QUALIDADE & PRODUTIVIDADE Profº Ronaldo Reis Silva.

QUALIDADE & PRODUTIVIDADE Profº Ronaldo Reis Silva

Prof° Ronaldo Reis Silva
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 Fundação CSN ( ETPC) - Profº \97 Grupo Saint- Gobain (Barbará) – Engº Grupo Maxion (Engesa –FNV) - Engº

Conceito de Processo 1 2 3 4 5 1 2 1 2 3 Informações Materiais
CENTRO UNIVERSITÁRIO DE BARRA MANSA Conceito de Processo 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 Cliente Fornecedor Processo Entradas Saídas 1 2 Adaptação de Jorge Gerdau Johannpeter , 6º Congresso Internacional da Qualidade para a Competitividade, RS, Julho 2005.

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

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

? 0 QUE É QUALIDADE ? ?

O que é QUALIDADE ? “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

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. . Qualidade 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, Prof° Ronaldo Reis Silva

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

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

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

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

TQC CEP 5S PDCA MSP TPM ISO 14000 ISO 9000 PADRONIZAÇÃO POKE-YOKE
Técnicas e Filosofias aplicadas para se obter Vantagens Competitivas em Qualidade CENTRO UNIVERSITÁRIO DE BARRA MANSA TQC CEP 5S PDCA MSP TPM ISO 14000 ISO 9000 PADRONIZAÇÃO POKE-YOKE JUST IN TIME KAMBAN KAIZEM C C Q Prof° Ronaldo Reis Silva

Técnicas e Filosofias aplicadas para se obter Vantagens Competitiva em Qualidade
TQC CENTRO UNIVERSITÁRIO DE BARRA MANSA 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 ] Funcionários [ISO 18000] Acionistas Meio Ambiente [ISO 14000] Governo Comunidade 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, Prof° Ronaldo Reis Silva

Princípios da Qualidade Total
CENTRO UNIVERSITÁRIO DE BARRA MANSA TQC Princípios da Qualidade Total Total satisfação dos clientes Desenvolvimento de recursos humanos Constância de propósitos Gerência participativa Aperfeiçoamento contínuo Garantia da qualidade Delegação Não aceitação de erros Gerência de processos Disseminação de informações 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, Prof° Ronaldo Reis Silva

Prof° Ronaldo Reis Silva
CENTRO UNIVERSITÁRIO DE BARRA MANSA 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 1947. 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. Prof° Ronaldo Reis Silva

Qualidade 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 Prof° Ronaldo Reis Silva

? 0 QUE É PRODUTIVIDADE ? ?

Produtividade Competitividade Conceitos genéricos
CENTRO UNIVERSITÁRIO DE BARRA MANSA 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!... Prof° Ronaldo Reis Silva

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

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

PRODUTIVIDADE 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 partes interessadas no negócio, buscando melhorias e resultados relevantes para todos. A busca pelo aumento da produtividade deve ser feita baseada no aumento 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 assistência técnica. O aumento da produtividade é muito maior que o simples aumento dos níveis de produção. Ele está totalmente integrado ao conceito de QUALIDADE TOTAL levando a organização a buscar ganhos em todos os aspectos de suas operações. Prof° Ronaldo Reis Silva

INTEGRAÇÃO ORGANIZAÇÃO QUALIDADE PRODUTIVIDADE

AS VANTAGENS DA QUALIDADE E DA PRODUTIVIDADE :
INTEGRAÇÃO AS VANTAGENS DA QUALIDADE E DA PRODUTIVIDADE : 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; - 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.

QUALIDADE PRODUTIVIDADE INTEGRAÇÃO 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. 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

Controle Estatístico de Processo
CEP Controle Estatístico de Processo Prof° Ronaldo Reis Silva

CEP 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”. 27

CLIENTES A maneira que trabalhamos/ combinação de recursos
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 28

CEP 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. 29

Por quê utilizamos o CEP?
D P A 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 C D P A 2 - MANTER O PROCESSO Acompanhar o desempenho do processo Detectar variação de causa especial e atuar sobre ela C D P A 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). 30

CEP Controle Estatístico de Processo 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.

Processamento da informação Disposição da Informação
CEP Controle Estatístico de Processo 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

Estatística de Processo
CEP Estatística de Processo Noções básicas Revisão de Conceitos Prof° Ronaldo Reis Silva

Introdução a Estatística
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 matemática aplicada que fornece métodos para coleta, organização, descrição, análise e interpretação de dados e para a utilização 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 CEQ : técnicas estatísticas para medir e aprimorar a qualidade dos processos

Pontos de Vista Estatístico
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;

CEP As Sete Ferramentas Básicas da Qualidade
CENTRO UNIVERSITÁRIO DE BARRA MANSA CEP 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 Prof° Ronaldo Reis Silva

CEP Folha de Coleta de Dados
CENTRO UNIVERSITÁRIO DE BARRA MANSA CEP 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 Prof° Ronaldo Reis Silva

CEP 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 Prof° Ronaldo Reis Silva

O que significa Controle Estatístico de Processo?
Controle de Processo Abrange 3 ações principais: 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 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. 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. 39

Ferramentas mais utilizadas para controle de processo e qualidade : 1. Idade F i 2 |- 4 1 4 |- 6 3 6 |- 8 5 8 |- 10 4 10 |- 12 2  1- Distribuição de freqüências Histogramas Histograma Polígono Freqüência

Ferramentas mais utilizadas para controle de processo e qualidade : .2- Gráficos de Pareto

Ferramentas mais utilizadas para controle de processo e qualidade : Disposição por camadas ou como por camadas – acabamento (AURÉLIO). Ferramenta que divide o problema em partes para facilitar seu entendimento. 3- ESTRATIFICAÇÃO

Ferramentas mais utilizadas para controle de processo e qualidade : 4. Cartas de controle

Compreender o comportamento(Variação) do Processo
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. 44

CEP Gráfico de Controle
CENTRO UNIVERSITÁRIO DE BARRA MANSA CEP 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, Prof° Ronaldo Reis Silva

Exemplo: Dispersão Espessura da Peça Número 1 2 3 4 5 6 7 8 9 10 11 12
MÉDIA 8 9 10 11 12 13 14 15 16 17 18 19 20 46

VALORES DENTRO DOS LIMITES DE CONTROLE - SOMENTE CAUSAS COMUNS
Espessura da Peça VALORES DENTRO DOS LIMITES DE CONTROLE - SOMENTE CAUSAS COMUNS LSC MÉDIA LIC 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Número da Peça ÁREA VERDE = Processo sob Controle Estatístico (Acompanhe o Processo ) 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 47

VALORES FORA DOS LIMITES DE CONTROLE - CAUSAS ESPECIAIS
Espessura da Peça VALORES FORA DOS LIMITES DE CONTROLE - CAUSAS ESPECIAIS LSC MÉDIA LIC 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Número Da Peça ÁREA VERMELHA = Atue no processo imediatamente Comunique o Supervisor, Envolva a equipe, parar o equipamento se necessário. 48

Interpretação das Cartas de Controle:
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. 49

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

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... 51

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 52

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). 53

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 54

Aproximação dos Limites de Controle 55

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 56

Procedimento de seleção para o uso de Cartas de Controle
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? em não-conformidades - i.e. discrepâncias/peças? O tamanho da amostra é constante? Use a carta “np” ou “p” Use a carta “p” 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 Procedimento de seleção para o uso de Cartas de Controle carta X-S não sim Use a carta para valores individuais: X-AM 57

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

CEP Controle Estatístico de Processo Tipos de Cartas de Controle: Variáveis X-R, X-S, X-AM 995 Gráfico da amplitude R (variabilidade) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 LSC LIC LM 1000 1005 Gráfico da média x Atributos p, np 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 LSC LIC LM 4% 1% 0% Gráfico p - Proporção não-conforme

CEP Controle Estatístico de Processo Interpretação das Cartas:Revisão Linha média Limite Superior de Controle Limite Inferior de Controle 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 Processo com variações excessivas (Processo fora de controle) ANOMALIAS ! Devido as causas especiais

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) 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. 61

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. A causa especial tem sido identificada e documentada como consistente e previsível. 62

Máximas para a Estatística
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. Padrões são feitos para serem cumpridos, senão compromete qualquer base de dados para análise

Máximas para a Estatística
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

2. Conceitos e Definições
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

3. Organização de Dados Estatísticos (fases)
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

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.

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

Exemplo 2 - Peso de 100 indivíduos

4. Variáveis 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

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

Fontes de Variabilidade em Processos:
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), Causas aleatórias, ou comuns: Variabilidade natural ou inerente ao processo Processo sob controle - Estável Causas especiais, ou externas, ou atribuíveis, ou “assinaláveis”: Variabilidade excessiva (excede limites de controle) Processo fora de controle - Instável 72

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

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. 74

Variáveis: O Peso de uma peça é uma Variável 75 10.000 kg 10.000 Kg

Faixa de peso especificada pelo client
Exemplo: PESO de uma Peça (VARIÁVEL). FAIXA DE PESO ESPECIFICADA PELO CLIENTE PESO MÍNIMO = kg PESO MÁXIMO = 10000kg Peça NÃO OK PESO A MAIS 1 2 8 7 6 5 3 4 9 10 Faixa de peso especificada pelo client 10000kg 6000kg Nº de Peças Peso 11000kg 5000kg Peça NÃO OK PESO A MENOS Peça 8 com 5000kg (menor que o especificado) Peça 10 com 11000kg (maior que o especificado) 76

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

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

5. Introdução à Amostragem
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)

Amostragem Fases iniciais: Dimensionamento da amostra
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

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? CEP Prof° Ronaldo Reis Silva

6. Distribuição de Frequência
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

7. Classes e Amplitudes 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; ) k   n, para o número de dados (n) for  25; ) Fórmula de Sturges: k  1 + 3,22 log n. Exemplo: k =  49 = 7 ou k  1 + 3,22 log 49  7

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.

Amplitude total = R = = 15.

Exemplo 2 - Peso de 100 indivíduos

A VARIABILIDADE pode ser medida pela AMPLITUDE.
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 1,80 m 1,27 m R = 1,80 - 1,27 = 0,53 A VARIABILIDADE pode ser medida pela AMPLITUDE. 87

Exemplo: Variação (Amplitude) do Grupo 1(R)=
VARIAÇÃO DA ALTURA DO GRUPO 1 1 21 57 10 20 30 40 50 60 70 80 1,5 1,6 1,7 1,8 1,9 2 2,1 Altura ( m ) N° de pessoas Variação (R)=0,4 m Média (X)=1,8 m VARIAÇÃO DA ALTURA DO GRUPO 2 8 23 33 1,4 2,2 Variação (R)=0,6 m Comparação da Variação das Alturas dos Grupo 1 x Grupo 2 1,2 2,4 N° de Atletas Grupo 1 Grupo 2 Variação (Amplitude) do Grupo 1(R)= Maior Altura - Menor Altura= 2,0 - 1,6 = 0,4 m Obs .: Média de Altura=1,8 m do Grupo 2(R)= 2,1 - 1,5 = 0,6 m O grupo 1 apresentou uma variação (amplitude) menor que o grupo2 88

8. Frequências simples, relativas, acumuladas
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

Frequências simples, relativas, acumuladas (Exemplo)

9. HISTOGRAMA 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

HISTOGRAMA (exemplo)

Formas gráficas para análise de um processo
Carta de controle - analisa seqüencialmente os valores monitorados, normalmente numa série temporal Histograma - usa uma série de valores para verificar a freqüência em que estes aparecem. .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. . 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.

10.1 Medidas de tendência central a) Média Aritmética
10. Ferramentas para análise 10.1 Medidas de tendência central a) Média Aritmética Média : onde xi 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 xi Quando tem intervalos de classes o xi é a média dos limites da classe

10.1 Medidas de tendência central a) Média Aritmética
10. Ferramentas para análise 10.1 Medidas de tendência central a) Média Aritmética 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: X = ( ) / 7 = 14 kilos X = 2440 40 X = 61 cm

10.1 Medidas de tendência central b) Moda
10. Ferramentas para análise 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

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

10.1 Medidas de tendência central b) Moda (continuação )
10. Ferramentas para análise 10.1 Medidas de tendência central b) Moda (continuação ) 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 rápida e aproximada de posição ou quando a medida de posição deva ser o valor mais típico da distribuição. Já a média aritmética é a medida de posição que possui a maior estabilidade. b) com intervalos de classe: Método mais elaborado pela fórmula de CZUBER : Mo = I* +(d1/(d1+d2)) x h* I* - limite inferior da classe modal. L*- limite superior da classe modal. d1 - freqüência da classe modal - freqüência de classe anterior à classe modal. d2 - freqüência da classe modal - freqüência de classe posterior à classe modal. h* - amplitude da classe modal.

10.1 Medidas de tendência central c) Mediana
10. Ferramentas para análise 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)

10.1 Medidas de tendência central c) Mediana
10. Ferramentas para análise 10.1 Medidas de tendência central c) Mediana a) Sem intervalos de classe: b) com intervalos de classe: Classe mediana = 40 = 20 2 - Md = = = 17 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 = 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.

10.1 Medidas de tendência central c) Mediana (continuação)
10. Ferramentas para análise 10.1 Medidas de tendência central c) Mediana (continuação) b) com intervalos de classe: Md = [ ( ) x 4] = = logo: Md = ,545 = Md = 160,545 cm. Md = 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.

10.2 Medidas de Dispersão Variância
10. Ferramentas para análise 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

10.3 Medidas de Dispersão Desvio Padrão
10. Ferramentas para análise 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

10.3 Medidas de Dispersão Desvio Padrão ( exemplo)
10. Ferramentas para análise 10.3 Medidas de Dispersão Desvio Padrão ( exemplo) Exemplo Exemplo 2 s = = 31 40 s = 5,567 Como n = 7, temos : s = = 7 s = 9,4868 = 9,49 Média = 371 = 53 Média = fixi = 6440 = 161 fi

10.3 Medidas de Dispersão Desvio Padrão
10. Ferramentas para análise 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 

Curva Normal: 107 Frequência 107 Frequência Relativa Dados
Dimensão Medida Contagem Número de Medidas Curva Normal: 107 107

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 dispersão forma ...ou quaisquer combinações entre essas Se apenas causas comuns de variação estiverem presentes, o resultado do processo forma uma distribuição que é estável ao longo Tempo Predição Linha Objetivo Se causas especiais de variação estiverem presentes, o resultado do processo não é estável 108

Exemplo Média e Desvio Padrão
1 2 3 4 5 6 1 2 3 4 5 6 Média = 5 D. P. = 1,6 Média = 5 D. P. = 0,3

Benefícios do CEP 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. 110

11. Controle Estatístico do Processo
CEP 11. Controle Estatístico do Processo Conjunto de atividades executadas com um certo objetivo Conjunto de causas que geram um (ou mais) efeitos Causa causa causa 3 efeito Causa causa causa 6

CEP 11. Controle Estatístico do Processo 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

CEP 11. Controle Estatístico do Processo 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

CEP 11. Controle Estatístico do Processo 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

CEP 11. Controle Estatístico do Processo Limites de especificação : limites que o cliente encomenda

CEP 11. Controle Estatístico do Processo 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

CEP 11. Controle Estatístico do Processo 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 Processo sob controle Processo fora de controle

CEP 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.

CEP 11. Controle Estatístico do Processo 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)

CEP 11. Controle Estatístico do Processo 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)

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

CAPACIDADE do PROCESSO
11. Controle Estatístico do Processo CEP 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

11. Controle Estatístico do Processo CEP
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 Estável? Identificar, eliminar e prevenir causas especiais NÃO SIM NÃO Estável? Monitorar o processo SIM Analisar gráfico X

Definição de Cp e Cpk 12. Análise de processo
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) : é o mínimo valor entre CPU e CPL. Cpk mede dispersão e centralização. LSE = Limite Superior de Especificação LIE = Limite Inferior de Especificação

Exemplo Cp e Cpk 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 LSE= 8 5 LIE=2 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 7 LIE=2 9 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 LSE= 8 LIE=2

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

Valores Comparativos Classificação Valor do Cpk Itens Fora de especificação do processo (ppm) a) Capaz > 1, (0,007%) b)Razoavelmente capaz < Cpk < 1,33 de 70 a 2700 (até 0,27% ) c) Incapaz < mais de 2700 (> 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

Observações importantes
Cp é sempre maior ou igual ao Cpk Processo centralizado (média equidistante dos LE´s Cp=Cpk 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

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

Controle Experimentais
Fluxograma de construção das Cartas de Controle X-R (variáveis): 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 Não Sim ou 131

Cálculo dos Limites de Controle para Carta X-R:
LSCR = D4R LICR = D3R LSCX = X + A2R LICX = X - A2R sendo R = R1+R2+...+RK K X = X1+X2+...+XK R = média das amplitudes A2 = constante tabelada D3 = constante tabelada D4 = constante tabelada X = média das médias K = nº total de amostras 132

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

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

Carta X-R 135

Cartas de Controle para Atributos p e np:
Gráfico “p” - Proporção Não-Conforme 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. 136

Controle Experimentais Grafar os valores de pi ou npi nos
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 pi ou npi nos Gráficos p ou np Não Sim ou 137

Cálculo dos Limites de Controle para Cartas “p” e “np”:
n = tamanho da amostra p = proporção não conforme LSCp = p (p(1-p))/n LICp = p (p(1-p))/n LSCnp = np (np(1-p) LICnp = np (np(1-p) sendo np = np1+np2+...+npk k p = n1p1+n2p2+...+nkpk n1+n2+...+nk 138

CAPABILIDADE DE PROCESSO
139

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) 140

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

CONTROLE DE PROCESSO 142

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. 144

Limites de especificação - são estabelecidos pela engenharia;
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. 145

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

SIGMA 147 147

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). 148

Limites de Especificação
LIE LSE X  N(;)  149

Classificação de Processos a partir do índice Cp
do Processo Valor de Cp Comparação do Histograma com as especificações Proporção de defeituosos 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 % 150

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

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. 152

Relacionamento entre índices Cp e Cpk
153

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

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

MSA Análise de Sistemas de Medição OBJETIVO: O QUE PROPORCIONA:
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. 156 156

MSA 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: Tendência; Repetitividade; Reprodutibilidade; Estabilidade e Linearidade. 157

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

Cuidados em análise Fazer uma amostragem adequada
garantir que temos um nº razoável de medidas, tomadas da mesma maneira e dentro de um período que o processo estava sob controle. Saber que a característica tem representatividade para análise. Não pegar populações diferentes não comparar produtos com processo e características distintas de controle e processo. Atenção para causas especiais Se houver algum fator que interfira no seu processo de maneira a alterar seu controle, esta medida não serve para análise até que este fator não esteja presente.

Cuidados em análise Análise 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 facilidade

QUALIDADE & PRODUTIVIDADE Profº Ronaldo Reis Silva.

Apresentações semelhantes

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

Apresentações semelhantes

Sobre projeto

Feedback

Login

Autorizar-se através da rede social:

QUALIDADE & PRODUTIVIDADE Profº Ronaldo Reis Silva.

Apresentações semelhantes

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

Apresentações semelhantes

Sobre projeto

Feedback