91%(11)91% menganggap dokumen ini bermanfaat (11 suara)
7K tayangan318 halaman
O documento resume as principais alterações na 4a edição do manual MSA de análise de sistemas de medição. As mudanças incluem novos critérios para análise de resultados, com foco na variabilidade do sistema de medição e na importância de considerar a variabilidade do processo. Também há novas técnicas estatísticas para análise de tendência e linearidade.
O documento resume as principais alterações na 4a edição do manual MSA de análise de sistemas de medição. As mudanças incluem novos critérios para análise de resultados, com foco na variabilidade do sistema de medição e na importância de considerar a variabilidade do processo. Também há novas técnicas estatísticas para análise de tendência e linearidade.
O documento resume as principais alterações na 4a edição do manual MSA de análise de sistemas de medição. As mudanças incluem novos critérios para análise de resultados, com foco na variabilidade do sistema de medição e na importância de considerar a variabilidade do processo. Também há novas técnicas estatísticas para análise de tendência e linearidade.
MSA quarta edio - Anlise dos Sistemas de Medio Em junho 2010 foi lanada a 4 edio do manual de anlise de sistemas de medio. Esta verso traz mudanas significativas em relao a terceira edio. Na nossa opinio, as principais mudanas se concentram nos critrios para anlise dos resultados. Porm, tambm tivemos mudanas em tcnicas estatsticas. A seguir, apresentamos uma breve discusso sobre as principais mudanas. O MSA 4 edio apresenta algumas alteraes em relao terceira edio. As principais mudanas referem-se ao: Sistema de Calibrao; Critrio e forma de anlise da tendncia e lineraridade dos sistemas de medio; Critrio para analisar o RR; Melhor interpretao e anlise de sistemas atributivos (passa/no passa); Uso de tcnicas alternativas para avaliar sistemas de medio no replicveis;
A seguir, comentamos as principais modificaes da quarta edio: 1. Na pgina 10 da quarta edio foi adicionado um tpico especfico sobre o sistema de calibrao. Em resumo, uma organizao deve ter um laboratrio interno de calibrao ou uma organizao externa que controle e mantenha os elementos dos eventos de calibrao. O sistema de calibrao parte do escopo do sistema de gesto da qualidade da organizao e deve constar nos requisitos de auditoria interna. Quando o evento da calibrao realizado por um fornecedor externo (comercial ou no) este pode (ou deve) ser acreditado conforme ISO/IEC 17025. Quando no existir um laboratrio acreditado, o servio de calibrao deve ser realizado pelo fornecedor do equipamento. 2. Na pgina 77 da quarta edio foi alterado os critrios de anlise dos resultados (seo D). Primeiro, foi adicionado um critrio para anlise do processo de fixao e montagem do dispositivo de medio. Os critrios para anlise da tendncia e linearidade so similares, com algumas alteraes na forma de clculo e interpretao dos resultados. Os critrios para anlise da variabilidade (RR) mudaram na sua essncia: Ao iniciarmos uma anlise nos sistemas de medio de uma organizao, til identificarmos as prioridades para os quais os sistemas de medio devem, inicialmente, focar. Desde que a variao total (ou final) baseada na combinao da variao do processo e do sistema de medio , quando o CEP est sendo aplicado para controlar o processo ou coletar dados, e o grfico de controle indica que o processo est sob controle estatstico (estvel) e a variabiliade total aceitvel, o sistema de medio pode ser considerado aceitvel para o uso e no requer uma re-anlise separada. Se uma condio de fora de controle ou uma no conformidade for detectada, devemos primeiro analisar o sistema de medio. Comentrios: Se temos um grfico de CEP em determinada caracterstica, que est estvel e com boa capacidade, NO NECESSRIO APLICAR O MSA para avaliar o sistema de medio. A no ser que seja detectado um ponto fora de controle ou uma no conformidade. A seguir, temos a tabela de anlise do RR. RR Deciso Comentrios Abaixo de 10% Sistema de medio geralmente considerado aceitvel Recomendvel, especialmente til quando tentamos ordenar ou classificar peas ou quando for requerido um controle apertado do processo. Entre 10% e 30% Poder ser aceito para algumas aplicaes A deciso deve ser baseada primeiro, por exemplo, na importncia da aplicao da medio, custo do dispositivo de medio, custo do retrabalho ou reparo. O sistema de medio deve ser aprovado pelo cliente. Acima de 30% Considerado inaceitvel Todos os esforos devem ser tomados para melhorar o sistema de medio. Esta condio pode ser resolvida pelo uso de uma estratgia apropriada para a medio; por exemplo, utilizar a mdia de diversas medies da mesma caracterstica da mesma pea a fim de reduzir a variabilidade da medida final.
A anlise do NDC a mesma, ou seja, o NDC deve ser maior ou igual a cinco.Temos uma pequena modificao no clculo deste ndice para evitar valores iguais a zero. Cuidado: O uso do RR como nico ndice para avaliar um sistema de medio no aceitvel. Ao aplicar os critrios de aceitao como simples valores de corte (thresholds), assumimos que as eststicas so estimativas determinsticas da variabilidade do sistema de medio (o que no so). Especificar os valores de corte como critrio pode levar a um comportamento inadequado. Por exemplo, o fornecedor pode ser criativo ao encontrar um determinado valor de RR, eliminando as principais fontes de variao (como a interao pea X operador) ou simplesmente manipular o estudo. Comentrios: Infelizmente este um fato que ocorre em muitas empresas no Brasil. O cliente impe um RR abaixo de 10% e o fornecedor manipula os dados. NO DEVEMOS TER UM CRITRIO SIMPLES (NICO) PARA TODOS OS SISTEMAS DE MEDIO. Cada aplicao deve ser avaliada individualmente. Quando analisamos a variao de um sistema de medio importante olhar para cada aplicao individualmente, para sabermos o que requerido e como esta medio ser utilizada. Por exemplo: a preciso requerida da medio de temperatura poder ser diferente para aplicaes no similares. Um termostato para sala pode regular a temperatura para conforto de um humano e ser barato, porm tem um RR acima de 30%. Isto aceitvel para esta aplicao. Mas, em um laboratrio, no qual pequenas variaes de temperatura podem impactar nos resultados dos testes, uma medio e controle de temperatura mais sofisticados devem ser requeridos. Este termostato ser mais caro e tambm vamos requerer uma menor variabilidade (menor valor de RR). Estudos de Sistema de Medio por varivel: 1. Estabilidade: Nada mudou. 2. Tendncia (pgina 88): Neste estudo, tivemos algumas alteraes. Primeiro, foi introduzido o mtodo da amostra independente (teste t-Student) para avaliar a tendncia. O mtodo da mdia e amplitude no consta na quarta edio. Como critrio, podemos analisar o P-valor ou o intervalo de confiana. Segundo, para relizarmos a anlise da tendncia, precisamos validar variabilidade associada com a repetitividade (o desvio padro dos dados),
no qual o desvio padro dos dados e a variao total baseada na variao do processo (prefervel) ou na tolerncia do processo dividida por 6. Se a for alta (ver tabela acima), ento o sistema de medio pode ser inadequado. Desde que a anlise de tendncia admite que a repetitividade aceitvel, continuar com a anlise pode nos levar a um resultado contraditrio ou errado, isto , a anlise pode indicar uma tendncia estatisticamente nula, enquanto que seu valor absoluto pode ultrapassar o que aceitvel para o equipamento. Comentrio: Finalmente retiraram o mtodo da mdia e amplitude. Apenas no mtodo do grfico de CEP para anlise da tendncia temos referncia ao mtodo da mdia e amplitude, caso tenhamos avaliado a estabilidade com o grfico Xbar e R. Outro ponto a validao da repetitividade antes de concluirmos sobre a tendncia. Aqui, na nossa opinio, melhor realizar o estudo de RR antes da tendncia. Ao realizarmos o RR podemos validar a repetitividade. 3. Linearidade: Tambm precisamos validar a variabilidade associada com a repetitividade, antes de concluirmos sobre a linearidade. 4. Repetitividade e Reprodutibilidade: Foram mantidos os trs mtodos: amplitude, mdia e amplitude e ANOVA. Porm, o mtodo da ANOVA o recomendado (pgina 101), pois este mais completo e flexvel. 4.1 Mtodo da Amplitude: Nada foi alterado. 4.2 Mtodo da Mdia e amplitude: Primeiro, o nmero mnimo de peas mudou de 5 para 10 peas. A principal alterao est na determinao da variabilidade do processo. Em geral, temos quatro mtodos para determinar a variao de processo (pgina 121): Variao de processo atual o variao de processo obtida atravs peas utilizadas no estudo de RR; o utilizar quando as peas selecionadas representam a variao de processo esperada; Variao de um processo alternativo o utilizar quando no temos um nmero suficiente de peas que representam o processo, mas existe um processo cuja variao de processo similar; Valor alvo do Pp (ou Ppk) o utilizar quando no temos um nmero suficiente de peas que representam o processo e no temos um processo com variao similar, ou o novo processo esperado ter uma variabilidade menor do que o processo atual; Tolerncia o quando o sistema de medio utilizado para um tipo de processo e o processo tem Pp menor que 1; Comentrio: Um dos principais pontos para determinarmos os ndices do RR a variao do processo. Em geral, as 10 peas selecionadas para o estudo do RR no representam bem a variao do processo. Neste sentido, a quarta edio enfatiza o uso do histrico do processo, do valor alvo do Pp ou da tolerncia. 4.3 ANOVA: Nenhuma alterao. Porm, vale as mesmas observaes sobre a estimativa da variao do processo que fizemos no mtodo da mdia e amplitude. Estudos de Sistema de Medio por atributo: Inicialmente foi dado nfase na detrminao da rea cinza (pgina 132). Considere um sistema de medio por atributo que compara cada pea com os limites de especificao, o sistema aceita a pea se a mesma est entre as especificaes e rejeita caso contrrio (conhecido como sistema passa no passa). Como qualquer sistema de medio, existe uma rea cinza em torno dos limites de especificao no qual o sistema de medio comete erros de classificao. Desde que no conhecemos, a priori, a rea cinza, devemos realizar estudos do sistema de medio. Entretanto, para determinarmos as reas de risco em torno dos limites de especificao, precisamos escolher aproximadamente 25% da peas prximas ao limite inferior e 25% da peas prximas ao limite superior. Nos casos em que difcil fazer tais peas, a equipe pode decidir utilizar uma porcentagem menor, apesar de reconhecer que esta atitude pode aumentar a variabilidade dos resultados. Se no for possvel fazer peas prximas aos limites de especificao a equipe deveria reconsiderar o uso de um sistema de medio por atributos para este processo. Para cada caracterstica, as peas devem ser medidas por um sistema de medio por variveis com variabilidade aceitvel. Quando uma caracterstica no pode ser medida por um sistema de medio por variveis (exemplo, visual), utilizamos outros meios, como a classificao por especialistas. Trs operadores so escolhidos e cada operador realiza trs medies de cada pea. Comentrio: Dentre as peas escolhidas (por exemplo 50) que utilizamos para realizar o estudo de um sistema de medio por atributo, devemos escolher 25% (em torno de 12) prximas ao limite inferior de especificao e 25% (em torno de 12) prximas ao limite superior de especificao. Tamanho da amostra (pgina 140): Outro ponto interessante da quarta edio em relao a sistemas de medio por atributo o tamanho da amostra. Qual a quantidade de peas que devemos utilizar para realizar o estudo de sistema de medio por atributo? Para desespero dos usurios a resposta o suficiente. O propsito de se estudar um sistema de medio (atributo ou varivel) est em conhecer suas propriedades. Um nmero suficiente de amostras deve ser selecionado para cobrir uma amplitude esperada de operao. No caso de sistema por atributo, a regio de interesse so as reas cinza. Se a capacidade do processo boa, ento uma amostra pequena pode no conter muitas peas na rea cinza. Isto signficia que um processo com boa capacidade requer uma amostra maior. No exemplo citado na quarta edio, para um Pp=Ppk=0,5 (no qual esperamos 13% de peas no conformes), foi selecionado 50 peas para realizar o estudo do sistema de medio por atributo. Um alternativa para evitarmos amostras grandes, consiste em escolher as peas diretamente na rea cinza para assegurar que o efeito da variabilidade do avaliador ser visualizado. Mtodo da deteco de sinais (pgina 143): Um procedimento alternativo para avaliar um sistema de medio por atributo e que foi dado bastante nfase. Na quarta edio, temos uma descrio bem mais detalhada do que encontramos na terceira edio. Mtodo analtico: Foi corrigido algumas contas. Por exemplo, na pgina 146, o valor da estatstica t foi corrigido. Neste mdulo, vamos apresentar as principais ferramentas para anlise dos sistema de medio conforme manual de anlise de sistema de medio da indstria automobilstica (MSA quarta edio). Apesar de seguirmos a indstria automobilstica, os mtodos apresentados neste mdulo se aplicam a qualquer sistema de medio. Sistema de Medio: o conjunto de operaes, procedimentos, dispositivos de medio e outros equipamentos, software e pessoal usado para atribuir um nmero caracterstica que est sendo medida; o processo completo usado para obter as medidas.
1 - Anlise dos Sistemas de Medio 1 - Anlise dos Sistemas de Medio 1.1 - Sistema de Medio 1.2 - Planejamento e Estratgia 2 - Sistema de Medio Replicvel 2 - Sistema de Medio Replicvel 2.1 - Estabilidade 2.2 - Tendncia 2.3 - Tendncia e Linearidade 2.4 - Repetitividade e Reprodutibilidade 2.4 - Repetitividade e Reprodutibilidade 2.4.1 - Modelo da ANOVA: com interao entre pea e operador 2.4.2 - Modelo da ANOVA: sem interao entre pea e operador 2.4.3 - Modelo da ANOVA: sem operador 2.4.4 - Curvas de Desempenho 2.4.5 - Anlise grfica do RR 3 - Anlise de Sistema de Medio - No Replicvel 3 - Anlise de Sistema de Medio - No Replicvel 3.1 - Estabilidade 3.2 - RR No-Replicvel (Mtodo Hierrquico) 4 - Sistema de Medio por Atributo 4 - Sistema de Medio por Atributo 4.1 - Mtodo Analtico 4.1 - Mtodo Analtico 4.1.1 - Estudo do sistema de medio do tipo atributo 4.1.2 - Descrio do estudo do sistema de medio do tipo atributo 4.1.3 - Mtodo analtico via modelo linear 5 - Aplicaes do MSA 5 - Aplicaes do MSA 5.1 - Sistema de Medio de Dureza: HRC 5.2 - Medio da posio real em uma flange 5.3 - Sistema de medio visual 5.4 - Pesagem de materia-prima e MP 5.5 - Sistema de medio dimensional do Farol veicular 5.6 - Sistema de Medio para altura do rebite 5.7 - Sistema de medio de Torque aplicado com um torqumetro digital 6 - Apndice 6 - Apndice 6.1 - Distribuio t-Student 6.2 - Tabela de d2 7 - Referncias
1 - Anlise dos Sistemas de Medio Dados de medio tem sido utilizados nas mais diferentes maneiras. A deciso de ajustar ou no um processo de fabricao baseada em dados de medio. Dados de medio ou dados derivados destes so comparados aos limites de Controle Estatstico do Processo. Caso esta comparao indicar que o processo est fora do controle estatstico, algum tipo de ajuste dever ser feito. Caso contrrio, o processo poder prosseguir sem ajustes. Outra importante utilizao de dados de medio em planejamento de experimentos. Um planejamento de experimentos permite conhecer o efeito de diferentes fatores que podem variar dentro de um processo, como por exemplo: matria prima, condies de operao, tipos de ajustes de mquinas, entre outros. Neste caso, a anlise do efeito destes fatores dependem de dados de medies de uma pea, por exemplo. Em geral, estudos que exploram esta relao so denominados pelo Dr. W. E. Deming de estudos analticos. O estudo analtico aquele que aumenta o conhecimento sobre o sistema de causas que afetam o processo. Estes estudos esto entre as mais importantes aplicaes de dados de medio, visto que recentemente eles tm conduzido ao melhor entendimento de produtos e processos. Os benefcios obtidos com a utilizao de procedimentos baseados em dados so diretamente determinados pela qualidade dos dados de medio utilizados. Se a qualidade for baixa, o benefcio do procedimento provavelmente ser baixo. De maneira similar, se a qualidade for alta, o benefcio dever ser alto tambm. Desta forma, devem ser tomados os devidos cuidados na obteno dos dados, pois o benefcio decorrente da utilizao destes dados devem superar os custos de sua obteno. A qualidade dos dados de medio est relacionada com as propriedades estatsticas de medies mltiplas obtidas pelo sistema de medio. Suponhamos que um sistema de medio que est operando sob condies estabilizadas seja utilizado para coleta de vrias medies de uma certa caracterstica de uma pea. Se as medidas obtidas estiverem todas prximas do valor de referncia, ento a qualidade dos dados ser dita alta. Da mesma forma, se algumas ou todas as medidas estiverem afastadas do valor de referncia, ento a qualidade dos dados ser considerada baixa. As propriedades estatsticas mais utilizadas para caracterizar a qualidade dos dados so tendncias e varincias. A propriedade chamada tendncia refere-se localizao dos dados com relao ao valor de referncia, a propriedade chamada de varincia refere-se disperso dos dados. Porm, outras propriedades estatsticas, como a taxa de classificao incorretas, podero ser apropriadas em alguns casos, como os sistemas de medio por atributo. Uma das razes mais comuns que gera dados de baixa qualidade a variao muito grande dos dados. Grande parte da variao em um conjunto de medies devido interao entre o sistema de medio e o seu meio. Se esta interao gerar variao muita alta, a qualidade dos dados poder ser to baixa que eles no tero utilidade. Boa parte do trabalho de gesto de sistemas de medio visa monitorar e controlar variaes. Dentre outras coisas, isto significa que devemos conhecer a forma como o sistema de medio interage com seu ambiente, de modo que sejam gerados somente dados de qualidade aceitvel. 1.1 - Sistema de Medio O principal ponto para anlise consiste em interpretarmos o sistema de medio como um processo. Desta forma, importante ressaltarmos que no estamos avaliando simplesmente os equipamentos, mas o processo no qual utilizamos os equipamentos, o mtodo e as pessoas para obtermos o resultado da medio. Sistema de Medio: a coleo de instrumentos ou dispositivos de medio, padres, operaes, mtodos, dispositivos de fixao, software, pessoal, ambiente e premissas utilizadas para quantificar a unidade de medio ou corrigir a avaliao de uma caracterstica sendo medida; o processo completo para obter medies.
Medio o conjunto de operaes com objetivo de determinar o valor de uma grandeza. Estas operaes podem ser realizadas automaticamente. (ISO GUM, 2008).
Figura 1.1.1: Sistema de medio
O objetivo de uma medio determinar o valor de uma grandeza a ser medida. Esta medio comea com uma apropriada especificao da grandeza, do mtodo e procedimento de medio.
Exemplo 1.1.1: Considere um sistema de medio para medir o dimetro de um conector de torneira com tolerncia de +/- 0,5 mm.
Figura 2: Medio de um conector de torneiras
Antes de qualquer anlise estatstica devemos obter uma boa definio do sistema de medio. Abaixo, apresentamos de forma simplificada o sistema de medio para medir o dimetro do conector. Definio do sistema de medio: Equipamento de medio: paqumetro digital de resoluo 0,01mm; Observe que o equipamento de medio (paqumetro) apresenta uma resoluo adequada para a caracterstica que vamos medir, pois temos uma tolerncia de +/- 0,5 mm, o que corresponde a uma faixa de 1 mm. Ao dividirmos a tolerncia por 10, obtemos que a exatido mnima requerida de 0,1 mm. Como o paqumero digital tem resoluo de 0,01 mm, conclumos que este adequado para realizar tal medio. Mtodo de medio: Posicionar o paqumetro no centro do conector;
Figura 1.1.2 : mtodo de medio Executar a medida
Erro de Medio
Toda medio tem imperfeies que do origem a erros no resultado da medio. Tradicionalmente, um erro visto como tendo dois componentes, a saber, um componente aleatrio e um componente sistemtico. Um sistema de medio ideal produziria somente medies corretas a cada vez que fosse utilizado. No entanto, sistemas de medio com tal propriedade no existem. O erro de medio definido por:
Figura 4: Erro de medio Erro um conceito idealizado e os erros no podem ser conhecidos exatamente. Na prtica, associamos uma varivel aleatria (por exemplo, a distribuio normal) para representar o erro de medio.
Figura 1.1.3: Erro de medio Incerteza: ; RR: . No confundir com erro! Em geral, existe uma certa confuso entre o significado de RR e a incerteza de medio. A incerteza de medio um termo utilizado internacionalmente para descrever a qualidade de uma medida. At alguns anos atrs, este termo era frequentemente associado com a qualidade de equipamentos de medio. Entretanto, devido a importncia de alguns ensaios, o conceito de incerteza de medio foi estendido para estabelecer a qualidade dos ensaios. A incerteza de medio um valor associado ao resultado da medio que descreve uma faixa no qual esperamos conter o valor verdadeiro da medida, com um determinado nvel de confiana. No processo de calibrao, no qual avaliamos um equipamento de medio, a incerteza de medio corresponde ao desvio padro (ou, mltiplo dele) associado s medies do equipamento de medio obtidas sob condies ideiais de medio (calibrao). Na calibrao, o equipamento comparado com respeito a um padro de referncia em um laboratrio com condies ambientais controladas. Alm disso, utilizamos um tcnico devidamente capacitado para realizar tal comparao. Em um ensaio, devemos considerar o sistema de medio como um processo, no qual temos os equipamentos, mtodos, software, pessoal, tudo envolvido na medio. O RR tem como objetivo quantificar a variabilidade associada s medies do sistema de medio (equipamentos, mtodo e pessoal) obtidas sob condies reais de utilizao do sistema de medio. Assim, podemos interpretar a incerteza em uma calibrao como a incerteza devido aos equipamento que utilizamos, enquanto que o RR caracteriza as variaes devido s interaes do sistema de medio com o meio em que est inserido (principalmente, o mtodo, pessoas, meio ambiente, produto, entre outros). De forma geral, a incerteza de medio detemina um intervalo de confiana associado ao resultado da medio, enquanto que o RR se preocupa em avaliar as fontes de variao e determinar adequabilidade do sistema de medio para controlar o processo ou avaliar um produto. Quando estudamos um ensaio, muitas vezes utilizamos tcnicas como o RR para auxiliar na determinao da incerteza de medio. Tipos de Erros: Dois tipo de erros sero caractersticos deste estudo: Erro Aleatrio O erro aleatrio aquele que ocorre de forma inesperada e com intensidade que danifica nossas medies. Este erro representa as pequenas variaes que ocorrem em medidas repetidas de uma grandeza. Estas variaes tem como causa, alteraes ambientais ou espaciais, variao devido ao equipamento de medio, interferncia eltrica entre outras. Embora no seja possvel compensar o erro aleatrio, ele pode geralmente ser reduzido se aumentarmos o nmero de observaes ou se melhorarmos a tecnoclogia do sistema de medio (melhor ambiente, novos equipamentos ou treinamento dos tcnicos). Interpretamos o erro aleatrio como uma vairvel aleatria com mdia zero. Erro Sistemtico O erro sistematico aquele que ocorre em todas as medies mais ou menos com a mesma intensidade. Assim como o erro aleatrio, o erro sistematico no pode ser eliminado, porm ele, freqentemente, pode ser reduzido. Suponha que um erro sistemtico se origina de um efeito reconhecido de uma grandeza de influncia em um resultado de medio. Se este efeito pode ser quantificado e, se for significativo com relao exatido requerida da medio, uma correo ou fator de correo pode ser aplicado para compensar o efeito. Supomos que, aps esta correo, a esperana ou valor esperado do erro sistemtico seja zero.
Abaixo apresentamos o diagrama de Ishikawa (espinha de peixe) para descrever os principais componentes do erro de medio:
Figura 1.1.4 : Diagrama de Ishikawa Exemplo 1.1.2: Descrio dos principais componentes do erro de medio para o sistema de medio do dimetro do conector de torneira.
Figura 1.1.5 : Diagrama de Ishikawa para o conector de torneira clique aqui para efetuar o download dos dados utilizados nesse exemplo
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Requisitos de um sistema de medio
Um sistema de m qualidade poder mascarar a variao real do processo ou produto conduzindo a concluses erradas:
Figura 1.1.6: Sistema de m qualidade Existem certas propriedades fundamentais que definem um bom sistema de medio:
Uma adequada discriminao ou sensibilidade. O incremento de medida deve ser pequeno o suficiente para detectar variaes no processo ou nos limites de especificao. A regra comum conhecida como regra do dez, que consiste em definir a discriminao do sistema de medio dividindo a tolerncia (ou variao do processo) em 10 partes. O sistema de medio deve estar sob controle estatstico. Isto significa que sob condies de repetitividade, as variaes do sistema de medio so devidas causas comuns e no causas especiais. Para controle de produto, a variabilidade do sistema de medio deve ser pequena comparada com limites de especificao. Comparar a variabilidade do sistema de medio com as tolerncias do produto. Para controle do processo, a variabilidade do sistema de medio deve demonstrar uma resoluo efetiva e pequena comparada com a variao do processo de manufatura. Comparar a variabilidade do sistema de medio com 6-sigma da variao do processo e/ou variao total.
Figura 1.1.7: Avaliao do erro de medio
1.2 - Planejamento e Estratgia Nem toda caracterstica do processo ou produto requer uma anlise detalhada como a que estamos desenvolvendo. Para sistemas de medio simples, como os sistemas determinados por paqumetros, micrmetros ou calibradores, muitas vezes no requerem uma anlise detalhada. A regra bsica para escolher o sistema a ser avaliado se este identificado no plano de controle ou importante para determinar a rejeio ou no do processo ou produto. Outro indicativo o nvel de tolerncia determinado para a dimenso especfica e a criticidade perante ao cliente. Porm, o bom senso o guia em qualquer caso.
Diretrizes para anlise do sistema de medio
Discriminar as grandezas relacionadas nos planos de controle; Identificar os sistemas de medio Definir as prioridades - Cliente - Refugo - Complexidade Identificar uma equipe multifuncional Para cada sistema de medio priorizado: - Desenvolver um fluxograma do processo de medio; - Treinar os envolvidos; - Desenvolver o diagrama de Ishikawa; - Escolher as ferramentas estatsticas; - Montar um cronograma de aplicao das ferramentas; - Documentar as solues e as correes; - Institucionalizar a mudana.
Modelo de Erro de medio
Fontes de Erro Componentes Fator ou Parmetro P Peas Pea, Amostra, Mensurando, Unidade sobre Teste, Artefato, Padro de Variao Desconhecido I Instrumento Equipamento de Medio, Unidade de Medio, Clula de Medio Meios de Comparao S Padro Escala, Referncia, Artefato, Padro de Verificao,Padro de Consenso, Material Padro, Classe,Critrio de Aceitao Valor de Referncia ou Critrio de Aceitao M Mtodo Treinamento On-the-job, Instruo de Trabalho,Plano de Controle, Mtodo, Plano de Inspeo,Programa de Teste Como O Operador Instrumentista, Tcnico de Teste ou Calibrao, Inspetor Quem E Meio Ambiente Temperatura, Umidade, Contaminao, Housekeeping,Iluminao, Posio, Vibrao, InterfernciaEletromagntica, Rudo, Tempo e Ar Condies de Medio e Rudo A Concepo Estatstica, Operacional, Calibrao, Constantes,Valor de Handbook, Estabilidade Trmica,Elasticidade Medio Confivel
2 - Sistema de Medio Replicvel O sistema de medio replicvel aquele para o qual podemos medir diversas vezes a mesma caracterstica de uma pea sem danific-la. Por exemplo, o sistema de medio do dimetro do conector de torneiras replicvel, pois podemos medir o mesmo conector diversas vezes sob condies de repetitividade.
2.1 - Estabilidade Definies Estabilidade a quantidade de variao total na tendncia do sistema ao longo do tempo em uma dada pea ou pea padro. Antes de estudarmos qualquer propriedade estatstica do sistema de medio, vamos analisar a capacidade do sistema manter tais propriedades ao longo do tempo. O objetivo da estabilidade consiste em avaliarmos: A interao do sistema de medio e o meio ambiente; Desgaste de componentes; Ajuste de dispositivos e sensores.
Diretrizes para sistema replicvel Selecionar e identificar uma pea; Preparar formulrio para coleta de dados e dirio de bordo (data, horrio,operador, equipamento de medio); Medir periodicamente (dirio, semanal, quinzenal ou mensal) a pea com 3 a 5 medies por vez (subgrupo racional); Aps 20 ou mais sub-grupos racionais, construir o grfico
e R, conforme descrito abaixo.
Tabela Limites dos Grficos N o de element. amostra (n) A 2 D 3 D 4
Grfico das Mdias 2 1,880 0 3,267 LSC = Limite Superior = + A 2 R 3 1,023 0 2,574 LC = Limite Central = 4 0,729 0 2,282 LIC = Limite Inferior = - A 2
5 0,577 0 2,114 Grfico das Amplitudes R 6 0,483 0 2,004 LSC = Limite Superior = D 4 7 0,419 0,076 1,924 LC = Limite Central = 8 0,373 0,136 1,864 LIC = Limite Inferior = D 3 9 0,337 0,184 1,816 10 0,308 0,223 1,777
Critrios de Avaliao Analisar os grficos e R. Primeiramente o grfico R e na sequencia o grfico : Pontos fora dos limites de controle. 7 ou mais pontos consecutivos crescentes ou decrescentes. 7 ou mais pontos consecutivos acima ou abaixo da linha mdia. Caso os grficos e R estejam fora de controle, investigar as causas e estabelecer aes corretivas. Se o processo apresentar falta de estabilidade, identifique as causas, estabelea ao corretiva. Repita o estudo de estabilidade; Se o processo for estvel, prossiga com o estudo do sistema de medio; Se no for possvel estabilizar o processo de medio, realizar os estudos ao longo do tempo para identificar as variaes de longo prazo.
Discriminao do sistema de medio no estudo de estabilidade
Capacidade do sistema de medio de detectar e indicar de forma confivel, pequenas variaes da grandeza que est sendo medida. Uma forma de quantificar o poder discriminador expressando a menor variao da grandeza que o sistema de medio pode detectar. Critrio de avaliao: Verificar se o grfico de controle R no apresenta muitas amplitudes iguais a zero (acima de 30 %). Caso isso ocorra, existe uma boa evidncia de que o equipamento de medio no tem resoluo adequada para esta medio. Neste caso, faa uma anlise crtica.
Exemplo 2.1.1 O tcnico de processo deve realizar um estudo sobre a estabilidade do sistema de medio para avaliar o dimetro de uma barra de ao com um micrmetro. O tcnico selecionou 1 pea, que foi medida em uma frequncia diria e tamanho de sub-grupo 3, por um avaliador. Os valores esto na Tabela 1. Tabela 2.1.1: Dimetros da barra de ao Data Horrio Medidas 1 2 3 6/ago 09:15 4,202 4,201 4,202 13/ago 16:35 4,201 4,202 4,203 20/ago 14:13 4,199 4,198 4,200 27/ago 09:40 4,200 4,201 4,201 4/set 15:28 4,200 4,201 4,200 11/set 10:39 4,202 4,201 4,200 19/set 15:10 4,200 4,201 4,200 25/set 09:25 4,200 4,199 4,199 1/out 15:40 4,198 4,199 4,199 8/out 09:25 4,200 4,202 4,200 16/out 16:10 4,202 4,203 4,203 24/out 10:05 4,201 4,202 4,201 1/nov 13:40 4,199 4,199 4,198 8/nov 14:55 4,200 4,200 4,201 14/nov 11:00 4,199 4,198 4,199 22/nov 15:50 4,200 4,199 4,200 29/nov 09:42 4,201 4,201 4,200 7/dez 08:20 4,199 4,200 4,199 12/dez 15:30 4,200 4,201 4,199 20/dez 11:05 4,199 4,199 4,200 28/dez 15:30 4,201 4,200 4,199 4/jan 16:00 4,200 4,200 4,202 10/jan 15:15 4,203 4,204 4,203 15/jan 16:00 4,204 4,203 4,203 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Dos dados da tabela tomamos a mdia dos valores da coluna Mdia e a mdia dos valores da coluna Amplitude e obtemos
= 4,200486 e = 0,001292 Os limites de controle so calculados da seguinte forma: Grfico R Como temos 3 elementos em nossa amostra, obtemos um valor de D 3 = 0 e D 4 = 2,574, com isso:
Grfico Tamanho da amostra n = 3, A 2 = 1,023, obtemos os seguintes limites de controle: LSC = 4,200486+1,023*0,001292 = 4,201807 LIC = 4,200486 -1,023*0,001292 = 4,199165
A interpretao do estudo de estabilidade no simples e exige um bom conhecimento sobre a necessidade do sistema de medio. No caso acima, observamos que o sistema de medio apresenta alguns sintomas de instabilidade, temos 8 pontos consecutivos abaixo da linha central no grfico da amplitude e diversos pontos fora dos limites de controle no grfico da mdia. Porm, devemos avaliar os resultados com bastante cuidado. Primeiro, observamos que a amplitude mdia de 0,0012mm est muito prxima da resoluo do equipamento e tem como limite superior 0,003 mm, que em geral, similar ao erro mximo permissvel para avaliar o certificado de calibrao deste tipo de equipamento. Segundo, a maior diferena entre as mdias de medies da barra de metal foi 0,004mm, no qual temos contribuies da falta de homogeneidade da barra (ovalizao). Resumindo, temos sintomas de instabilidade na aplicao do sistema de medio, porm, esta instabilidade resulta em variaes de no mximo 0,004mm. Portanto, a aceitabilidade ou no do sistema de medio deve levar em conta a aplicao e a necessidade de medies mais ou menos criteriosas. Dependendo da aplicao do sistema de medio, podemos aceitar ou no este sistema de medio. Se rejeitarmos este sistema de medio, precisamos de um plano de ao para eliminarmos as causas especiais. Caso contrrio, aceitamos a instabilidade do sistema como desprezvel.
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Exemplo 2.1.2 O tcnico de processo deve realizar um estudo sobre a estabilidade do sistema de medio para avaliar o dimetro interno do bloco compressor no processo de usinagem (Brunidora). O tcnico selecionou 1 pea, que foi medida em uma frequncia diria e tamanho de sub-grupo 3, por um avaliador. Os valores esto na Tabela 2. Tabela 2.1.2: Dimetros interno do bloco Data Horrio Medida 1 Medida 2 Medida 3 12/8/2011 08:00 85,011 85,012 85,012 12/8/2011 14:30 85,011 85,011 85,011 13/8/2011 02:40 85,010 85,011 85,010 13/8/2011 10:30 85,009 85,010 85,011 15/8/2011 08:25 85,010 85,011 85,011 15/8/2011 14:35 85,011 85,011 85,010 16/8/2011 02:10 85,010 85,011 85,010 16/8/2011 10:10 85,011 85,012 85,012 16/8/2011 15:30 85,009 85,009 85,009 17/8/2011 02:45 85,012 85,011 85,012 17/8/2011 17:30 85,010 85,009 85,009 18/8/2011 05:10 85,012 85,012 85,011 18/8/2011 10:30 85,011 85,011 85,010 18/8/2011 16:30 85,010 85,009 85,008 19/8/2011 21:15 85,009 85,010 85,009 22/8/2011 09:40 85,010 85,009 85,010 22/8/2011 18:00 85,011 85,011 85,011 22/8/2011 02:30 85,012 85,011 85,011 23/8/2011 17:40 85,009 85,009 85,009 23/8/2011 02:45 85,010 85,011 85,011 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Dos dados da tabela tomamos a mdia dos valores da coluna Mdia e a mdia dos valores da coluna Amplitude e obtemos = 85,0104 e = 0,0009 Os limites de controle so calculados da seguinte forma: Grfico R Como temos 3 elementos em nossa amostra, obtemos um valor de D 3 = 0 e D 4 = 2,574, com isso:
LSC = 2,574*0,0009 = 0,00232 LIC = 0*0,0009 = 0
Grfico
Tamanho da amostra n = 3, A 2 = 1,023, obtemos os seguintes limites de controle: LSC = 85,0104+1,023*0,0009 = 85,0114 LIC = 85,0104 -1,023*0,0009 = 85,0095
Interpretao: Observe que temos diversos pontos de fora de controle no grfico da mdia, isto quer dizer que temos causas especiais de variao agindo no sistema de medio. Porm, observe que os pontos abaixo esto em torno de 85,009 mm e os pontos acima esto em torno de 85,0120 mm, o que significa uma variaao mxima de 3 microns. Portanto, a deciso sobre a aceitabilidade deste sistema de medio depende da aplicao do sistema de medio.
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. 2.2 - Tendncia
Definies Tendncia a diferena entre a mdia das medidas de uma grandeza e o valor de referncia para a grandeza medida, realizadas por um avaliador com o mesmo equipamento e mtodo
Diretrizes para estudo de tendncia: Selecionar um item da produo cuja medida caia na faixa central da variao do processo; Determinar o valor de referncia do item escolhido em relao a um padro rastrevel. Aqui, podemos utilizar laboratrios externos, como os laboratrios acreditados no INMETRO (VR); Um avaliador, treinado no uso do sistema de medio que est sendo analisado, mede o item 10 vezes ou mais (o MSA sugere 12); Calcular a mdia das medies (x) e a tendncia;
Exemplo 2.2.1:
Vamos avaliar a tendncia de um sistema de medio para medir a altura de um "MP3 Player", com tolerncia de 0,7 mm. Esta altura medida com um altmetro. Um MP3 Player foi selecionado (prximo ao valor nominal) e, aps 10 medies realizadas por uma mquina de medio por coordenadas, foi determinado o valor de referncia VR = 89,73 mm. A seguir, o mesmo MP3 Player foi medido 12 vezes com o sistema de medio em anlise. Os dados so: Amostra Medidas 1 89,77 2 89,79 3 89,77 4 89,78 5 89,74 6 89,72 7 89,72 8 89,75 9 89,74 10 89,77 11 89,78 12 89,74 VR 89,73 clique aqui para efetuar o download dos dados utilizados nesse exemplo
A partir destes dados temos que: a) Mdia = 89,7558 mm b) Tendncia = (mdia) - (valor de referncia) = 89,7558 - 89,73 = + 0,0258 mm Devemos interpretar que em mdia, os valores medidos por esse avaliador com esse instrumento e esse mtodo so superiores ao valor de referncia em 0,0258 mm. Para realizarmos a anlise da tendncia, precisamos validar a variabilidade associada com a repetitividade (o desvio padro dos dados), para isto calculamos
no qual s o desvio padro dos dados e a variao total VT baseada na variao do processo (prefervel) ou na tolerncia do processo dividida por 6. Se a %VE for alta (ver tabela acima), ento o sistema de medio pode ser inadequado. Desde que a anlise de tendncia admite que a repetitividade aceitvel, continuar com a anlise pode nos levar a um resultado contraditrio ou errado, isto , a anlise pode indicar uma tendncia estatisticamente nula, enquanto que seu valor absoluto pode ultrapassar o que aceitvel para o equipamento. Neste ponto, o MSA quarta edio sugere como critrio para analisar a %VE o mesmo utilizado para anlise do RR.
Critrio para avaliar a tendncia a) Intervalo de Confiana A tendncia aceitvel ao nvel de significncia a se o zero pertencer ao intervalo de confiana (1 - ) * 100% com limites:
no qual corresponde ao quantil da distribuio t-Student. Aqui, utilizamos um nvel de significncia de 5 %. b) Teste de Hipteses Equivalentemente, podemos realizar o seguinte teste de hipteses para avaliar a tendncia:
Para isso, note que a estatstica t dada por:
sendo s o desvio padro das medidas, n o nmero de medidas e t n-1 a distribuio t- Student com n-1 graus de liberdade. Portanto, obtemos a seguinte regra de deciso para um nvel de significncia Se |t| > t (n-1;1- /2) rejeitamos H 0 , ou seja, a tendncia significativa do ponto de vista estatstico; Se |t| t (n-1;1- /2) no rejeitamos H 0 , ou seja, a tendncia no significativa do ponto de vista estatstico. A Figura 2.2.1 ilustra a regio crtica do teste, isto , os valores de t para os quais rejeitamos H 0 .
Figura 2.2.1: Regio de rejeio. c) P-valor O P-valor representa o menor nvel de significncia para o qual rejeitamos . Logo, para um nvel de significncia = 0,05 adotado, rejeitamos se o P-valor obtido for menor que 0,05, enquanto que no rejeitamos se o P-valor for maior que 0,05, esse fato observamos na (Figura 2.2.2). Para o teste t, o P-valor calculado na forma p - valor = 2 x P(t n -1 > |t|) Com isso, rejeitamos H 0 quando o p-valor for menor que o nvel de significncia proposto (usualmente 0,05), caso contrrio (p-valor > ) no rejeitamos H 0 .
Figura 2.2.2: P-valor. Exemplo 2.2.2 Considerando os dados do Exemplo 2.2.1 e um valor de igual a 0,05, temos que: n = 12 s = 0,02392 t (n-1;1 - /2) = t (11;0,975) = 2,201. Neste exemplo, vamos utilizar a tolerncia do processo para determinar a variao total (VT). Ao dividirmos a tolerncia por 6, obtemos que
Como s = 0,02392, temos que a %VE do processo dada por
Desde que a %VE baixa, temos uma variabilidade aceitvel. Com isso, o intervalo de confiana com 95% de confiana para a tendncia obtido atrves dos limites inferior (LI) e superior (LS):
Concluso: Como zero no faz parte do intervalo, a tendncia encontrada (0,0258 mm) significativa ao nvel 5%. Equivalentemente, podemos realizar o teste para a hiptese H 0 : Tendncia = 0. Para testar esta hiptese, tomamos
Como t = 3,741 > t (n-1;1- /2) = 2,201, rejeitamos a hiptese H 0 , ou seja, a tendncia diferente de zero com nvel de confiana de 95%. A hiptese H 0 tambm pode ser avaliada pelo p-valor, que calculado como: p-valor = 2 x P(t n-1 > |t|) = 2 x (1 - P(t 11 > 3,741)) = 0,00325. Como o p-valor menor que o adotado (0,05), rejeitamos H 0 ao nvel de significncia de 5%. Interpretao dos resultados: Como sempre, devemos conhecer a aplicao do sistema de medio para realizarmos uma boa anlise crtica. Neste caso, temos uma tendncia de 0,0258 mm com limite superior de 0,041mm (intervalo de confiana para a tendncia). O equipamento utilizado para medio um altmetro digital de resoluo de 0,01mm. Este equipamento apresenta incerteza de medio em torno de 0,03mm com exatido (especificao do fabricante) tambm em torno de 3 centssimos de milmetro. Observe que a exatido proposta pelo fabricante est acima da tendncia encontrada e prxima do limite superior (0,041 mm). Alm disso, temos uma tolerncia para a pea de 0,7 mm. Obviamente, temos uma oportunidade de melhoria, pois o zero est fora do intervalo de confiana. Porm, a necessidade de um plano de ao depende da necessidade de medidas mais ou menos precisas, ou seja, depende da aplicao do sistema de medio. Veja a seguir os resultados obtidos pelo software Action para o mesmo exemplo.
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. Anlises da tendncia Se a tendncia for relativamente grande, procure por estas possveis causas: 1. Erro na medida da pea padro; 2. Componentes gastos; 3. Dispositivo de medio feito para dimenso errada; 4. Dispositivo de medio medindo caracterstica errada; 5. Dispositivo de medio calibrado inadequadamente; 6. Dispositivo de medio utilizado de maneira imprpria pelo avaliador.
Exemplo 2.2.3: Um engenheiro est avaliando um novo sitema de medio para monitorar um processo. Uma anlise do sistema de medio indicou que no deve haver preocupao com a linearidade, pois a faixa de interesse pequena. Uma nica pea foi escolhida de tal forma que esteja prxima ao valor nominal dos processos. A pea foi medida por um sistema de medio sofisticado para determinar seu valor de referncia (reference value = 6). A pea foi ento medida 15 vezes por um operador e o valor da variabilidade total do processo de 2,5, este valor ser utilizado para validar a repetitividade do sistema de medio. Os valores so dados na tabela abaixo. Trials Measurement Tendncia 1 5,8 -0,2 2 5,7 -0,3 3 5,9 -0,1 4 5,9 -0,1 5 6,0 0,0 6 6,1 0,1 7 6,0 0,0 8 6,1 0,1 9 6,4 0,4 10 6,3 0,3 11 6,0 0,0 12 6,1 0,1 13 6,2 0,2 14 5,6 -0,4 15 6,0 0,0 clique aqui para efetuar o download dos dados utilizados nesse exemplo
n = 15 s = 0,212
Como s = 0,212, temos que a %VE do processo dada por
Desde que a %VE baixa, temos uma variabilidade aceitvel. Com isso, o intervalo de confiana com 95% de confiana para a tendncia obtido atrves dos limites inferior (LI) e superior (LS):
Concluso: Como zero faz parte do intervalo, a tendncia encontrada (0,006667 mm) no significativa ao nvel 5%. Equivalentemente, podemos realizar o teste de hipteses para H 0 : Tendncia = 0. Para testar esta hiptese, tomamos
Como no rejeitamos a hiptese H 0 , ou seja, a tendncia desprezvel ao nvel de confiana de 95%. A hiptese H 0 tambm pode ser avaliada pelo p-valor, que calculado como: p-valor = 2 x P(t n-1 > |t|) = 2 x (1 - P(t 14 > 0,12178)) = 0,9048. Como o p-valor maior que o adotado (0,05), no rejeitamos H 0 ao nvel de significncia de 5%. Veja a seguir os resultados obtidos pelo software Action para o mesmo exemplo.
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Exemplo 2.2.4 Uma medida dimensional controlada com um sistema de medio utilizando um micrmetro de resoluo 0,002 mm. A especificao desta caracterstica dimensional 13,000 0,020 mm. O avaliador quer saber se o sistema de medio apresenta tendncia. Para isto, ele escolheu uma pea cuja medida prxima ao valor nominal (13,000 mm), com a pea sendo medida atravs de um sistema de medio com um banco micromtrico de resoluo de 0,0005 mm. Foram realizadas vrias medidas da pea com o banco micromtrico obtendo uma mdia de 13,001 mm. A seguir, fazemos 12 leituras da mesma pea com o sistema de medio utilizando o micrmetro. Leituras 13,002 13,002 13,004 13,002 13,004 13,002 13,004 13,002 13,000 13,000 13,000 13,002 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Veja a seguir os resultados obtidos pelo software Action para o mesmo exemplo.
Interpretao dos Resultados: Desde que o zero est fora do intervalo de confiana temos uma tendncia significativa (de 0,001mm, com limite superior de 0,00194 mm) ao nvel de confiana de 95%. O equipamento utilizado no sistema de medio um micrmetro de resoluo de 0,002mm com incerteza de medio em torno de 0,003 mm. Observe que o equipamento atende ao requisito do MSA de boa discriminao, pois ao dividirmos a tolerncia (0,04 mm) por 10 obtemos como erro mximo permissvel 0,004 mm, tanto a resoluo quanto a incerteza esto abaixo de 0,004mm. Nesta situao, no qual o limite superior para a tendncia est abaixo da resoluo do instrumento e o instrumento apresenta discriminao adequada, conclumos que a tendncia detectada desprezvel.
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. 2.3 - Tendncia e Linearidade A linearidade mede a variao da tendncia para diferentes valores de referncia na faixa de interesse. A linearidade avaliada via a inclinao da reta formada pelos diferentes valores de referncia em relao a respectiva tendncia. Quanto menos inclinada a reta, melhor ser a qualidade do sistema de medio.
Diretrizes Diretrizes para o estudo de tendncia e linearidade para sistema replicvel: Selecionar uma amostra de peas (no mnimo 5) cujas medidas se distribuam ao longo da faixa de interesse; Determinar os valores de referncia das peas. Mais uma vez podemos utilizar laboratrios acreditados no INMETRO ou laboratrio interno; Avaliador que utiliza o sistema de medio deve medir cada uma das peas no mnimo 10 vezes (o MSA sugere 12), em seqncia aleatria; Determinar a tendncia para cada medio (Tendncia = Resultado da medio - Valor de Referncia); Representar graficamente a (tendncia) x ( valor de referncia);
Avaliao Para avaliarmos a tendncia e linearidade, vamos tomar o ajuste da tendncia em relao ao valor de referncia: Tendncia = a + b*(valor de referncia) + Erro de ajuste Coeficiente de Determinao (R 2 ): grau de ajuste da reta; Intercepto (a); Inclinao (b); Apresentamos algumas das mtricas utilizadas na quarta edio do MSA: Linearidade = |b| %Linearidade = |b|* (100%) Linearidade em relao escala de medio (amplitude da faixa nominal): L(escala) = |b|*(max - min)
Regresso Linear
O modelo de regresso linear dado por: T ij = a+b VR i + ij (2.3.1) em que g : nmero de peas ( 5); m : nmero de medies por pea ( 12); T ij : corresponde a j-sima tendncia do i-simo valor de referncia (corpo de prova); VR i : corresponde ao valor de referncia i;
ij uma varivel aleatria normal com mdia zero e desvio-padro (independentes); a e b so os parmetros, que juntos definem a reta da regresso.
Estimativas
Neste sentido, o MSA 4 a edio prope como critrio as seguinte ferramentas: 1. Teste dos coeficientes de regresso; 2. Banda de confiana para a reta de regresso. A seguir, vamos estudar os dois critrios. Para facilitar os clculos, estabelecemos a seguinte tabela: Tabela 2.3.1: Entrada de dados e clculos de linearidade Medio VR T VR 2 T 2 VR*T Z 11 VR 1 T 11 VR 2 1 T 2 11 VR 1 *T 11
Z 12 VR 1 T 12 VR 2 1 T 2 12 VR2 *T 12
Z 1m VR 1 T 1m VR 2 1 T 2 1m VR 1 *T 1m
Z 21 VR 2 T 21 VR 2 2 T 2 21 VR 2 *T 21
Z 2m VR 1 T 2m VR 2 2 T 2 2m VR 2 *T 2m
Z g1 VR g T g1 VR 2 g T 2 g1 VR g *T g1
Z gm VR g T gm VR 2 g T 2 gm VR g *T gm
soma VR i soma T ij soma VR 2 i soma T 2 ij soma VR i T ij
Estimativas
As mdias da tendncia e do valor de referncia so dados por:
Notaes bsicas
O modelo ajustado dado por:
para todo i = 1,...,g e j = 1,...,m. As estimativas de mnimos quadrados e so dadas por:
O R 2 dado por:
ou seja, a razo entre o produto (S xy S xy ) pelo produto (S xx S yy ). E temos,
Metodologias
A seguir, vamos apresentar duas metodologias para testarmos a significncia estatstica dos coeficientes da regresso. 1) Teste dos Coeficientes da Regresso Linear Simples: 1.1) Teste para o Coeficiente Angular
Estatstica do teste
no qual
O valor de t* deve ser comparado com uma distribuio t- Student com g*m-2 graus de liberdade para um determinado nvel de significncia (ver tabela da distribuio t-Student). Se |t| t(g*m-2; 1-( /2)) no rejeitamos H 0 , ou seja, rejeitamos a hiptese de que o coeficiente angular seja significativo; Se t > t(g*m-2; 1-( /2)) rejeitamos H 0 , ou seja, no rejeitamos a hiptese de que o coeficiente angular seja significativo.
Outra forma de definirmos um critrio para avaliarmos o teste de hiptese o P- valor.
1.2) Teste para o intercepto
Estatstica do teste
em que,
Este valor deve ser comparado com uma distribuio t - Student com (g*(m-2)) graus de liberdade para um determinado nvel de significncia (ver tabela da distribuio t-Student). Se |t| j t(g * m-2; 1-( /2)) no rejeitamos H 0 , ou seja, rejeitamos a hiptese de que o intercepto seja significativo; Se |t| j > t(g * m-2; 1-( /2)) rejeitamos H 0 , ou seja, no rejeitamos a hiptese de que o intercepto seja significativo. Outra forma de definirmos um critrio para avaliarmos o teste de hiptese o P- valor. O P-valor representa o menor nvel de significncia para o qual rejeitamos H 0 . Logo, para um nvel de significncia = 0,05 adotado, rejeitamos H 0 se o P-valor obtido for menor que 0,05, enquanto que no rejeitamos H 0 se o P-valor for maior que 0,05.
Critrio: A tendncia e a linearidade so consideradas no significativas quando no rejeitamos as hipteses H 0 nos dois testes realizados acima. 2) Intervalo de Confiana para reta de regresso:
em que VR representa o Valor de Referncia no ponto que calculamos o intervalo de confiana. Critrio: a linha relativa a tendncia igual a zero deve estar completamente contida dentro dos limites acima. Obs: As estimativas dos coeficientes e o intervalo de confiana esto descritos na Norma MSA 4 a edio pgina 97.
Exemplo 2.3.1 O engenheiro do sistema de medio estava interessado em determinar a linearidade de um sistema de medio. Cinco peas padro, que se distribuem por toda a faixa de variao do processo, foram medidas 15 vezes no laboratrio de medio para se determinar o valor de referncia. Neste caso, o metrologista utilizou um instrumento de medio com uma resoluo melhor do que o instrumento utilizado normalmente. Aps determinar o valor de referncia, um avaliador realizou 12 medies de cada pea padro nas condies reais de utilizao do sistema de medio. Os valores esto resumidos na Tabela abaixo. Aqui, temos g=5 (nmero de peas) e m=12 (leituras em cada pea ).
12 9,4 10 -0,6 100 0,36 -6 Soma 360 -3,2 2640 11,82 -82,4 Mdia 6 -0,053333 Primeiramente precisamos determinar as mdias das variveis T (tendncia) e VR (valor de referncia).
Assim, encontramos as somas de quadrados empricas.
A seguir, utilizamos as somas de quadrados empricas para encontrarmos estimativas dos parmetros da reta de regresso. Aqui, temos que
e
A reta estimada dada por:
Tendncia estimada = 0,7366 - 0,13167 *(Valor de Referncia) Com isso, obtemos que a %linearidade = 13,2%. Isto que dizer que a tendncia varia em mdia 13,2% da faixa de estudo (10-2=8) entre o incio e o final da faixa. Vamos aplicar os dois critrios de avaliao da linearidade, os testes dos parmetros e o intervalo de confiana para a reta de regresso. Para isto, calculamos o quadrado mdio do erro (QME) por:
Caso 1: Teste de hipteses: Inicialmente, vamos testar o coeficiente angular (b).
A estatstica do teste dada por:
no qual o erro padro associado estimativa do coeficiente angular calculada por:
Portanto, o valor da estatstica t-Student dado por:
Para uma distribuio t-Student com 58 graus de liberdade encontramos t(g*m-2; 1- /2) = 2,0017. Desde que t* = 12,044 > 2,0017 rejeitamos a hiptese de que a linearidade no seja significativa. Com isso, conclumos que a linearidade significativa ao nvel de confiana de 5%. Na seqncia, vamos realizar o teste para o intercepto
Neste caso, a estatstica do teste dada por:
no qual,
Com isso, obtemos que
Para uma distribuio t-Student com 58 graus de liberdade encontramos t(g*m-2; 1- /2) = 2,0017. Desde que t* = 10,16 > 2,0017 rejeitamos a hiptese de que o intercepto no seja significativo. Com isso, conclumos que o intercepto significativo ao nvel de confiana de 5%. Concluso: Desde que o coeficiente angular (linearidade) foi considerado significativo, o sistema de medio apresenta uma linearidade significativa com 95% de confiana ( = 0,05). Caso 2: Intervalo de confiana para a reta de regresso. A seguir, apresentamos na Tabela 6 o clculo dos limites do intervalo, considerando as seguintes expresses: Tabela 2.3.3: Limites do intervalo Valor de Referncia (VR) LI LS 2 0,4128 0,5704 4 -0,1593 0,4093 6 -0,0995 0,1495 8 -0,3549 -0,2283 10 -0,7098 -0,5234 Veja a seguir os resultados obtidos pelo software Action para o mesmo exemplo.
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Exemplo 2.3.2 Como aplicao de um estudo de tendncia e linearidade, vamos avaliar um sistema de medio para medir a temperatura de um forno via um pirmetro ptico. Para isto, vamos fazer um estudo por comparao com um termo elemento padro. Tomamos 5 nveis de temperatura
Veja a seguir os resultados obtidos pelo software Action para o mesmo exemplo
Interpretao: Neste estudo, realizamos uma anlise da tendncia do sistema de medio ao longo da escala de interesse. Atravs da tabela da Anlise da Tendncia, observamos que o zero est fora do intervalo de confiana, para todos os valores de referncia. Com isso, conclumos que temos tendncia significativa ao longo da escala do sistema de medio. Alm disso, o sistema de medio apresenta uma linearidade tambm significativa (P-valor de 1,8*10^(-9)) de 0,016, o que quer dizer que a tendncia apresenta uma variao mdia de 1,6% ao longo da faixa de interesse (750 a 1150). No grfico, observamos que a linha do ponto zero (linha vermelha) no est inserida na banda de confiana (linhas azuis), o que refora o fato de que o sistema de medio apresenta uma linearidade significativa ao nvel de significncia de 5%. Porm, para avaliarmos adequadamente a tendncia e a linearidade deste sistema de medio, precisamos de entender melhor o sistema de medio e sua aplicao. Neste caso, temos uma medio de temperatura, na escala de 750 o C a 1150 o C, realizada atravs de um pirmetro ptico posicionado a dez metros da pea. Nesta distncia, o pirmetro ptico apresenta uma exatido de 2% da leitura. Por exemplo, em 1150 graus Celsius temos uma exatido de 0,02*1150=23 graus Celsius. Observe que o maior valor de tendncia, no ponto de 1150, foi de 10 graus Celsius. Portanto, a maior tendncia encontrada est abaixo da exatido garantida pelo equipamento. Alm disso, temos uma tolerncia de 100 graus Celsius e por motivos de segurana, medimos a pea a uma distncia de 10 metros. Em resmo, dependendo da importncia da aplicao para o restante do processo, o sistema de medio pode ser considerado aceitvel para o controle do processo. Caso contrrio, devemos elaborar um plano de ao. Um ponto bastante comentado pelos usurios a interpretao do R 2 . No caso particular do estudo de linearidade de um sistema de medio, valores altos de R 2
pode siginificar que tivemos um bom ajuste linear. Nesta situao, conclumos que a linearidade (ou coeficiente angular) significativa do ponto de vista estatstico. Portanto em um estudo de linearidade interessante termos um coeficiente de determinao R 2 baixo (menor que 0,2). Neste exemplo, temos um R 2 igual a 0,75 o que alto.
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. 2.4 - Repetitividade e Reprodutibilidade Neste mdulo, vamos apresentar um mtodo para estimarmos a variabilidade associada ao sistema de medio. Como apresentado no mdulo anlise dos sistemas de medio, a variabilidade decomposta em dois termos: Repetitividade - VE Variao das medidas obtidas por um nico operador, utilizando o mesmo equipamento de medio e mtodo, ao medir repetidas vezes uma mesma grandeza de uma nica pea (corpo de prova). Reprodutibilidade - VO Variao das mdias obtidas por diferentes operadores utilizando o mesmo equipamento de medio para medir repetidamente uma mesma grandeza de uma nica pea (corpo de prova). Repetibilidade e Reprodutibilidade (RR) a soma das variaes devido falta de Repetitividade e Reprodutibilidade.
Como em qualquer anlise, o planejamento fundamental para que faamos uma boa anlise da repetitivdade e reprodutibilidade: 1) A tcnica a ser utilizada deve ser planejada. Por exemplo, tem alguns sistemas de medio cujo o efeito da reprodutibilidade desprezvel, por exemplo, para sistemas de medio automticos no qual a nica interferncia do operador apertar um boto. Neste caso, planejamos o estudo sem a reprodutibilidade (MSA, pgina 73). 2) O nmero de operadores, nmero de peas e o nmero de rplicas devem ser determinados atravs dos critrios: Criticidade da medida, dimenses crticas requerem mais peas e/ou rplicas; Quando lidamos com peas pesadas ou de difcil manuseio, utilizamos menos peas e mais rplicas; Requisito do cliente; 3) Os operadores devem ser escolhidos entre todos os que utilizam o sistema de medio; 4) A seleo das peas crtica para uma boa anlise do RR. Esta seleo depende do propsito do sistema de medio e da disponibilidade de peas que representem o processo de produo. Na pgina 73, o manual MSA estabelece os seguintes propsitos: Controle de Produto: sistemas de medio cujo resultado e critrio de deciso determinam a conformidade ou no conformidade do produto com relao s especificaes (inspeo 100% ou por amostragem). Neste caso, as peas selecionadas no precisam cobrir toda a faixa de variao do processo. Controle de Processo: sistemas de medio cujo resultado e critrio de deciso determinam a estabilidade e/ou capacidade do processo de produo (CEP, Grfico Farol, Melhoria Contnua). Neste caso, a disponibilidade de peas que cobrem toda a faixa de variao do processo de produo fundamental. Muitas vezes, um estudo complementar para determinar a capacidade do processo requerido e recomendado para avaliar a adequabilidade do sistema de medio para o controle do processo. O instrumento de medio deve ter uma discriminao de pelo menos um dcimo da tolerncia ou variao do processo de produo. Assegurar que o mtodo de medio est medindo a dimenso correta e que o mtodo corretamente aplicado.
Variabilidade interna do produto Em muitos sistemas de medio, a variao interna (ou, inerente) das peas, como ovalizao, podem inflacionar nossa estimativa da repetitividade. A variabilidade interna pode ser avaliada e separada da repetitividade. O procedimento mais complexo e consiste basicamente em: Obter a medida em vrios pontos da pea; Trabalhar com os valores mdios (ou valores mximo e/ou mnimo) para cada pea; partir destes experimentos estimar a variabilidade interna. A variabilidade interna deve sempre ser objeto de estudo para a melhoria do processo produtivo. ndice RR: A partir do propsito do sistema de medio (Controle de Produto ou Controle de Processo), devemos estabelecer um ndice para "facilitar" a intepretao do RR: Controle de Processo: Comparar a variabilidade do sistema de medio (RR) com a variao esperada do processo de produo. Controle de Produto: Comparar a variabilidade do sistema de medio (RR) com a tolerncia do produto. Variabilidade entre partes (variabilidade do processo de produo) - VP a variao das medidas observada entre os itens produzidos pelo processo, isto , a variabilidade observada nas peas. Salientamos que a variabilidade entre as partes pode ser obtida partir de um estudo de capacidade do processo ou partir do prprio estudo para determinar o RR. Variabilidade total a soma das variaes devidas ao sistema de medio e ao processo.
ou
Com isso, podemos calcular o ndice RR da seguinte forma: Controle de Produto
Controle de Processo
Os critrios para anlise do RR esto definido na pgina 78 do MSA. Para um sistema de medio cujo propsito analisar um processo, uma regra geral para aceitar um sistema de medio definido na seguinte tabela: RR Deciso Comentrios Abaixo de 10% Sistema de medio geralmente considerado aceitvel Recomendvel, especialmente til quando tentamos ordenar ou classificar peas ou quando for requerido um controle apertado do processo. Entre 10% e 30% Poder ser aceito para algumas aplicaes A deciso deve ser baseada primeiro, por exemplo, na importncia da aplicao da medio, custo do dispositivo de medio, custo do retrabalho ou reparo. O sistema de medio deve ser aprovado pelo cliente. Acima de 30% Considerado inaceitvel Todos os esforos devem ser tomados para melhorar o sistema de medio. Esta condio pode ser resolvida pelo uso de uma estratgia apropriada para a medio; por exemplo, utilizar a mdia de diversas medies da mesma caracterstica da mesma pea a fim de reduzir a variabilidade da medida final.
Outra estatstica que avalia a variabilidade de um sistema de medio nmero de cateorias distintas (NDC). Esta estatstica indica o nmero de categoria dentro do qual as medies do processo podem ser divididas. O NDC deve ser maior ou igual a cinco e aplicado somente para sistema de medio cujo o propsito analisar um processo (pgina 78 do MSA). O NDC definido por:
Cuidado: O uso do RR como nico ndice para avaliar um sistema de medio no aceitvel. Ao aplicar os critrios de aceitao como simples valores de corte (thresholds), assumimos que as estatsticas so estimativas determinsticas da variabilidade do sistema de medio (o que no so). Especificar os valores de corte como critrio pode levar a um comportamento inadequado. Por exemplo, o fornecedor pode ser "criativo" ao encontrar um determinado valor de RR, eliminando as principais fontes de variao (como a interao pea X operador) ou simplesmente manipular o estudo. Comentrios: Infelizmente este um fato que ocorre em muitas empresas no Brasil. O cliente impe um RR abaixo de 10% e o fornecedor manipula os dados. NO DEVEMOS TER UM CRITRIO SIMPLES (NICO) PARA TODOS OS SISTEMAS DE MEDIO. Cada aplicao deve ser avaliada individualmente. Quando analisamos a variao de um sistema de medio importante olhar para cada aplicao individualmente, para sabermos o que requerido e como esta medio ser utilizada. Por exemplo: a preciso requerida da medio de temperatura poder ser diferente para aplicaes no similares. Um termostato para sala pode regular a temperatura para conforto de um humano e ser barato, porm tem um RR acima de 30%. Isto aceitvel para esta aplicao. Mas, em um laboratrio, no qual pequenas variaes de temperatura podem impactar nos resultados dos testes, uma medio e controle de temperatura mais sofisticados devem ser requeridos. Este termostato ser mais caro e tambm vamos requerer uma menor variabilidade (menor valor de RR).
Diretrizes para o estudo de RR - Replicvel
Como em qualquer anlise, um bom planejamento deve ser realizado para que possamos conduzir o estudo de RR. 1. Selecionar aleatoriamente operadores que utilizam e conhecem bem o sistema de medio a ser estudado. Em geral recomendamos trs operadores. Se isto no for vivel, utilizar pelo menos dois operadores. Caso o operador no influencie na medio, no avalie a reprodutibilidade. 2. Utilizar equipamentos de medio devidamente calibrados. 3. Selecionar de 5 a 15 peas da produo cujas dimenses varram o campo de variao do processo o Se o sistema de medio for utilizado para processos com campos de variao muito distintos, recomendamos realizar estudos RR distintos. o Sempre que possvel procure obter g = (nmero de peas) X (nmero de operadores) maior que 15. Se isto no for possvel, aumente o nmero de leituras por peas. 4. Escolher o mtodo de conduzir e analisar o estudo. o Anlise de Varincia (ANOVA). Para sistemas de medio no qual o resultado da medio utilizado para determinar a "conformidade" ou "no conformidade" do produto com respeito a uma especificao as amostras selecionadas NO precisam abranger toda a especificao. Alm disso, a anlise do RR deve ser realizada em relao tolerncia. Neste caso, calculamos a porcentagem RR em relao tolerncia. Para o caso em que o sistema de medio controla o processo, isto , o resultado da medio utilizado para determinar a estabilidade, tendncia e variabilidade do processo, atravs de um estudo de CEP, devemos utilizar a variao do processo para avaliar o RR. Neste caso, devemos escolher bem as peas, pois estas devem abranger toda a faixa de variao do processo. Se for possvel, devemos realizar um estudo independente para estimar a variabilidade do processo. Assim, calculamos a porcentagem RR em relao variabilidade total. A seguir, descrevemos os passos para aplicarmos o mtodo da ANOVA. 1 o Passo Selecionar as peas de tal forma que representem a variao natural do processo. Em geral, tomamos peas de lotes distintos de produo. Identificar as peas. 2 o Passo Selecionar os operadores de forma a envolver todos os turnos. Os operadores devem ter treinamento para utilizar o sistema de medio. O nmero de operadores vezes o nmero de peas deve ser maior que 15. Caso o operador no influencie na medio, escolhemos apenas um operador e no avaliamos a reprodutibilidade. 3 o Passo Cada operador mede trs ou mais vezes cada pea em ordem aleatria. 4 o Passo Aleatorizar as medies.
5 o Passo
Operador Pea Medidas R
1 2 3 A 1
2
3
4
5
6
7
8
9
10
B 1
2
3
4
5
6
7
8
9
10
C 1
2
3
4
5
6
7
8
9
10
Mdia
Tabela 2.4.1: Leituras. 2.4.1 - Modelo da ANOVA: com interao entre pea e operador Anlise de varincia (ANOVA) Mtodo Cruzado
A anlise de varincia (ANOVA) uma tcnica estatstica clssica que pode ser utilizada para avaliar o erro de medio e outras fontes de variabilidade dos dados pertinentes ao sistema de medio. O experimento cruzado de dois fatores com interao o modelo clssico de RR. Tipicamente, os dois fatores so referidos como "peas" e "operadores". Neste captulo consideramos este primeiro modelo de RR, em que modelamos o experimento com dados balanceados e ambos fatores so aleatrios. As vantagens do mtodo da ANOVA comparada ao mtodo da Mdia e amplitude, so: 1. Capaz de tratar diversas estruturas de experimentos; 2. Estimar a varincia com mais exatido e preciso; 3. Extrair mais informaes sobre os dados, tal como o efeito da interao entre peas e avaliadores; As desvantagens so a complexidade dos clculos e a necessidade de um conhecimento bsico de estatstica para que o usurio possa interpretar os resultados.
Modelo Estatstico
O modelo com dois fatores balanceados e com efeitos cruzados com interao dado por
Para este modelo um parmetro comum a todos os tratamentos e representa a mdia geral dos dados, e o efeito devido ao i-simo e ao j-simo nvel do fator P (pea) e O (operador) e so variveis aleatrias independentes com mdia zero e varincias e respectivamente e a interao entre os fatores P e O, que tambm tem distribuio normal com mdia zero e varincia A varivel aleatria corresponde ao erro aleatrio experimental, isto , a variabilidade no explicada pelo modelo devido a variaes presentes em diversas fontes no consideradas no estudo. Este tem distribuio normal com mdia zero e varincia
Resumindo,
Agora, vamos desenvolver a anlise de varincia para o modelo de efeitos aleatrios. A partir de consideraes dos dados, temos:
Alm disso, assumimos que o erro tem distribuio Normal com mdia zero e varincia e que os erros so mutuamente independentes. Com isso, temos que
Agora, para o efeito , assumimos que tem distribuio Normal com mdia zero e varincia Assumimos tambm que os efeitos so mutuamente independentes. Assim,
Para o efeito , assumimos que tem distribuio Normal com mdia zero e varincia Assumimos tambm que os efeitos so mutuamente independentes. Assim,
Por fim temos que para o efeito , assumimos que tem distribuio Normal com mdia zero e varincia Assumimos tambm que os efeitos so mutuamente independentes. Assim,
A anlise de varincia para o modelo (2.4.1.1) obtida pela decomposio da variao total como segue
em que
Assim, obtemos a tabela da ANOVA da seguinte forma Fator Graus de Liberdade Soma de Quadrados Quadrados Mdios F Fator Pea P p-1
Fator Operador O o-1
Interao entre Pea e Operador PxO (p-1)(o-1)
Repetitividade po(r-1)
Agora, faremos um breve resumo dos valores esperados dos quadrados mdios. Fator Graus de Liberdade Quadrados Mdios Valor Esperado dos Quadrados Mdios Fator Pea P p-1
Fator Operador O o-1
Interao entre Pea e Operador PxO (p-1)(o-1)
Repetitividade po(r-1)
Tabela 2.4.1.1: Valores Esperados dos Quadrados Mdios.
Estatstica
Tabela 2.4.1.2: Resumo dos Quadrados mdios e mdias para o modelo (2.4.1.1). A tabela 2.4.1.3 representa os estimadores pontuais do modelo (2.4.1.1). Representao do Modelo Estimador Pontual
ou
ou
ou
ou
Tabela 2.4.1.3: Resumo dos Estimadores pontuais para o modelo (2.4.1.1). Aqui, realizamos os seguintes testes Teste do efeito do fator pea:
a estatstica de teste apropriada
e a regra de deciso ao nvel de significncia
Teste do efeito do fator operador:
a estatstica de teste apropriada
e a regra de deciso ao nvel de significncia
Teste do efeito da interao entre pea e operador:
a estatstica de teste apropriada
e a regra de deciso ao nvel de significncia
A seguir, calculamos as fontes de variao partir da tabela (2.4.1.3) e dividimos em passos como a seguir: 6 o Passo Faa a anlise grfica: Construir o grfico de controle e S ou e R. 7 o Passo Calcular a Repetitividade
8 o Passo Calcular a Reprodutibilidade como
sendo V oper e VI dados pelas expresses
9 o Passo Calcular o RR
10 o Passo Calcular a variao entre peas
11 o Passo Calcular a variao total
12 o Passo Tabela de % de contribuio Fontes de Variao Varincia % Contribuio Repetitividade (VE)
Operador (Voper)
Pea x Operador (VI)
Pea (VP)
RR (RR)
Total (VT) 100 Tabela 2.4.1.4: Tabela de contribuio - com interao. Os valores utilizados para preencher a Tabela 2.4.1.2 vem das expresses (2.4.1.6) at (2.4.1.9) 13 o Passo Tabela de % em relao variao total e ou % de tolerncia Fonte de variao Desvio Padro % Variao Total % Tolerncia Repetitividade VE
Reprodutibilidade VO
Operador Voper
Pea x Operador VI
Pea VP
RR RR
Tabela 2.4.1.5: Tabela de % da variao total e ou % de tolerncia - com interao. Os valores utilizados para preencher a Tabela 2.4.1.3 vem das expresses (2.4.1.6) at (2.4.1.9). Na Tabela 2.4.1.3, o valor normalmente escolhido para k 5,15. Entretanto, por facilidades de interpretao desse ndice com o ndice de Pp (e ou Cp) recomendado utilizar k=6. Sugesto de regra para anlise das variaes: Tolerncia: Sistema de medio aplicado em inspees finais e inspeo de recebimento; Variao total: Sistema de medio utilizado durante o processo produtivo. %RR menor que 10% sistema de medio aceitvel. %RR entre 10% e 30% sistema de medio marginal, podendo ser aceito dependendo da situao, custos, etc. %RR maior que 30% sistema de medio inaceitvel, sendo necessrio melhor- lo ou substitu-lo.
14 o Passo O ndc representa a capacidade de discriminar categorias de peas em um sistema de medio considerando a variao do processo. Este ndice nos fornece o nmero de faixas que podemos dividir a variao do processo. O ndc dado pelo maior inteiro menor ou igual ao valor:
O manual da indstria automobilstica (MSA) apresenta como critrio um ndc 5. Isto quer dizer que o sistema de medio capaz de identificar 5 tipos distintos de peas dentro do campo de variao do processo. Se um sistema de medio avaliado pela tolerncia, o ndice ndc no deve ser considerado. 15 o Passo Realizar uma anlise dos dados para avaliar as caractersticas do sistema. Se a repetitividade for grande quando comparada com a reprodutibilidade, as razes podem ser: 1. O dispositivo de medio precisa de manuteno; 2. O dispositivo de medio dever ser reprojetado para ter maior robustez; 3. A fixao ou posio para a medio precisam ser melhorados; 4. Existe uma excessiva variao prpria da pea. Se a reprodutibilidade for grande comparada com a repetitividade, ento as possveis causas podem ser: 1. O operador precisa ser melhor treinado em como usar e ler o dispositivo de medio; 2. As marcaes no mostrador do dispositivo de medio no so claras; 3. Algum tipo de dispositivo pode ser necessrio para ajudar o operador a usar o dispositivo de medio mais consistentemente.
A 114,9619 114,9631 0,00000158 B 114,9636 114,9631 0,00000023 C 114,9639 114,9631 0,00000060 SOMA = 0,00000241 Portanto,
Clculo do QME Para o clculo do QME devemos calcular a mdia e varincia dentro de cada casela ij da Tabela 2.4.1.6, isto , para cada combinao de pea i e operador j. Na Tabela abaixo, calculamos os valores das mdias das medies dentro de cada casela. Tabela 2.4.1.7: Valores das mdias dentro de cada casela PEA OPERADOR 1 2 3 1 114,9577 114,9613 114,9580 2 114,9577 114,9577 114,9590 3 114,9590 114,9630 114,9647 4 114,9637 114,9657 114,9653 5 114,9657 114,9670 114,9663 6 114,9623 114,9643 114,9647 7 114,9670 114,9690 114,9697 8 114,9663 114,9690 114,9703 9 114,9527 114,9543 114,9547 10 114,9667 114,9647 114,9663 Usando as Tabelas 2.4.1.6 e 2.4.1.7, podemos encontrar os valores de
partir da frmula (2.4.1.4). Para a primeira pea, temos que
Procedendo da mesma forma para as demais peas, obtemos a Tabela 2.4.1.8 com valores de
Tabela 2.4.1.8: Valores de
PEA OPERADOR 1 2 3 1 0,00000033 0,00000033 0,00000000 2 0,00000033 0,00000433 0,00000100 3 0,00002700 0,00000000 0,00000033 4 0,00000133 0,00000033 0,00000033 5 0,00000133 0,00000100 0,00000033 6 0,00000033 0,00000133 0,00000033 7 0,00000000 0,00000100 0,00000033 8 0,00000833 0,00000100 0,00000033 9 0,00000033 0,00000133 0,00000033 10 0,00000033 0,00000133 0,00000033 Com isso, partir da frmula (2.4.1.8) obtemos o valor de QME como:
Procedendo da mesma maneira como no exemplo anterior podemos obter SQT
como
Com os valores de e
obtidos acima, podemos calcular as somas de quadrado
Com o valor obtido para QME, podemos obter SQE como
partir destas somas de quadrado podemos obter a soma de quadrado e o quadrado mdio da interao pea e operador como
6 o Passo Faa a anlise grfica: Construir o grfico de controle e S para avaliar as mdias e as amplitudes de cada repetio por operador. 7 o Passo Calcular a repetitividade como
8 o Passo partir das equaes (2.4.1.7) e (2.4.1.8), temos que
Com isso, temos pela equao (2.4.1.9) que a reprodutibilidade dada por
9 o Passo
10 o Passo
13 o Passo A Tabela 2.4.1.7 mostra a porcentagem de cada desvio padro em relao variao total. Fonte de variao Desvio padro % Repetitividade 0,001345775 26,19048299 Reprodutibilidade 0,001367615 26,61550832 Operador 0,001031400 20,07234423 Peca x Operador 0,000898100 17,47816582 Pea 0,004766740 92,76676839 RR 0,001918719 37,34068401 Total 0,005138413 100 Tabela 2.4.1.7: Porcentagem da variao total 14 o Passo
Resultados desse exemplo obtidos com o software Action:
Concluso: O sistema de medio precisa ser melhorado, pois temos uma %RR de 37,4% e um valor de ndc=3, o que considerado baixo. Observe que neste caso, tanto a repetitividade quanto a reprodutibilidade esto altas (acima de 26%) e temos interao entre as peas e os operadores, isto significa que temos peas mais complicadas de serem medidas do que outras. Alm disso, observe que no grfico R, o operador A apresenta pontos fora dos limites de controle, o que nos diz que este no entendeu adequadamente o procedimento de medio. Em resumo, temos diversas oportunidades de melhoria.
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. 2.4.2 - Modelo da ANOVA: sem interao entre pea e operador Modelo Estatstico
O modelo com dois fatores balanceados e com efeitos cruzados sem interao dado por
Para este modelo um parmetro comum a todos os tratamentos e representa a mdia geral dos dados, e o efeito devido ao i-simo e ao j-simo nvel do fator P (pea) e O (operador) e so variveis aleatrias independentes com distribuies normais com mdia zero e varincias e respectivamente. A varivel aleatria corresponde ao erro aleatrio experimental, isto , a variabilidade no explicada pelo modelo devido a variaes presentes em diversas fontes no consideradas no estudo. Este tambm tem distribuio normal com mdia zero, porm a varincia Resumindo,
Agora, vamos desenvolver a anlise de varincia para o modelo de efeitos aleatrios. partir de consideraes dos dados, temos:
Alm disso, assumimos que o erro tem distribuio Normal com mdia zero e varincia e que os erros so mutuamente independentes. Com isso, temos que
Agora, para o efeito , assumimos que tem distribuio Normal com mdia zero e varincia Assumimos tambm que os efeitos so mutuamente independentes. Assim,
Para o efeito , assumimos que tem distribuio Normal com mdia zero e varincia Assumimos tambm que os efeitos so mutuamente independentes. Assim,
A anlise de varincia para o modelo (2.4.2.1) obtida pela decomposio da variao toral como segue
em que
Assim, obtemos a tabela da ANOVA da seguinte forma Fator Graus de Liberdade Soma de Quadrados Quadrados Mdios F Fator Pea P p-1
Fator Operador O o-1
Repetitividade por-p-o+1
Agora, faremos um breve resumo dos valores esperados dos quadrados mdios. Fator Graus de Liberdade Quadrados Mdios Valor Esperado dos Quadrados Mdios Fator Pea P p-1
Fator Operador O o-1
Repetitividade por-p-o+1
Tabela 2.4.2.1: Valores Esperados dos Quadrados Mdios.
Estatstica
Tabela 2.4.2.2: Resumo dos Quadrados mdios e mdias para o modelo (2.4.2.1). A tabela 2.4.2.3 representa os estimadores pontuais do modelo (2.4.2.1). Representao do Modelo Estimador Pontual
ou
ou
ou
Tabela 2.4.2.3: Resumo dos Estimadores pontuais para o modelo (2.4.2.1). Aqui, realizamos os seguintes testes Teste do efeito do fator pea:
a estatstica de teste apropriada
e a regra de deciso ao nvel de significncia
Teste do efeito do fator operador:
a estatstica de teste apropriada
e a regra de deciso ao nvel de significncia
A seguir, calculamos as fontes de variao partir da tabela (2.4.2.3) e dividimos em passos como a seguir: 6 o Passo Faa a anlise grfica: Construir o grfico de controle e S ou e R. 7 o Passo Calcular a repetitividade
8 o Passo Calcular a reprodutibilidade
9 o Passo Calcular o RR
10 o Passo Calcular a variao entre as peas
11 o Passo Calcular a variao total
12 o Passo Tabela de % de contribuio Fontes de Variao Varincia % Contribuio Repetitividade (VE)
Reprodutibilidade (VO)
Pea (VP)
RR (RR)
Total (VT) 100 Tabela 2.4.2.4: Tabela de contribuio - sem interao Os valores utilizados para preencher a Tabela 2.4.2.4 vem das expresses (2.4.2.2) at (2.4.2.6).
13 o Passo Tabela de % em relao variao total e ou % de tolerncia Os valores utilizados para preencher a tabela a seguir (Tabela 2.4.2.5) vem das expresses (2.4.2.2) at (2.4.2.6). Fonte de variao Desvio Padro % Variao Total % Tolerncia Repetitividade VE
Reprodutibilidade VO
Pea VP
RR RR
Tabela 2.4.2.5: Tabela de % da variao total e ou % de tolerncia - sem interao
Sugesto de regra para anlise das variaes
Tolerncia: Sistema de medio aplicado em inspees finais e inspeo de recebimento; Variao total: Sistema de medio utilizado durante o processo produtivo. %RR menor que 10% sistema de medio aceitvel. %RR entre 10% e 30% sistema de medio marginal, podendo ser aceito dependendo da situao, custos, etc. %RR maior que 30% sistema de medio inaceitvel, sendo necessrio melhor- lo ou substitu-lo.
14 o Passo Calcular o ndc (Nmero de categorias distintas) O ndc representa a capacidade de discriminar categorias de peas em um sistema de medio considerando a variao do processo. Este ndice nos fornece o nmero de faixas que podemos dividir a variao do processo. O ndc dado pelo maior inteiro menor ou igual ao valor:
O manual da indstria automobilstica (MSA) apresenta como critrio um ndc 5. Isto quer dizer que o sistema de medio capaz de identificar 5 tipos distintos de peas dentro do campo de variao do processo. Se um sistema de medio avaliado pela tolerncia, o ndice ndc no deve ser considerado. 15 o Passo Realizar uma anlise dos dados para avaliar as caractersticas do sistema. Se a repetitividade for grande quando comparada com a reprodutibilidade, as razes podem ser: O dispositivo de medio precisa de manuteno; O dispositivo de medio dever ser reprojetado para ter maior robustez; A fixao ou posio para a medio precisam ser melhorados; Existe uma excessiva variao prpria da pea. Se a reprodutibilidade for grande comparada com a repetitividade, ento as possveis causas podem ser: 1. O operador precisa ser melhor treinado, bem como usar e ler o dispositivo de medio; 2. As marcaes no mostrador do dispositivo de medio no so claras; 3. Algum tipo de dispositivo pode ser necessrio para ajudar o operador a usar o dispositivo de medio mais consistentemente.
Exemplo 2.4.2.1 Num estudo realizado para analisar a eficincia do sistema de medio da altura do rdio, utilizamos o altmetro. Foram selecionados 5 peas aleatoriamente em turnos de produo diferentes e identificados apropriadamente. Os operadores que foram previamente treinados, ao pegarem os rdios com este cdigo de data, acionam um programa que ir armazenar as leituras em um banco de dados para RR. Obtemos os dados apresentados na Tabela 2.4.2.6 Pea OPERADOR A OPERADOR B OPERADOR C Mdia I II III I II III I II III 1 10,12 10,06 10,08 10,15 10,20 10,07 10,22 10,01 10,16 10,1189 2 10,14 10,15 10,20 10,26 10,30 10,20 10,26 10,26 10,32 10,2322 3 10,25 10,22 10,40 10,40 10,30 10,47 10,52 10,47 10,35 10,3756 4 10,13 10,16 10,11 10,14 10,13 10,18 10,15 10,11 10,10 10,1344 5 10,87 10,82 10,76 10,76 10,89 10,75 10,84 10,86 10,78 10,8144 6 10,88 10,85 10,82 10,90 10,91 10,87 10,91 10,92 10,89 10,8833 Mdia 10,3900 10,4277 10,4516 10,4264 Tabela 2.4.2.6: Leituras
clique aqui para efetuar o download dos dados utilizados nesse exemplo
6 o Passo Faa a anlise grfica: construir o grfico de controle e R para avaliar as mdias e as amplitudes de cada repetio por operador. 7 o Passo
8 o Passo
9 o Passo
10 o Passo
11 o Passo
13 o Passo - Tabela de % em relao variao total Fonte de variao Desvio Padro % Variao Total Repetitividade 0,0582 16,81 Reprodutibilidade 0,0293 8,46 Pea 0,3398 98,21 RR 0,0651 18,829 Total 0,3460 100,00 14 o Passo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. Concluso: Temos um bom sistema de medio. A porcentagem RR baixa (19%) e alm disso, temos um ndc=7, o que nos diz que este sistema tem boa capacidade de discriminar peas. 2.4.3 - Modelo da ANOVA: sem operador Modelo Estatstico
O modelo de um fator aleatrio com dados balanceados e as dedues so similares ao modelo da ANOVA com efeitos fixos.
Para este modelo um parmetro comum a todos os tratamentos e representa a mdia geral dos dados, o efeito devido ao i-simo nvel do fator. A varivel aleatria corresponde ao erro aleatrio experimental, isto , a variabilidade no explicada pelo modelo devido a variaes presentes em diversas fontes no consideradas no estudo. Resumindo,
Agora, vamos desenvolver a anlise de varincia para o modelo de efeitos aleatrios. A partir de consideraes dos dados, temos:
Alm disso, assumimos que o erro tem distribuio Normal com mdia zero e varincia e que os erros so mutuamente independentes. Com isso, temos que
Agora, para o efeito , assumimos que tem distribuio Normal com mdia zero e varincia Assumimos tambm que os efeitos so mutuamente independentes. Assim,
A tcnica da ANOVA est associada a partio da variabilidade total dos dados em componentes. A soma de quadrados total definida como medida da variabilidade total dos dados,
isto ,
Assim, obtemos a tabela da ANOVA da seguinte forma Fator Graus de Liberdade Soma de Quadrados Quadrados Mdios F Fator Pea P p-1
Repetitividade p(r-1)
Agora, mostramos um breve resumo dos valores esperados dos quadrados mdios. Fator Graus de Liberdade Quadrados Mdios Valor Esperado dos Quadrados Mdios Fator Pea P p-1
Repetitividade p(r-1)
Tabela 2.4.3.1: Valores Esperados dos Quadrados Mdios.
Estatstica
Tabela 2.4.3.2: Resumo dos Quadrados mdios e mdias para o modelo (2.4.3.1). A tabela 2.4.3.3 representa os estimadores pontuais do modelo (2.4.3.1). Representao do Modelo Estimador Pontual
ou
ou
Tabela 2.4.3.3: Resumo dos Estimadores pontuais para o modelo (2.4.3.1). Aqui, realizamos os seguintes testes Teste do efeito do fator pea:
a estatstica de teste apropriada
e a regra de deciso ao nvel de significncia
A seguir, calculamos as fontes de variao partir da tabela (2.4.3.3) e dividimos em passos como a seguir: 6 o Passo Faa a anlise grfica: Construir o grfico de controle e S ou e R. 7 o Passo Calcular a repetitividade
8 o Passo Calcular o RR
9 o Passo Calcular a variao entre as peas
10 o Passo Calcular a variao total
11 o Passo Tabela de % de contribuio Fontes de Variao Varincia % Contribuio Repetitividade (VE)
Pea (VP)
RR (RR)
Total (VT) 100 Tabela 2.4.3.4: Tabela de contribuio - sem interao Os valores utilizados para preencher a Tabela 2.4.3.4 vem das expresses (2.4.3.2) at (2.4.3.5). 12 o Passo Tabela de % em relao variao total e ou % de tolerncia Os valores utilizados para preencher a tabela a seguir (Tabela 2.4.3.5) vem das expresses (2.4.3.2) at (2.4.3.5). Fonte de variao Desvio Padro % Variao Total % Tolerncia Repetitividade VE
Pea VP
RR RR
Tabela 2.4.3.5: Tabela de % da variao total e ou % de tolerncia - sem interao
Exemplo 2.4.3.1 Considere o estudo realizado para analisar a eficincia do sistema de medio para medir o dimensional da porta de uma mquina escavadeira. O sistema de medio utiliza uma mquina de medio por coordenada com CNC. Neste caso, consideramos que o operador no influncia a medio, fato que nos levou a considerar apenas um operador e 15 peas na anlise.
6 Passo Faa a anlise grfica: construir o grfico de controle e R para avaliar as mdias e as amplitudes de cada repetio por operador. 7 Passo
8 Passo
9 Passo
10 Passo
11 Passo
13 Passo - Tabela de % em relao variao total VARIAO TOTAL E/OU TOLERNCIA Desvio padro Variao total (%) Repetitividade 0,197073027 16,40808397 Peas 1,184794492 98,64468957 Repetitividade e reprodutibilidade 0,197073027 16,40808397 Total 1,201072757 100 14 Passo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. 2.4.4 - Curvas de Desempenho Objetivo da curva de desempenho
A construo de uma curva de desempenho do dispositivo de medio (GPC, do ingls Gage Performance Curve) tem como objetivo ilustrar como varia a probabilidade de aceitao (P a ) de uma pea em funo do seu valor de referncia (VR). Uma vez que o erro de medio foi caracterizado, isto , sua mdia e desvio padro so determinados, torna-se possvel calcular a probabilidade de aceitao da pea dado eu valor de referncia. Admitindo que o erro normalmente distribudo com mdia igual a tendncia (b) e o desvio padro () igual ao RR, conclui-se que o valor da medio de uma pea tem distribuio normal com mdia igual a VR+b e desvio padro igual ao RR.
Probabilidade de aceitao
Portanto, a probabilidade de aceitar uma pea com valor de referncia igual a VR dada por
sendo LIE e LSE os Limites Inferior e Superior de Especificao, respectivamente. Podemos reescrever essa frmula como
sendo a funo de distribuio acumulada da normal padro N(0,1).
Exemplo 2.4.4.1
Considere um processo de produo de uma haste cujos limites de especificao so dados por LIE = 0,6 mm e LSE = 1 mm. Uma anlise do sistema de medio foi realizada encontrando uma tendncia b = 0,05 mm e RR = 0,05 mm. Determine a probabilidade de aceitar peas cujos valores de referncia (VR) so 0,5 mm, 0,7 mm e 0,9 mm. Para a pea com valor de referncia VR = 0,5 mm, a probabilidade de aceitao dada por
Para a pea com valor de referncia VR = 0,7 mm a probabilidade de aceitao dada por
Enquanto que para a pea com valor de referncia VR = 0;9 mm a probabilidade de aceitao dada por
Fazendo o clculo desta probabilidade de aceitao para vrios valores de VR, obtemos a curva GPC ilustrada na Figura 2.4.4.1.
Figura 2.4.4.1: Curva GPC.
A Figura 2.4.4.2 ilustra a curva GPC para um sistema de medio ideal.
Figura 2.4.4.2: Curva GPC ideal. 2.4.5 - Anlise grfica do RR Neste mdulo faremos uma discusso dos principais grficos associados ao estudo de repetitividade e reprodutibilidade. Para isso, usamos na anlise grfica um experimento com 3 operadores, 5 peas e 3 medidas por operador para cada pea. A seguir resumimos o experimento na tabela (2.4.5.1).
Operador Pea Medidas R 1 2 3 A 1
2
3
4
5
B 1
2
3
4
5
C 1
2
3
4
5
Mdia
Tabela 2.4.5.1: Leituras. partir da tabela (2.4.5.1) e da tabela de constantes para calcular os limites de controle e (ver Apndice do contedo estatstico do CEP), definimos os limites dos grficos: Para as mdias: Limite Superior de Controle:
Linha Central:
Limite Inferior de Controle:
Para as amplitudes: Limite Superior de controle:
Linha Central:
Limite Inferior de Controle:
A seguir, vamos estudar os casos mais comuns ocorridos em um estudo de RR. Caso 1: discriminao do sistema de medio
Figura 2.4.5.1: Discriminao do sistema de medio.
Concluso: A Figura 2.4.5.1 indica que h uma falta de discriminao do Sistema de Medio. Em geral, a resoluo do equipamento de medio pode ser inadequada. De acordo com o manual da indstria automobilstica (MSA), a maioria dos pontos do Grfi co da amplitude (Figura 2.4.5.1) devem ser diferentes de zero.
Caso 2: anlise do grfico R - treinamento
Figura 2.4.5.2: Anlise do grfico R - treinamento.
Concluso: A Figura 2.4.5.2 apresenta um problema relacionado ao treinamento no mtodo. Tambm podemos ter problemas com o mtodo utilizado, talvez o mtodo exige uma habilidade manual que nem todas as pessoas possuem.
Caso 3: anlise do grfico R - mtodo
Figura 2.4.5.3: Anlise do grfico R - mtodo. Concluso: Quando temos um grfico da amplitude conforme mostra a Figura 2.4.5.3 devemos verificar se os pontos (alm dos limites) entre os avaliadores no correspondem a mesma pea. Caso afirmativo, avalie a pea. Caso no seja a mesma pea, o mtodo precisa ser revisado, pois os avaliadores no esto conseguindo reproduzi-lo.
Caso 4: anlise de repetitividade
Figura 2.4.5.4: Anlise de repetitividade.
Concluso: De acordo com a Figura 2.4.5.4 quanto mais pontos fora dos limites de controle melhor. A amplitude entre as linhas de controle, LSC - LIC = 2A 2 reflete a repetitividade do sistema de medio, enquanto os pontos refletem a variabilidade entre as peas (processo produtivo). Neste caso, comparamos a repetitividade do SM (limites de controle) com a variabilidade do processo produtivo (pontos no grfico). De acordo com o manual da indstria automobilstica (MSA), quando analisamos o RR pela variao total, a maioria dos pontos do Grfi co da mdia (Figura 2.4.5.4) devem estar fora dos limites de controle.
Caso 5: anlise de reprodutibilidade
Figura 2.4.5.5: Anlise de reprodutibilidade. Concluso: Neste caso, vamos comparar as medies entre os avaliadores. Como os avaliadores esto medindo as mesmas peas, as medies devem ser similares, conforme a Figura 2.4.5.5. Ento, quanto mais paralela for a reta que une as mdias em relao ao eixo x melhor.
Caso 6: interao pea versus sistema de medio
Figura 2.4.5.6: Interao pea versus sistema de medio. Concluso: No grfico das peas, vide Figura 2.4.5.6, avaliamos a consistncia do Sistema de Medio em relao s peas usando os seguintes critrios: a) As peas so distintas, portanto, o Sistema de Medio deve identific-las. Assim, as medies das peas no podem estar alinhadas. b) Se uma pea variar mais que as outras (como a pea 2 por exemplo), significa que o Sistema de Medio teve mais dificuldade em avaliar esta pea. Analise a pea e identifique a causa.
Caso 7: interao pea versus avaliador
Figura 2.4.5.7: Grfico sem interao.
Figura 2.4.5.8: Grfico com interao. Observamos na Figura 2.4.5.7 que no h interao entre avaliadores e pea, uma vez que, as medies das peas praticamente no variam de acordo com o avaliador. Ao contrrio, na Figura 2.4.5.8, notamos que a mdia das medies aumentam ou diminuem, dependendo do avaliador. Por exemplo, a mdia das medies do avaliador C menor para a pea 2 e maior para a pea 4. 3 - Anlise de Sistema de Medio - No Replicvel O sistema de medio no replicvel corresponde aos sistemas de medio cujas leituras no podem ser repetidas em cada pea, inclumos os sistemas onde as peas sofrem alteraes durante o ensaio ou so destrudas. A seguir apresentamos alguns mtodos de anlise, que nos permite obter informao sobre a Variabilidade do processo e a sua Estabilidade.
3.1 - Estabilidade Neste mdulo, apresentamos uma estratgia para avaliar a estabilidade de sistemas de medio no replicveis. A seguir, apresentamos a tcnica da diviso de amostras. Diretrizes Processo de produo sob controle estatstico; A pea no degrada durante o tempo de realizao do experimento; Disponibilidade de um grande nmero de peas; Caso seja possvel, utilizar padres de referncia que sejam representativos do processo, ao invs de peas;
Mtodos de anlise: 1 Passo: Para a realizao deste ensaio ser necessria a utilizao de uma grande quantidade de peas (50 ou mais) cujas caractersticas como matria-prima utilizada, mquina que as produziu, temperatura do processo e operador sejam as mais uniformes possveis. 2 Passo: Selecionamos, aproximadamente, metade das peas e as medimos na sequncia e em um pequeno perodo de tempo. Nosso objetivo determinar a variao de curto prazo do sistema de medio. Atravs destas medies elaboramos o grfico de CEP I-MR, sendo I os valores individuais e MR as amplitudes mveis - com o qual verificamos, a variabilidade do processo. Os limites de controle destes grficos so calculados de acordo com a Tabela 3.1.1. 3 Passo: As peas restantes so medidas periodicamente (dirio, semanal, mensal), em seqncia, e se possvel em horrios diferentes nos casos em que se acredita que esta condio possa ser relevante para se avaliar a estabilidade. Na sequncia, elaboramos o grfico I-MR com os mesmos lmites de controle obtidos no passo 2. Se todos os pontos estiverem dentro dos limites de controle conclumos que o processo est estvel. Esta tcnica compara a variao de curto prazo (passo 2), no qual as medies so realizadas na sequncia e em um pequeno perodo de tempo, com a variao de longo prazo (passo 3), no qual as medies so realizadas a longo do tempo. Se as variaes de curto prazo e longo prazo so similares, conclumos que o sistema estvel.
Limites dos Grficos N o de leituras agrupadas (n) E 2 D 3 D 4
Grfico dos Val. Individuais (I) 2 2,66 0 3,267 LSC = Limite Superior = + E 2 3 1,77 0 2,574 LC = Limite Central = 4 1,46 0 2,282 LIC = Limite Inferior = -E 2 5 1,29 0 2,114 Grfico das Amplitudes R 6 1,18 0 2,004 LSC = Limite Superior = D 4 7 1,11 0,076 1,924 LC = Limite Central = 8 1,05 0,136 1,864 LIC = Limite Inferior = D 3 9 1,01 0,184 1,816 10 0,98 0,223 1,777 Tabela 3.1.1: Valores de E 2 , D 3 e D 4
Exemplo 3.1.1 Considere a caracterstica resistncia trao realizada com corpos-de-prova de ao. Objetivo: Estudar a estabilidade do sistema de medio de trao.
Descrio do Experimento: Produzir um lote de corpos de prova bastante homogneo (mesma corrida); Os corpos de prova no degradam durante o tempo de realizao do experimento; Disponibilidade de um grande nmero de corpos de prova.
1 o Passo: Para a realizao do experimento utilizamos 32 corpos de prova cujas caractersticas como matria-prima utilizada, mquina que as produziu, processo e avaliador sejam as mais uniformes possveis.
2 o Passo: Utilizando 16 corpos de prova (metade do lote), realizamos um estudo de estabilidade do processo I-MR com o qual verificamos, atravs dos limites de controle, a variabilidade do processo. Estes 16 corpos de prova so medidos no mesmo dia (Tabela 3.1.2). 3 o Passo: As 16 peas restantes so medidas periodicamente (semanal) em horrios diferentes (Tabela 3.1.3). Como critrio para a avaliao da estabilidade utilizamos a anlise do grfico de controle I-MR, com os mesmos limites de controle obtidos no 2 passo. 1. Resistncia a trao (MPA) Medio de 16 corpos de prova, realizadas no mesmo dia (Passo 2); Avaliador: A Mquina: Amsler Corrida: 0782697 Data: 26/02/03 Para os dados da Tabela 3.1.2, obtemos os valores da mdia e da amplitude mdia como = 1160,625 = 22,533 Tabela 3.1.2: Medies do mesmo dia Leituras 1164 1135 1171 1195 1181 1164 1155 1161 1159 1151 1119 1171 1119 1193 1166 1166 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Com isso, obtemos os limites de controle para as medies individuais como
e os limites de controle para a amplitude como
sendo os valores de E 2 , D 3 e D 4 obtidos da Tabela 3.1.2 com n = 2. Abaixo, apresentamos os grficos de valores individuais e amplitudes mveis para as peas que foram medidas no mesmo dia:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
A estimativa do desvio padro de curto prazo dada por
em que o valor de d 2 obtido pela Tabela de d2 com g > 15 (nmero de amplitudes para calcular ) e m = 2 (nmero de medidas utilizadas para calcular cada amplitude). Portanto, temos que o desvio padro estimado dado por
No passo 3, os 16 corpos de prova restantes so medidos semanalmente, com os resultados apresentados na Tabela 22. Medio de 16 corpos de prova, realizadas semanalmente (Passo 3); Avaliador: A Mquina : Amsler Corrida: 0782697 Abaixo, apresentamos os grficos de valores individuais e amplitudes mveis para as peas que foram medidas ao longo do tempo: Tabela 3.1.3: Tabela com as 16 medies restantes Data Horrio Resistncia 07/03/2003 10:30 1117 14/03/2003 15:35 1152 19/03/2003 12:35 1182 25/03/2003 08:25 1206 01/04/2003 10:45 1195 10/04/2003 07:35 1175 17/04/2003 08:55 1171 25/04/2003 11:05 1161 30/04/2003 09:05 1137 05/05/2003 13:00 1182 12/05/2003 14:20 1153 21/05/2003 12:50 1188 29/05/2003 09:10 1168 05/06/2003 09:35 1141 09/06/2003 11:00 1177 11/06/2003 09:00 1142 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Utilizando os mesmos limites de controle dos grfico de valores individuais e amplitudes mveis com as medies do mesmo dia (16 corpos de prova), montamos o grfico de valores individuais e amplitudes mveis para as medies realizadas semanalmente, conforme Figura 15.
Figura 3.1.1: Grfico de valores individuais e amplitude mveis, = 1160;625 e = 19;97.
Concluso: Ao analisar o grfico das amplitudes mveis, observamos que no h nenhum ponto fora dos limites de controle, o mesmo acontecendo para o grfico de valores individuais. Assim, conclumos que o sistema de medio est estvel com relao resistncia trao.
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. 3.2 - RR No-Replicvel (Mtodo Hierrquico) Neste mdulo, vamos analisar a variabilidade (estudo de RR) de sistemas de medio no replicveis. Ao realizarmos o estudo de RR de um sistema de medio replicvel, obtemos um arranjo experimental conforme a Tabela 3.2.1. Entretanto, para um sistema de medio no replicvel este arranjo no possvel, pois no podemos medir a mesma pea vrias vezes. Como exemplo, considere o teste destrutivo de solda onde uma porca soldada arrancada de uma pea e a quantidade mxima de fora antes do arrancamento medida. A solda destruda no processo, portanto no pode ser avaliada novamente. Portanto, no podemos medir a mesma pea mais de uma vez e neste caso, o arranjo descrito na Tabela 3.2.1 no se aplica.
Operador 1 Operador 2 Pea Parte I Parte II Parte III Parte I Parte II Parte III 1 1 1 1 1 1 1 2 2 2 2 2 2 2 3 3 3 3 3 3 3 4 4 4 4 4 4 4 5 5 5 5 5 5 5 6 6 6 6 6 6 6 7 7 7 7 7 7 7 8 8 8 8 8 8 8 9 9 9 9 9 9 9 10 10 10 10 10 10 10 Tabela 3.2.1: Leituras.
A primeira medida a ser feita antes de abordar um estudo RR no replicvel garantir que todas as condies que englobam o teste sejam definidas, padronizadas e controladas - operadores devem ser similarmente qualificados e treinados, a iluminao deve ser adequada e sempre controlada, instrues de trabalho devem ser detalhadas e operacionalmente definidas, condies ambientais devem ser controladas dentro de um grau adequado, equipamentos devem ser calibrados e receber manuteno adequada, etc. Em segundo lugar, antes de fazer um estudo de um sistema de medio no replicvel, necessrio verificar se o processo de produo estvel e capaz. Depois disto, uma vez que a pea no pode ser reavaliada devido alteraes em sua estrutura (ou destruio), diversas peas semelhantes (homogneas) devem ser escolhidas para o estudo e deve ser feita a suposio de que as peas so idnticas (ou similares). Os conjuntos de peas homogneas so denominados lotes. Neste caso, temos o arranjo experimental definido na Tabela 3.2.2, no qual a pea 1 tratada como lote 1-1, 1-2, 1-3, 1-4, 1-5, 1-6, isto , so peas distintas que so tratadas como se fossem uma mesma pea. Desta forma, as peas devem ser amostradas consecutivamente (dentro de um mesmo lote de produo) sendo idnticas (ou similares) o suficiente para que elas possam ser tratadas como se fossem a mesma pea. Se o processo de interesse no satisfizer esta suposio, este mtodo no ir funcionar. Geralmente se estas peas so tiradas da produo de modo consecutivo, sob condies de produo semelhantes o mximo possvel, esta exigncia cumprida.
Estudo da variabilidade do sistema de medio de trao
OPERADOR 1 OPERADOR 2 Lote Parte 1 Parte 2 Parte 3 Parte 1 Parte 2 Parte 3 1A. . . 1F 1-1 1-2 1-3 1-4 1-5 1-6 2A. . . 2F 2-1 2-2 2-3 2-4 2-5 2-6 3A. . . 3F 3-1 3-2 3-3 3-4 3-5 3-6 4A. . . 4F 4-1 4-2 4-3 4-4 4-5 4-6 5A. . . 5F 5-1 5-2 5-3 5-4 5-5 5-6 6A. . . 6F 6-1 6-2 6-3 6-4 6-5 6-6 7A. . . 7F 7-1 7-2 7-3 7-4 7-5 7-6 8A. . . 8F 8-1 8-2 8-3 8-4 8-5 8-6 9A. . . 9F 9-1 9-2 9-3 9-4 9-5 9-6 10A. . . 10F 10-1 10-2 10-3 10-4 10-5 10-6 Tabela 3.2.2: Leituras No arranjo experimental definido para sistemas replicveis (ver Tabela 3.2.1), todas as combinaes de nveis entre os fatores (pea e operador) esto bem definidas. Neste caso, temos o cruzamento entre todos os nveis de todos os fatores (experimentos fatoriais cruzados). Por outro lado, no arranjo experimental definido para sistemas no replicveis (ver Tabela 3.2.2), os nveis do fator lote (peas similares) ocorrem em combinao com os nveis do fator operador, por exemplo, a pea 1-1 foi medida apenas pelo operador A. Tais arranjos experimentais so denominados hierrquicos ("nested''). Na figura 3.2.1, apresentamos um esquema hierrquico aplicado a um sistema de medio no replicvel.
Figura 3.2.1:Croqui de um experimento hierrquico.
Modelo Estatstico
Denotamos por o valor da medida da k-sima parte, do operador i para a pea j.
em que, = constante = efeito aleatrio devido ao operador, (nmero de operadores).Assumimos que tem distribuio normal com mdia zero e varincia . = efeito aleatrio devido ao j-simo lote hierarquizado sob o i-simo operador, (nmero de lotes). = erro associado a cada observao, hierarquizado em relao aos operadores e lotes, (nmero de partes, rplicas). A anlise de varincia para o modelo estatstico acima obtida pela decomposio da variao total como segue
Desta forma a quebra da variabilidade definida por:
em que
Neste caso, a tabela da ANOVA fica da seguinte forma: Fator GL Soma de Quadrados Quadrados Mdios F Operador
Lote Hierrquico ao Operador
Repetitividade
Total
No modelo hierrquico com fatores aleatrios (operador e pea), temos os seguintes valores para a esperana dos quadrados mdios e as estatsticas associados ao testes de influncia dos fatores. E(QM) A: Aleatrio B: Aleatrio E(QMO)
E(QML(O))
E(QME)
Testes Estatsticos Apropriados Teste para A: Aleatrio B: Aleatrio Fator A
Fator B(A)
Aqui, realizamos os seguintes testes Teste do efeito do lote hierarquizado ao operador:
a estatstica de teste apropriada
e a regra de deciso ao nvel de significncia
Teste do efeito do operador:
a estatstica de teste apropriada
e a regra de deciso ao nvel de significncia
A seguir, apresentamos os clculos dos componentes de varincia: 1. Repetitividade
2. Variao devido ao operador
3. Variao dos lotes hierarquizados ao operador
4. Repetitividade e Reprodutibilidade
5. Variao total
6. Tabela dos ndices Fonte de Variao Desvio Padro % de Variao %Tolerncia Repetitividade VE
Reprodutibilidade VO
Pea VP
RR RR
Exemplo 3.2.1 Considere a caracterstica resistncia trao realizada com corpos-de-prova de ao. Objetivo: Avaliar a reprodutibilidade e a repetitividade do sistema de medio. Descrio do experimento Selecionar 5 corridas de ao (p = 5), com pouca variabilidade dentro das corridas e a variabilidade natural do processo (de produo) entre as corridas; De cada corrida foi processado uma barra ; Cada barra foi dividido em seis partes; As partes do corpo de prova foram submetidas ao sistema de medio, onde foram medidas a Resistncia (2 avaliadores (o = 2); 3 partes por avaliador ( r = 3 )). Unidade: MPA; Tolerncia: 130 MPA Os resultados esto abaixo: Avaliador 1 : Aval. 1. Avaliador 2 : Aval. 2. Corrida Avaliador Resistncia 1 1 1168 1 1 1170 1 1 1171 2 1 1179 2 1 1155 2 1 1159 3 1 1161 3 1 1179 3 1 1170 4 1 1190 4 1 1182 4 1 1197 5 1 1135 5 1 1150 5 1 1130 1 2 1142 1 2 1164 1 2 1177 2 2 1173 2 2 1175 2 2 1148 3 2 1184 3 2 1159 3 2 1182 4 2 1190 4 2 1188 4 2 1188 5 2 1139 5 2 1137 5 2 1151 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Aplicao A soma dos quadrados dada pelas seguintes frmulas
Desta forma, temos a tabela da ANOVA Considerando que os fatores so aleatrios, vamos analisar se existe diferena significativa entre os avaliadores, para isso usamos a estatstica de teste
Ao nvel = 0,05 de significncia temos
Como , no rejeitamos a hiptese , portanto conclumos que no existe diferena entre os avaliadores. Avaliamos agora, a variabilidade entre as corridas, atravs da estatstica de teste
Ao nvel = 0,05 de significncia temos
Como , rejeitamos a hiptese , portanto conclumos que existe variabilidade entre as corridas analisadas. Repetitividade
Variao devido ao operador
Variao dos lotes hierarquizados ao operador
Repetitividade e Reprodutibilidade
Variao total
Desvio padro entre as corridas: 16,64 MPA; Repetitividade: variabilidade devido ao Sistema de Medio mais a variabilidade da barra (falta de homogeneidade da barra); Repetitividade do sistema de medio: 10,97 MPA; Os avaliadores no influenciam de forma significativa na variabilidade do sistema de medio; A variabilidade entre as corridas significativa com relao a repetitividade.
Concluses
O sistema de medio apresenta uma repetitividade alta e uma reprodutibilidade desprezvel. A repetividade do sistema de medio apresenta um ndice de 55% com relao variao total. Alm disso, atravs do grfico da mdia (Xbarra), observamos que a disperso dos pontos e as linhas de controle (linhas vermelhas) esto muito prximas (a maioria dos pontos esto dentro das linhas de controle). Com isso, conclumos que a repetitividade do sistema de medio e a variao do processo produtivo (variabilidade entre as barras) so similares, como consequncia no conseguimos realizar melhoria contnua atravs dos dados gerados por este sistema de medio. Portanto, o sistema de medio no est adequado para controlar o processo. Resultados obtidos pelo Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. 4 - Sistema de Medio por Atributo Definies Um sistema de medio por atributo (exemplo: calibrador tampo), classifica a pea em defeituosa ou no. Um dos principais objetivos da anlise de sistemas de medio por atributo est na compreenso e preveno dos erros de classificao. Para isto, propomos os seguintes passos para analisar um sistema de medio por atributo: 1. Analisar criticamente o relatrio de calibrao do dispositivo de medio; 2. Preparar uma norma interna de uso, manuseio e interpretao do dispositivo de medio. Treinar todos os usurios; 3. Realizar a coleta de dados para anlise do sistema de medio; 4. Calcular o grau de concordncia em relao ao(s); o Sistema referncia: avaliar o projeto e a aplicabilidade do dispositivo; o Operadores: avaliar a consistncia do dispositivo e o treinamento no uso e manuseio; 5. Taxa de erro: probabilidade do operador aprovar uma pea que no atende as especificaes; 6. Taxa de falso alarme: probabilidade do operador reprovar uma pea que atende as especificaes; 7. Mtodo de Deteco de Sinais: calcular as regies com maior probabilidade de falha do sistema de medio por atributo. Estimar a variabilidade do sistema de medio.
Coleta de dados
A coleta de dados e a anlise do sistema de medio por atributo conduzida conforme os passo descritos a seguir: Passo 1: Selecionar um nmero suficiente de peas dentre as quais tenhamos peas defeituosas e no defeituosas. Qual a quantidade de peas que devemos utilizar para realizar o estudo de sistema de medio por atributo? Para desespero dos usurios a resposta o "suficiente". O propsito de se estudar um sistema de medio (atributo ou varivel) est em conhecer suas propriedades. Um nmero suficiente de amostras deve ser selecionado para cobrir uma amplitude esperada de operao. No caso de sistema por atributo, a regio de interesse so as reas cinza. Se a capacidade do processo boa, ento uma amostra pequena pode no conter muitas peas na rea cinza. Isto significa que um processo com boa capacidade requer uma amostra maior. No exemplo citado na quarta edio, para um Pp=Ppk=0,5 (no qual esperamos 13% de peas no conformes), foi selecionado 50 peas para realizar o estudo do sistema de medio por atributo. Um alternativa para evitarmos amostras grandes, consiste em escolher as peas diretamente na rea cinza para assegurar que o efeito da variabilidade do avaliador ser visualizado. Considere um sistema de medio por atributo que compara cada pea com os limites de especificao, o sistema aceita a pea se a mesma est entre as especificaes e rejeita caso contrrio (conhecido como sistema passa no passa). Como qualquer sistema de medio, existe uma rea cinza em torno dos limites de especificao no qual o sistema de medio comete erros de classificao. Desde que no conhecemos, a priori, a rea cinza, devemos realizar estudos do sistema de medio. Entretanto, para determinarmos as reas de risco em torno dos limites de especificao, precisamos escolher aproximadamente 25% da peas "prximas" ao limite inferior e 25% da peas "prximas" ao limite superior. Nos casos em que difcil fazer tais peas, a equipe pode decidir utilizar uma porcentagem menor, apesar de reconhecer que esta atitude pode aumentar a variabilidade dos resultados. Se no for possvel fazer peas prximas aos limites de especificao a equipe deveria reconsiderar o uso de um sistema de medio por atributos para este processo. Para cada caracterstica, as peas devem ser medidas por um sistema de medio por variveis com variabilidade aceitvel. Quando uma caracterstica no pode ser medida por um sistema de medio por variveis (exemplo, visual), utilizamos outros meios, como a classificao por especialistas. Passo 2: Selecionar os operadores, no mnimo 2. A sugesto da quarta edio que devemos escolher trs operadores. Passo 3: Cada operador deve medir no mnimo trs vezes cada pea. Passo 4: Para cada dupla de operadores, apresentar os dados da seguinte maneira. OP-B OP-B OP-A 1 - C 2 - NC Total 1 - C 2 - NC Total Aqui, utilizamos a seguinte notao: 1 : pea classificada como aprovada; 2 : pea classificada como reprovada; o 11 : nmero de classificaes aprovadas para o avaliador A e aprovadas para o avaliador B; o 12 : nmero de classificaes aprovadas para o avaliador A e reprovadas para o avaliador B; o 21 : nmero de classificaes reprovadas para o avaliador A e aprovadas para o avaliador B; o 22 : nmero de classificaes reprovadas para o avaliador A e reprovadas para o avaliador B; o 1 =o 11 +o 12 : total de aprovaes do avaliador A; q 1 =o 21 +o 22 : total de reprovaes do avaliador A; o 2 =o 11 +o 21 : total de aprovaes do avaliador B; q 2 =o 12 +o 22 : total de reprovaes do avaliador B; n : total de medies por avaliador =o 1 +q 1 =o 2 +q 2
Passo 5: Calcular as propores observadas OP-B OP-B OP-A 1 - C 2 - NC Total 1 - C
2 - NC
Total
1 Passo 6: Calcular as propores esperadas OP-B OP-B OP-A 1 - C 2 - NC 1 - C
2 - NC
Passo 7: Calcular o coeficiente Kappa
Passo 8: Critrio: o coeficiente Kappa deve ser superior a 0,75. Se o Kappa for inferior a 0,75 dizemos que no existe uma boa concordncia entre os avaliadores.
Tabela 25: Tabela de frequncia - A x B Op. B Op. A 1-C 2-NC Total 1-C 97 3 100 2-NC 6 44 50 Total 103 47 150
Tabela 26: Tabela de frequncia - A x C
Op. C
Op. A 1-C 2-NC Total 1-C 92 8 100 2-NC 7 43 50 Total 99 51 150
Tabela 27: Tabela de frequncia - B x C
Op. C
Op. B 1-C 2-NC Total 1-C 94 9 103 2-NC 5 42 47 Total 99 51 150
Na seqncia, calculamos o coeficiente Kappa para todas as combinaes de avaliadores. Inicialmente, vamos calcular as propores observadas (Passo 5):
Tabela 28: Tabela de propores observadas - A x B
Op. B
Op. A 1-C 2-NC Total 1-C 0,647 0,02 0,667 2-NC 0,04 0,293 0,333 Total 0,687 0,313 1
Tabela 29: Tabela de propores observadas - A x C
Op. C
Op. A 1-C 2-NC Total 1-C 0,613 0,053 0,667 2-NC 0,0467 0,287 0,333 Total 0,66 0,34 1
Tabela 30: Tabela de propores observadas - B x C
Op. C
Op. B 1-C 2-NC Total 1-C 0,627 0,06 0,687 2-NC 0,033 0,28 0,313 Total 0,66 0,34 1
A seguir, calculamos as propores esperadas ( Passo 6 ): Tabela 31: Tabela de propores esperadas - A x B
Op. B Op. A 1-C 2-NC 1-C 0,458 0,209 2-NC 0,229 0,104
Tabela 32: Tabela de propores esperadas - A x C
Op. C Op. A 1-C 2-NC 1-C 0,44 0,227 2-NC 0,22 0,113
Tabela 33: Tabela de propores esperadas - B x C
Op. C Op. B 1-C 2-NC 1-C 0,453 0,233 2-NC 0,207 0,107
Finalmente, calculamos o Kappa entre os avaliadores (Passo 7):
Concluso: Como o Kappa maior que 0,75 (0,863) conclumos que existe concordncia entre os avaliadores A e B.
Concluso: Como o Kappa maior que 0,75 (0,776) conclumos que existe concordncia entre os avaliadores A e C.
Concluso: Como o Kappa maior que 0,75 (0,788) conclumos que existe concordncia entre os avaliadores B e C.
Calculando o coeficiente Kappa com relao ao padro Tabelas de frequncias ( Passo 4 ):
Tabela 34: Tabela de frequncia - A x Padro REF Op. A 1-C 2-NC Total 1-C 97 3 100 2-NC 5 45 50 Total 102 48 150 Tabela 35: Tabela de frequncia - B x Padro
REF
Op. B 1-C 2-NC Total 1-C 100 3 103 2-NC 2 45 47 Total 102 48 150 Tabela 36: Tabela de frequncia - C x Padro
REF
Op. C 1-C 2-NC Total 1-C 93 6 99 2-NC 9 42 51 Total 102 48 150 Vamos calcular agora as propores observadas ( Passo 5 ):
Tabela 37: Tabela de propores observadas - A x Padro
REF
Op. A 1-C 2-NC Total 1-C 0,647 0,02 0,667 2-NC 0,033 0,3 0,333 Total 0,68 0,32 1 Tabela 38: Tabela de propores observadas - B x Padro
REF
Op. B 1-C 2-NC Total 1-C 0,667 0,02 0,687 2-NC 0,013 0,3 0,313 Total 0,68 0,32 1 Tabela 39: Tabela de propores observadas - C x Padro
REF
Op. C 1-C 2-NC Total 1-C 0,62 0,04 0,66 2-NC 0,06 0,28 0,34 Total 0,68 0,32 1 Agora as propores esperadas ( Passo 6 ): Tabela 40: Tabela de propores esperadas - A x Padro REF Op. A 1-C 2-NC 1-C 0,453 0,213 2-NC 0,227 0,107 Tabela 41: Tabela de propores esperadas - B x Padro REF Op. B 1-C 2-NC 1-C 0,467 0,220 2-NC 0,213 0,1 Tabela 42: Tabela de propores esperadas - C x Padro REF Op. C 1-C 2-NC 1-C 0,449 0,211 2-NC 0,231 0,109 Finalmente, calculamos o Kappa entre os avaliadores e o padro (Passo 7): Avaliador A e o padro:
Avaliador B e o padro:
Avaliador C e o padro:
Algumas definies Nesta Seo, vamos continuar a anlise do sistema de medio. Pretendemos avaliar os erros de classificao em relao peas conformes e no conformes. Temos Taxa de erro: a probabilidade do avaliador classificar uma pea como sendo Aprovada, quando na verdade esta pea Reprovada;
Taxa de falso alarme: a probabilidade do avaliador classificar uma pea como sendo Reprovada, quando na verdade esta pea Aprovada.
Taxa de concordncia: a probabilidade do avaliador classificar uma pea conforme o sistema de referncia (e ou ele mesmo). em que: Ap Aval = Medies que o avaliador considera aprovada; Rep Aval = Medies que o avaliador considera reprovada; Ap Pad = Medies que o sistema de referncia considera aprovada; Rep Pad = Medies que o sistema de referncia considera reprovada. Ento:
Assim: Taxa de erro:
Taxa de falso alarme:
Taxa de concordncia:
Passos para o clculo
Para calcularmos a probabilidade de falha e a taxa de falso alarme, propomos os seguintes passos:
Passo 8: Considere a tabela de freqncia observada, conforme passo 4. Porm, tomamos a tabela de frequncia observada de cada operador em relao ao valor de referncia, na forma
Referncia Referncia Avaliador 1-C 2-NC Total 1-C o 11 o 12 o 1
2-NC o 21 o 22 q 1
Total o 2 q 2 n Aqui, utilizamos a seguinte notao: 1 : pea classificada como aprovada; 2 : pea classificada como reprovada. o 11 : nmero de classificaes aprovadas para o avaliador e aprovadas para a referncia; o 12 : nmero de classificaes aprovadas para o avaliador e reprovadas para a referncia; o 21 : nmero de classificaes reprovadas para o avaliador e aprovadas para a referncia; o 22 : nmero de classificaes reprovadas para o avaliador e reprovadas para a referncia; o 1 = o 11 +o 12 : total de aprovaes do avaliador; q 1 = o 21 +o 22 : total de reprovaes do avaliador; o 2 = o 11 +o 21 : total de aprovaes do a referncia; q 2 = o 12 +o 22 : total de reprovaes do a referncia; n : total de medies = o 1 +q 1 = o 2 +q 2
Passo 9: Calcular os ndices: 9.1 - Taxa de falha
9.2 - Probabilidade de falso alarme
9.3 - Concordncia
Critrios para anlise A seguir, apresentamos os critrios para anlise da taxa de falha, probabilidade de falso alarme e concordncia (Tabela 43). Tabela 43: Critrio de deciso Deciso Sistema de Medio Concordncia Taxa de Erro Taxa de Falso Alarme Aceitvel para o avaliador 90% 2% 5% Marginal aceitvel para o avaliador, pode necessitar a melhoria 80% 5% 10% Inaceitvel para o avaliador, necessita a melhoria < 80% > 5% > 10%
Exemplo 4.1.2 Voltando ao Exemplo 4.1.1, vamos calcular as Taxas de Erro e Falso Alarme para cada Avaliador. Vamos construir as tabelas com o numeros de medies para cada operador: Avaliador A clique aqui para efetuar o download dos dados utilizados nesse exemplo
Tabela 44: Nmero de medies por referncia e pelo Avaliador A Avaliador A Referncia Total Aprova Reprova Aprova 97 3 100 Reprova 5 45 50 Total 102 48 150 Portanto, para o avaliador A temos: Passo 9: Calcular os ndices: 9.1 - Taxa de falha
9.2 - Probabilidade de falso alarme
9.3 - Concordncia
Avaliador B Tabela 45: Nmero de medies por referncia e pelo Avaliador B
Avaliador B Referncia Total Aprova Reprova Aprova 100 3 103 Reprova 2 45 47 Total 102 48 150
Portanto, para o avaliador B temos: Passo 9: Calcular os ndices: 9.1 - Taxa de falha
9.2 - Probabilidade de falso alarme
9.3 - Concordncia
Avaliador C Tabela 46: Nmero de medies por referncia e pelo Avaliador C Avaliador C Referncia Total Aprova Reprova Aprova 93 6 99 Reprova 9 42 51 Total 102 48 150
Portanto, para o Avaliador C temos: Passo 9: Calcular os ndices: 9.1 - Taxa de falha
9.2 - Probabilidade de falso alarme
9.3 - Concordncia
Exemplo 4.1.2 - Tabela avaliadores Avaliadores Concordncia Taxa de Erro Taxa de Falso Alarme A 84% 6,3% 4,9% B 90% 6,3% 2% C 80% 12,5% 8,8%
Concordncia entre os Avaliadores
Concordncia entre Padro e cada Avaliador
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Concluso: Como todos os valores de Kappa esto acima de 0,75, conclumos que os operadores concordam entre si e com o padro. Porm, as taxas de erro dos operadores ( , , ) esto acima do especificado pelo manual MSA, que de 5%. Desta forma, temos uma oportunidade de melhoria.
Deteco de sinais
Uma alternativa para estimar a Banda Cinza (ver Figura 18), uma regio no qual o dispositivo apresenta probabilidade alta de m classificao, usar a teoria da Deteco do Sinal.
0,470832 + 0,465454 x 0,46241 x 0,454518 x 0,45231 x 0,449696 x 0,446697 -
0,437817 - 0,427687 - 0,412453 - 0,409238 - Tabela 4.1.2: Valores de Referncia ordenados. Passo 1: Determine a tolerncia (limites de especificao). Por exemplo da tabela 4.1.1, temos:
Ento, temos que a tolerncia dada por:
Este o valor a ser usado para calcular o RR.
Orientaes: Se , compare o sistema de medio com o processo; Se , compare o sistema de medio com a tolerncia. Esta "regra" equivale a comparar o sistema de medio com o que for mais restritiva (processo ou tolerncia). No exemplo 4.1.1, o . Como a variao do processo superior tolerncia, vamos comparar a variao do sistema de medio com a tolerncia. Passo 2: Ordene os dados em ordem decrescente (maior para o menor) com base nos valores de referncia das peas (veja tabela 4.1.2). Passo 3: Identificar os pontos final e inicial das duas reas cinza. Na tabela 4.1.2 mostrado na coluna cdigo.
Sinal Descrio Aceita com Concordncia Total
Rejeita com Concordncia Total
No Concordncia Atravs da amplitude dos intervalos referentes s reas cinza determinamos sua mdia, que ser comparada com a tolerncia ou 6 sigma da variao do processo (6 * desvio padro do processo). Passo 4: Referindo-se ao grfico acima. Seja distncia entre a ltima pea aceita por todos os avaliadores para a primeira pea rejeitada por todos. Esta distncia equivalente para a regio cinza II em torno do acima.
Passo 5: Seja, distncia entre a ltima pea aceita por todos os avaliadores na zona III para a primeira pea rejeitada por todos os avaliadores na zona I. distncia ente a ltima pea aceita por todos os avaliadores para a primeira pea rejeitada por todos (para cada especificao). Ento,
uma estimativa da largura da rea da regio II e Zona I peas em concordncia por todos os avaliadores a ser rejeitada Zona III peas em concordncia por todos os avaliadores a ser aceita Zona II peas questionveis sem ter 100% de concordncia, em torno do limite de cada especificao Voltando ao exemplo 4.1.1, usando a tolerncia de 0,100, temos:
ou a estimativa da
.
Exemplo 4.1.3:
Considere um sistema de medio (Calibrador), no qual foram selecionadas 50 peas, 3 avaliadores com trs medies por pea (cada avaliador). Os dados esto apresentados na Tabela 6.26. Faa um estudo por Atributo com o Limites de Especificao Inferior e Superior de 142,10 mm e 143,10 mm, respectivamente. Onde NC no conforme e C conforme.
Pea Operador Padro Valor do A B C Padro 1 C NC NC C 143,06 1 C NC NC C 143,06 1 C NC NC C 143,06 2 C C C C 142,68 2 C C C C 142,68 2 C C C C 142,68 3 NC NC NC NC 145,28 3 NC NC NC NC 145,28 3 NC NC NC NC 145,28 4 C C C C 142,54 4 C C C C 142,54 4 C C C C 142,54 5 NC NC NC NC 143,28 5 NC NC NC NC 143,28 5 NC NC NC NC 143,28 6 C C C C 142,8 6 C C C C 142,8 6 C C C C 142,8 7 C C C C 142,28 7 C C C C 142,28 7 C C C C 142,28 8 C C C C 143 8 C C C C 143 8 C C NC C 143 9 C C C C 142,9 9 C C C C 142,9 9 C C C C 142,9 10 C C C C 142,1 10 NC C C C 142,1 10 C NC NC C 142,1 11 C C C C 142,3 11 C C C C 142,3 11 C C C C 142,3 12 NC NC NC NC 142,08 12 NC NC NC NC 142,08 12 C NC NC NC 142,08 13 NC NC NC C 142,13 13 C C NC C 142,13 13 C NC NC C 142,13 14 NC NC NC NC 143,63 14 NC NC NC NC 143,63 14 NC NC NC NC 143,63 15 NC NC NC NC 141,8 15 NC NC NC NC 141,8 15 NC NC NC NC 141,8 16 C NC NC C 143,1 16 C NC C C 143,1 16 C NC C C 143,1 17 C C C C 142,5 17 C C C C 142,5 17 C C C C 142,5 18 NC NC NC NC 143,19 18 NC NC NC NC 143,19 18 NC NC NC NC 143,19 19 C C C C 142,3 19 C C C C 142,3 19 C C C C 142,3 20 C C C C 142,75 20 C C C C 142,75 20 C C C C 142,75 21 C C C C 142,28 21 C C C C 142,28 21 C C C C 142,28 22 C C NC C 142,94 22 C C C C 142,94 22 C C NC C 142,94 23 NC NC NC NC 143,15 23 NC NC NC NC 143,15 23 NC NC NC NC 143,15 24 C NC C C 143,08 24 NC NC NC C 143,08 24 C C NC C 143,08 25 C C C C 142,11 25 C C C C 142,11 25 C NC NC C 142,11 26 C C C C 143 26 C C C C 143 26 C C NC C 143 27 NC NC NC NC 143,22 27 NC NC NC NC 143,22 27 NC NC NC NC 143,22 28 NC NC NC NC 143,5 28 NC NC NC NC 143,5 28 NC NC NC NC 143,5 29 C C C C 142,85 29 C C C C 142,85 29 C C C C 142,85 30 C C C C 142,73 30 C C C C 142,73 30 C C C C 142,73 31 C C C C 142,59 31 C C C C 142,59 31 C C C C 142,59 32 C C C C 142,89 32 C C C C 142,89 32 C C C C 142,89 33 C C NC C 143,02 33 C C C C 143,02 33 C C NC C 143,02 34 NC NC NC NC 142 34 NC NC NC NC 142 34 NC NC NC NC 142 35 C C C C 142,25 35 C C C C 142,25 35 C C C C 142,25 36 C C C C 142,33 36 C C C C 142,33 36 C C C C 142,33 37 C C NC C 143,05 37 C C C C 143,05 37 C C NC C 143,05 38 C C C C 142,82 38 C C C C 142,82 38 C C C C 142,82 39 C C C C 142,89 39 C C C C 142,89 39 C C C C 142,89 40 C C C C 142,49 40 C C C C 142,49 40 C C C C 142,49 41 NC NC NC NC 141,95 41 NC NC NC NC 141,95 41 NC NC NC NC 141,95 42 C C NC C 142,13 42 C NC NC C 142,13 42 C NC NC C 142,13 43 C C C C 142,45 43 C C C C 142,45 43 C C C C 142,45 44 C C C C 142,68 44 C C C C 142,68 44 C C C C 142,68 45 C C C C 142,26 45 C C C C 142,26 45 C C C C 142,26 46 C C C C 142,27 46 C C C C 142,27 46 C C C C 142,27 47 C C C C 142,31 47 C C C C 142,31 47 C C C C 142,31 48 C C C C 142,68 48 C C C C 142,68 48 C C C C 142,68 49 C C C C 142,59 49 C C C C 142,59 49 C C C C 142,59 50 C C C C 142,25 50 C C C C 142,25 50 C C C C 142,25 Tabela 4.1.3: tabela de dados. clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados obtidos pelo Software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. Concluso: Os avaliadores 1 e 2 esto com os valores de Kappa acima de 0,75, conclumos que os operadores 1 e 2 concordam entre si e com o padro. Porm, o operador 3 tem uma concordncia ruim com os outros avaliadores e o padro e as taxas de erro dos operadores ( , , ) esto abaixo do especificado pelo manual MSA, que de 5%. Desta forma, temos uma oportunidade de melhoria. 4.1 - Mtodo Analtico Uma forma barata e rpida das empresas controlarem seus processos e produtos consiste na utilizao de sistemas de medio passa no passa (go / no go). Estes sistemas classificam as peas em defeituosas ou no, sem determinar o valor numrico da caracterstica da qualidade em anlise. Apesar de baratos e geis, estes sistemas de medio so passveis de falhas, o que pode ser crucial para a confiabilidade das empresas perante seus clientes. O sistema de medio passa no passa determina se a caracterstica da pea pertence ao intervalo entre os limites de engenharia.
Figura 4.1.1: Sistema de medio passa no passa.
A Figura 4.1.1 ilustra o sistema de medio passa no passa. LIE = Limite inferior de engenharia; LSE = Limite superior de engenharia.
Para classificar a pea, o sistema de medio passa no passa apresenta duas faces. A face passa confeccionada com algumas fraes da unidade da caracterstica da qualidade acima do LIE, enquanto que a face no passa confeccionada com algumas fraes da unidade da caracterstica da qualidade abaixo do LSE, conforme Figura 4.1.2.
Figura 4.1.2: Configurao do sistema de medio passa no passa.
Aqui, propomos um modelo de regresso logstica, que associa o valor numrico da pea com a probabilidade do sistema medio passa no passa classificar a pea como aprovada (ou, no defeituosa). Apesar do valor numrico ser determinado por um sistema de medio confivel, este apresenta erros de medio. Por isso, importante incorporarmos estes erros ao modelo logstico.
Figura 4.1.3: Faixas de classificao.
Quando uma pea est "prxima" aos limites de engenharia, o sistema de medio passa no passa est suscetvel a cometer erros de classificao. Assim, de acordo com a Figura 4.1.3 temos trs faixas: Faixa I - A pea considerada reprovada pelo sistema de medio referncia e pelo sistema de medio passa no passa. Faixa II - Regio prxima aos limites de engenharia que nos leva a erros de classificao pelo sistema de medio passa no passa. Faixa III - A pea considerada reprovada pelo sistema de medio referncia e pelo sistema de medio passa no passa. 4.1.1 - Estudo do sistema de medio do tipo atributo
Na sequncia, apresentamos o experimento proposto pelo manual MSA(2002) para avaliarmos um sistema de medio passa no passa via o mtodo analtico. Como os lados passa e no passa so confeccionados juntos, na prtica avaliamos apenas um dos lados. Assim, vamos tomar o lado referente ao limites superior de engenharia (LSE) para anlise. Aqui, realizamos o seguinte experimento: Selecionamos peas na produo que estejam em torno do LSE, vide (Figura 4.1.1.1);
Figura 4.1.1.1: Pea analisada - carter de automvel. As peas so medidas em um sistema de medio confivel (referncia). Neste caso, determinamos o valor numrico da caracterstica da qualidade, vide Figuras 4.1.1.2 e 4.1.1.3;
Figura 4.1.1.2: Zeragem do relgio comparador por um anel padro. Figura 4.1.1.3: Relgio comparador. As mesmas peas so avaliadas pelo sistema passa no passa (calibrador tampo liso) n vezes, vide Figuras 4.1.1.4 e 4.1.1.5.
Figura 4.1.1.4: Calibrador tampo liso - lado passa.
Figura 4.1.1.5: Calibrador tampo liso - lado no passa. Selecionamos as peas de tal forma que a menor (maior) pea seja aprovada (reprovada) em todas as avaliaes.
Para ilustrar, consideramos o sistema de medio passa no passa calibrador tampo liso que classifica as peas em defeituosas ou no, vide Figuras 4.1.1.4 e 4.1.1.5. Esse sistema de medio aplicado na empresa para controlar a caracterstica dimetro dos furos de fixao no carter do automvel (Figura 4.1.1.1), com especificao de LIE = , LSE = e Valor Nominal = . Para um dispositivo de medio de limite duplo, por convenincia, somente o limite superior ser analisado (no-passa), tomando as devidas suposies de linearidade e uniformidade do erro (Figura 4.1.2.1). 4.1.2 - Descrio do estudo do sistema de medio do tipo atributo Selecionamos 8 peas na linha de produo que foram enviadas ao laboratrio de medidas dimensionais para determinarmos o valor numrico da caracterstica da qualidade da pea, isto , o valor do dimetro, medido pelo relgio comparador (Figura 4.1.1.2) zerado por um anel padro (Figura 4.1.1.3). Aps medirmos as peas, estas retornaram linha de produo onde foram medidas n = 20 vezes (cada pea) pelo sistema de medio passa no passa (o tampo liso). As peas esto distribudas conforme Figura . Aps a realizao do experimento resumimos os dados conforme Tabela 4.1.2.1. Para facilitar a anlise da tendncia, subtramos o LSE do resultado da medio da pea pelo sistema de medio referncia, conformemostra a Tabela 4.1.2.2. Pea Dimetro Aprovao Total de Medies 1 9,64 20 20 2 9,65 20 20 3 9,67 20 20 4 9,68 8 20 5 9,7 5 20 6 9,71 3 20 7 9,73 0 20 8 9,75 0 20
Tabela 4.1.2.1:Dados do experimento Tabela 4.1.2.2: Dados Padronizados As Figuras 4.1.2.1, 4.1.2.2 e 4.1.2.3 apresentam as medies das peas em relao ao LSE.
Figura 4.1.2.1: Classificao das peas no sistema de medio passa - no passa.
Figura 4.1.2.2: Disposio das peas no sistema de medio passa - no passa em torno do LSE.
Figura 4.1.2.3: Diferena entre o dimetro e o LSE. 4.1.3 - Mtodo analtico via modelo linear Considere uma pea onde controlamos uma caracterstica da qualidade, por exemplo, o dimetro. Denotamos por a probabilidade da pea ser aprovada pelo sistema de medio passa no passa. Na prtica, importante relacionarmos o valor numrico da caracterstica da qualidade da pea ( ) com a probabilidade de aceitao da mesma pelo sistema de medio passa no passa. Assim, a pea enviada ao laboratrio para medio da caracterstica da Qualidade. Na nossa aplicao, a pea medida por um relgio comparador com resoluo de , onde subtramos o LSE de todas as medies, conforme Tabela 4.1.2.2 . De forma geral, tomamos
para todo peas. Em particular, o MSA(2002) toma o modelo probito,
onde representa a funo de distribuio acumulada da distribuio normal padro e : representa a mdia das medies das peas subtrada do LSE com a aplicao do sistema passa no passa (tendncia), : varincia das medies das peas com aplicao do sistema de medio passa no passa. Assim, podemos definir as grandezas de interesse como os parmetros tendncia ( ) e repe-titividade ( ), onde o nmero de aplicaes do sistema de medio passa no passa em cada pea. Atravs da expresso (4.1.3.1), temos que
e
O manual MSA(2002) prope que as probabilidades sejam estimadas segundo a expresso (4.1.3.4) e que o mtodo de mnimos quadrados seja aplicado para estimarmos a tendncia e a repetitividade.
Figura 4.1.3.1: Estimativa da probabilidade de aceitao da pea versus valor da pea. Na Figura 4.1.3.1, podemos visualizar o valor da medio da pea ( ) com relao s estimativas da probabilidade de aceitao de cada pea. Com estas estimativas, aplicamos o modelos de regresso linear simples para estimarmos os parmetros de interesse.
A partir dos resultados de nosso experimento (Tabela 4.1.2.2), obtemos as estimativas para a probabilidade de aceitao da pea e para o quantil associado conforme Tabela 4.1.3.1. Pea Aprovao Total
Com isso, conclumos que a estimativa da tendncia do sistema de medio passa no passa dada por . Alm disso, a repetitividade do sistema de medio passa no passa dada por:
Apesar da estimativa da tendncia ser pequena em relao tolerncia , obtemos que a repetitividade alta.
Figura 4.1.3.2: Regresso ajustada = . Um ponto importante para anlise consiste em testarmos se a tendncia do sistema de medio passa no passa significativa do ponto de vista estatstico. Para isto, o manual MSA(2002) prope um teste para avaliarmos a tendncia,
A estatstica do teste proposta pelo MSA (2002) dada por, sob ,
Na aplicao, obtemos p-valor de 0,007472 e com isso, rejeitamos para . Portanto o sistema de medio passa no passa apresenta uma tendncia significativa de -0,008 mm. Para uma tolerncia ( Tol = LSE - LIE = 9,7 - 9,3 = 0,4 mm) de 0,4 mm conclumos que a tendncia representa 2%. Em geral, uma tendncia desta ordem ( 2% da tolerncia ) no incomoda. No nosso exemplo, esta tendncia foi detectada devido s caractersticas metrolgicas do sistema de medio que mediu as peas ( resoluo de 0,01 mm e incerteza e 0,006 mm ). A partir da expresso (4.1.3.1) calculamos a estimativa da probabilidade do sistema de medio passa no passa aprovar a pea. Assim, considerando , temos que:
A Figura 4.1.3.3 apresenta os resultados das estimativas da probabilidade do sistema de medio passa no passa aprovar peas para diferentes valores da caracterstica da qualidade destas peas. Na seqncia, apresentamos o grfico (Figura 4.1.3.4) para que possamos visualizar a probabilidade de aceitao em funo do valor da caracterstica da qualidade da pea, em nosso exemplo do seu dimetro. Este grfico importante para que o grupo de engenharia possa avaliar a faixa de valores do dimetro da pea onde o sistema de medio passa no passa possa cometer erros de classificao.
Figura 4.1.3.3: Dados observados versus probabilidade da pea ser aprovada.
Figura 4.1.3.4: Probabilidade da pea ser aprovada versus caracterstica da qualidade.
Exemplo 4.1.3.1 Um dispositivo de medio por atributo est sendo usado para medir uma dimenso que tem tolerncia de . O Dispositivo de medio usado em inspeo automtica 100%, de fim de linha, e afetado pela repetitividade e tendncia. Para fazer o estudo de dispositivo de medio de atributo, 8 peas com medidas padro em intervalos de 0,002 e -0,016 a -0,002 so passadas pelo dispositivo de medio 20 vezes cada. Os nmeros de aceitaes para cada pea esto na Tabela 4.1.3.1:
Aprovao -0,016 0 -0,014 3 -0,012 8 -0,01 20 -0,008 20 -0,006 20 -0,004 20 -0,002 20 Tabela 4.1.3.2: Dados do experimento Uma vez que existem dois valores de referncia com , no mnimo quatro peas a mais devem ser encontradas. Conseqentemente, necessrio passar peas com valores de referncia nos pontos mdios dos intervalos existentes. Estes valores de referncia e os nmeros de aceitao esto mostrados na Tabela 4.1.3.3:
Aprovao -0,015 1 -0,013 8 -0,011 16 Tabela 4.1.3.3: Continuao dos dados do experimento. Agora ns temos cinco valores de referncia com . O procedimento exige que mais de uma pea seja encontrada com . Conseqentemente, a seguinte pea mostrada na Tabela 4.1.3.4 avaliada:
Aprovao -0,0105 18 Tabela 4.1.3.4: Pea avaliada. Ressaltamos que essas medidas esto dispostas ao redor do Limite Inferior. Por exemplo:
Figura 4.1.3.5: Classificao das peas no sistema de medio passa - no passa. Agora que os critrios de coleta dos dados foram satisfeitos, calculamos e , conforme Tabela 4.1.3.5.
Figura 4.1.3.6: Regresso ajustada = . Portanto a equao :
Assim:
Para determinar a repetitividade, precisamos encontrar o valor correspondente a: e , logo temos Para :
Para :
Deste modo:
Ou ainda,
Para verificar se a tendncia significativa, fazemos:
Como , ento rejeitamos a hiptese nula, ou seja, a tendncia diferente de zero. Considerando a probabilidade do dispositivo de medio aprovar a pea dada por
A Figura apresenta o resultado da probabilidade do dispositivo de medio aprovar a pea para valores da varivel .
Figura 4.1.3.7: Resultados. Tomando-se os dados da Figura 4.1.3.7 temos o grfico valores de referncia versus a probabilidade da pea ser aprovada, conforme Figura 4.1.3.8:
Figura 4.1.3.8: Grfico Valores de referncia versus a probabilidade da pea ser aprovada. 5 - Aplicaes do MSA Nesta seo, vamos mostrar algumas aplicaes do MSA a sistemas de medies. Todos os casos apresentados so reais e foram elaborados pelo cliente com a participao da equipe ESTATCAMP. 5.1 - Sistema de Medio de Dureza: HRC Sistema de medio de dureza: HRC Considere o sistema de medio de dureza de uma pea dentada (foto 6.1) na escala HRC. Ao medirmos a dureza da pea em um determinado ponto, provocamos uma alterao na pea em torno deste ponto e consequentemente, no podemos repetir a medio da dureza nesta regio. Assim, podemos interpretar o sistema de medio de dureza como um sistema no replicvel. Porm, em algumas aplicaes, existe uma regio na pea em que a dureza homognea e neste caso, podemos utilizar esta regio para avaliarmos a medio de dureza, considerando este sistema como replicvel. Em resumo, dependendo das caractersticas da pea a ser medida, podemos interpretar o sistema de medio de dureza como replicvel ou no. Na aplicao que faremos a seguir, temos uma regio bastante homognea em relao dureza, fato que nos permite considerar o sistema de medio como replicvel. Apesar de termos uma regio com dureza homognea, esta no constante e esta variao (mesmo que pequena) ser adicionada repetitivdade do sistema de medio. Na sequncia, apresentamos uma descrio do sistema de medio. Fase 1: Descrio do Sistema de Medio Utilizamos esta fase para realizarmos uma reviso do sistema de medio e o planejamento para a aplicao do MSA. Aqui, importante definirmos a equipe responsvel pela anlise, os setores que aplicam o sistema de medio e a necessidade da medio. Por exemplo, a pea que medimos a dureza (Foto 6.1) afeta a segurana do usurio final. Por isso, importante que tenhamos um sistema de medio confivel.
Figura 6.1: foto da pea com Setor dentado.
Para a caracterstica dureza, o cliente especificou um valor mnimo de 55 HRC. Como temos apenas limite inferior, no temos tolerncia no processo. Neste caso, a exatido pode ser definida atravs da criticidade da medio em comum acordo com o cliente. Para esta aplicao, definimos uma exatido de 0,5 HRC. Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao, fazemos uma anlise de cenrio atravs das seguintes questes: Importncia/impacto no produto? Reclamaes de Clientes? Histrico de Falhas? caracterstica especial? Condies Ambientais? Sistema de medio utilizado para CEP? Fase 2: Mtodo de Medio: A fase I nos prepara para fazermos uma boa descrio do sistema de medio. Assim, reunimos a equipe para realizarmos a descrio do sistema de medio e elaborarmos o diagrama de Ishikawa. Descrio do sistema de medio de dureza: HRC 1. Zerar durmetro com o padro 2. Configurar com o padro 91,44 HR15N 3. Limpar da pea (lavagem/ar) 4. Posicionar o durmetro 5. Aproximar pea manual no durmetro/penetrador 6. Aplicar carga 7. Realizar leitura Tambm definimos as variveis de parametrizao do Sistema de Medio Varivel: Dureza; Descrio: medida realizada com 15N e transformada para HRC; Especificao: mnimo de 55 HRC. Outro ponto importante para a anlise do sistema de medio o diagrama de Ishikawa, ou diagrama de causa e Efeito. Com toda a equipe reunida (nesta fase importante contarmos com a presena de operadores), realizamos um brainstorming sobre as principais causas de variao no sistema de medio. O diagrama de Ishikawa fundamental para definirmos os pontos crticos e a tcnicas estatsticas que utilizaremos para avaliar o sistema de medio.
Diagrama de Causa e Efeito (Ishikawa)
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Um dos itens crtico de um sistema de medio so os equipamentos utilizados para realizarmos as medies. Os equipamentos so calibrados por laboratrios apropriados e os certificados de calibrao devem ser avaliados criticamente com relao a critrios previamente definidos. Nesta aplicao, o durmetro (Mitutoyo ATK-F1000 - N 014.00084) tem resoluo de 0,1 HRC, calibrado anualmente e tem erro mximo permissvel de 0,3HRC. Com isso, garantimos a exatido requerida de 0,5 HRC. Na sequncia, apresentamos uma foto do durmetro.
Figura 6.2: foto do Durmetro.
Figura 6.3: foto do Durmetro.
Figura 6.4: foto do Durmetro. Com a descrio do sistema de medio e o diagrama de Ishikawa planejamos a aplicao das tcnicas estatsticas. Na maioria dos processos, realizamos basicamente trs anlises: estabilidade, RR e tendncia e linearidade. A seguir, descrevemos o planejamento para aplicao das anlises estatsticas. Fase 3: Planejamento dos Estudos. Estabilidade: Selecionamos 1 pea para ser medida ao longo do tempo. Nesta aplicao, faremos trs subgrupos racionais de medies por dia durante uma semana (20 subgrupos). Tendncia: A mesma pea selecionada para a estabilidade ser utilizada para o estudo de tendncia. Neste caso, definimos o valor de referncia em um sistema de medio confivel, neste exemplo, utilizamos o sistema de medio do cliente. Repetitividade: 10 peas de lotes de produo "distintos", sendo 3 medies por pea realizados em ordem aleatria. Reprodutibilidade: No se aplica, pois o operador no influencia no sistema de medio. Linearidade: No se aplica, pois a faixa de medio pequena.
Aps a coleta de dados, vamos executar a anlise estatstica.
Estabilidade
Subgurpo Data Horrio Pessoa Equipamento Medida 1 Medida 2 Medida 3 1 31/5/2010 08:00 A Durmetro 61,0 62,3 59,5 2 31/5/2010 14:00 A Durmetro 59,5 61,3 61,8 3 31/5/2010 23:00 B Durmetro 60,0 59,2 62,5 4 1/6/2010 08:00 A Durmetro 61,8 58,6 58,2 5 1/6/2010 14:00 A Durmetro 63,0 59,0 60,8 6 1/6/2010 23:00 B Durmetro 59,1 60,0 61,7 7 2/6/2010 08:00 A Durmetro 62,3 58,6 61,3 8 2/6/2010 14:00 A Durmetro 61,8 62,3 63,5 9 2/6/2010 23:00 B Durmetro 60,8 61,3 61 10 3/6/2010 08:00 A Durmetro 62,3 59,0 60,8 11 3/6/2010 14:00 A Durmetro 60,8 58,2 60 12 3/6/2010 23:00 B Durmetro 56,8 59,5 60,8 13 4/6/2010 08:00 A Durmetro 58,6 59,0 56,5 14 4/6/2010 14:00 A Durmetro 60,0 62,3 61,8 15 4/6/2010 23:00 B Durmetro 61,3 61,0 62,3 16 7/6/2010 08:00 A Durmetro 61,0 59,5 60 17 7/6/2010 14:00 A Durmetro 61,8 63,0 59,1 18 7/6/2010 23:00 B Durmetro 62,3 61,8 60,8 19 8/6/2010 08:00 A Durmetro 58,6 59,0 60 20 8/6/2010 14:00 A Durmetro 58,6 62,3 61,3 21 8/6/2010 23:00 B Durmetro 60,8 60,0 60,8 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. Algumas sugestes de concluso: Sistema estvel ao longo do tempo. Todos os pontos esto dentro das linhas de controle. Tendncia: No estudo de tendncia, vamos considerar a variao total para validar a repetitivdade do sistema de medio. Atravs de uma aplicao de CEP, detectamos que variao de 10 HRC (desvio padro do processo).
VR VT 60,4 10 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso: Como o zero faz parte do intervalo de confiana, consideramos o que sistema de medio no apresenta tendncia significativa ao nvel de confiana de 95%.
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso: Anlise grfica: O sistema apresenta uma boa discriminao e repetitividade e mantem-se consistente entre as peas. Anlise dos ndices: Apesar de obtermos um RR de 29%, devemos lembrar que estamos lidando com um sistema de medio no-replicvel (dureza). Como no podemos medir a pea no mesmo ponto, isto causa um aumento natural na repetitividade, com a incluso da variao interna da pea. Portanto, concluimos que o sistema de medio compatvel com o processo. 5.2 - Medio da posio real em uma flange Sistema de medio para posio real de uma flange de entrada O sistema de medio da posio real uma sistema de medio dimensional replicvel, pois podemos realizar diversas medies da pea sem danific-la. Desenvolveremos um estudo de MSA para um sistema de Medio de posio Real para Flange de entrada. Fase 1: Descrio do Sistema de Medio Utilizamos esta fase para realizarmos uma reviso do sistema de medio e o planejamento para a aplicao do MSA. Aqui, importante definirmos a equipe responsvel pela anlise, os setores que aplicam o sistema de medio e a necessidade da medio. Por exemplo, a flange que medimos a posio real (Foto 6.1) afeta a segurana do usurio final. Por isso, importante que tenhamos um sistema de medio confivel.
Figura 6.1: foto da Flange. Para a caracterstica posio real, o cliente especificou um valor mximo de 0,8 mm para o mximo e 0,2 para o mnimo . Como temos apenas limite inferior, no temos tolerncia no processo. Neste caso, a exatido pode ser definida atravs da criticidade da medio em comum acordo com o cliente. Para esta aplicao, definimos uma exatido de 0,02 mm. Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao, fazemos uma anlise de cenrio atravs das seguintes questes: Importncia/impacto no produto? Reclamaes de Clientes? Histrico de Falhas? caracterstica especial? Condies Ambientais? Sistema de medio utilizado para CEP? Fase 2: Mtodo de Medio: A fase I nos prepara para fazermos uma boa descrio do sistema de medio. Assim, reunimos a equipe para realizarmos a descrio do sistema de medio e elaborarmos o diagrama de Ishikawa. Descrio do sistema de medio da posio real: mm 1. Adquirir o desenho da pea atualizado com o cliente 2. Preparar a pea (limpeza com pano e lcool) 3. Tirar rebarbas da pea (lima) 4. Fixar a pea no prisma magntico conforme indicao do desenho do cliente 5. Criar o programa conforme informado pelo desenho 6. Efetuar a medio (conforme solicitao em desenho pelo cliente) 7. Como temos duas posies reais, mencionadas em desenho (0,10 (2 furos) e 0,25(6 furos)), utilizamos os resultados mnimo e mximo dos dois resultados Tambm definimos as variveis de parametrizao do Sistema de Medio Varivel: posio real medida em milmetros (mm); Especificao: 0,2 mm. Outro ponto importante para a anlise do sistema de medio o diagrama de Ishikawa, ou diagrama de causa e Efeito. Com toda a equipe reunida (nesta fase importante contarmos com a presena de operadores), realizamos um brainstorming sobre as principais causas de variao no sistema de medio. O diagrama de Ishikawa fundamental para definirmos os pontos crticos e a tcnicas estatsticas que utilizaremos para avaliar o sistema de medio. Diagrama de Causa e Efeito (Ishikawa)
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Um dos itens crtico de um sistema de medio so os equipamentos utilizados para realizarmos as medies. Os equipamentos so calibrados por laboratrios apropriados e os certificados de calibrao devem ser avaliados criticamente com relao a critrios previamente definidos. Nesta aplicao, a mquina de medio por coordenada (Zeiss) tem resoluo de 0,001 mm, calibrado anualmente e tem erro mximo permissvel de 0,004 mm para o ponto de medio em questo. Com isso, garantimos a exatido requerida de 0,02 mm. Na sequncia, apresentamos uma foto da mquina de medio por coordenada.
Figura 6.2: foto da Mquina de Medio por Coordenada.
Figura 6.3: foto da Mquina de Medio por Coordenada.
Fase 3: Planejamento dos Estudos. Estabilidade: Selecionamos 1 pea para ser medida ao longo do tempo. Nesta aplicao, faremos trs subgrupos racionais de medies por dia durante uma semana (20 subgrupos). Tendncia: A mesma pea selecionada para a estabilidade ser utilizada para o estudo de tendncia. Neste caso, definimos o valor de referncia em um sistema de medio confivel, neste exemplo, utilizamos o sistema de medio do cliente. Repetitividade: 10 peas de lotes de produo "distintos", sendo 3 medies por pea realizados em ordem aleatria. Reprodutibilidade: No se aplica, pois o operador no influencia no sistema de medio. Linearidade: No se aplica, pois a faixa de medio pequena.
Aps a coleta de dados, vamos executar a anlise estatstica.
Estabilidade
Subgurp o Data Horri o Pesso a Equipament o Mnimo Mximo Medid a 1 Medid a 2 Medid a 3 Medid a 1 Medid a 2 Medid a 3 1 31/5/201 0 07:30 A Tridimension al 0,077 0,073 0,073 0,182 0,182 0,181 2 31/5/201 0 13:00 A Tridimension al 0,048 0,068 0,077 0,181 0,188 0,181 3 31/5/201 0 16:00 A Tridimension al 0,078 0,078 0,074 0,180 0,183 0,182 4 1/6/2010 07:00 A Tridimension al 0,076 0,069 0,066 0,181 0,180 0,174 5 1/6/2010 13:10 A Tridimension al 0,066 0,068 0,066 0,178 0,178 0,178 6 1/6/2010 16:15 A Tridimension al 0,068 0,060 0,079 0,177 0,185 0,177 7 2/6/2010 07:30 A Tridimension al 0,076 0,076 0,075 0,176 0,179 0,178 8 2/6/2010 13:25 A Tridimension al 0,075 0,076 0,075 0,178 0,178 0,178 9 2/6/2010 16:00 A Tridimension al 0,074 0,076 0,078 0,177 0,179 0,178 10 3/6/2010 07:10 A Tridimension al 0,075 0,075 0,077 0,179 0,177 0,177 11 3/6/2010 13:30 A Tridimension al 0,075 0,076 0,071 0,178 0,178 0,178 12 3/6/2010 16:00 A Tridimension al 0,076 0,077 0,077 0,178 0,177 0,178 13 7/6/2010 09:00 A Tridimension al 0,076 0,076 0,073 0,173 0,177 0,177 14 7/6/2010 13:20 A Tridimension al 0,077 0,075 0,075 0,175 0,179 0,177 15 7/6/2010 16:30 A Tridimension al 0,071 0,078 0,075 0,177 0,178 0,179 16 8/6/2010 07:15 A Tridimension al 0,075 0,075 0,075 0,178 0,177 0,177 17 8/6/2010 14:00 A Tridimension al 0,074 0,074 0,074 0,178 0,178 0,178 18 8/6/2010 16:30 A Tridimension al 0,074 0,074 0,076 0,178 0,178 0,178 19 9/6/2010 07:30 A Tridimension al 0,076 0,075 0,073 0,177 0,176 0,177 20 9/6/2010 13:40 A Tridimension al 0,076 0,074 0,075 0,177 0,177 0,179 21 9/6/2010 16:00 A Tridimension al 0,073 0,075 0,075 0,179 0,178 0,179
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action: Anlise de estabilidade para a medida mnima
Anlise de estabilidade para a medida mxima
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso Sistema instvel ao longo do tempo. Observe que os pontos de instabilidade foram gerados no incio do processo de coleta de dados. Provavelmente, tivemos problemas com a limpeza da pea. Neste caso, devemos identificar o problema (limpeza), tomar uma ao corretiva e realizar novamente o estudo.
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de Concluso
Anlise grfica: O sistema apresenta uma boa discriminao e repetitividade e mantem-se consistente entre as peas. Anlise dos ndices: Obtivemos um RR de 3,61% para o mximo e 11,43% para o mnimo.Portanto, concluimos que a variabilidade do sistema de medio adequado ao processo.
Tendncia
A pea selecionada no estudo de estabilidade foi medida pelo cleinte para que possamos estabelecer o valor de referncia. Validaremos a repetitividade atravs do RR feita anteriormente.
1. Anlise de tendncia para a medida mnima: VR=0,1mm e VP=0,051345.
Dados 0,077 0,071 0,077 0,073 0,075 0,075 0,075 0,074 0,076 0,073 0,075 0,075 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
2. Anlise de tendncia para a medida mxima: VR=0,2mm e VP=0,102732. Dados 0,177 0,178 0,178 0,177 0,177 0,179 0,177 0,178 0,178 0,177 0,179 0,179
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Observamos que o sistema de medio apresenta uma tendncia significativa (zero no pertence ao intervalo de confiana) ao nvel de confiana de 95%. Neste caso, o fornecedor e o cliente devem tomar uma deciso sobre o sistema de medio. 5.3 - Sistema de medio visual Sistema de Medio visual Nesta seo, apresentamos uma anlise de um sistema de medio para anlise de defeitos com inspeo visual.
Fase 1:Descrio do Sistema de Medio
Utilizamos esta fase para realizarmos uma reviso do sistema de medio e o planejamento para a aplicao do MSA. Aqui, importante definirmos a equipe responsvel pela anlise, os setores que aplicam o sistema de medio e a necessidade da medio. Por exemplo, a pea que medimos a dureza (Foto 6.1) afeta a segurana do usurio final. Por isso, importante que tenhamos um sistema de medio confivel. Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao, fazemos uma anlise de cenrio atravs das seguintes questes: Importncia/impacto no produto? Reclamaes de Clientes? Histrico de Falhas? caracterstica especial? Condies Ambientais? Sistema de medio utilizado para CEP?
Fase 2: Tipos de defeitos e procedimentos de uso e manuseio:
1. Tipo de defeitos: Risco, Batidas, Ressaltos, Marcas na Face, Sucata (vrios defeitos, sem recuperao), Rosca Incompleta, Sem Rosca, Rosca Danificada, Sem Chanfro, Rebarba. 2. Detalhamento completo na visualizao dos defeitos. Outro ponto importante para a anlise do sistema de medio o diagrama de Ishikawa, ou diagrama de causa e Efeito. Com toda a equipe reunida (nesta fase importante contarmos com a presena de operadores), realizamos um brainstorming sobre as principais causas de variao no sistema de medio. O diagrama de Ishikawa fundamental para definirmos os pontos crticos e a tcnicas estatsticas que utilizaremos para avaliar o sistema de medio.
Diagrama de Causa e Efeito (Ishikawa)
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Fase 3: Planejamento dos Estudos.
Repetitividade: 50 peas, 20 conforme(C) e 30 no-conforme(NC). Reprodutibilidade: 50 peas, 20 conforme(C) e 30 no-conforme(NC), 3 medies pea por operador
Pea Operador A Operador B Padro 1 C C C 1 C C C 1 C C C 2 NC NC NC 2 NC NC NC 2 NC NC NC 3 NC NC NC 3 NC NC NC 3 NC NC NC 4 NC NC NC 4 NC NC NC 4 NC NC NC 5 NC NC NC 5 NC NC NC 5 NC NC NC 6 C NC C 6 C NC C 6 C NC C 7 NC NC NC 7 NC NC NC 7 NC NC NC 8 NC NC NC 8 NC NC NC 8 NC NC NC 9 C C C 9 C C C 9 C C C 10 C C C 10 C C C 10 C C C 11 NC NC NC 11 NC NC NC 11 NC NC NC 12 NC NC NC 12 NC NC NC 12 NC NC NC 13 C NC C 13 C NC C 13 C NC C 14 NC NC NC 14 NC NC NC 14 NC NC NC 15 C C C 15 C C C 15 NC C C 16 NC NC NC 16 NC NC NC 16 NC NC NC 17 C C C 17 C C C 17 C C C 18 C C C 18 C C C 18 C C C 19 C C C 19 C C C 19 C C C 20 NC NC NC 20 NC NC NC 20 NC NC NC 21 NC NC NC 21 NC NC NC 21 NC NC NC 22 C C C 22 C C C 22 NC C C 23 C C C 23 C C C 23 C C C 24 NC NC NC 24 NC NC NC 24 NC NC NC 25 NC NC C 25 NC NC C 25 NC NC C 26 NC NC NC 26 NC NC NC 26 NC NC NC 27 NC NC NC 27 NC NC NC 27 NC NC NC 28 NC NC NC 28 NC NC NC 28 NC NC NC 29 NC NC NC 29 NC NC NC 29 NC NC NC 30 C C C 30 C C C 30 C C C 31 C NC C 31 C C C 31 C C C 32 NC NC NC 32 NC NC NC 32 NC NC NC 33 NC NC NC 33 NC NC NC 33 NC NC NC 34 NC NC NC 34 NC NC NC 34 NC NC NC 35 C C C 35 C C C 35 C C C 36 NC NC NC 36 NC NC NC 36 NC NC NC 37 C C C 37 C C C 37 NC C C 38 NC NC NC 38 NC NC NC 38 NC NC NC 39 NC NC NC 39 NC NC NC 39 NC NC NC 40 NC NC NC 40 NC NC NC 40 NC NC NC 41 C C C 41 C C C 41 C C C 42 NC NC NC 42 NC NC NC 42 NC C NC 43 NC NC NC 43 NC NC NC 43 NC NC NC 44 NC NC NC 44 NC NC NC 44 NC NC NC 45 C C C 45 C NC C 45 C NC C 46 NC NC NC 46 NC NC NC 46 NC NC NC 47 NC NC NC 47 NC NC NC 47 NC NC NC 48 NC NC NC 48 NC NC NC 48 NC NC NC 49 C C C 49 C C C 49 C C C 50 C C C 50 C C C 50 C C C clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso Todos os ndices foram muito bons, exceto o falso alarme do operador 2. Desde que o falso alarme est associado a peas boas que so refugadas, o que no acarreta prejuzos ao cliente, consideramos o sistema de medio adequado ao processo. 5.4 - Pesagem de materia-prima e MP Pesagem de matria-prima e MP Considere o sistema de medio de pesagem de matria-prima e MP (foto 5.4.1) em quilogramas. Ao medirmos a massa de matria-prima em um determinado ponto, podemos repetir o processo de medio. Assim, podemos interpretar o sistema de medio de pesagem de matria-prima como um sistema replicvel. Na aplicao que faremos a seguir, nos permite considerar o sistema de medio como replicvel. Na sequncia, apresentamos uma descrio do sistema de medio. Fase 1: Descrio do Sistema de Medio Utilizamos esta fase para realizarmos uma reviso do sistema de medio e o planejamento para a aplicao do MSA. Aqui, importante definirmos a equipe responsvel pela anlise, os setores que aplicam o sistema de medio e a necessidade da medio. Por exemplo, o equipamento a ser medido uma balana de preciso (Foto 5.4.1). O dosamento de quantidade incorreta de matria-prima ou MP, impacta na qualidade, ou seja, resultado do produto. Por isso, importante que tenhamos um sistema de medio confivel.
Figura 6.1: foto da balana de preciso.
Para a caracterstica da balana, desvio de +/- 1% para a matria-prima, tolerancia 2% (outras) e + 0,5%, - 0,3% para Metal Precioso. Assim, temos 0,8% de tolerncia. Neste caso, a exatido pode ser definida atravs da criticidade da medio em comum acordo com o cliente. Para esta aplicao, definimos um erro mximo permissvel de 0,1% de calibrao. Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao, fazemos uma anlise de cenrio atravs das seguintes questes: Importncia/impacto no produto? Reclamaes de Clientes? Histrico de Falhas? caracterstica especial? Condies Ambientais? Sistema de medio utilizado para CEP? Fase 2: Mtodo de Medio: A fase I nos prepara para fazermos uma boa descrio do sistema de medio. Assim, reunimos a equipe para realizarmos a descrio do sistema de medio e elaborarmos o diagrama de Ishikawa. Descrio do sistema de medio de pesagem de matria-prima. 1. Certificar se a balana est zerada 2. Colocar o recipiente que seja usado para quantificar o material 3. Verificar a tara do recipiente 4. Tarar a balana e quantificar o material a ser fracionado 5. Conferir o valor do material embalado Tambm definimos as variveis de parametrizao do Sistema de Medio Varivel: Matria-prima ou MP (kg); Descrio: medida realizada em quilogramas; Especificao: mnimo de 0,001kg e mximo de 10kg. Outro ponto importante para a anlise do sistema de medio o diagrama de Ishikawa, ou diagrama de causa e Efeito. Com toda a equipe reunida (nesta fase importante contarmos com a presena de operadores), realizamos um brainstorming sobre as principais causas de variao no sistema de medio. O diagrama de Ishikawa fundamental para definirmos os pontos crticos e a tcnicas estatsticas que utilizaremos para avaliar o sistema de medio.
Diagrama de Causa e Efeito (Ishikawa)
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Um dos itens crtico de um sistema de medio so os equipamentos utilizados para realizarmos as medies. Os equipamentos so calibrados por laboratrios apropriados e os certificados de calibrao devem ser avaliados criticamente com relao a critrios previamente definidos. Nesta aplicao, a calibrao da balana s aprovado quando o erro mais a incerteza de calibrao em cada ponto medido no ultrapassar 0,1% na faixa de 5 a 12kg e tem erro mximo permissvel de 0,1% da calibrao. Com a descrio do sistema de medio e o diagrama de Ishikawa planejamos a aplicao das tcnicas estatsticas. Na maioria dos processos, realizamos basicamente trs anlises: estabilidade, RR e tendncia e linearidade. A seguir, descrevemos o planejamento para aplicao das anlises estatsticas. Fase 3: Planejamento dos Estudos. Estabilidade: Selecionamos 3 amostras para ser medida ao longo do tempo. Nesta aplicao, faremos trs subgrupos racionais de medies por dia durante duas semanas (20 subgrupos). Tendncia e Linearidade: Faremos 10 medies em pelo menos 5 pontos, procurando abranger a escala total de uso do equipamento. Neste caso, definimos o valor de referncia em um sistema de medio confivel, neste exemplo, utilizamos o sistema de medio do cliente. Repetitividade: 10 medies distribudos por 2 operadores em pelo menos 5 pontos distintos. Reprodutibilidade: No se aplica, pois o operador no causa interferncia (dupla checagem em processo normal).
Aps a coleta de dados, vamos executar a anlise estatstica.
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso: O sistema apresenta alguns pontos de instabilidade em todas as faixas de utilizao. Porm, em todas as faixas o sistema apresentou uma pequena variao em comparao com a tolerncia (0,8% do valor especificado). Com isso, conclumos que o sistema apresenta uma estabilidade coerente com a aplicao. Tendncia e Linearidade: No estudo de tendncia e linearidade, vamos considerar a variao total para validar a repetitivdade do sistema de medio. Atravs de uma aplicao de CEP, detectamos que variao de 10 HRC (desvio padro do processo). Leitura (g) VR (g) Tolerncia 456,35 456,15 3,6492 456,35 456,15 3,6492 456,45 456,15 3,6492 456,05 456,15 3,6492 455,75 456,15 3,6492 456,25 456,15 3,6492 456,15 456,15 3,6492 456,25 456,15 3,6492 456,15 456,15 3,6492 456,15 456,15 3,6492 919,315 919,215 7,35372 919,315 919,215 7,35372 919,215 919,215 7,35372 919,115 919,215 7,35372 919,515 919,215 7,35372 919,315 919,215 7,35372 919,215 919,215 7,35372 919,215 919,215 7,35372 919,415 919,215 7,35372 919,415 919,215 7,35372 2443,305 2443,105 19,54484 2443,605 2443,105 19,54484 2442,605 2443,105 19,54484 2443,105 2443,105 19,54484 2443,805 2443,105 19,54484 2443,305 2443,105 19,54484 2443,405 2443,105 19,54484 2443,505 2443,105 19,54484 2443,405 2443,105 19,54484 2443,305 2443,105 19,54484 5458,995 5457,895 43,66316 5459,095 5457,895 43,66316 5458,995 5457,895 43,66316 5458,495 5457,895 43,66316 5459,295 5457,895 43,66316 5458,995 5457,895 43,66316 5458,495 5457,895 43,66316 5458,695 5457,895 43,66316 5458,895 5457,895 43,66316 5458,895 5457,895 43,66316 7544,205 7542,805 60,34244 7544,505 7542,805 60,34244 7544,505 7542,805 60,34244 7544,105 7542,805 60,34244 7544,305 7542,805 60,34244 7544,405 7542,805 60,34244 7543,505 7542,805 60,34244 7543,905 7542,805 60,34244 7543,905 7542,805 60,34244 7543,905 7542,805 60,34244 10407,02 10406,32 83,25056 10407,22 10406,32 83,25056 10407,22 10406,32 83,25056 10407,12 10406,32 83,25056 10407,82 10406,32 83,25056 10408,12 10406,32 83,25056 10407,22 10406,32 83,25056 10407,32 10406,32 83,25056 10407,22 10406,32 83,25056 10407,22 10406,32 83,25056
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso: O sistema de medio apresenta uma linearidade significativa ao longo da faixa de utilizao do sistema (450 a 10400) com valor descritivo de abaixo de 5% (P-valor= 1,33775E-14). O sistema apresenta uma linearidade de 0,0001 em relao ao resultado da medio, que em porcentagem dado por 0,01% do resultado. Observe que a tolerncia representa 0,8% do valor especificado. Portanto, a linearidade detectada pequena quando comparada com a tolerncia. Com isso, conclumos que o sistema de medio apresenta uma tendncia e linearidade compatvel com o processo. Anlise crtica Tendncia e Linearidade: Como a maior tendncia detectada foi no ponto de 10000g abaixo de 1.8g, que menor que o critrio de aceitao do equipamento (0,1% da leitura = 10g), conclumos que o sistema de medio atende aos requisitos do processo.
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Assim, o ndice da repetitividade em relao tolerncia dada por
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. Algumas sugestes de concluso: Repetitividade: Variabilidade compatvel com o processo Anlise crtica Repetitividade: O valor de Repetitividade foi calculado em diversos pontos na faixa de trabalho do sistema de medio, no qual detectamos valores abaixo de 30% da tolerncia. Porm os pontos iniciais apresentam uma variao maior (em torno de 23%) e conforme aumentamos o ponto na escala o valor de repetitividade decresce percentualmente. A tolerncia de 0,8% utilizado nesta etapa do processo (fracionamento de metal) garante que o material fracionado esteja dentro de uma tolerncia 4% na etapa final do processo. Sendo assim conclumos que o sistema est adequado para o processo. 5.5 - Sistema de medio dimensional do Farol veicular O procedimento que descreveremos a seguir um sistema de medio dimensional replicvel, pois podemos realizar diversas medies da pea sem danific-la. Desenvolveremos um estudo de MSA para um sistema de Medio dimensional do Farol veicular.
Fase 1: Descrio do Sistema de Medio
Utilizamos esta fase para realizarmos uma reviso do sistema de medio e o planejamento para a aplicao do MSA. Aqui, importante definirmos a equipe responsvel pela anlise, os setores que aplicam o sistema de medio e a necessidade da medio. Por exemplo, o dimensional do Farol (Foto 5.5.1) afeta o encaixe na carroceria do veculo. Por isso, importante que tenhamos um sistema de medio confivel.
Figura 5.5.1: Pea fixada na bancada.
Para a caracterstica dimensional do farol, o cliente especificou um valor de tolerncia do processo de 4 mm. Neste caso, a exatido pode ser definida atravs da criticidade da medio em comum acordo com o cliente. Para esta aplicao, definimos uma exatido de 0,4 mm. Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao, fazemos uma anlise de cenrio atravs das seguintes questes: Importncia/impacto no produto? Reclamaes de Clientes? Histrico de Falhas? caracterstica especial? Condies Ambientais? Sistema de medio utilizado para CEP?
Fase 2: Mtodo de Medio
A fase I nos prepara para fazermos uma boa descrio do sistema de medio. Assim, reunimos a equipe para realizarmos a descrio do sistema de medio e elaborarmos o diagrama de Ishikawa. Descrio do sistema de medio dimensional do farol Fixao do Farol na Gaiola Fixao da Gaiola na Bancada Posicionar o Relgio Comparador no primeiro ponto de medio Realizar leitura Posicionar o Relgio Comparador nos demais pontos (2 a 12) e realizar a medio Tambm definimos as variveis de parametrizao do Sistema de Medio Varivel: medio por comparao do dimensional do Farol; Descrio: medies por comparao ao longo de 12 pontos de medio; Especificao: tolerncia de 4 mm. Outro ponto importante para a anlise do sistema de medio o diagrama de Ishikawa, ou diagrama de causa e Efeito. Com toda a equipe reunida (nesta fase importante contarmos com a presena de operadores), realizamos um brainstorming sobre as principais causas de variao no sistema de medio. O diagrama de Ishikawa fundamental para definirmos os pontos crticos e a tcnicas estatsticas que utilizaremos para avaliar o sistema de medio.
Diagrama de Causa e Efeito (Ishikawa)
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Um dos itens crtico de um sistema de medio so os equipamentos utilizados para realizarmos as medies. Os equipamentos so calibrados por laboratrios acreditados ao INMETRO e os certificados de calibrao devem ser avaliados criticamente com relao a critrios previamente definidos. Nesta aplicao, o relgio comparador tem resoluo de 0,01 mm com erro mximo permissvel de 0,03 mm. Com isso, garantimos a exatido requerida de 0,4 mm. Na sequncia, apresentamos uma foto do relgio comparador.
Figura 5.5.2: Relgio comparador posicionado no ponto 1
Figura 5.5.3: Relgio comparador posicionado no ponto 6.
Com a descrio do sistema de medio e o diagrama de Ishikawa planejamos a aplicao das tcnicas estatsticas. Na maioria dos processos, realizamos basicamente trs anlises: estabilidade, RR e tendncia e linearidade. A seguir, descrevemos o planejamento para aplicao das anlises estatsticas.
Fase 3: Planejamento dos Estudos
Estabilidade: Selecionamos 1 pea para ser medida ao longo do tempo. Nesta aplicao, faremos trs subgrupos racionais de medies por dia durante uma semana (25 subgrupos).
Repetitividade e Reprodutibilidade: 5 peas de lotes de produo "distintos", sendo 3 medies por pea realizados em ordem aleatria por cada operador.
Linearidade: A mesma pea selecionada para a estabilidade ser utilizada para o estudo de linearidade ao longo dos 12 pontos de medio. Neste caso, definimos o valor de referncia em um sistema de medio confivel, neste exemplo, utilizamos o sistema de medio do cliente.
Aps a coleta de dados, vamos executar a anlise estatstica.
Estabilidade
Nesta aplicao exemplificaremos apenas para o ponto 1, sendo os demais pontos aplicados de forma anloga. clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso:
Observamos instabilidade nos 12 pontos de medio. Porm o resultado geral bom, visto que a variao encontrada pequena (variao mxima de 0,07 mm) comparadas com a tolerncia do produto. Anlise Crtica Estabilidade: observamos amplitude mxima de 0,07 mm, que representa cerca de 1,75\% da tolerncia, correspondendo a uma variao pequena do pondo vista prtico. Observe que do ponto de vista da exatido do instrumento (para um relgio comparador centesimal temos uma exatido ao redor de 0,03 mm) a instabilidade detectada (variaes de at 0,07 mm) significativa. Provavelmente esta variao tem como causa o dispositivo de fixao e a prpria pea.
Repetitividade e Reprodutitividade (RR)
Anlise do RR para o ponto 1: clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso:
Observamos uma variabilidade compatvel com o processo. Todos os ndices de RR esto abaixo de 10% (pgina 78 da norma do MSA 4 edio) em relao a tolerncia do produto (4 mm). Tendncia e Linearidade
Para realizarmos a anlise da Linearidade, validaremos a variabilidade associada com a repetitividade usando a variao total obtida no estudo de RR. clique aqui para efetuar o download dos dados utilizados nesse exemplo
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso: Tendncia e Linearidade: O sistema de medio no tem uma linearidade significativa ao longo dos pontos de utilizao do sistema (1 a 12) pois o p-valor encontrado est acima de 5% (P-valor= 0,16). Anlise crtica Tendncia e Linearidade: Apesar de no termos linearidade significativa, a maioria dos pontos apresenta tendncia significativa do ponto de vista estatstico (p-valor abaixo de 5%). A maior tendncia detectada (ponto 4) de -0,08 mm que est acima do erro mximo permissvel para o relgio comparador (aproximadamente 0,03 mm). Porm, esta tendncia mxima representa 2% da tolerncia, o que pode ser considerado desprezvel do ponto de vista prtico. 5.6 - Sistema de Medio para altura do rebite O procedimento que descreveremos a seguir um sistema de medio replicvel, pois podemos realizar diversas medies da pea sem danific-la. Desenvolveremos um estudo de MSA para um sistema de Medio para altura do rebite tubular.
Fase 1: Descrio do Sistema de Medio
Utilizamos esta fase para realizarmos uma reviso do sistema de medio e o planejamento para a aplicao do MSA. Aqui, importante definirmos a equipe responsvel pela anlise, os setores que aplicam o sistema de medio e a necessidade da medio. Por exemplo, altura do rebite (Foto 5.6.1) garante o revestimento til para desgaste em um disco de embreagem, com isso evita a patinao da embreagem. Por isso, importante que tenhamos um sistema de medio confivel.
Figura 5.6.1: Foto do disco de embreagem.
Para a caracterstica altura do rebite tubular, o cliente especificou um valor de tolerncia do processo de 0,4 mm. Neste caso, a exatido pode ser definida atravs da criticidade da medio em comum acordo com o cliente. Para esta aplicao, definimos uma exatido de 0,04 mm. Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao, fazemos uma anlise de cenrio atravs das seguintes questes: Importncia/impacto no produto? Reclamaes de Clientes? Histrico de Falhas? caracterstica especial? Condies Ambientais? Sistema de medio utilizado para CEP?
Fase 2: Mtodo de Medio
A fase I nos prepara para fazermos uma boa descrio do sistema de medio. Assim, reunimos a equipe para realizarmos a descrio do sistema de medio e elaborarmos o diagrama de Ishikawa. Descrio do sistema de medio da altura do rebite tubular. Posicionamento do disco de embreagem na bancada Fixao da base do paqumetro na guarnio do disco de embreagem Realizao da leitura Tambm definimos as variveis de parametrizao do Sistema de Medio Varivel: medio da altura da haste do disco de embreagem; Descrio: medies da altura; Especificao: tolerncia de 0,4 mm. (+/- 0,2 mm) Outro ponto importante para a anlise do sistema de medio o diagrama de Ishikawa, ou diagrama de causa e Efeito. Com toda a equipe reunida (nesta fase importante contarmos com a presena de operadores), realizamos um brainstorming sobre as principais causas de variao no sistema de medio. O diagrama de Ishikawa fundamental para definirmos os pontos crticos e a tcnicas estatsticas que utilizaremos para avaliar o sistema de medio.
Diagrama de Causa e Efeito (Ishikawa)
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Um dos itens crtico de um sistema de medio so os equipamentos utilizados para realizarmos as medies. Os equipamentos so calibrados por laboratrios acreditados ao INMETRO e os certificados de calibrao devem ser avaliados criticamente com relao a critrios previamente definidos. Nesta aplicao, o paqumetro tem resoluo de 0,01 mm, calibrado anualmente. O erro mximo permissvel da calibrao do paqumetro de 0,03 mm. Com isso, garantimos a exatido requerida de 0,04 mm. Na sequncia, apresentamos uma foto da medio da altura do pino tubular.
Figura 5.6.2: Posicionamento do paqumetro.
Figura 5.6.3: Medio da altura do rebite tubular.
Com a descrio do sistema de medio e o diagrama de Ishikawa planejamos a aplicao das tcnicas estatsticas. Na maioria dos processos, realizamos basicamente trs anlises: estabilidade, RR e tendncia e linearidade. A seguir, descrevemos o planejamento para aplicao das anlises estatsticas.
Fase 3: Planejamento dos Estudos
Estabilidade: Selecionamos 1 pea para ser medida ao longo do tempo. Nesta aplicao, faremos trs subgrupos racionais de medies por dia durante uma semana (20 subgrupos).
Repetitividade e Reprodutibilidade: 10 peas de lotes de produo "distintos", sendo 3 medies por pea realizados em ordem aleatria por cada operador. Nesta aplicao, escolhemos 3 operadores.
Linearidade: Foram selecionadas 5 peas (em pontos distintos), no qual definimos o valor de referncia em um sistema de medio confivel, neste exemplo, utilizamos o sistema de medio do cliente.
Aps a coleta de dados, vamos executar a anlise estatstica.
Estabilidade
Nesta aplicao exemplificaremos a aplicao. clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso:
Sistema de Medio estvel ao longo do tempo. Anlise Crtica Estabilidade: no grfico de amplitude indica que h uma falta de discriminao do Sistema de Medio, pois temos muitos pontos iguais a zero. Em geral, a resoluo do equipamento de medio pode ser inadequada.
Repetitividade e Reprodutitividade (RR)
Anlise do RR para o ponto 1: clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso:
Observamos uma variabilidade compatvel com o processo. Anlise Crtica O RR do Sistema de Medio de 0,03 mm, que compatvel com o instrumento utilizado (paqumetro). Alm disso, este RR representa 18% em relao variao total e tem um ndice NDC de 7 categorias. Tambm observamos que a reprodutibilidade quase nula, o que significa que o impacto dos operadores pequeno. De forma geral, a variabilidade do sistema de medio compatvel para o controle do processo. Tendncia e Linearidade
Para realizarmos a anlise da Linearidade, validaremos a variabilidade associada com a repetitividade usando a variao total obtida no estudo de RR. clique aqui para efetuar o download dos dados utilizados nesse exemplo
Tabela 5.5.1: Tabela para realizao do estudo de Tendncia e Linearidade. Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso: Tendncia e Linearidade: O sistema de medio apresenta uma linearidade no significativa ao nvel de 5% (P-valor= 0,62). Tambm observamos que todas as tendncias foram consideradas no significativas (ver grfico). Com isso, conclumos que o sistema de medio apresenta uma tendncia e linearidade desprezveis.
5.7 - Sistema de medio de Torque aplicado com um torqumetro digital Sistema de medio de Torque aplicado com um torqumetro digital
Considere o sistema de medio de torque aplicado com um toqumetro digital (foto 5.7.1) na escala Nm. Ao medirmos o torque em um parafuso, provocamos uma alterao na pea em torno deste ponto e consequentemente, no podemos repetir a medio de torque nesta regio. Assim, podemos interpretar o sistema de medio de torque como um sistema no replicvel. Na aplicao a seguir, vamos adotar a seguinte estratgia: Escolher um tipo de pea (motor MWM Euro 5). Como o sistema de medio no replicvel, medimos a pea apenas uma vez. Portanto, vamos utilizar diversos motores do mesmo modelo. Tambm importante escolher alguns pontos especficos do motor para o acompanhamento. Escolhemos trs pontos de aplicao de torque. Determinar a periodicidade do estudo: escolhemos uma vez por semana.
Fase 1: Descrio do Sistema de Medio Utilizamos esta fase para realizarmos uma reviso do sistema de medio e o planejamento para a aplicao do MSA. Aqui, importante definirmos a equipe responsvel pela anlise, os setores que aplicam o sistema de medio e a necessidade da medio. Por exemplo, a pea que medimos o torque (Foto 5.7.1) afeta a segurana do usurio final. Por isso, importante que tenhamos um sistema de medio confivel.
Figura 5.7.1: foto da medio do torque aplicado a parafusos. Para a caracterstica torque, temos um torqumetro digital de resoluo de 0,1 Nm e com tolerncia de 30 Nm. Para esta aplicao, temos uma exatido de 6 Nm. Para que a equipe possa conhecer melhor o sistema de medio e sua aplicao, fazemos uma anlise de cenrio atravs das seguintes questes: Importncia/impacto no produto? Reclamaes de Clientes? Histrico de Falhas? caracterstica especial? Condies Ambientais? Sistema de medio utilizado para CEP? Fase 2: Mtodo de Medio: A fase I nos prepara para fazermos uma boa descrio do sistema de medio. Assim, reunimos a equipe para realizarmos a descrio do sistema de medio e elaborarmos o diagrama de Ishikawa. Descrio do sistema de medio de torque aplicado com um toqumetro digital: Nm 1. Conectar um transdutor de torque (equipamento padro) ao parafuso 2. Aplicar o torque ao parafuso em uma pea (com o torqumetro) 3. Registar o valor de torque obtido no torqumetro e no equipamento padro (transdutor de torque) Outro ponto importante para a anlise do sistema de medio o diagrama de Ishikawa, ou diagrama de causa e efeito. Com toda a equipe reunida (nesta fase importante contarmos com a presena de operadores), realizamos um brainstorming sobre as principais causas de variao no sistema de medio. O diagrama de Ishikawa fundamental para definirmos os pontos crticos e a tcnicas estatsticas que utilizaremos para avaliar o sistema de medio.
Diagrama de Causa e Efeito (Ishikawa)
Para entender como executar essa funo do Software Action, voc pode consultar:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. Um dos itens crtico de um sistema de medio so os equipamentos utilizados para realizarmos as medies. Os equipamentos so calibrados por laboratrios apropriados e os certificados de calibrao devem ser avaliados criticamente com relao a critrios previamente definidos. Nesta aplicao, o torqumetro digital tem resoluo de 0,1 Nm. Com isso, garantimos a exatido requerida de 6 Nm. Na sequncia, apresentamos uma foto do torqumetro digital.
Com a descrio do sistema de medio e o diagrama de Ishikawa planejamos a aplicao das tcnicas estatsticas. Na maioria dos processos, realizamos basicamente trs anlises: estabilidade, RR e tendncia e linearidade. A seguir, descrevemos o planejamento para aplicao das anlises estatsticas. Fase 3: Planejamento dos Estudos. Estabilidade: Selecionamos trs pontos de torque do motor acompanhados ao longo do tempo (uma vez por semana). Anlise atravs do grfico Xbarra e R; Tendncia: comparao com o transdutor padro. Uma anlise de tendncia por ponto; Repetitividade: trs pontos de medio com 25 rplicas; Reprodutibilidade: No vamos realizar o ensaio de reprodutibilidade; Observao: as trs anlise foram feitas com a mesma tabela de dados.
Aps a coleta de dados, vamos executar a anlise estatstica.
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. Algumas sugestes de concluso: Sistema estvel ao longo do tempo. Todos os pontos esto dentro das linhas de controle. Tendncia: vamos aplicar o estudo de tendncia nos trs pontos de torque do motor. A seguir, temos o estudo no primeiro ponto. Semana T1 1 0 2 -9,59 3 -5,84 4 -5,59 5 -9,66 6 -1,52 7 -1,1 8 -8,29 9 -3,31 10 -3,28 11 -5,22 12 -8,15 13 -0,5 14 -6,82 15 -6,89 16 -0,64 17 -6,82 18 -1,08 19 -6,03 20 -7,77 21 -3,14 22 -2,22 23 0,14 24 -1,13 25 -0,54 clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Agora, vamos aplicar o estudo de tendncia no ponto 2.
Por fim, vamos aplicar o estudo de tendncia no ponto 3. Semana T3 1 -2,57 2 -2,44 3 -4,01 4 -1,31 5 -3,79 6 -3,96 7 -4,63 8 -3,82 9 0,66 10 -10,18 11 -5,94 12 -4,62 13 -1,51 14 -4,48 15 -1,29 16 -0,64 17 -10,14 18 -4,8 19 -6,12 20 -2,14 21 -7,2 22 -5,34 23 -2,56 24 -4,43 25 -0,95 Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio. Algumas sugestes de concluso: Nos trs pontos de torque do motor, a linha do zero no faz parte do intervalo de confiana, aa tendncias encontradas so significativas ao nvel de significncia de 5%.
clique aqui para efetuar o download dos dados utilizados nesse exemplo
Resultados desse exemplo obtidos com o software Action:
Para entender como executar essa funo do Software Action, voc pode consultar o manual do usurio.
Algumas sugestes de concluso: No estudo, obtemos um RR= 2,9 Nm (correspondente a 29% da tolerncia). O RR foi considerado satisfatrio, pois o sistema no replicvel, sendo este valor contaminado por variaes do produto e do padro. 6 - Apndice Nesta seo, esto as tabelas usadas ao longo do contedo estatstico do MSA 4 edio. 6.1 - Distribuio t-Student Valores tais que
Editora Roncarati - CARTA CIRCULAR DITEC #006, de 23.02 - Orientações Sobre As Operações de Resseguro No Ramo de Responsabilidade Civil - Diretores e Administradores (D&O)