42 Disposição por camadas ou como por camadas – acabamento (AURÉLIO). Ferramenta que divide o problema em partes para facilitar seu entendimento. Ferramentas mais utilizadas para controle de processo e qualidade :

43

44 44 Cartas de Controle Utilidade: Compreender o comportamento(Variação) do Processo As Cartas de Controle permitem identificar quando apenas as Causas Comuns estão atuando no processo e também quando as Causas Especiais de Variação estão atuando sobre ele.

45 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva Gráfico de Controle Quando necessitar visualizar o quanto da variabilidade do processo é devido à variação aleatória e quanto é devido a causas comuns / ações individuais, de modo a determinar se o processo está sob controle estatístico. Tipos: Valor contínuo - Gráficos x-R, x Valor discreto - Gráficos pn, p, c,

46 46 Espessura da Peça Número da Peça MÉDIA Exemplo: Dispersão

47 47 Espessura da Peça Número da Peça MÉDIA LIC LSC 8 LSC - LIMITE SUPERIOR DE CONTROLE LIC - LIMITE INFERIOR DE CONTROLE DEFINIÇÃO DOS LIMITES DE CONTROLE - São valores calculados estatisticamente Todos os valores de uma variável que se encontram dentro destes limite estão sob a ação somente de CAUSAS COMUNS VALORES DENTRO DOS LIMITES DE CONTROLE - SOMENTE CAUSAS COMUNS ÁREA VERDE = Processo sob Controle Estatístico (Acompanhe o Processo )

48 48 Espessura da Peça Número Da Peça MÉDIA LIC LSC VALORES FORA DOS LIMITES DE CONTROLE - CAUSAS ESPECIAIS ÁREA VERMELHA = Atue no processo imediatamente Comunique o Supervisor, Envolva a equipe, parar o equipamento se necessário.

49 49 Interpretação das Cartas de Controle: Ê Pontos Fora dos Limites de Controle É a indicação mais evidente de falta de controle em um processo, a qual exige uma investigação imediata da causa especial de variação responsável pela sua ocorrência. A figura abaixo retrata a ocorrência de pontos fora dos limites de controle. Muitas vezes a ocorrência desses pontos pode ser o resultado de erros de registro dos dados, de cálculo ou de medição. Esta falta de controle do processo também pode ocorrer, por exemplo em conseqüência da utilização de instrumentos descalibrados, de uma ação incorreta realizada por algum operador ou de defeitos nos equipamentos.

50 50 12 de 14 pontos consecutivos em um mesmo lado da linha média. Seqüência de sete pontos. Tendência descendente Tendência ascendente 2- Sequência 3-Tendência

51 51 Ë Periodicidade A periodicidade está presente quando a curva traçada no gráfico de controle apresenta repetidamente uma tendência para cima ou para baixo, em intervalos de tempo que tem aproximadamente a mesma amplitude,conforme representado na figura abaixo. Alguns exemplos de causas especiais que podem provocar o surgimento da periodicidade são mudanças sistemáticas nas condições ambientais, cansaço do operador, rotatividade regular de operadores ou máquinas, flutuação na voltagem, etc... Interpretação das Cartas de Controle:

52 52 Ì Seqüência 12 de 14 pontos consecutivos em um mesmo lado da linha média. Seqüência de sete pontos. Uma seqüência é uma configuração em que vários pontos consecutivos do gráfico de controle aparecem em apenas um dos lados da linha média. O número de pontos nesta situação é denominado comprimento da seqüência. Tipos de seqüência: Seqüência de 7 ou mais pontos; Seqüência com menos de 7 pontos, em que: ­ Pelo menos 10 de 11 pontos consecutivos no mesmo lado da média ­ Pelo menos 12 de 14 pontos consecutivos no mesmo lado da média ­ Pelo menos 16 de 20 pontos consecutivos no mesmo lado da média Interpretação das Cartas de Controle:

53 53 Í Tendência Tendência descendente Tendência ascendente Consiste em um movimento contínuo dos pontos do gráfico de controle em uma direção (ascendente ou descendente), como na figura abaixo. A ocorrência de uma tendência constituída por 7 ou mais pontos consecutivos ascendentes ou descendentes é uma indicação de falta de controle do processo. Exemplos de causas de tendências são: desgaste de equipamento; fatores humanos como fadiga de operador; mudanças nas condições ambientais (temperatura, pressão, umidade). Interpretação das Cartas de Controle:

54 54 Î Aproximação dos Limites de Controle Corresponde à ocorrência de 2 de 3 pontos consecutivos fora dos limites 2 (figura a), apesar destes pontos ainda estarem dentro dos limites de 3. Quando os pontos grafados tendem a cair próximos ou mesmo levemente fora dos limites de controle, com relativamente poucos pontos próximos da linha média, podem existir 2 diferentes distribuições sobrepostas gerando o resultado do processo (2 máquinas que trabalham de maneira diferente, por exemplo). As distribuições de probabilidade que poderiam ser associadas a esta situação são mostradas na figura b. O grau de aproximação dos limites de controle irá depender da extensão da sobreposição das distribuições. Em casos deste tipo é aconselhável construir gráficos de controle separadamente para os dois diferentes processos que estão gerando os resultados da característica de qualidade de interesse. Supercontrole É importante destacar que algumas vezes este tipo de configuração pode resultar do excesso de controle (super ajuste), quando os operadores fazem reajustes no processo muito freqüentemente, respondendo às variações no resultado do processo que são provocadas por causas aleatórias, em lugar de responder apenas às variações resultantes da atuação de causas especiais Interpretação das Cartas de Controle:

55 55 Î Aproximação dos Limites de Controle Interpretação das Cartas de Controle:

56 56 Ï Aproximação da Linha Média Quando a maioria dos pontos grafados está distribuída muito próximo da linha média, dentro das linhas centrais 1,5 (veja figura abaixo) e portanto apresentando uma variabilidade menor do que a esperada, obtemos uma indicação de que podem ter ocorrido erros nos cálculos dos limites de controle ou de que as amostras foram formadas de maneira inadequada (ex: utilizando mistura de dados provenientes de populações distintas). Portanto aproximação da linha média pode não significar estado de controle Interpretação das Cartas de Controle:

57 57 Determinar a característica que deverá entrar no gráfico Os dados são do tipo variáveis? O interesse está em unidades ou porcentagem de peças não-conformes? O interesse está em não-conformidades - i.e. discrepâncias/peças? O tamanho da amostra é constante? Use a carta np ou p Use a carta p O tamanho da amostra é constante? Use a carta u Use a carta c ou u Ele é homogêneo na natureza ou impróprio para a amostragem em subgrupos - ex.; banho químico, lote de tinta As médias dos subgrupos podem ser convenientemente calculadas? Use a carta das medianas O tamanho do subgrupo é 9 ou maior? Há meios para facilmente calcular s de cada subgrupo? Use a carta X-R Use a carta X-R Procedimento de seleção para o uso de Cartas de Controle Use a carta X-S não sim Use a carta para valores individuais: X-AM

58 Tipos de Cartas de Controle: Para Variáveis - Quantitativo Para Atributos - Qualitativo Exemplo de Variáveis: Temperatura, Volume, Pressão, Peso, Faturamento (R$), etc.. Exemplo de Atributos: Presença de impurezas no alimento, fissuras no pneu dos caminhões, ausência de furo nas latas, etc.

59 ä Atributos p, np ä Variáveis X-R, X-S, X-AM Tipos de Cartas de Controle: Tipos de Cartas de Controle:

60 Interpretação das Cartas:Revisão Linha média Limite Superior de Controle Limite Inferior de Controle Características de Qualidade Valores das Características de Qualidade traçados no gráfico. 0% 4% 2% Carta P A CARTA DE CONTROLE NÃO MOSTRA OS LIMITES DE ESPECIFICAÇÃO !!! (LSC) (LIC) Processo com variação natural ( Processo Controlado) 30% 10% 20% Horário de Coleta 30% 10% 20% Processo com variações excessivas (Processo fora de controle) ANOMALIAS ! ANOMALIAS ! Devido as causas especiais

61 61 Processo sob Controle Estatístico: Conclusão Dizemos que um processo está sob controle estatístico quando apenas causas comuns de variação estão atuando sobre o mesmo. A variabilidade é inerente a ele (variabilidade natural). Este tipo de variação pode ser deixado ao acaso, mas a partir do momento que o processo começa a apresentar causas especiais de variação estas devem ser identificadas e eliminadas. Os gráficos de controle são ferramentas que indicam o aparecimento dessas causas especiais como será visto mais adiante. As causas comuns de variação não podem ser eliminadas com o CEP. A variabilidade devida a elas só pode ser reduzida através de engenharia, e/ou redefinição do processo, com o auxílio de experimentos especialmente delineados para isso (ex: Projeto de Experimentos) Dizemos que um processo está sob controle estatístico quando apenas causas comuns de variação estão atuando sobre o mesmo. A variabilidade é inerente a ele (variabilidade natural). Este tipo de variação pode ser deixado ao acaso, mas a partir do momento que o processo começa a apresentar causas especiais de variação estas devem ser identificadas e eliminadas. Os gráficos de controle são ferramentas que indicam o aparecimento dessas causas especiais como será visto mais adiante. As causas comuns de variação não podem ser eliminadas com o CEP. A variabilidade devida a elas só pode ser reduzida através de engenharia, e/ou redefinição do processo, com o auxílio de experimentos especialmente delineados para isso (ex: Projeto de Experimentos) As mudanças na distribuição do processo em decorrência de causas especiais podem ser tanto negativas como positivas.Quando estas mudanças são negativas, elas precisam ser identificadas e eliminadas. Quando são positivas, deveriam ser identificadas e transformadas em parte permanente do processo.

62 62 Processo que não está sob Controle Estatístico: Conclusão Sob algumas circunstâncias, o cliente pode permitir que o produtor continue a manter um processo como ele está, mesmo que se enquadre como fora de controle. Estas circunstâncias podem incluir: O cliente é insensível a variação dentro das especificações; O custo envolvido na tomada de ação corretiva sobre causas especiais ultrapassa o benefício para qualquer cliente ou todos eles. Causas especiais economicamente permissíveis podem ser: desgaste de ferramenta, afiação de ferramenta, variação cíclica (sazonal), etc. O custo envolvido na tomada de ação corretiva sobre causas especiais ultrapassa o benefício para qualquer cliente ou todos eles. Causas especiais economicamente permissíveis podem ser: desgaste de ferramenta, afiação de ferramenta, variação cíclica (sazonal), etc. A causa especial tem sido identificada e documentada como consistente e previsível. A causa especial tem sido identificada e documentada como consistente e previsível. Sob algumas circunstâncias, o cliente pode permitir que o produtor continue a manter um processo como ele está, mesmo que se enquadre como fora de controle. Estas circunstâncias podem incluir: O cliente é insensível a variação dentro das especificações; O custo envolvido na tomada de ação corretiva sobre causas especiais ultrapassa o benefício para qualquer cliente ou todos eles. Causas especiais economicamente permissíveis podem ser: desgaste de ferramenta, afiação de ferramenta, variação cíclica (sazonal), etc. O custo envolvido na tomada de ação corretiva sobre causas especiais ultrapassa o benefício para qualquer cliente ou todos eles. Causas especiais economicamente permissíveis podem ser: desgaste de ferramenta, afiação de ferramenta, variação cíclica (sazonal), etc. A causa especial tem sido identificada e documentada como consistente e previsível. A causa especial tem sido identificada e documentada como consistente e previsível.

63 Principais causas de problema e/ou defeitos: 1. Matéria prima;Insumos 2. Condições de equipamentos; 3. Qualidade da mão de obra; Não adianta tentar corrigir defeitos de processo e/ou qualidade do produto, nem fazer planos de ação quando se sabe o que causou o defeito e não se toma ação.Não adianta tentar corrigir defeitos de processo e/ou qualidade do produto, nem fazer planos de ação quando se sabe o que causou o defeito e não se toma ação. Padrões são feitos para serem cumpridos, senão compromete qualquer base de dados para análisePadrões são feitos para serem cumpridos, senão compromete qualquer base de dados para análise

64 Estatística aplicada ao controle de processo e qualidade deve se fundamentar em: 1. Fatos e Dados em vez de conceitos abstratos; 2. Evidências obtidas a partir de resultados específicos da observação; 3. Padrões estabelecidos e observados; 4. Métodos matemáticos para descartar dados tendenciosos; 5. Eliminação de dados corrompidos por matéria prima, equipamento ou método

65 Fenômeno estatístico : Eventos que possibilitem análise por métodos estatísticos Dado estatístico : Dado numérico obtido para matéria prima da estatística População : Conjunto de dados com característica comum para análise Amostra : Parcela representativa da amostra para avaliação estatística da população. Parâmetros: Dados característicos para caracterização da população. Exemplo: Os alunos do 2° ano da FGV tem em média 1,70 m de altura. São valores singulares que existem na população e que servem para caracterizá-la. Para definirmos um parâmetro devemos examinar toda a população. Variável : Conjunto de resultados possíveis para um fenômeno

66 Definição do problema - O que pesquisar Planejamento - Como e onde buscar as informações Coleta de Dados - levantamento sistemático com objetivo determinado – Coleta direta - Busca de dados específicos direto na orígem – Coleta contínua - Define-se coletar sistematicamente ao longo do tempo. – Coleta periódica - Determina-se o período de coleta. – Coleta ocasional - Coleta não premeditada. Apuração dos dados - Tabulação, ordenamento, seleção, depuração Apresentação dos dados - Tabular ou gráfica Análise e interpretação dos resultados - Fase mais importante e delicada Ligada essencialmente ao cálculo de medidas e coeficientes, com a finalidade principal de descrever o fenômeno

67 Apuração dos dados - Tabulação, ordenamento, seleção, depuração Apresentação dos dados - Tabular ou gráfica Exemplos: Dados Brutos Rol O arranjo dos dados brutos em ordem de freqüência crescente ou decrescente

68 Apresentação dos dados - Tabular ou gráfica Amplitude total = R = = 15.

69 Apresentação dos dados - Tabular ou gráfica Exemplo 2 - Peso de 100 indivíduos

70 Quantitativa : Dados com características quantitativas nítidas Quantitativa : Dados com características quantitativas nítidas – Discreta : Resultado de contagens – Contínua : Resultado de medições cujos valores são quaisquer N° real Qualitativa : Dados regidos por atributos de qualidade Qualitativa : Dados regidos por atributos de qualidade

71 71 Variabilidade em processos: TODO PROCESSO SEMPRE APRESENTA VARIABILIDADE APRESENTA VARIABILIDADE TODO PROCESSO SEMPRE APRESENTA VARIABILIDADE APRESENTA VARIABILIDADE QUANTO MENOR FOR A VARIABILIDADE MENOR SERÁ O NÚMERO DE PRODUTOS DEFEITUOSOS

72 72 Fontes de Variabilidade em Processos: ê Causas aleatórias, ou comuns: Variabilidade natural ou inerente ao processo Processo sob controle - Estável ê Causas especiais, ou externas, ou atribuíveis, ou assinaláveis: Variabilidade excessiva (excede limites de controle) Processo fora de controle - Instável O diâmetro de um eixo usinado, por exemplo, seria suscetível à variação potencial da máquina (folga, desgaste do rolamento), da ferramenta (esforço, taxa de desgaste), do material (diâmetro, dureza), do operador (precisão em centralizar, alimentação da peça), da manutenção (lubrificação, reposição de peças gastas) e do meio ambiente (temperatura, constância do fornecimento elétrico),

73 73 Um Processo SEMPRE apresenta variabilidade. Conceito de Variabilidade no Processo: A variabilidade também denominada variação ou dispersão está presente em todos os processos de produção de bens e de fornecimento de serviços. Média Sem variabilidade Média variabilidade baixa Média variabilidade alta

74 74 Mesmo os Produtos Não Defeituosos Apresentam Variações, porém estão Dentro Dos Limites de sua Especificação. Os Produtos defeituosos são produzidos devido à presença de uma GrandeVariabilidade.

75 75 Variáveis: O Peso de uma peça é uma Variável Kg kg Kg kg Kg kg Kg kg

76 76 Exemplo: PESO de uma Peça (VARIÁVEL). FAIXA DE PESO ESPECIFICADA PELO CLIENTE PESO MÍNIMO = 6000kg PESO MÁXIMO = 10000kg Peça 8 com 5000kg (menor que o especificado) Peça 10 com 11000kg (maior que o especificado) Peça NÃO OK PESO A MAIS Faixa de peso especificada pelo client 10000kg 6000kg Nº de Peças Peso 11000kg 5000kg Peça NÃO OK PESO A MENOS

77 77 Relação entre Causas e os Efeitos de um Processo: Pequena Variação de Espessura da Peça Mão de Obra Medida Matéria-PrimaMétodo MáquinaMeio Ambiente Pequena Variação de Temperatura no Forno Grande Variação de Espessura Peça Mão de Obra Medida Matéria-PrimaMétodo MáquinaMeio Ambiente Grande Variação de Temperatura no Forno CAUSAS COMUNS Processo sob ação de CAUSAS COMUNS Causa natural do processo Previsível Não há sustos (Pouca variação na espessura) CAUSAS ESPECIAIS Processo sob ação de CAUSAS ESPECIAIS Não natural do processo Imprevisível Cada dia é uma nova surpresa (Muita variação na espessura)

78 78 A VARIABILIDADE NAS CAUSAS faz com que Todo Processo tenha VARIABILIDADE NO SEU EFEITO. A VARIABILIDADE NAS CAUSAS faz com que Todo Processo tenha VARIABILIDADE NO SEU EFEITO.

79 População e Amostra - o ideal seria sempre analisar a população toda por praticidade analisa-se pequena parcela representativa da população Amostra não representativa leva a resultados tendenciosos, evite-as! Senso (levantamento de dados) - Estudo para adquirir conhecimentos sobre a população, observando todos os seus elementos, e fazer juízos quantitativos/qualitativos acerca de características importantes. Amostragem - Processo de extração de elementos representativos da população alvo – Não probabilística - sempre tende a ser direcionada Acidental ou de conveniência - busca de dados específicos com abertura para ocorrências não visadas, aquelas que surgem por acaso Intencional - busca de dados específicos com critérios restritos Quotas ou percentual - variação da intencional onde se pega parte da população previamente selecionada – Probabilística - é mais científica e menos tendenciosa Aleatória simples - elementos dispostos em sequência e critérios de seleção pré estabelecidos Aleatória estratificada - aplicado a população heterogênea e se deseja proporcionalidade entre subpopulações Conglomerado - características globais da população presentes num bloco qualquer sorteado aleatoriamente (tomada por bloco - não há característica específica)

80 Fases iniciais: – Descritiva - Descreve-se a amostra em suas principais características e/ou propriedades – Indutiva - Parte das características particulares para as proposições gerais que supostamente exprimem leis que descrevam a população. Isso leva à graus de incerteza que podem ser estimados por probabilidades (teoria das probabilidades) Dimensionamento da amostra – Avaliar a variável mais importante do grupo - (pareto) – Verificar se a população é finita ou infinita

81 CENTRO UNIVERSITÁRIO DE BARRA MANSA Prof° Ronaldo Reis Silva População É a totalidade dos elementos de um universo sobre o qual desejamos estabelecer conclusões ou exercer ações. É um conjunto de elementos com pelo menos uma característica comum. Amostra É um subconjunto de elementos extraídos de uma população. As 5 Perguntas fundamentais na coleta de dados Por que coletar os DADOS? O que fazer com os DADOS? Como coletar os DADOS? Os dados são CONFIÁVEIS? Como registrar os DADOS?

82 Ferramenta para apresentação de grandes massas de dados Facilita visualizar tendência central Dispersão Tabela primitiva - Dados brutos – dados com a disposição em que foram levantados, sem ordenação. É um tipo de tabela que condensa uma coleção de dados conforme as frequências (repetição de seus valores). Rol - Ordenação por ordem numérica ou alfabética, etc. Distribuição por frequência de classes

83 Limites de Classe : São os limites superior e inferior da classe Amplitude da classe : diferença entre os limites (a = Ls - Li). a = R / K Amplitude Total (R): Diferença entre o valor máximo e o mínimo das amostras Número de classes : onde n é o número de elementos da amostra Para se calcular o número de classes para uma distribuição contínua, pode-se utilizar as fórmulas e considerações abaixo. 1) k = 5 quando o número de dados (n) for 25; 2) k n, para o número de dados (n) for 25; 3) Fórmula de Sturges: k 1 + 3,22 log n. Exemplo: k = 49 = 7 ou k 1 + 3,22 log 49 7

84 Apuração dos dados - Tabulação, ordenamento, seleção, depuração Apresentação dos dados - Tabular ou gráfica Exemplos: Dados Brutos Rol O arranjo dos dados brutos em ordem de freqüência crescente ou decrescente

85 Apresentação dos dados - Tabular ou gráfica Amplitude total = R = = 15.

86 Apresentação dos dados - Tabular ou gráfica Exemplo 2 - Peso de 100 indivíduos

87 87 Amplitude (R): É a diferença entre o maior e o menor elemento da amostra coletada (variação máxima). Exemplo: Se coletarmos uma amostra de algumas pessoas de alturas diferentes, a diferença entre a pessoa mais alta e a mais baixa é a AMPLITUDE É a diferença entre o maior e o menor elemento da amostra coletada (variação máxima). Exemplo: Se coletarmos uma amostra de algumas pessoas de alturas diferentes, a diferença entre a pessoa mais alta e a mais baixa é a AMPLITUDE VARIABILIDADE AMPLITUDE A VARIABILIDADE pode ser medida pela AMPLITUDE. 1,80 m 1,27 m R = 1,80 - 1,27 = 0,53

88 88 Exemplo:

89 Frequências simples ou absolutas (fi): valores que representam o número de dados de cada classe. Somatório das frequências simples = total dos dados da distribuição. Frequências relativas (fr): razões entre frequências absolutas de cada classe e a frequência total da distribuição. Somatório das frequências relativas é igual a 1 (100 %). Frequência simples acumulada (Fi): Somatório das frequências de todos os valores inferiores ao limite superior do intervalo de uma determinada classe. Frequência relativa acumulada de um classe (Fr): é a frequência acumulada da classe, dividida pela frequência total da distribuição

90 Frequências simples, relativas, acumuladas (Exemplo)

91 São gráficos de barras que apresentam a dispersão dos dados em toda amplitude da amostra (população). É uma ferramenta estatística apropriada para a apresentação de grandes massas de dados Torna mais clara a tendência central e a dispersão dos valores ao longo da escala de medição e a freqüência relativa de ocorrência dos diferentes valores. Serve para verificar como estão distribuídos seus valores de acordo com os seu limites. Visualiza melhor os valores mais comuns, o quanto de dispersão apresenta, se a distribuição é normal, etc

92

93 Formas gráficas para análise de um processo Carta de controleCarta de controle - analisa seqüencialmente os valores monitorados, normalmente numa série temporal HistogramaHistograma - usa uma série de valores para verificar a freqüência em que estes aparecem.. serve para verificar como estão distribuídos seus valores de acordo com os seus limites. Visualiza melhor os valores mais comuns, o quanto de dispersão temos, se a distribuição é normal, etc..verifica como anda seu processo ao longo do tempo. Útil para analisar tendências de crescimento ou decréscimo, detecta pontos onde pode ter ocorrido alguma causa especial, dentre outras utilidades.

94 a) Média Aritmética 10.1 Medidas de tendência central a) Média Aritmética Média :.. onde x i são os valores da variável e n o número de dados – Bem representativa quando se busca representar a quantidade total de muitos dados; – Mas pode apresentar imagem distorcida dos dados; (ex. +3 e -3 resulta ) – Apresenta uma propriedade importante: A soma dos desvios de cada dado para a média resulta em ZERO Método de cálculo para dados agrupados: – Quando não existem intervalos de classes calcula-se direto com os valores x i – Quando tem intervalos de classes o x i é a média dos limites da classe

95 a) Média Aritmética 10.1 Medidas de tendência central a) Média Aritmética X = ( ) / 7 = 14 kilos X = X = 61 cm Dados não agrupados Dados agrupados Ex: Sabendo-se que a venda diária de arroz tipo A, durante uma semana, foi de 10,14,13, 15,16,18 e 12 kilos,temos, para venda média diária na semana de:

96 b) Moda 10.1 Medidas de tendência central b) Moda Moda é o valor de maior frequência Método de cálculo para dados agrupados por classes: – Toma-se a classe modal e faz-se a média aritmética dos limites A Moda traduz o valor mais típico da distribuição por ser fortemente influenciada pela sua posição É afetada pela posição Difere da Média Aritmética por esta ter maior estabilidade

97 a) Sem intervalos de classe : b) com intervalos de classe : 2° C é a temperatura modal, pois é a de maior frequência. A classe modal é 58 | , pois é a de maior freq ü ência. I =58 e L = 62 Mo =( ) / 2 = 60 cm ( este valor é estimado, pois não conhecemos o valor real da moda). b) moda 10.1 Medidas de tendência central b) moda

98 ) Moda (continuação ) 10.1 Medidas de tendência central b) Moda (continuação ) b) com intervalos de classe : M é todo mais elaborado pela f ó rmula de CZUBER : Mo = I* +(d1/(d1+d2)) x h* I* - limite inferior da classe modal. L*- limite superior da classe modal. d1 - freq ü ência da classe modal - freq ü ência de classe anterior à classe modal. d2 - freq ü ência da classe modal - freq ü ência de classe posterior à classe modal. h* - amplitude da classe modal. Mo = I* +(d1/(d1+d2)) x h* Mo = 58 +[((11-9) / (11-9)+(11-8) )) x 4] Mo = 59,6 cm. OBS: A moda é utilizada quando desejamos obter uma medida r á pida e aproximada de posi ç ão ou quando a medida de posi ç ão deva ser o valor mais t í pico da distribui ç ão. J á a m é dia aritm é tica é a medida de posi ç ão que possui a maior estabilidade.

99 c) Mediana 10.1 Medidas de tendência central c) Mediana Mediana é o elemento central da amostra Divide a amostra em dois subconjuntos de mesma quantidade de elementos Método de cálculo para dados agrupados por classes: – Toma-se a classe modal e faz-se a média aritmética dos limites – Em caso de pequenas amostras toma-se o elemento central A Mediana é uma medida que tem o objetivo de auxiliar quando há valores extremos que afetam de maneira acentuada a Média Aritmética. (quanto mais simetria na distribuição, mais a Md se aproxima da Ma)

100 c) Mediana 10.1 Medidas de tendência central c) Mediana a) Sem intervalos de classe : b) com intervalos de classe : - Md = = 34 = 17 2 A menor freqüência acumulada que supera este valor é 18, que corresponde ao valor 2 da variável, sendo este valor mediano. Logo: Md = 2 meninos. = 40 = 20 2 Na prática, executamos os seguintes passos: 1) Determinamos as freqüências acumuladas. 2) Calculamos. 3) Marcamos a classe correspondente a freqüência acumulada imediatamente superior à classe mediana e, em seguida empregamos a fórmula: Md = Classe mediana

101 b) com intervalos de classe : Onde: i* - é o limite inferior da classe mediana. FAA - é a freqüência acumulada classe anterior à classe mediana. f* - é a freqüência simples da classe mediana. h* - é a amplitude da classe mediana. Md = [ ( ) x 4] = = logo: Md = ,545 = Md = 160,545 cm. Md = c) Mediana (continuação) 10.1 Medidas de tendência central c) Mediana (continuação)

102 10.2 Medidas de Dispersão Variância Medida obtida pela razão entre soma dos quadrados dos desvios e a quantidade de dados contidos na amostra menos 1 É calculada pela fórmula É de pouca utilidade na Estatística Descritiva Mas é fundamental para o cálculo do Desvio Padrão

103 10.3 Medidas de Dispersão Desvio Padrão Medida obtida extraindo a raiz quadrada da Variância É calculada pela fórmula É a medida de dispersão mais empregada Considera a totalidade das variáveis em análise É um indicador de variabilidade estável por se basear na média aritmética Tem a mesma UNIDADE da variável em estudo Para amostras agrupadas por classes calcula-se com

104 10.3 Medidas de Dispersão Desvio Padrão ( exemplo) Como n = 7, temos : s = 630 = 90 7 s = 9,4868 = 9,49 Média = 371 = 53 7 Exemplo 1 Exemplo 2 s = 1240 = s = 5,567 Média = fixi = 6440 = 161 fi 40

105 10.3 Medidas de Dispersão Desvio Padrão Principais aplicações do desvio padrão Na distribuição normal – 68% (2/3) estão entre – 95% estão entre 2 – 99,7% estão entre 3

106 10.3 Medidas de Dispersão Desvio Padrão Principais aplicações do desvio padrão Na distribuição normal – 68% (2/3) estão entre – 95% estão entre 2 – 99,7% estão entre 3

107 107 Curva Normal: Frequência Frequência Relativa Dados Dimensão MedidaContagem Número de Medidas

108 108 As peças variam de uma para a outra Mas elas formam uma aglomeração que, se estável, pode ser descrita como uma distribuição Tamanho As distribuições podem diferir quanto a: localização dispersãoforma...ou quaisquer combinações entre essas Tamanho Se apenas causas comuns de variação estiverem presentes, o resultado do processo forma uma distribuição que é estável ao longo Tamanho Tempo Predição Linha Objetivo Se causas especiais de variação estiverem presentes, o resultado do processo não é estável Tamanho Tempo Predição Linha Objetivo Tamanho

109 Exemplo Média e Desvio Padrão Média = 5 D. P. = 1,6 Média = 5 D. P. = 0,3

110 110 Com o CEP poderemos melhorar a qualidade e a confiabilidade de nossos produtos, satisfazendo assim cada vez mais os nossos clientes. Cliente satisfeito traz com ele mais clientes, gerando maior lucro para a empresa e melhor imagem. Benefícios do CEP

111 Conjunto de atividades executadas com um certo objetivo Conjunto de causas que geram um (ou mais) efeitos Causa 1 causa 2 causa 3 efeito Causa 4 causa 5 causa 6

112 Controle de Processo Objetivos do Processo: Gerar informações necessárias ao desenvolvimento do processo Fornecer subsídios para tomada de decisão Assegurar as informações requeridas para o efetivo controle dos processos de fabricação Objetivos para a Qualidade: Inspecionar os produtos acabados Perseguir os indicadores da qualidade dos produtos concorrentes

113 CEP Método preventivo de se comparar continuamente os resultados de um processo com padrões, identificando a partir de dados estatísticos as tendências para variações significativas, a fim de eliminar/controlar essas variações. Objetivo: Reduzir a VARIABILIDADE do Processo Função: Controlar variações Entender suas causas Prevenir ocorrências

114 CEP Parâmetros : –Limites de especificação : São limites que o cliente, a norma ou especificação determinam para uma determinada característica. –Limites de controle : São os limites do processo, dentro dos quais normalmente é capaz de produzir, sejam eles melhores ou piores que os de especificação. –Índices de Capabilidade ou Capacidade: são índices que medem a capacidade de um processo fabricar produtos dentro da faixa de especificação. –Os mais utilizados : Cp, Cpk e Cpm

115 –Limites de especificação : limites que o cliente encomenda

116 Gráficos de Controle Objetivos Verificar se o processo é estável Manter o processo estável Melhorar o desempenho do processo Base de funcionamento de um gráfico de controle processo estável, a grande maioria (99,7%) dos valores de uma característica de qualidade deve cair no intervalo: μ +/- 3.σ Limites de controle LSC = μ + 3.σ LIC = μ - 3.σ Modalidades de gráficos Controle de centralização do processo Controle de variabilidade do processo (dispersão) Importante ==> Os dois gráficos são necessários, cada um tem uma finalidade específica e um não substitui o outro

117 Variações em um Processo Causas comuns: variações aleatórias Variações inerentes ao processo. Podem ser eliminadas somente através de melhorias no sistema. Ex.: Troca de máquina Causas especiais: problemas no processo Variações devidas a problemas identificáveis. Podem ser eliminadas por ação local do operador. Ex.: Regulagem da máquina CAUSAS ESPECIAIS Variações Atípicas Origem Local Operador/Supervisor Solução a Curto Prazo Estabilidade Previsibilidade CAUSAS COMUNS Variações Dominadas Origem Sistêmica Staff/Gerente Solução a Longo Prazo Capacidade da máquina Atender à Faixa do Cliente

118 Variações em um Processo 1. CAUSAS COMUNS OU ALEATÓRIAS Sempre existem. São inerentes, pertencem ao processo (Condições atuais de operação). Não provocam alterações apreciáveis na qualidade do produto. É impossível ou antieconômico eliminá-la do processo. Ex.: Diferença entre operadores, entre equipamentos, variabilidade natural da matéria prima. 2. CAUSAS ESPECIAIS, NÃO ALEATÓRIAS OU SISTEMÁTICAS Nem sempre existem; Ocorrem com certa freqüência; Não fazem parte do processo; Provocam alterações apreciáveis na qualidade do produto e por isto devem ser rapidamente identificadas e corrigidas; Ex.: Máquina descalibrada, matéria prima com anomalias, panes, etc.

119 Variações em um Processo 1. Ausência de CAUSAS ESPECIAIS Os produtos podem ser diferentes entre si Mas num processo ESTÁVEL existe uma variação padrão As distribuições vão diferir umas das outras quanto à Centralização Variabilidade Forma (ex. det. Produto sempre acima)(ex. det. Material sempre varia mais)(ex. det. Material tende mais para um lado)

120 Variações em um Processo 2. Exemplos de Efeitos provocados por CAUSAS ESPECIAIS Deslocamento na Média Variabilidade Constante (ex. Eqpto descalibrou) Tendência na Média Variabilidade Constante Média Estável Dispersão variando (ex. Atuador variou sensibilidade) Média Instável Variabilidade também (ex. Sistema descontrolado)

121 Melhoria de um Processo através do CEP CONTROLE do PROCESSO Processo fora de controle Presença de causas especiais Processo sob controle Causas especiais ELIMINADAS

122 Melhoria de um Processo através do CEP CAPACIDADE do PROCESSO Limite Inferior de Especificação Sob Controle e CAPAZ Variação reduzida pela eliminação das causas comuns Limite Superior de Especificação

123 Gráficos de Controle - procedimentos para montá-los Coletar k amostras de tamanho n Calcular X e R Calcular os limites de controle Analisar gráfico R Analisar gráfico X Identificar, eliminar e prevenir causas especiais Monitorar o processo Estável? SIM NÃO SIM

124 Definição de Cp e Cpk Cp (Conhecido como Capabilidade de Máquina)Cp (Conhecido como Capabilidade de Máquina) : Definido como o intervalo de tolerância dividido por 6 vezes o desvio padrão estimado, considerando a ausência de causas especiais. (CP mede dispersão.) Superior e Inferior de Capabilidade (CPU e CPL) : variação superior ou o inferior da tolerância dividida por 3 vezes o desvio padrão. Capabilidade (Cpk)Capabilidade (Cpk) : é o mínimo valor entre CPU e CPL. Cpk mede dispersão e centralização. LSE = Limite Superior de Especificação LIE = Limite Inferior de Especificação

125 Média = 5 D. P. = 0,33 Cp= (8-2)/(6*0,33) = 3 CPU = (8-5)/(3*0,33) =3 CPL= (5-2)/(3*0,33) = 3 Cpk = min (3 ;3) =3 Média = 7 D. P. = 0,33 Cp= (8-2)/(6*0,33) = 3 CPU = (8-7)/(3*0,33) =1 CPL= (7-2)/(3*0,33) = 5 Cpk = min (1 ;5) = 1 LSE= 8 LIE= LSE= 8 LIE=2 LSE= 8 LIE=2 Média = 9 D. P. = 0,33 Cp= (8-2)/(6*0,33) = 3 CPU = (8-9)/(3*0,33) =-1 CPL= (9-2)/(3*0,33) = 7 Cpk = min (-1 ;7) = - 1

126 Exemplo de um processo com LIE = 2 e LSE = 8 =7LSE =8LIE =2 PFE = Porcentagem Fora de Especificação

127 Classificação Valor do Cpk Itens Fora de especificação do processo do processo (ppm) a) Capaz > 1,3370 (0,007%) b)Razoavelmente capaz 1< Cpk < 1,33 de 70 a 2700 (até 0,27% ) c) Incapaz 0,27%) Comparando : a) Motorista na estrada de várias pistas, mão única b) Motorista numa estrada de duas pistas, com acostamento c) Motorista numa estrada de mão dupla sem acostamento

128 Cp é sempre maior ou igual ao Cpk Cp é sempre maior ou igual ao Cpk Processo centralizado (média equidistante dos LE´s Cp=Cpk Processo centralizado (média equidistante dos LE´s Cp=Cpk Sempre que o Cpk for menor que 1 haverá geração de produtos não conforme Sempre que o Cpk for menor que 1 haverá geração de produtos não conforme Tanto Cp quanto Cpk só tem resultados válidos quando a distribuição dos valores individuais for normal Tanto Cp quanto Cpk só tem resultados válidos quando a distribuição dos valores individuais for normal

129 129 Cartas de Controle para Variáveis X-R: þ Gráfico X - Monitora a média do processo þ Gráfico R - Monitora a variabilidade do processo Os gráficos X e R devem ser utilizados conjuntamente

130 130

131 131 Calcular os Limites de Controle Experimentais Calcular Xi e Ri Há pontos fora de controle? Procurar as causas assinaláveis As Causas foram encontradas? Abandonar os pontos fora de controle Adotar os limites para controle atual e futuro Calcular X e R Grafar Xi e Ri nos Gráficos X e R NãoSim Não Sim ou Fluxograma de construção das Cartas de Controle X-R (variáveis):

132 132 Cálculo dos Limites de Controle para Carta X-R: LSC R = D 4 R LIC R = D 3 R LSC X = X + A 2 R LIC X = X - A 2 R sendo R = R 1 +R R K K X = X 1 +X X K K R = média das amplitudes A 2 = constante tabelada D 3 = constante tabelada D 4 = constante tabelada X = média das médias K = nº total de amostras

133 133 Carta de Controle X-R p/ o Diâmetro do Corpo de Garrafas de Vidro:

134 134 Carta de Controle X e R para o Diâmetro do Corpo de Garrafas de Vidro:

135 135 Carta X-R

136 136 Cartas de Controle para Atributos p e np: þ Gráfico p - Proporção Não-Conforme þ Gráfico np - Número de Itens Não-Conformes Os gráficos p e np são utilizados quando a característica da qualidade de interesse é representada pela proporção ou número de itens defeituosos produzidos.

137 137 Fluxograma de construção dos Cartas de Controle p e np (atributos): Calcular os Limites de Controle Experimentais Há pontos fora de controle? Procurar as causas assinaláveis As Causas foram encontradas? Abandonar os pontos fora de controle Adotar os limites para controle atual e futuro Calcular p ou np Grafar os valores de p i ou np i nos Gráficos p ou np NãoSim Não Sim ou

138 138 Cálculo dos Limites de Controle para Cartas p e np: n = tamanho da amostra p = proporção não conforme LSC p = p + 3 (p(1-p))/n LIC p = p - 3 (p(1-p))/n LSC np = np + 3 (np(1-p) LIC np = np - 3 (np(1-p) sendo np = np 1 +np np k k p = n 1 p 1 +n 2 p n k p k n 1 +n n k

139 139 CAPABILIDADE DE PROCESSO

140 140 Introdução: Os índices de capabilidade de processo (ICP) sintetizam informações de forma que seja possível avaliar se um processo é capaz de gerar produtos que atendam às especificações provenientes dos clientes internos e externos (ex.: especificações de normas exigidas por clientes)

141 141 Comentários relevantes: Somente processos estáveis (sob controle estatístico) devem ter sua capacidade avaliada. Processos previsíveis podem gerar ítens defeituosos.

142 142 CONTROLE DE PROCESSO

143 143

144 144 Capabilidade de Processo 3 - limites naturais (faixa característica do processo); 99,73% de abrangência; Obs: É importante não confundir os limites de especificação com os limites naturais do processo, ou com os limites de controle do processo.

145 145 Conceitos Limites de especificação - são estabelecidos pela engenharia; Limites naturais - são estabelecidos pela média e desvio padrão do processo (estimados a partir de amostras); Limites de controle - são estabelecidos em função da média, do tamanho das amostras e do desvio padrão do processo.

146 146 Índice Cp A variável de interesse tem especificação bilateral; Média ( ) centrada no valor nominal; Demonstra a capacidade potencial do processo; C p = LSE - LIE O valor mínimo exigido para C p é 1,33. 6

147 147 SIGMA

148 148 Observação: O índice Cp é insensível a mudanças na média do processo, portanto só deve ser utilizado quando a média do processo permanece centrada em d (ponto médio das especificações).

149 149 Limites de Especificação LIE LSE X N( ; )

150 150 Classificação do Processo Valor de Cp Comparação do Histograma com as especificações Proporção de defeituosos LIE LSE LIE LSE LIE LSE Capaz ou Adequado (Verde) Aceitável (Amarelo) Incapaz ou Inadequado (Vermelho) Cp 1,33 1 Cp 1,33 Cp 1,00 p 64 ppm 64 ppm p 0,27 % p 0,27 % é Classificação de Processos a partir do índice Cp

151 151 Índice Cpk O processo não esta centrado no valor nominal. Mede a capacidade real do processo; C pk = MIN LSE -, - LIE 3 3

152 152 Observações O índice Cpk pode assumir valores negativos, quando a média do processo não pertence ao intervalo das especificações. Isto significa que o processo está produzindo mais de 50% de não conformidades; situação essa muito improvável de ocorrer.

153 153 é Relacionamento entre índices Cp e Cpk

154 154 é Relacionamento entre índices Cp e Cpk LIE LSE Cp = 2,0 Cpk = 2,0 Cp = 2,0 Cpk = 1,5 Cp = 2,0 Cpk = 1,0 Cp = 2,0 Cpk = 0 Cp = 2,0 Cpk = -0,5 = 2

155 155 Cp Baixo Alto Cpk IMPOSSÍVEL Reduzir a variabilidade do processo Deslocar a média do processo Situação ideal - Manter LIE LSE LIE LSE LIE LSE Magnitudes de Cp e Cpk

156 156 ò Análise de Sistemas de Medição OBJETIVO: Quantificar o Erro de Precisão dos Sistemas de Medição com a finalidade de assegurar uma confiabilidade mínima nos resultados obtidos nas medições realizadas, de modo que esses valores possam ser utilizados convenientemente no Controle Estatístico de Processo, controle do processo de fabricação em geral e no controle da qualidade do produto. O QUE PROPORCIONA: 1. Um critério para se aceitar novos equipamentos de medição; 2. Uma comparação entre 2 diferentes dispositivos de medição; 3. Uma base para se avaliar um medidor suspeito de estar defeituoso; 4. Possibilidade de comparação entre equip. de medição antes e depois de reparos; 5. Um componente necessário para o cálculo de variação de processo e o nível de aceitabilidade para um processo de produção; 6. As informações necessárias p/ se desenvolver performance de instr. de medição.

157 157 ò Análise de Sistemas de Medição TRÊS QUESTÕES FUNDAMENTAIS: O Sist. de Medição tem a especificação adequada? O Sist. de Medição é estável ao longo do tempo? As propriedades Estatísticas são consistentes sobre a faixa esperada e aceitáveis para análise e controle do processo? TIPOS DE VARIAÇÃO DO SISTEMA DE MEDIÇÃO: Y Tendência; Y Repetitividade; Y Reprodutibilidade; Y Estabilidade e Y Linearidade. TIPOS DE VARIAÇÃO DO SISTEMA DE MEDIÇÃO: Y Tendência; Y Repetitividade; Y Reprodutibilidade; Y Estabilidade e Y Linearidade.

158 158 ò Análise de Sistemas de Medição PRECISÃO E EXATIDÃO: Não Exato e Não Preciso Preciso mas Não Exato Preciso e Exato Exato mas Não Preciso Valor de Referência Valor Médio Observado Valor de Referência Valor Médio Observado Valor de Referência Valor Médio Observado Valor de Referência Valor Médio Observado

159 Fazer uma amostragem adequadaFazer uma amostragem adequada –garantir que temos um n º razo á vel de medidas, tomadas da mesma maneira e dentro de um per í odo que o processo estava sob controle. –Saber que a caracter í stica tem representatividade para an á lise. Não pegar popula ç ões diferentes –não comparar produtos com processo e caracter í sticas distintas de controle e processo. Aten ç ão para causas especiais –Se houver algum fator que interfira no seu processo de maneira a alterar seu controle, esta medida não serve para an á lise at é que este fator não esteja presente.

160 Análise visual ainda é o melhor meio de detecção de causas especiais nas variações do processoAnálise visual ainda é o melhor meio de detecção de causas especiais nas variações do processo Treinamento e prática (experiência) são fundamentais para identificar causas especiais com facilidadeTreinamento e prática (experiência) são fundamentais para identificar causas especiais com facilidade


Carregar ppt "QUALIDADE & PRODUTIVIDADE Profº Ronaldo Reis Silva."

Apresentações semelhantes


Anúncios Google