Anda di halaman 1dari 96

1.

INTRODUO

O crescimento ininterrupto da competitividade entre empresas dos mais diversos ramos, junto globalizao mundial, tem acarretado diversas mudanas nos processos produtivos. Atualmente as empresas se deparam com a necessidade em modificar sua cultura, poltica e estratgias, com alteraes e melhorias contnuas no ambiente empresarial que acarretem em aumento da competitividade e garantia da satisfao das necessidades e anseios de seus clientes, reconhecendo, inclusive, as caractersticas e as variveis mais relevantes no processo. Nessa esfera, a qualidade tornou-se um dos mais importantes fatores de deciso dos consumidores na preferncia de produtos e servios competitivos entre si. Portanto, o controle da qualidade nos itens oferecidos adquiriu significativa importncia para gerao de lucros e manuteno dos mesmos no mercado. Desta maneira, compreender e aprimorar a qualidade so fatores decisivos que podem conduzir ao bom xito, crescimento e posio competitiva de um negcio, fatores essenciais na estratgia geral de qualquer organizao. Deming (1990), Juran (1995), Feigenbaum (1994), Caplen (1970) e outros, apresentam um conceito da qualidade relacionado s necessidades e expectativas dos consumidores. Complementarmente a esses autores, Goh (2000) afirma que no atual mundo altamente competitivo, excelncia em qualidade no ostentao, mas sim um requisito fundamental do ponto de vista de fabricantes e consumidores. J Montgomery (2004) apresenta uma definio da qualidade como sendo inversamente proporcional variabilidade. Considerando tais conceitos, o Controle Estatstico da Qualidade (CEQ) se apresenta como uma valiosa ferramenta, com o objetivo primrio de reduzir sistemicamente a variabilidade nas caractersticas chave para a qualidade de um produto.

18

De acordo com Western Eletric (1956), o CEQ uma forma de estudo das caractersticas de um processo (Qualidade), atravs de dados estatsticos, de modo a faz-lo comportar-se da forma esperada. Outra metodologia apresentada em decorrncia ao CEQ o Controle Estatstico de Processo (CEP), que de acordo com Montgomery (2004) consiste em uma coleo de ferramentas de resoluo de problemas industriais, til na obteno da estabilidade do processo e na melhoria da sua capacidade atravs da reduo da variabilidade. Does et al. (1997) apresentam o Controle Estatstico de Processo como uma das mais importantes partes do Gerenciamento da Qualidade Total, podendo ser aplicado no somente em processos industriais, mas em todo tipo de processo que envolva uma seqncia de passos repetitivos. As tcnicas estatsticas so teis e aplicveis em todo o ciclo do produto para quantificar a variabilidade do processo e analisar tal variabilidade em relao s exigncias ou especificaes do produto. Segundo Montgomery (2004), esta atividade conhecida por anlise da capacidade do processo. Os ndices de capacidade do processo so extremamente utilizados no CEQ, primordialmente para avaliar a habilidade de um processo em satisfazer as especificaes exigidas, sejam elas do cliente ou do processo em si. Neste contexto, a estatstica e suas tcnicas de controle de processos, vm sendo amplamente adotadas pelas organizaes, necessitando, portanto de estudo, anlise e compreenso de seus detalhes e aplicaes.

1.1 Justificativa

A execuo do presente trabalho justificada em virtude do constante avano tecnolgico utilizado nos processos produtivos industriais, exigindo mtodos de controle estatstico da qualidade capazes de acompanhar, monitorar, detectar e avaliar mudanas nas caractersticas da qualidade durante o processo. Define-se ainda como justificativa a necessidade de verificao da capacidade de um processo em atender s especificaes dos clientes, tendo em vista plena

19

satisfao destes, qualidade do produto final e garantia de produo conforme determinado, sem interferncias inesperadas.

1.2 Objetivo Geral

O objetivo do presente estudo verificar se o processo de pintura eletrosttica com tinta lquida, desenvolvido por uma empresa fabricante de estruturas metlicas, atende especificao solicitada por um novo cliente potencial, atravs do estudo de capabilidade de processo com verificao dos ndices Cp e Cpk. 1.3 Objetivos Especficos

Proporcionar uma viso geral a respeito de CEQ, CEP, Grficos de Controle e Capabilidade;

Verificar a normalidade e a estabilidade do processo em questo;

Detectar e avaliar potenciais pontos de melhoria no processo sob anlise;

Avaliar a adequao e aplicabilidade dos principais tipos de Grficos de Controle s variveis de interesse;

Verificar a capacidade do processo frente s especificaes apresentadas;

A partir dos resultados obtidos, aplicar mudanas e/ou melhorias para o processo produtivo, de maneira a estabelecer um sistema que garanta o atendimento aos requisitos do cliente e a melhoria contnua.

20

1.4 Estrutura do Trabalho

O primeiro captulo refere-se introduo do trabalho, realizando uma breve apresentao, a justificativa de sua realizao, os objetivos gerais e especficos, bem como a estrutura do mesmo. No segundo captulo apresentada uma reviso bibliogrfica, abrangendo e contextualizando os conceitos primordiais no estudo de Controle Estatstico da Qualidade, Controle Estatstico de Processo, Grficos de Controle e Capabilidade de Processo. A metodologia usada neste projeto ser detalhada no terceiro captulo. Nele sero descritos a realizao do estudo, com detalhamento passo-a-passo de cada etapa, bem como a maneira como foram colocadas em prticas as referncias tericas citadas na reviso bibliogrfica. No quarto e quinto captulos sero apresentados, respectivamente, os resultados obtidos e a discusso de suas anlises. Finalizando, no sexto captulo sero descritas as concluses do presente estudo, bem como recomendaes para melhoria do mesmo, tendo em vista os objetivos propostos inicialmente.

21

2. REVISO BIBLIOGRFICA

2.1 Controle Estatstico da Qualidade (CEQ)

Conforme apresentado por Galuch apud Rosrio (2004), o conceito de Controle Estatstico da Qualidade (CEQ) se define em:

Baseia-se no fato de que, para se exercer o controle de um processo, uma srie de processos que levam ao produto acabado, precisa-se entender seu comportamento. O CEQ fornece uma base para se definir o comportamento do processo como bom, aceitvel ou ruim. Em funo disso, os problemas podem ser rastreados, identificados e eliminados de um processo, de modo que ele continue a produzir produtos com qualidade aceitvel. Segundo Western Electric (1956), o CEQ uma forma de estudo das caractersticas de um processo com auxlio de nmeros dados estatsticos de maneira a faz-lo comportar-se da forma desejada, ou seja, sob controle. De acordo com Montgomery (2004), um processo est sob controle quando a variao da qualidade for atribuda ao acaso e no a causas identificveis, ou seja, quando as causas da modificao podem ser detectadas. Desta maneira, o CEQ tem como objetivo estabelecer, melhorar e assegurar a qualidade de uma produo, atuando em todas as fases do processo produtivo. Moreira (1993) ainda disserta que o CEQ uma forma de controle de processo usado para manter certo fenmeno dentro dos padres estabelecidos, utilizando estatsticas para a anlise das medidas de qualidade efetuadas. Gaither e Frazier (2005) explanam que, historicamente, os fundamentos das prticas atuais de controle da qualidade so oriundos, principalmente, dos trabalhos desenvolvidos por Shewhart, cuja proposta era a utilizao de recursos estatsticos para desenvolver grficos de controle que auxiliam na avaliao de processo, identificao e eliminao de problemas. Alguns autores como Woodall e Montgomery (1999) definem o CEQ como um ramo da Estatstica Industrial composto de quatro grandes reas: 22

Controle Estatstico de Processo (CEP) que inclui os grficos de controle, responsveis pelo monitoramento do desempenho de um processo, e demais ferramentas estatsticas e de gerenciamento que permitem identificar problemas e buscar suas respectivas causas;

Estudo de Capabilidade de Processos que mensuram a capacidade do processo de produzir itens condizentes com as especificaes;

Aceitao por Amostragem que pode ser definida como o grupo de tcnicas utilizadas para aceitao ou rejeio de matria-prima ou lotes de produtos acabados;

Planejamento

de Experimentos

composto

por

experimentos

estatsticos

devidamente planejados no intuito de identificar quais variveis influem para que um processo tenha um comportamento indesejado, bem como a magnitude do efeito.

Os dois primeiros itens sero detalhadamente apresentados, visto que so alvos do presente estudo.

2.2 Controle Estatstico de Processo (CEP)

2.2.1 Definio de Processo

Juran (1995) define processo como uma srie sistemtica de aes dirigidas realizao de uma meta. Ao apresentar o conceito desta maneira, o autor defende a aplicao do mesmo a todas as relaes fabris ou no, incluindo mo-obra e instalaes. Segundo Galuch (2002), processo o conjunto de atividades que possui como caracterstica a definio de parmetros e medidas que se iniciam e terminam com a satisfao dos clientes externos. Este autor afirma que a terminao clientes externos 23

utilizada para identificar pessoas ou organizaes que no fazem parte da empresa, mas que so ligadas pelas suas atividades. De maneira geral, os autores unificam esta definio como um conjunto de atividades motivadas por uma entrada ou causa (input, tambm representado pela letra x) que tem como objetivo produzir uma determinada sada ou efeito (output, tambm representado pela letra y), denominado produto do processo. Desta forma, afirmamos que os processos existem e acontecem em todas as partes das organizaes, e que mesmo estando fortemente relacionado com o fluxo produtivo, ele no se refere apenas a isto. Podemos afirmar ainda que um dos principais objetivos de um processo produtivo assegurar a qualidade do que gerado, garantindo a satisfao do cliente e a competitividade no mercado. claro que controlar um processo algo bastante abrangente e trabalhoso, envolvendo uma srie de caractersticas e ferramentas. Porm, neste trabalho, o controle de processos e a garantia da qualidade estaro fortemente relacionados com a manuteno e controle da variabilidade, visando analisar a capacidade do mesmo em atender as especificaes do cliente.

2.2.2 Fundamentos do Controle Estatstico de Processo

O controle estatstico de processo nasceu com o trabalho precursor de Walter A. Shewhart na dcada de 1920, com seu estudo sobre a aleatoriedade dos processos industriais e na criao dos grficos de controle, que permitiram determinar se a variabilidade de um processo era realmente aleatria ou resultante de causas especiais. Ribeiro et al. (1996) dizem que a aplicao das tcnicas de Controle Estatstico de Processos, juntamente outras, quando corretamente empregadas podem melhorar efetivamente a qualidade do produto que uma empresa oferece, resgatando a sua competitividade a nvel internacional. Segundo Resende e Carpinetti (1999) estas tcnicas estatsticas servem para aumentar a produtividade, atuar efetivamente na deteco de defeitos e prevenir

24

ajustes desnecessrios de processo, estabelecendo uma informao de diagnstico e permitindo o clculo da capabilidade do processo. Woodall (2000) defende que o controle estatstico de processos consiste em mtodos para entender, monitorar e melhorar o desempenho do processo ao longo do tempo. Para tanto, necessrio priorizar a compreenso da variao das caractersticas de qualidade como sendo de importncia primria para o controle estatstico de processos. Hare (2003) sugere, de maneira geral, que um fenmeno ser dito sob controle quando, baseados em experincias passadas, pode-se predizer sua variabilidade futura. Sabe-se ento que o CEP, alm de uma ferramenta estatstica que contempla o desenvolvimento e interpretao dos resultados de grficos de controle de processos, visto como uma filosofia de gerenciamento e um conjunto de tcnicas que visam garantir a estabilidade e a melhoria contnua de um processo de produo. De acordo com Sommer apud Rosrio (2004), CEP um mtodo preventivo de comparao entre os resultados de um processo com um padro; identificando, a partir de dados estatsticos, as tendncias para variaes significativas, eliminando e/ou controlando as mesmas com a finalidade de reduzi-las cada vez mais. Diz-se ento que o CEP permite o monitoramento contnuo de um processo, possibilitando uma ao imediata assim que um problema for detectado. Montgomery (2004) define CEP como um conjunto de ferramentas de soluo de problemas teis em processos produtivos, a fim de obter estabilidade e melhoria da capacidade atravs da reduo da variabilidade. Este conjunto de ferramentas composto por:

Amostragem (Inspeo, Planos de Amostragem); Folha de Verificao; Histograma/Grficos; Diagrama de Pareto; Diagrama de Causa e Efeito/6M/Espinha de Peixe; Estratificao; 25

Grficos de Controle (Grficos de Shewhart); Diagrama de Correlao.

A prtica dos mtodos de controle estatstico de processos , sem dvida nenhuma, uma das ferramentas mais poderosas para a melhoria dos processos produtivos de forma geral. No entanto, Does et al. (1997) afirmam que uma das maiores causas de falha na implementao do CEP est relacionada a fatores organizacionais e sociais, citando como exemplos a ausncia de gerenciamento, o no comprometimento ou falta de treinamento e entendimento das tcnicas de controle estatstico de processos, controle de projetos inadequado e a falta de ateno.

2.2.3 Causas de Variabilidade dos Processos

Montgomery (1985) define variabilidade ao assegurar que no existem duas unidades de um mesmo produto produzidas por um processo de manufatura que sejam idnticas. Desta maneira, afirma-se que alguma variao sempre existir em qualquer atividade produtiva, e sua ocorrncia inevitvel. Carpinetti et al. (2008) relacionam a expresso variabilidade do processo com as diferenas existentes entre as unidades produzidas por um respectivo processo. Se a variabilidade for alta, as diferenas entre as unidades produzidas sero fceis de serem observadas; em contrapartida, se a variabilidade do processo for pequena, tais diferenas sero difceis de serem detectadas. o que defende Montgomery (2004) quando diz que qualidade inversamente proporcional variabilidade. Se a variabilidade das caractersticas importantes de um produto decresce, a qualidade aumenta. Segundo Shewart, todo e qualquer processo, por mais bem projetado e controlado que seja, possui em sua variabilidade um componente considerado impossvel de ser eliminado. Trata-se da variabilidade natural do processo (causas comuns), geralmente relacionadas s caractersticas intrnsecas do produto ou processo, sendo parte integrante da sua identidade e no afetando de forma incisiva.

26

resultante de uma srie de pequenas perturbaes, ou causas aleatrias, contra as quais pouco ou nada se pode fazer. Quando o processo apresenta apenas a variabilidade natural, devido s causas aleatrias, diz-se que ele est no estado de controle estatstico.

Figura 01 Processo previsvel, isento de causas especiais. Fonte: Portal Action, 2012.

Sabe-se, entretanto, que nenhum processo est isento ocorrncia ocasional de perturbaes maiores, denominadas causas especiais, que tem a implicao de deslocar a distribuio da varivel aleatria e/ou aumentar sua disperso, afetando a qualidade do produto. Uma causa especial um problema ou modo de operao anormal do processo, sendo na maioria das vezes imprescindvel o seu estudo, entendimento e eliminao para que o processo se mantenha estvel e sob controle. Quando, alm das causas aleatrias de variabilidade, h a presena de causas especiais, diz-se que o processo est fora de controle.

27

Figura 02 Processo no previsvel, com causas especiais. Fonte: Portal Action, 2012

O objetivo do CEP mostrar de uma forma mais fcil e rpida a ocorrncia de causas especiais no processo, tornando possvel uma tomada de deciso imediata, investigando as causas e propondo aes corretivas que possam ser realizadas.

2.2.4 Implementao do CEP

A implementao dos mtodos de controle estatstico do processo pode fornecer retornos significativos s organizaes. Conforme apresentado por Montgomery (2004), h alguns elementos vitais para que um programa baseado no CEP seja bem sucedido. So eles: Compromisso e envolvimento da gerncia com o processo de melhoria da qualidade, visto como uma funo-modelo que servir de exemplo para todos os colaboradores; 28

Abordagem em equipe, pois, comprova-se a dificuldade para uma nica pessoa introduzir mudanas significativas no processo;

Educao continuada do pessoal acerca dos conceitos do CEP, alm de outros mtodos para reduo da variabilidade;

Edificao de uma cultura na organizao de que o objetivo do CEP traduz-se pela melhoria contnua com base semanal, mensal, trimestral e anual;

Avaliao do sucesso em termos quantitativos (econmicos);

Elaborao de um mecanismo para comunicar os resultados de sucesso por toda empresa.

2.3 Grficos de Controle

Os grficos de controle so a principal ferramenta utilizada para monitoramento da variabilidade e avaliao da estabilidade de caractersticas importantes em um processo, sinalizando a presena de causas especiais e permitindo atingir um estado de controle estatstico. Ajudam a estabelecer uma referncia de medio a partir da qual se medem melhorias, alm de fornecer uma imagem grfica do processo ao longo do tempo. Lina e Woodall (2001) delineiam os grficos de controle como ferramentas utilizadas para monitorar a preciso e exatido de um processo ao longo do tempo utilizando os desvios observados de padres conhecidos. Balestrassi (2000) diz que esses grficos so teis em determinar se um processo est se comportando como desejado ou se existem algumas causas no aleatrias de variao interagindo no processo. Para Reynolds e Stoumbos (2001) os grficos de controle so aplicados no monitoramento de um processo com o propsito de detectar causas especiais de variao que podem resultar em baixa qualidade do produto. 29

Os grficos de controle permitem, ento, a distino entre dois tipos de causas de variao (comuns e especiais). As causas comuns so originrias da variabilidade natural do processo, sendo, portanto, consideradas aleatrias, sinalizando que o processo est sob controle estatstico. J as causas especiais so originrias da formao de padres, sinalizando que algo est influenciando o processo, sendo, portanto necessrio identific-la e remov-la para que toda a produo no seja afetada. Quando causas especiais aparecem, diz-se que o processo est fora de controle estatstico, ou seja, processo no est sob controle. o que diz Nelson (1999), ao descrever que os grficos de controle de Shewhart so usados para indicar a presena de causas que produzem desvios importantes na operao de um processo estvel. Sendo assim, os grficos de controle definem-se por uma apresentao grfica de uma caracterstica da qualidade que foi medida ou calculada a partir de uma amostra versus o nmero da amostra ou o tempo, conforme apresentado na Figura 03.

Figura 03 Exemplo de Grfico de Controle (Minitab 15). Fonte: Mafra, 2008.

30

Segundo Montgomery (2004), os grficos de controle, alm de proporcionar a melhoria da produtividade, auxiliam na preveno de defeitos, evitam ajustes desnecessrios no processo, e fornecem informaes para a anlise de um processo. Borges (2009) descreve os grficos de controle como uma maneira fcil e simples de visualizar o desempenho de um processo e as variabilidades do mesmo no decorrer do tempo. J Toledo e Alliprandini (2004), dizem que os grficos permitem o aumento da porcentagem de produtos que satisfaa exigncias dos clientes; diminui os ndices de trabalho dos itens produzidos e, conseqentemente, dos custos de produo; alm de aumentar a produtividade. Pyzdek (1990) relata que os grficos de controle tambm so utilizados como registros histricos no processo de aprendizado e podem ser usados por outras pessoas para melhorar outros processos; alm de serem teis ao comunicar os resultados a lderes, provedores, clientes, e outros que tm interesse na melhoria da qualidade. Diz-se, enfim, que a importncia do grfico de controle est em identificar a ocorrncia de causas especiais e ento remov-las, conduzindo a reduo em variao do processo. Ramos (2003) apresenta o procedimento de construo de grficos de controle, de forma geral, como uma coleta de amostras de tamanhos fixos em intervalos amostrais e atravs destas, obter estimativas para o nvel e para a disperso do processo. Estas estimativas so utilizadas para determinar as linhas dispostas nos grficos. Desta maneira, dizemos que um grfico de controle consiste em uma linha central (LC) ou linha mdia (LM), que representa o valor da mdia amostral e duas outras linhas horizontais chamadas de limite superior de controle (LSC) e limite inferior de controle (LIC), a partir da mdia a 3 desvios padro. Tais limites de controle so determinados de modo que, se o processo estiver sob controle, os pontos amostrais estaro dispostos entre eles. Caso o processo no esteja sob controle estatstico, apresentar pontos alm dos limites - os outliers - que representam causas especiais do processo. Nestes casos necessria uma

31

investigao e ao corretiva para encontrar e eliminar a causa ou as causas atribuveis responsveis por tais. Para iniciar um grfico de controle, comumente so extradas amostras de tamanho fixo n do processo sob anlise, podendo estas apresentar ou no mesma periodicidade, o que em geral depende da disponibilidade de amostras, dificuldade de coleta ou custo. Os valores coletados, dispostos em forma de vetor x1; x2; .... ;xn so utilizados para a obteno de valores que sintetizem as variveis de interesse como a mdia amostral, a mediana, a amplitude, o desvio padro ou a varincia. So a partir destes valores que freqentemente os grficos de controle so calculados. Ao realizar a plotagem destes pontos no escopo previamente apresentado (com a linha central e os limites) tm-se um grfico de controle. Para determinar os limites do grfico, consideremos Z como uma estatstica amostral que mede alguma caracterstica da qualidade de interesse. Para tanto, a mdia ser representada por z e o desvio padro por z. Ento, LC, LSC e LIC se tornam: LSC = z + L z LC ou LM = z LIC = z - L z Onde L a distncia dos limites de controle linha central, expressa em unidades de desvio-padro.

As Figuras 04 e 05 representam, respectivamente, um grfico de controle de um processo sob controle e de um processo fora de controle estatstico.

32

LSC LC LIC

Figura 04 Exemplo de Grfico de Controle de um processo estvel ou sob controle. Fonte: Portal Action, 2012.

Figura 05 Exemplo de Grfico de Controle de um processo instvel fora de controle, devido presena do ponto 1. Fonte: Portal Action, 2012.

De acordo com Montgomery (2004):

Mesmo que todos os pontos se situem entre os limites de controle, se eles se comportam de maneira sistemtica ou no-aleatria, ento isso pode ser uma indicao de que o processo est fora de controle. Diz-se ento, que a anlise dos grficos de controle no deve estar somente atribuda aos limites de controle, devendo contemplar tambm o comportamento da variabilidade do processo. Atravs desta anlise, se instituram critrios alternativos para melhorar a sensibilidade desta ferramenta: consistem essencialmente em traar linhas intermedirias que servem de advertncia na deteco de padres no aleatrios que possam caracterizar-se como indcios de no conformidades. Observa-se na Figura 06 um modelo de grfico de controle com limites de advertncia sugeridos pelo Western Electric Handbook (1956) em Montgomery (1985), para a deteco de padres no aleatrios. 33

Figura 06 Exemplo de Grfico de Controle com limites de advertncia. Fonte: Western Electric Handbook, 1956.

partir

da

figura

apresentada,

podemos

apresentar

algumas

regras

fundamentadas nestes limites de advertncia:

Um ponto fora do limite 3; Dois de trs pontos consecutivos fora dos limites 2; Quatro de cinco pontos consecutivos a uma distncia de 1 ou mais.

Balestrassi (2000) prope mais algumas regras para identificao das causas especiais e indicaes de que o processo est fora de controle. So elas:

Tendncia: seqncia de sete ou mais pontos consecutivos, todos crescentes ou decrescentes de forma consistente. So geralmente provocados pela

deteriorao gradual de equipamentos, mas tambm so causadas por fatores humanos, como cansao do avaliador, vide Figura 07.

Figura 07 Exemplo de Grfico de Controle apresentando tendncia. Fonte: Werkema, 1995.

34

Desvios da Mdia: abrupta mudana na mdia de um processo. So geralmente causados por alterao do setup do processo, mudana ou alterao de matria prima, mudana ou introduo de novos avaliadores e mudana nos mtodos de inspeo, conforme Figura 08.

Figura 08 Exemplo de Grfico de Controle apresentando desvio da mdia. Fonte: Balestrassi, 2000.

Variaes Sistemticas: quando um ponto baixo geralmente seguido de um ponto alto. (Obs.: Uma das caractersticas dos padres aleatrios que as flutuaes de ponto para ponto so no sistemticas ou no previsveis). So geralmente causados por diferenas entre deslocamentos, diferenas entre conjuntos de teste e diferenas entre linhas de produo onde o produto amostrado por rotao, vide Figura 09.

Figura 09 Exemplo de Grfico de Controle apresentando variaes sistmicas. Fonte: Balestrassi, 2000.

35

Periodicidade: uma srie de altos picos intercalados com uma srie de baixos picos. Est presente quando a curva traada no grfico de controle apresenta repetidamente uma tendncia para cima e para baixo, em intervalos de tempo que tem aproximadamente a mesma amplitude. So geralmente causadas por peridica rotatividade de avaliadores, mudanas sistemticas no meio ambiente como temperatura ou fadiga do avaliador, flutuao de voltagem ou presso ou alguma variao no equipamento de produo e alteraes sazonais na qualidade da matria-prima, conforme Figura 10.

Figura 10 Exemplo de Grfico de Controle apresentando periodicidade. Fonte: Werkema, 1995.

Seqncia: configurao em que sete ou mais pontos consecutivos aparecem em apenas um dos lados, abaixo ou acima da linha mdia ou central. So geralmente causados por uma mudana no nvel do processo, que pode resultar, por exemplo, da introduo de novos avaliadores, matrias-primas ou padres operacionais e de mudanas de habilidade, ateno ou motivao dos avaliadores, vide Figura 11.

Figura 11 Exemplo de Grfico de Controle apresentando seqncia. Fonte: Werkema, 1995.

36

Estratificao: os pontos esto aglomerados em torno da mdia do processo. As observaes provem de duas populaes com distribuio de probabilidades distintas. So geralmente causados por diferentes lotes de materiais misturados na linha, diferena em padres e equipamentos de medio e/ou pulos e instabilidade freqente no controle automtico, conforme Figura 12.

Figura 12 Exemplo de Grfico de Controle apresentando estratificaes. Fonte: Balestrassi, 2000

Aproximao dos limites de controle: ocorrncia de dois de trs pontos consecutivos entre as linhas 2 e 3. So geralmente causados por dois processos diferentes gerando os resultados representados na Figura 13.

Figura 13 Exemplo de Grfico de Controle apresentando aproximao dos limites. Fonte: Werkema, 1995.

37

2.3.1 Tipos de Grficos de Controle

Os grficos de controle podem ser classificados em dois tipos: grficos de variveis, cujas caractersticas da qualidade podem ser expressas como um nmero em alguma escala contnua de medida; e grficos de atributos, cujas caractersticas da qualidade no so medidas em uma escala contnua ou mesmo em uma escala quantitativa.

2.3.1.1 Grficos de Controle por Variveis

De acordo com Toledo e Allinpradini (2004), os grficos de controle por variveis so utilizados quando as amostras podem ser representadas por unidades quantitativas de medida como peso, espessura, altura, comprimento, etc. Nestes casos, segundo Kume (1993) os grficos de variveis so usados para monitorar tanto o valor mdio da caracterstica de qualidade como o controle da sua variabilidade. Possuem por desgnio fornecer informaes para melhoria da qualidade sobre a capacidade de um processo e para tomadas de decises. Os dados provenientes de variveis geralmente contem mais

informaes/detalhes, portanto so mais usuais no Controle Estatstico de Processos, confirmando-se essenciais para o diagnstico do processo em estudo. Segundo Montgomery (2004), os principais grficos de controle para variveis so:

x e R: So os grficos da mdia e da amplitude. Os grficos de x e de R se complementam, e devem ser implementados simultaneamente. Tm como objetivo controlar a variabilidade no nvel mdio do processo e qualquer mudana que ocorra nele. recomendado nos casos em que as amostras representam 1 < n < 10, sendo necessria a formao de amostras maiores que uma unidade (subgrupos). O grfico x (mdia amostral) utilizado para monitorar a centralidade da varivel contnua, enquanto o grfico R (amplitude amostral) monitora a disperso. 38

x e S: So os grficos da mdia e do desvio padro amostral, tendo como seu semelhante o grfico x e R, e sendo mais empregado quando suas amostras so maiores, ou seja, n >= 10. O grfico x utilizado para controlar a mdia do processo. Em contrapartida, o grfico S empregado para o controle da variabilidade do processo.

X e AM: So os grficos de valores individuais e da amplitude. Em alguns casos, pode ser mais conveniente controlar o processo baseado em leituras individuais do que em amostras. Estes casos ocorrem quando o processo automatizado e todas as unidades produzidas so medidas, ou quando a escassez dos dados impede a formao de amostras maiores, ou ainda quando no existe um critrio lgico para a formao de amostras maiores que uma unidade. Portanto, recomendado para amostras n = 1.

2.3.1.2 Grficos de Controle por Atributos

Os grficos de controle por atributos exigem uma contagem ou classificao de medidas descontnuas, como boas ou ms, passa ou no passa, conformes e no conformes, entre outros. Conforme apresentado por Toledo e Alliprandini (2004), esses grficos so utilizados quando o nmero de caractersticas a controlar em cada produto muito grande; ou quando conveniente colocar calibradores do tipo passa no passa; ou ainda quando o custo de mensurao maior do que a pea e, por final quando a verificao da qualidade pode ser feita por uma simples inspeo visual. De acordo com Montgomery (1997), os grficos de atributos so responsveis pelo estudo do comportamento de nmeros e propores ou somente o fato de determinado item estar conforme ou no conforme, dependendo da natureza da medio e dos custos envolvidos. Podem apresentar-se sob quatro tipos distintos: frao defeituosa, nmero de defeituosos, nmero de defeitos e nmero de defeitos por unidade. Toledo e Alliprandini (2004) descrevem os quatro tipos citados acima: 39

Grfico P: Utilizado para o controle da proporo de unidades defeituosas em cada amostra. Pode ser utilizado, por exemplo, para controlar a proporo de itens defeituosos ou no conformes de uma produo de arruelas de parafusos. Lembrando que as amostras so de tamanho varivel que se opem aos grficos NP.

Grfico NP: Utilizado para o controle de unidades defeituosas por amostra. Pode ser utilizado, por exemplo, para controlar a quantidade de itens defeituosos ou no conformes, na produo de parafusos. O nmero de amostra deve ser constante.

Grfico C: Utilizado para o controle do nmero de defeitos por amostra. Pode ser utilizado, por exemplo, para controlar a quantidade de defeitos existentes em um carro, ou seja, a quantidade de itens no conformes, j que um carro constitudo de uma srie de componentes. O nmero de amostra deve ser constante.

Grfico U: Utilizados para o controle do nmero de defeitos por unidade de produto. Pode ser utilizado, por exemplo, para controlar a quantidade de itens no conformes ou defeitos de um rolo de tecido, que varia de um rolo para outro Lembrando que as amostras so de tamanho varivel que se opem aos grficos C.

2.3.2 Planejamento de um Grfico de Controle

Ao se planejar um grfico de controle para monitoramento de processo, usualmente necessria a execuo de uma fase preliminar envolvendo a coleta de dados para a estimao dos parmetros de processo desconhecidos. Reynolds e Stoumbos (2001) afirmam que tais parmetros estimados devem satisfazer situao na qual o processo esteja inicialmente sob controle, de forma que os primeiros dados coletados atendam a estes parmetros. 40

Montgomery (1985) defende o envolvimento de algumas etapas simples que devem visar primeiramente satisfao de alguns critrios tericos e econmicos, dentre os quais se podem enfatizar a seleo adequada do tamanho da amostra, o intervalo de tempo entre amostras consecutivas e a especificao dos limites de controle. Sabe-se, entretanto, que na maior parte das situaes a maneira mais utilizada para a determinao do tamanho amostral n e a freqncia de coleta comumente baseada em informaes arbitrrias ou histricas, ao passo que os limites de controle so usualmente calculados baseando-se nos trs sigmas. Em geral, amostras maiores facilitam a deteco de pequenas mudanas no processo. Caso haja interesse na deteco de uma mudana relativamente grande no processo, aplicam-se amostras de tamanhos menores do que aquelas que seriam empregadas caso a mudana de interesse fosse relativamente pequena. A prtica corrente nas indstrias tende a favorecer amostras menores e mais freqentes, particularmente em processos de fabricao de alta produo ou onde muitos tipos de causas atribudas possam ocorrer. Durante a fase de planejamento de um grfico de controle, testes tericos e consideraes econmicas so importantes. Nesta linhagem, Woodall (1985) instrui que possvel realizar o planejamento baseando-se no desempenho estatstico dos grficos sobre algumas regies de controle previamente especificadas. Os conceitos mais importantes no planejamento de um grfico de controle so os subgrupos e a especificao dos limites de controle, conforme apresentado na Figura 14.

41

Figura 14 Amostragem por subgrupos. Fonte: Almas, 2003.

Montgomery e Runger (2003) apresentam duas abordagens com o objetivo de construir tais subgrupos:

Primeira abordagem: cada subgrupo consiste em unidades que foram produzidas ao mesmo tempo. Utilizada quando a finalidade elementar do grfico de controle detectar mudana de processo, minimizando a variabilidade devido s causas atribudas dentro de uma amostra e maximizando a variabilidade entre as amostras quando causas atribudas estiverem presentes. Esse mtodo fornece melhores estimativas do desvio padro do processo no caso de grficos de controle para variveis, proporcionando um instantneo em cada ponto no tempo onde a amostra coletada.

Segunda abordagem: cada amostra consiste em unidades de produtos que so representativas de todas as unidades produzidas desde a ltima coleta de

42

dados. Basicamente, cada subgrupo uma amostra aleatria de toda a sada do processo ao longo do intervalo de amostragem. Esse mtodo comumente utilizado quando o grfico de controle for empregado para tomar decises sobre a aceitao de todas as unidades do produto que foram produzidas desde a ltima amostra.

Montgomery (1985) menciona que geralmente a melhor situao para definio do tamanho de amostra e freqncia de amostragem seria amostras grandes e freqentes. Sabe-se, no entanto, que em geral tal afirmao economicamente invivel. Para tanto, este autor sugere que alguns fatores precisam ser levados em conta: Custo da amostragem; Perdas associadas em um processo fora de controle; Taxa de produo; Probabilidade de deslocamentos de processo.

importante ressaltar que em alguns casos, os grficos de controle necessitam ser aplicados em distintas estaes de trabalho, diferentes avaliadores, diversos turnos e assim por diante, a fim de analisar as caractersticas oriundas da singularidade de cada subgrupo. Kume (1993) relata que a determinao dos subgrupos a parte mais importante na preparao de um grfico de controle e determinao do seu desempenho. A escolha inadequada dos subgrupos pode levar degradao das informaes sob anlise. Em resumo, o conceito de subgrupo bem relevante ao se estudar Controle Estatstico de Processo. A triagem apropriada de amostras requer considerao cuidadosa do processo, objetivando alcanar o mximo possvel de informaes teis a partir da anlise dos grficos. Quanto especificao dos limites de controle, Ramos (2003) cita que na prtica so utilizados testes estatsticos com distribuies simtricas, especificando-se os limites LSC e LIC com a mesma distncia da linha central. 43

O autor cita ainda a importncia em no especificar os limites de controle muito prximos linha central, o que pode levar a uma interveno desnecessria. No entanto, se as linhas de controle esto muito distantes da linha central, corre-se o risco de resposta tardia a uma perturbao sistemtica no processo. Carpinetti et al. (2008) relatam que os limites de controle com trs desviospadro de afastamento em relao linha mdia (limites de 3 sigmas) foram propostos por Shewart, baseando-se no seguinte lema: se o processo estiver sob controle, evite ajustes desnecessrios, que s tendem a aumentar a sua variabilidade. Desta maneira, pode-se dizer que com a abertura de trs desvios-padro, enquanto o processo estiver em controle, dificilmente um ponto cair na regio do grfico onde necessria uma interveno no processo com ajustes aplicveis. Assim como apresentado por Ramos (2003), Carpinetti et al. (2008) afirmam que intervenes em processo sob controle so perigosas e desnecessrias, pois podem afetar o processo, ocasionando desajustes. Alm desses fatores, pode-se citar tambm a gerao de custos que ser agregada. Para determinao dos limites de controle, observa-se uma correlao dos mesmos com a Curva de Distribuio Gaussiana, onde os limites so determinados segundo a mdia () mais ou menos os desvios-padro (), vide Figura 15.

Figura 15 Exemplo da Curva de Distribuio Gaussiana ou Curva de Gauss. Fonte: Pasquali, 2012.

44

2.3.3 Grficos x e R

Em seguida so apresentados detalhes e conceitos relativos aos grficos de controle do tipo x e R, devido a sua aplicao no presente trabalho. Sabe-se inicialmente que o grfico R utilizado para controle da variabilidade dentro dos subgrupos determinados, ou seja, controla a variabilidade entre as observaes que compem cada subgrupo. Afirma-se, por conseguinte, que o grfico x responsvel pelo controle da variabilidade entre as mdias dos diversos subgrupos. Este grfico muito comum para estudo e controle da tendncia central na distribuio bsica de uma caracterstica da qualidade, devido a sua relativa facilidade de clculo e aplicao, aliada a excelente sensibilidade na deteco de mudanas na mdia da distribuio.

2.3.3.1 Resumo das Etapas para Construo dos Grficos x e R

Conforme apresentado por Montgomery (2004), para a construo e aplicao dos grficos de controle, deve-se supor que a caracterstica da qualidade seja normalmente distribuda com mdia e desvio padro , ambos os valores conhecidos. Inicialmente necessrio coletar m amostras (subgrupos), cada um contendo n observaes de varivel de interesse. As amostras devem ser coletadas em intervalos sucessivos e as observaes registradas na ordem em que foram obtidas. Supondo que as m amostras de tamanho n e suas respectivas mdias so normalmente distribudas, define-se:

1. Calcular a mdia xi de cada amostra:

xi = xi1 + xi2 +... + xin n

Onde i = 1, 2, ..., m

2. Calcular a mdia global x:

x = x1 + x2 +... + xm m
45

3. Calcular a amplitude Ri de cada amostra:

Ri = Xmx. Xmn.
Ou seja, a diferena entre o maior e o menor valor da amostra.

4. Calcular a amplitude mdia R:

R = R1 + R2 +... + Rm m
5. Calcular o desvio padro:

= R / D2
Onde D2 um valor tabelado. 6. Calcular os limites de controle para o grfico x: LSC = x + A2R LM = x LIC = x - A2R Onde A2 um valor tabelado. 7. Calcular os limites de controle para o grfico R: LSC = D4 R LM = R LIC = D3 R Onde D3 e D4 so valores tabelados. Os valores das constantes A2, D2, D3 e D4 para alguns tamanhos amostrais podem ser vistos na Tabela 01.

46

Tabela 01 Constantes para a construo de Grficos de Controle. Fonte: Montgomery, 1996.

8. Traar os limites de controle: Marcar o eixo vertical do lado esquerdo com os valores x e R e o eixo horizontal com os nmeros das amostras;

Traar linhas cheias para representar LSC, LM e LIC.

9. Marcar os pontos coletados, representando no grfico os m valores de xi e os m valores de Ri.

47

10. Registrar as informaes importantes, analisando e interpretando os resultados.

2.3.4 Razes para se Utilizar os Grficos de Controle

Os grficos de controle so tcnicas comprovadas para a melhoria da produtividade e dos processos. O uso constante e cauteloso auxilia na identificao de causas atribuveis, cuja variabilidade pode ser controlada, como ajuste de mquinas de maneira inadequada, erros de avaliadores, ou ainda matria-prima defeituosa. Sendo assim, tais causas podem ser eliminadas atravs de aes que acarretaro na reduo da variabilidade e na melhoria do processo, com aumento de produtividade e reduo de custos como conseqncia. Pode-se afirmar ainda que a aplicao dos grficos de controle analisa e controla mudanas indesejveis no comportamento de caractersticas da qualidade, como uma mudana na mdia, um aumento na disperso ou no nmero de unidades no conformes, permitindo que sejam detectadas e corrigidas to logo possvel. Em decorrncia, a frao defeituosa do processo, ou a quantidade de reparos/retrabalhos de no conformidades reduzida, com decorrente aumento da produtividade. possvel avaliar a eficcia dos grficos de controle na preveno de defeitos, ajudando a manter o processo sob controle. Os grficos de controle evitam, ainda, um ajuste desnecessrio do processo, porque conseguem distinguir entre um rudo de fundo variao inerente ou natural e uma variao anormal. Nenhuma outra ferramenta to eficiente para tal distino. Nota-se tambm que esses grficos fornecem informao de diagnstico, visto que o padro de seus pontos conter informao de valor, permitindo a implementao de uma mudana no processo que melhore seu desempenho. Finalizando, podem-se apontar os grficos de controle como um fornecedor de informao sobre a capacidade de processo, apresentando o valor de vrios parmetros importantes do processo e sua estabilidade ao longo do tempo, o que permite que se faa uma estimativa da capacidade do processo. Tal utilizao

48

primordial na execuo deste trabalho, cujo tema principal o estudo de capabilidade de um processo de pintura. Neste sentido, os grficos tm considervel impacto sobre muitos problemas de deciso gerencial que ocorrem no ciclo de produo.

2.4 Capabilidade de processo

2.4.1 Premissas para o Estudo de Capabilidade de Processo

A principal e inicial condio para o estudo de capabilidade de um processo a de que os dados devem seguir uma distribuio normal. Caso essa condio no seja acatada, a interpretao dos resultados pode se tornar errnea e a confiabilidade ser comprometida. Conforme apresentado por Montgomery (2004), uma segunda condio para a utilizao dos ndices de capacidade a de que o processo esteja sob controle estatstico (estvel), ou seja, com os dados do processo mantendo uma aleatoriedade em torno dos limites de controle, sem apresentar tendncia, nem ao menos pontos fora dos limites. importante ressalvar ainda o fato de que o processo no apresente variabilidade muito inferior aos limites. Isso denota que para se calcular a capacidade de um processo, necessrio inicialmente realizar o CEP, com execuo de grficos de controle, garantindo, inclusive, a suposio de normalidade dos dados. Outra suposio importante a verificao da centralidade da mdia do processo em relao aos limites de especificao, significando que a mdia pode representar o centro dos limites, mas caso no represente, deve ao menos apresentarse entre os limites inferior e superior para que os clculos da capacidade sejam vlidos. Podem-se observar nas Figuras 16 e 17 dois casos em que o estudo de capabilidade no deve ser aplicado, pois apresenta as mdias fora dos limites de especificao, ou seja, LIE (Limite Inferior de Especificao) e LSE (Limite Superior de Especificao).

49

Figura 16 Processo com mdia abaixo do limite inferior. Fonte: Godoy, 2009.

Figura 17 Processo com mdia acima do limite superior. Fonte: Godoy, 2009.

50

Finalizando as premissas a serem analisadas, faz-se necessria a validao do Sistema de Medio, garantindo a produo de resultados corretos e com certo grau de incerteza aceitvel.

2.4.1.1 Distribuio Normal

Diversas caractersticas da qualidade de interesse, principalmente aquelas associadas a processos produtivos, seguem, pelo menos de forma aproximada, uma distribuio normal. A curva simtrica em forma de sino representada na Figura 15 conhecida como distribuio normal. De acordo com Montgomery (1997): A distribuio normal provavelmente a mais importante distribuio na teoria e na aplicao estatstica. John (1990) afirma que muitas distribuies de probabilidade com fenmeno da aleatoriedade so bem prximas da normal. A distribuio normal ou Gaussiana a distribuio de probabilidade mais importante dentro da teoria estatstica, devido a sua grande aplicabilidade na descrio de fenmenos da vida real.

2.4.1.2 Processo Estvel

Paladini (1990) define que:

O processo estar sob controle estatstico se houver forte concentrao de pontos ao redor da mdia: se isto no ocorrer, estar configurada a ausncia de normalidade e, conseqentemente a ausncia de normalidade, conseqentemente, a falta de controle. Paladini (1990) e Pyzdek (1996) delimitam que um processo cujas variaes so devidas somente a causas aleatrias um processo estvel, ou seja, sob controle estatstico, conforme apresentado na Figura 18.

51

Figura 18 Relao entre a distribuio e a estabilidade do processo sob controle. Fonte: Werkema, 1995.

De acordo com Sutherland (2002) a presena de causas especiais significa que o processo no estvel, previsvel, econmico. Neste caso, os esforos devem ser para entender as causas especiais de variao e achar o mais cedo possvel o motivo da variao, restabelecendo o estado estvel, vide Figura 19.

Figura 19 Relao entre a distribuio e a estabilidade do processo fora de controle. Fonte: Werkema, 1995.

52

A viso de variao de causas comuns produz pontos em um grfico de controle que por um longo tempo, enquadram-se dentro dos limites de controle. Uma causa especial de variao no faz parte do sistema comum das causas, sendo detectada por um ponto fora dos limites de controle. Gogue (1998) afirma que um processo estvel sempre prefervel, porque podem ser feitas predies racionais.

2.4.1.3 Sistema de Medio (MSA - Measurement System Analyser) Validado

2.4.1.3.1 O Sistema de Medio

Segundo Fonseca (2008), 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. Os seis elementos essenciais de um sistema de medio genrico so: o padro, a pea, o instrumento, a pessoa, o procedimento e o ambiente. Os fatores que afetam essas reas precisam ser entendidos, para s ento serem controlados ou eliminados, conforme Figura 20.

Figura 20 Elementos essenciais de um sistema de medio. Fonte: Portal Action, 2012.

53

Conforme apresentado pelo Dr. Kaouru Ishikawa (1993), a importncia da avaliao de um sistema de medio se define em:

Realizar medies to importante, que possvel dizer que qualquer avano em controle da qualidade depende do progresso dos sistemas de medio. Portanto, bvio que antes de analisar um processo devemos avaliar, sob os pontos de vista da Estatstica e da Engenharia, os mtodos de medio utilizados. Sendo assim, afirmamos que a avaliao do sistema de medio deve ser utilizada para garantir a confiabilidade dos dados empregados, vide Figura 21. Gerenciamento do Processo Produtivo

Fatos

Dados

Confiveis!

Avaliao do Sistema de Medio

Figura 21 Representao da importncia da avaliao do sistema de medio. Fonte: Adaptado de Werkema, 1995.

Um sistema de medio permite a "visualizao" do processo. Desta maneira, quando o sistema de medies pobre, perdemos a capacidade de tomar boas decises sobre como melhorar o processo. Enfim, observam-se abaixo os principais objetivos ao se avaliar um sistema de medio:

Melhorar a qualidade dos dados coletados; Assegurar que os dados coletados sejam confiveis e exatos; Garantir que pessoas diferentes coletem os dados da mesma forma em qualquer momento;

54

Conhecer as fontes de variao do sistema (avaliador, instrumento de medio, temperatura, etc.); Verificar se o nvel de preciso est adequado ao projeto.

Um conceito bem importante ao se estudar o sistema de medio a discriminao (ou resoluo), que estabelece a capacidade do sistema de medio para detectar pequenas modificaes das caractersticas da medio, ou seja, quanto o instrumento consegue efetivamente ler, identificar e detectar uma variao. Para tanto, importante a utilizao de instrumentos que possuam uma discriminao que seja igual ou inferior a 1/10 da tolerncia do produto ou que seja igual ou inferior a um dcimo da amplitude da variao esperada do processo.

2.4.1.3.2 Erro de Medio e Fontes de Variao

Um sistema de medio ideal aquele que produz medidas corretas, ou seja, com propriedades estatsticas que produzam varincia zero, tendncia zero e probabilidade zero de classificao errnea de qualquer produto (aprovado x rejeitado). Entretanto, sabe-se que esta condio no existe. Desta maneira, deve-se interpretar adequadamente um sistema de medio conforme apresentado na Figura 22.

Figura 22 Interpretao adequada do sistema de medio. Fonte: Portal Action, 2012

Tradicionalmente, um sistema de medio pode ser impactado por duas fontes de variao: aleatria - representa as pequenas variaes que ocorre em medidas repetidas de uma grandeza e que possuem como causa alteraes ambientais ou 55

espaciais, interferncia eltrica, etc; e sistemtica - ocorre em todas as medies mais ou menos com a mesma intensidade. Se este efeito puder ser quantificado e, se for significativo, uma correo ou fator de correo pode ser aplicado. Conforme o Manual de MSA da QS-9000 (1997) para se controlar a variao do sistema de medio necessrio identificar as fontes de variao potenciais e eliminar ou monitorar essas fontes de variao.

2.4.1.3.3 Variaes de Localizao

Exatido ou acurcia: quantifica a proximidade existente entre o valor real da caracterstica medida e os resultados fornecidos pelo instrumento de medio em uso, vide Figura 23.

Figura 23 Relacionamento entre os conceitos de exatido, tendncia e preciso. Fonte: Adaptado de Werkema, 1995.

56

Tendncia ou vcio: quantifica a diferena existente entre o valor real da caracterstica medida e a mdia da distribuio dos resultados fornecidos pelo aparelho, conforme Figura 24.

Tendncia de B

Figura 24 Conceito de tendncia ou vcio. Fonte: Adaptado de Werkema, 1995.

Estabilidade: consiste na variao total das medies obtidas com um sistema de medio aplicado sobre as peas quando se medida uma nica caracterstica durante um perodo de tempo prolongado.

Linearidade: definida como a diferena nos valores da tendncia ao longo da faixa de operao esperada do dispositivo de medio, ou seja, variao da tendncia no que diz respeito ao tamanho medido.

2.4.1.3.4 Variaes de Disperso

Preciso: quantifica a proximidade entre as medidas individuais da caracterstica de interesse geradas pelo instrumento de medio em uso, vide Figura 25. 57

Figura 25 Conceito de preciso. Fonte: Apadtado de Werkema, 1995.

Repetibilidade: a variao inerente ao equipamento. Trata-se de um erro aleatrio decorrente de sucessivas medies feitas sob condies fixas e definidas (pea, instrumento, avaliador, ambiente, etc), conforme Figura 26.

Figura 26 Conceito de repetibilidade. Fonte: Adaptado de Werkema, 1995.

58

possvel fazer uma avaliao visual da repetibilidade de um sistema de medio por meio da construo de um diagrama de disperso, vide Figura 27.

Figura 27 Avaliao da repetibilidade por meio de diagramas de disperso. Fonte: Werkema, 1995.

Reprodutibilidade: pode ser definida como a variao das mdias das medies feitas por diferentes avaliadores, utilizando um mesmo instrumento, enquanto medindo uma mesma caracterstica, sob as mesmas condies, conforme Figuras 28 e 29.

59

Figura 28 Conceito de reprodutibilidade adequada. Fonte: Adaptado de Werkema, 1995.

Figura 29 Conceito de reprodutibilidade inadequada. Fonte: Adaptado de Werkema, 1995.

60

2.4.1.3.5 Anlise de R&R

R&R a variabilidade resultante da soma das variabilidades dentro do sistema e entre os sistemas:

Variabilidade R&R = Variabilidade reprodutibilidade + Variabilidade repetibilidade


Sabe-se que a variabilidade R&R oriunda da variabilidade do sistema de medio, que somada variabilidade do produto resulta na variabilidade total:

Variabilidade total = Variabilidade produto + Variabilidade sistema de medio


A variabilidade da anlise de R&R a porcentagem que a variabilidade da medio (repetibilidade e reprodutibilidade) representa na variabilidade observada no processo. O objetivo de uma anlise de R&R aprender tanto quanto possvel sobre processos de medio num curto espao de tempo. A estratgia incluir equipamento, avaliadores, peas e outros fatores que sero, normalmente, elementos do processo de medio. Para tanto, essencial realizar uma seleo cuidadosa das peas (ou amostras) representando toda a amplitude da variao do processo (peas boas e peas ruins para toda a especificao). As peas devem ser identificadas de modo a evitar que o avaliador saiba qual pea est sendo medida. Desta maneira, possvel evitar tendncias do avaliador. Cada pea ser medida vrias vezes numa seqncia aleatria por cada avaliador, utilizando o mesmo equipamento.

2.4.1.3.6 Padres de Anlise de R&R

Devem-se realizar medies cegas, ou seja, no ambiente real da medio sem que os avaliadores saibam que est sendo feita uma avaliao do sistema de medio. 61

Podem ser utilizados dois mtodos, apresentados pelo Automotive Industry Action Group (AIAG):

Mtodo curto: cinco peas, dois avaliadores, duas medies em cada pea; Mtodo longo: dez peas, trs avaliadores, trs medies em cada pea.

2.4.1.3.7 Critrios de Aceitao

Ao se tratar de erros de localizao, afirma-se que os erros de tendncia e linearidade so inaceitveis se forem significativamente diferentes de zero ou se excederem o erro mximo definido pelo procedimento de calibrao do dispositivo de medio. Em contrapartida, para os erros de disperso h uma regra geral de aceitao, citada no Manual de MSA da QS-9000 (1997):

Erro menor que 10% - sistema de medio aceitvel; Erro entre 10% e 30% - o sistema pode ser aceito com base na importncia de sua aplicao, no custo do aparato de medio e nos seus custos de reparo; Erro acima de 30% - sistema de medio inaceitvel.

Alm disso, o nmero de categorias distintas (critrio de discriminao) deve ser maior ou igual a 5, podendo ser aceito o valor 4 como marginal. O nmero de categorias distintas mede a habilidade do sistema de medio resolver os dados em um determinado nmero de categorias - conseqentemente uma medida de resoluo maior, melhor.

2.4.2 Anlise da Capabilidade de Processo

O estudo da capabilidade de processo aborda a relao existente entre os limites de controle, obtidos com base nos dados de processo, com os limites de especificao,

62

que definem o intervalo em que as medidas das caractersticas da qualidade podem variar, sejam eles determinados pelos clientes ou no. Kotz e Johnson (1993) ressaltam que os ndices de capabilidade devem ser empregados em etapa posterior verificao de que o processo encontra-se sob controle estatstico, reforando o carter complementar de tais tcnicas implantao de um sistema de garantia da qualidade. Montgomery (2004) afirma que a anlise da capacidade de um processo envolve vrias tcnicas estatsticas durante o ciclo produtivo, com atividades de

desenvolvimento anteriores fabricao, quantificao e anlise da variabilidade do processo em relao s especificaes do produto, facilitando a eliminao ou reduo de tal variabilidade. Bayeux (2001) define a anlise da capabilidade de um sistema produtivo como um procedimento para avaliao da condio de um processo em atender as especificaes de determinada caracterstica da qualidade do produto, vide Figura 30.

Figura 30 Conceito de capacidade de processo. Fonte: Werkema, 1995.

De acordo com Prazeres (1996), capabilidade de processo define-se como: Habilidade intrnseca de um processo em desempenhar suas funes nas condies 63

de trabalho, satisfazendo certas especificaes e tolerncias. uma medida da uniformidade inerente ao processo. Bingham (1962) apresenta a utilidade dos limites de controle no estudo da capacidade do processo quando a amplitude e amplitude mdia so aplicadas. J Kane (1986) oferece algumas aplicaes dos ndices de capacidade, juntamente com consideraes de amostragem estatstica. Em seqncia, Bissell (1990) proporciona aproximaes para o erro padro e intervalos de confiana para alguns ndices de capacidade. Historicamente, Rodriguez (1992) utiliza mtodos grficos e outras tcnicas estatsticas para expor a evoluo da anlise da capacidade do processo. Kushler e Hurley (1992) definem limites de controle de confiana para alguns ndices de capacidade, quando o tamanho amostral pequeno. Shore (1997) realiza anlises da capacidade do processo quando as observaes so correlacionadas. Parlar e Wesolowsky (1999) apresentam uma sistemtica simplificada para definir os limites de especificao e os ndices de capacidade do processo para fornecedores de componentes industriais. Em seqncia, Nelson (1999) relata a relevncia da normalidade das observaes quando ndices de capacidade so utilizados. Montgomery (2004) cita os principais usos da anlise de capabilidade de processo, sendo elas:

Prever como o processo se manter dentro das tolerncias; Auxiliar na seleo ou alterao do processo; Auxiliar no estabelecimento de um intervalo entre as amostragens para o controle do processo; Determinar requisitos de desempenho para novos equipamentos; Auxiliar na seleo de fornecedores; Esboar a seqncia dos processos produtivos quando h interao entre tais processos e as tolerncias; Restringir a variabilidade em um processo; 64

Aferir o sistema de obteno de medidas da qualidade (MSA).

A capabilidade do processo remete-se uniformidade do mesmo. Sabe-se, no entanto, que a variabilidade de um processo a medida da uniformidade do resultado obtido, que, por conseguinte, permite avaliar a sua qualidade: qual a capacidade do processo em produzir itens dentro de determinadas especificaes? Conforme definido por Juran et al. (1979), parte desta variabilidade total deve-se a causas naturais ou aleatrias. A segunda parte, no natural, precisa ser eliminada, a fim de obter a verdadeira capacidade do processo, ou seja, a reprodutibilidade inerente ao processo. Ainda conforme este autor, o estudo de capabilidade pode apresentar as causas de variaes no naturais e o que pode ser feito para elimin-las. Com as definies apresentadas, os autores revelam que tais ndices fornecem uma estimativa sobre o potencial do processo ao invs de realmente expressar a real situao em que este se encontra. Ainda baseando-se nos conceitos expostos, define-se capabilidade de um processo como o potencial de se produzir produtos cujos resultados atendam as especificaes do projeto. Desta maneira, pode-se classificar um processo como:

Processo capaz, quando os resultados das medies ou limites de controle encontram-se dentro da especificao do projeto, sem produo de produtos no conformes; Processo incapaz, quando os resultados das medies ou limites de controle encontram-se fora da especificao do projeto, podendo gerar produtos no conformes.

Uma alternativa para avaliao da capacidade de um processo atravs da utilizao de histogramas ferramenta simples definida por uma representao grfica da distribuio de freqncia dos dados, com objetivo de facilitar a organizao e disposio dos mesmos para obteno do comportamento do processo.

65

A insero dos limites de especificao nos histogramas permite avaliar a localizao e disperso dos dados, fornecendo uma boa idia sobre a capabilidade do processo. A anlise do histograma permite tambm verificar sua curva de distribuio, que pode ser utilizada como um teste emprico para a verificao da normalidade dos dados. Nota-se nas Figuras 31 a 34 que se seguem um exemplo da anlise oriunda desta ferramenta: Todos os pontos se localizam internamente especificao com relativa margem de segurana em ambos os lados. Diz-se, ento, que o processo capaz, no sendo necessria nenhuma interveno, conforme Figura 31.

Figura 31 Primeira anlise grfica de capabilidade de processo. Fonte: Almas, 2003.

Todos os pontos se localizam internamente especificao, porm h pontos bem prximos aos limites, indicando a necessidade de uma interveno no processo para diminuio da variabilidade, vide Figura 32.

66

Figura 32 Segunda anlise grfica de capabilidade de processo. Fonte: Almas, 2003.

Os dados apresentam pequena variabilidade, entretanto nota-se que os valores esto deslocados do valor mdio da especificao. A atuao neste caso deve ser efetuada no intuito de retornar a mdia do processo para a situao onde o processo se apresente centrado dentro da especificao, conforme Figura 33.

Figura 33 Terceira anlise grfica de capabilidade de processo. Fonte: Almas, 2003.

H pontos que se localizam fora dos limites de especificao, indicando ocorrncia de no conformidades. Deve-se atuar para diminuio da

variabilidade, alm de correo da mdia que se apresenta deslocada do centro da especificao, vide Figura 34.

67

Figura 34 Quarta anlise grfica de capabilidade de processo. Fonte: Almas, 2003.

Apesar da simplicidade em efetuar anlise de capabilidade utilizando os histogramas, h vrios ndices disponveis para este estudo. Os ndices de capacidade do processo (ICPs) so parmetros adimensionais que indiretamente medem o quanto o processo consegue atender s especificaes. No h uma relao fixa entre seu valor e a porcentagem de itens que o processo capaz de produzir dentro das especificaes. Contudo para grande parte dos ndices, quanto maior o seu valor, melhor o processo consegue atender ao especificado. Focaremos no presente trabalho a utilizao dos ndices Cp e Cpk, que de maneira simplificada, so baseados na relao entre os limites de especificao e o desvio padro dos dados. Nota-se ainda outra maneira de se expressar capabilidade em processos onde as amostras so relativamente pequenas, ou quando ainda no h certeza sobre a estabilidade do processo. Nestes casos os ndices Pp e Ppk so utilizados. Diferentemente do caso anterior onde o desvio estimado, neste caso o valor do desvio padro obtido diretamente dos dados.

2.4.2.1 ndice da Capacidade Potencial do Processo (Cp) Ao observar um processo centrado, ou seja, com a mdia do processo representada no centro dos limites de especificao ou controle, o ndice de capacidade determinado por Cp. 68

Conforme definido, tal ndice se preocupa com a centralizao do processo, fornecendo uma medida indireta do potencial do processo em satisfazer a especificao. Seu clculo realizado ao se comparar a variabilidade natural do processo com uma variabilidade aceitvel, conforme determinado abaixo:

Onde: LSE = Limite Superior de Especificao LIE = Limite Inferior de Especificao = Desvio Padro Estimado

Sugere-se, ento, uma regra que garanta que o processo seja suficientemente capaz considerando a sua centralizao: Cp < 1,00: capacidade do processo inadequada especificao exigida. Deve-se diminuir a variabilidade, garantindo que o produto atenda a especificao; 1,00 Cp 1,33: capacidade est dentro da especificao exigida. Nesta situao deve-se tentar diminuir a variabilidade do processo, evitando a produo de unidades no conformes; Cp > 1,33: capacidade adequada especificao exigida. Neste caso no se faz necessria interveno a menos que se queira reduzir a variabilidade para aumentar a qualidade dos produtos.

Quanto menor o valor desse ndice menor ser a capacidade do processo, visto que a variabilidade natural do mesmo deve ser menor que a variabilidade aceitvel, segundo apresentado na Figura 35.

69

Figura 35 Relao entre a disperso permitida do processo e a disperso natural do processo. Fonte: Ramos, 2003.

Alguns processos exigem maior rigor com relao ao controle da variabilidade. Nesta condio, Kotz e Johnson (1993) aconselham valores mnimos de 1,50 para processos existentes e 1,67 para novos processos. Montgomery (2001) menciona ainda valores mnimos de 1,33 para um processo existente e 1,50 para um novo processo. Supondo normalidade dos dados, ndice Cp igual a 1 e um processo centrado, verifica-se que h uma variabilidade dos dados sobre a especificao, assumindo, portanto, cerca de 99,73% dos pontos amostrais dentro destes limites. Analogamente, determina-se a ocorrncia de 0,27% ou 2700 ppm de no conformidades. Apresenta-se na Tabela 02 a correlao dos valores de Cp com a proporo de no conformidades.

70

Tabela 02 Correlao dos valores de Cp com a proporo de no conformes. Fonte: Werkema, 1995.

Classificao do processo Capaz ou adequado (VERDE) Aceitvel (AMARELO) Incapaz ou inadequado (VERMELHO)

Valor de Cp Cp > 1,33 1,00 Cp 1,33 Cp < 1,00

Proporo de no conformidades (p) p 64 ppm 64 ppm < p 0,27% p > 0,27%

Montgomery (2001) refere-se ao Cp como PCP, denominando-o de Proporo da Capacidade do Processo. Este ndice pode ser redefinido de forma simples como:

Este ndice expressa percentualmente o quanto da faixa de tolerncia ou especificao o processo ocupa:

A anlise deste ndice similar a do Cp, ou seja, se o valor percentual for prximo ou igual a 100%, tem-se que o processo est utilizando a mesma faixa de variao da especificao, o que pode gerar no conformidades.

2.4.2.2 ndice de Desempenho do Processo (Cpk) Nos casos em que o processo no se apresenta centrado, ou seja, quando a mdia no est dentro dos limites, necessrio efetuar o clculo de outro ndice melhor

71

elaborado. Tal ndice fundamentado na mdia do processo, considerando o menor desvio do valor central do processo e os limites de aceitao. Sendo assim, o ndice Cpk foi desenvolvido para inteirar algumas deficincias do Cp. A definio de Cpk satisfaz um processo onde primeiramente deve-se considerar a situao de dois ndices de especificao unilaterais, chamados de Cpl (lower ou mnimo) e Cpu (upper ou mximo), obtidos por:

S endo assim obtm-se o ndice Cpk:

Onde a mdia do processo e min uma funo de mnimo.

Analisando a definio de Cpk, verifica-se que este ndice permite quantificar a capacidade em funo da pior metade dos dados do processo. Ou seja, este ndice, alm de avaliar a variabilidade natural do processo em relao variabilidade 72

permitida, verifica tambm a posio do processo em relao aos limites de especificao (LSE e LIE), relacionando a distncia escalar entre a mdia do processo e o limite de especificao mais prximo. Para considerar o processo capaz, Cpk deve ser igual ou superior a um. Entretanto, as mesmas regras definidas para o ndice Cp podem ser aplicadas, garantindo maior margem de segurana para a operao do processo. Observa-se ainda que quando a mdia do processo coincidir com o valor nominal da especificao, o valor de Cp ser igual ao valor de Cpk, conforme Figura 36.

Figura 36 Ao a ser adotada para melhorar a capacidade do processo, em funo da comparao das magnitudes de Cp e Cpk. Fonte: Werkema, 1995.

73

Uma comparao das magnitudes de Cp e Cpk apresentada na Figura 37.

Figura 37 Comparao das magnitudes de Cp e Cpk. Fonte: Montgomery, 1991.

A correta avaliao da capacidade, atendendo principalmente as suposies de normalidade, extremamente importante para garantir a qualidade do processo.

2.4.2.3 ndices Pp e Ppk Assim como os ndices descritos anteriormente, Pp e Ppk podem ser utilizados para expressar capabilidade, com a prerrogativa de no necessitar de grandes amostras, nem tampouco da suposio de estabilidade do processo. A definio destes ndices ocorre de maneira semelhante aos equivalentes Cp e Cpk, com substituio do desvio padro estimado pelo desvio padro amostral. Tais ndices so definidos a seguir:

74

Onde S o desvio padro obtido da amostra.

Lu e Rudy (2002) salientam que o clculo destes ndices no considera toda a variao do processo, pois os dados empregados para a sua estimao geralmente so provenientes somente de um intervalo curto de tempo, indicando que os valores Pp e Ppk so mais restritos que os valores de Cp e Cpk. 2.5 Processo de Pintura Lquida em Estruturas Metlicas

2.5.1 Preparao e Limpeza da Superfcie

Segundo Fazano (2002), um dos fatores de grande relevncia para o bom desempenho de um processo de pintura o preparo da superfcie. H trs maneiras de garantir a aderncia da tinta aos metais, atravs ligaes fsicas, qumicas ou mecnicas. As duas primeiras acontecem atravs de grupos de molculas presentes nas resinas das tintas que interagem com grupos existentes nos metais. J a ligao mecnica ocorre sempre associada a uma das outras duas e implica na necessidade de certa rugosidade na superfcie. Preparar a superfcie dos materiais significa executar operaes que permitam obter limpeza e rugosidade adequadas previamente ao processo de pintura. A limpeza elimina os materiais alheios, como contaminantes, oxidaes e tintas mal aderidas, que podem prejudicar a aderncia da nova tinta. A rugosidade aumenta a superfcie de contato e tambm ajuda a melhorar esta aderncia. A etapa de limpeza pode ser realizada com a utilizao de alguns mtodos:

Limpeza por ferramentas manuais, tais como lixamento manual, escovamento manual e mantas no tecidas (tipo Scotch-brite); 75

Limpeza por ferramentas mecnicas, tais como ferramentas a ar comprimido, escovas rotativas, lixadeiras rotativas e pistola de agulhas; Limpeza por jateamento abrasivo, com utilizao de areia, granalhas de ao, sinterball (obtido da bauxita) e xido de alumnio.

2.5.2 Aplicao de Tintas

De acordo com Gnecco (2003), faz-se necessrio realizar a homogeneizao, devido ao fato de que as tintas so constitudas de produtos em suspenso e, sob ao da gravidade, se sedimentam formando duas fases distintas. Os pigmentos das tintas so partculas muito pequenas, da ordem de 0,1 a 1,0 mcron, mas possuem massa e acabam se depositando no fundo dos recipientes. Por isso, necessrio agitar bem a tinta, com cuidado para que todo o pigmento seja redisperso. A etapa de homogeneizao fundamental para que a tinta fique em boas condies de uso, conforme apresentado na Figura 38.

Figura 38 Homogeneizao de tintas. Fonte: Gnecco, 2003.

Conforme discorrido por Fazenda (2009), cada componente possui resinas reativas em propores que devem ser respeitadas no momento de executar a mistura 76

da tinta. A falta ou excesso de um dos reagentes pode produzir uma tinta com propriedades diferentes da que foi idealizada. Gnecco (2003) explana que a mistura e diluio devem ser realizadas considerando as especificaes tcnicas, sejam elas determinadas pelo cliente ou pela equipe responsvel em determinar o processo. A proporo de diluio depende das condies e do tipo de aplicao. As propores mais comuns so 1:1, 2:1, 4:1 em volume, vide Figura 39.

Figura 39 Proporo de misturas mais comuns (1:1 e 4:1). Fonte: Gnecco, 2003.

Finalizada a mistura e diluio, deve-se aguardar cerca de 10 ou 15 minutos (tempo de induo) para que as resinas reajam completamente e, ao serem aplicadas, estejam mais homogneas e prontas para aderirem superfcie. Algumas condies devem ser avaliadas antes de iniciar a pintura, devido possvel influncia das mesmas no desempenho do processo:

Temperatura da tinta: deve estar entre 16 e 30 C; Temperatura do ambiente: deve estar entre 16 e 30 C; Temperatura da superfcie: deve estar entre 16 e 30 C; Umidade relativa do ar (UR): deve estar entre 30 e 60%.

77

Para que um processo de pintura seja devidamente executado tambm importante selecionar o mtodo de aplicao a ser utilizado, dentre os quais se apresentam como opes:

Pintura a pincel, selecionado conforme Tabela 03;


Tabela 03 Escolha do pincel em funo do tipo de trabalho. Fonte: Gnecco, 2003.

Tipo de Pincel Trincha de 75 a 100 mm Trincha de 25 a 50 mm Pincel redondo ou trincha de 25 a 38 mm

Tipo de Trabalho Superfcies grandes e planas. Superfcies pequenas e planas. Parafusos, porcas, cordes de solda, frestas e arestas.

Observaes Carrega mais tinta e rende mais.

Evita desperdcio de tinta. Para bater a tinta e fazer penetrar nas frestas e salincias.

OBS: Trincha um pincel de formato chato.

Pintura a rolo, com utilizao de rolos que podem ser fabricados com pele de carneiro ou l sinttica (acrlica) para tintas a base de gua ou de solventes; ou de espuma de poliuretano somente para tintas a base de gua; Pintura por pistola do tipo convencional, sendo este o mtodo mais tradicional utilizado na indstria. Pode ser utilizado com caneca de suco ou tanque de presso, conforme Tabela 04;
Tabela 04 Tipos de pistola convencional. Fonte: Gnecco, 2003.

Tipos de Pistola Convencional Alimentao Suco Presso Observao Caneca: a tinta puxada por suco para a pistola. Tanque: a tinta empurrada para a pistola, devido presso do tanque.

Pintura eletrosttica com tinta lquida, com envolvimento de cargas eletrostticas. Neste mtodo, a tinta eletrizada na pistola e lanada contra a pea que est 78

aterrada, portanto, com carga de sinal contrrio. Na pistola convencional a tinta projetada e as partculas que no atingem a pea so perdidas. Em contrapartida, ao utilizar a pistola eletrosttica, a tinta eletrizada atrada pelo campo eletrosttico e as partculas que seriam perdidas so atradas para a pea, garantindo maior aproveitamento, de acordo com a Figura 40;

Figura 40 Pistola convencional x Pistola eletrosttica. Fonte: Gnecco, 2003.

Pintura eletrosttica com tinta em p, exigindo a utilizao de estufa para cura adequada. Neste mtodo so utilizadas tintas de grande resistncia umidade; Pintura por imerso sem corrente eltrica, onde a tinta colocada em um tanque e as peas so mergulhadas completamente. A viscosidade da tinta deve ser ajustada para que a espessura da camada seja uniforme e contnua;

79

Pintura por imerso com corrente eltrica, tambm conhecido por eletroforese migrao das partculas de uma soluo coloidal (tinta na gua) sob a influncia de um campo eltrico.

importante ainda determinar o intervalo entre as demos de aplicao:

Antes do intervalo: no se deve aplicar outra demo antes do intervalo mnimo especificado, pois o solvente da demo anterior ainda no teve tempo suficiente para evaporar totalmente. Senso assim, a tinta fica como se estivesse com espessura exagerada, podendo haver escorrimentos em superfcies verticais, demora a secar, enrugamento ou at fissuras ou trincas durante a secagem da tinta; Durante o intervalo: haver tempo suficiente para a evaporao do solvente da demo anterior e a secagem ser adequada. Neste caso, a aderncia ser mxima, ocorrendo a interpenetrao das camadas (uma demo se funde com a outra); Aps o intervalo: nem sempre possvel impedir a aplicao fora do prazo determinado. Caso isto ocorra, sem nenhuma ao, a fuso das camadas pode no ocorrer. Neste caso, a aderncia prejudicada e poder haver destacamento entre as demos; Aps o intervalo, porm com operao de lixamento: a execuo do lixamento superficial da camada satisfatria na produo de sulcos, cuja rugosidade possibilita maior superfcie de contato entre as demos. Nota-se, entretanto, a necessidade de remover o p do lixamento com um pano seco ou embebido em diluente para que a aderncia seja satisfatria.

2.5.3 Medidas de Espessura Seca da Tinta

Aps a evaporao dos solventes e da cura das tintas, a pelcula seca deve ser medida, atravs da execuo do Teste de Determinao da Espessura da Pelcula Seca, discorrido na norma NBR 10443. 80

Trata-se de um teste realizado em laboratrio, com o objetivo de determinar a espessura de pelculas secas de tintas, vernizes e produtos similares aplicados sobre superfcies rugosas metlicas. Para realizao do teste, utiliza-se um instrumento de medio denominado medidor de camada de superfcie, previamente calibrado e certificado por um laboratrio credenciado na Rede Brasileira de Calibrao (RBC). A espessura seca por camada calculada pela expresso:

Espessura seca = Espessura mdia da camada - Fator de reduo

O Fator de Reduo varia de acordo com o perfil de rugosidade da superfcie, conforme Tabela 05.
Tabela 05 Fator de Reduo da espessura. Fonte: ABNT NBR 10443, 2008.

Perfil de rugosidade da superfcie (m) 25 a 39 40 a 69 70 a 100

Fator de reduo da espessura (FR) 10 25 40

A altura do perfil de rugosidade determinada mediante o uso de rugosmetro.

81

3. MTODO

Definiram-se, inicialmente, cinco fases para a realizao do estudo, visando facilitar a organizao e conduo do mesmo:

3.1 Fase A: Coleta de Dados

Nesta primeira fase determinou-se um Plano de Coleta de Dados, no intuito de garantir a padronizao e veracidade das informaes. No presente estudo, os dados coletados representam a base para tomada de deciso se o processo em anlise ser capaz ou no de atender especificao de um cliente, portanto, fundamental que sejam concretos e confiveis. Caso no sejam coletados de forma apropriada, as informaes obtidas podero ser inteis ou nos conduzir a anlises e decises incorretas. Como o ponto a ser estudado refere-se medio de camada de peas pintadas eletrostaticamente com tinta lquida, o Plano de Coleta de Dados contemplou informaes como: - Nome da Obra a que se aplica o lote de peas; - Nmero da Ordem de Servio (OS); - Umidade Relativa do Ar (URA) em %; - Temperatura ambiente e da superfcie a ser analisada em C; - Fabricante e lote da tinta utilizada; - Desenho ao qual se refere pea; - Quantidade de peas inspecionadas e liberadas; - Medies de camada em mcron (m) efetuadas; - Laudo (aprovado, reprovado ou retrabalho); - Cdigo do possvel desvio apresentado; - Nome e assinatura do Inspetor responsvel pela medio.

82

Observa-se na Figura 41 o modelo do Plano de Coleta de Dados elaborado, intitulado Relatrio de Espessura da Camada.

Figura 41 Modelo de Plano de Coleta de Dados (Relatrio de Espessura da Camada).

O instrumento utilizado no presente estudo foi o Medidor de Espessura de Camadas, com sonda de Medio Ligada Atravs de Cabo - TT210, com capacidade para efetuar medies de camada (em mcron) da pea pintada conforme especificao, exigncia do cliente, e padronizao do processo.

83

Figura 42 Tipo de medidor de espessura de camada.

O teste foi dividido em etapas, a fim de que fosse realizado exatamente da mesma maneira e com as mesmas caractersticas, independentemente do avaliador executante das aes:

Ajuste do zero: Antes de iniciar os testes, o aparelho deve ser verificado conforme padres e instrues fornecidos pelo fabricante. Caso no estejam disponveis, o instrumento deve ser verificado, conforme prximas etapas; Utilizar uma placa de ao jateada ao metal branco, com pelo menos 3 mm de espessura e zerar a leitura do aparelho na superfcie atravs do dispositivo de controle; Utilizando no mnimo duas lminas com espessuras conhecidas, fazer a leitura da espessura das mesmas sobre a pea, ajustando a leitura para a espessura correspondente. Atentar-se para que a mesma esteja lisa, plana e devidamente limpa, isenta de sujeiras; As regies ensaiadas devem medir 200 x 200 mm; Posicionar o instrumento perpendicularmente superfcie; 84

Efetuar, pelo menos, oito medies em cada regio selecionada; Descartar o menor e o maior valor obtido na leitura; Determinar a mdia aritmtica dos demais valores obtidos; Calcular a espessura seca por camada.

Para clculo da espessura seca por camada, realizou-se a medio da altura do perfil de rugosidade com o uso de rugosmetro do tipo agulha deslizante com preciso de 5m. Para utilizar o instrumento, o mesmo foi zerado de acordo com as instrues do fabricante. O ajuste do zero de instrumento feito sobre uma superfcie plana e lisa, como uma placa de vidro. Selecionou-se a regio para execuo do teste (com dimenses de 200 x 200 mm), efetuando cinco medies - uma no centro geomtrico e as demais em suas diagonais. As medies foram realizadas posicionando o rugosmetro nos pontos indicados, evitando-se o deslizamento da agulha na superfcie. O valor do perfil de rugosidade obtido pela mdia aritmtica das cinco medies efetuadas ao longo de cada superfcie.

Para padronizar a coleta de dados, definiu-se que todos os lotes analisados seriam coletados no perodo da manh (entre 8 e 12 horas) aps, no mnimo, 24 horas de secagem das peas. Para assentar tambm os pontos/locais de medio de camada nas peas, foi elaborado um gabarito a ser utilizado. Em seqncia, os avaliadores responsveis por tal atividade foram devidamente treinados e orientados quanto utilizao do Plano, assegurando uma interpretao comum e consistente dos resultados. Aps a realizao da coleta de dados durante 25 dias, procedeu-se a tabulao dos mesmos em uma planilha Excel, facilitando o acesso e disponibilidade.

85

3.2 Fase B: Verificao da Normalidade do Processo

Em seguida, deu-se andamento verificao da normalidade do processo com a aplicao de histograma, ferramenta de carter preliminar em qualquer estudo, e importante indicador da distribuio de dados, podendo demonstrar se uma distribuio aproxima-se de uma funo normal ou no. Para criao do histograma, os dados tabulados na planilha Excel foram copiados no software Minitab 15. Selecionando as opes Graph / Histogram, vide Figura 43, o software apresentou os resultados plotados em um histograma padro.

Figura 43 Tela padro do software Minitab 15 com indicao das etapas selecionadas para elaborao de um histograma.

3.3 Fase C: Elaborao de Grfico de Controle

Dando continuidade s etapas, os dados foram copiados novamente da planilha Excel e disponibilizados no software Minitab 15 para elaborao de grficos de controle, possibilitando a deteco e anlise de causas normais e especiais no processo. Para tanto, foram selecionadas as opes Stat / Control Charts / Variables Charts for Subgroups / Xbar-R, como apresentado na Figura 44.

86

Figura 44 Tela padro do software Minitab 15 com indicao das etapas selecionadas para elaborao de grficos de controle.

Com a abertura da nova tela aberta, o campo Subgroup size foi preenchido com o nmero de medies realizadas em cada pea analisada, ou seja, seis medies, vide Figura 45.

Figura 45 Tela Xbar-R Chart do software Minitab 15 com o campo a ser preenchido para elaborao de grficos de controle.

87

3.4 Fase D: Validao do Sistema de Medio atravs da Anlise de R&R

Na quarta etapa do estudo, validou-se o sistema de medio utilizado no processo atravs da anlise de R&R (Repetibilidade e Reprodutibilidade), garantindo assim a confiabilidade dos dados empregados. Nesta etapa, o software Minitab 15 foi utilizado novamente com os dados copiados da planilha Excel elaborada anteriormente. Nesta atividade foram selecionadas as opes Quality Tools / Gage Study / Gage R&R Study (Crossed), conforme Figura 46.

Figura 46 Tela padro do software Minitab 15 com indicao das etapas selecionadas para realizao de anlise R&R.

Na nova tela aberta, foi selecionado o mtodo ANOVA, mais conservador e com possibilidade de calcular a interao avaliador por pea. Foi preenchido o campo Part Numbers com a identificao das peas (1 a 5) ensaiadas. Os campos Operators e Measurement data foram preenchidos com as identificaes dos avaliadores (avaliador 1 ou avaliador 2) e com os valores obtidos nas medies, respectivamente.

88

Quando selecionado o boto Options, uma nova tela se abriu para preenchimento dos limites de especificao do processo (Lower spec e Upper spec), conforme definidos pelo cliente (36 a 54 m). Observa-se nas Figuras 47 e 48, dispostas a seguir, a apresentao e preenchimento destes dados.

Figura 47 Tela Gage R&R Study (Crossed) do software Minitab 15 com os campos a serem preenchidos para realizao de anlise R&R.

Figura 48 Tela Gage R&R Study (Crossed) ANOVA Options do software Minitab 15 com os limites de especificao a serem preenchidos para realizao de anlise R&R.

89

3.5 Fase E: Estudo de Capabilidade do Processo

Na ltima etapa, os dados iniciais (planilha Excel) foram disponibilizados mais uma vez no software Minitab 15 para realizao do estudo de capabilidade do processo em anlise. Foram selecionadas as opes Stat / Quality Tools / Capability Analysis / Normal, vide Figura 49.

Figura 49 Tela padro do software Minitab 15 com indicao das etapas selecionadas para realizao do estudo de capabilidade do processo.

Com a abertura da nova tela aberta, o campo Subgroup size foi preenchido com o nmero de medies realizadas em cada pea analisada, ou seja, seis medies. Em seguida, os limites de especificao definidos pelo cliente foram preenchidos nos campos Lower spec e Upper spec, de acordo com o demonstrado na Figura 50.

90

Figura 50 Tela Capability Analysis (Normal Distribution) do software Minitab 15 com os limites de especificao a serem preenchidos para realizao do estudo de capabilidade do processo.

91

4. RESULTADOS

4.1 Resultado da Fase A: Coleta de Dados

Em resultado utilizao do Plano de Coleta previamente formulado (Relatrio de Espessura da Camada), os dados foram tabulados em uma planilha Excel, conforme apresentados na Tabela 06.

4.2 Resultado da Fase B: Verificao da Normalidade do Processo

Em resultado verificao da normalidade do processo, o software Minitab 15 plotou os dados apresentados em um histograma padro, vide Figura 51.

4.3 Resultado da Fase C: Elaborao de Grfico de Controle

Em resultado deteco de causas comuns e especiais no processo, o software Minitab 15 elaborou o Grfico de Controle x e R, conforme Figura 52.

4.4 Resultado da Fase D: Validao do Sistema de Medio atravs da Anlise de R&R Em resultado validao do Sistema de Medio, o software Minitab 15 apresentou a anlise de R&R (Repetibilidade e Reprodutibilidade) atravs de grficos e de valores de aceitabilidade, segundo apresentado nas Figuras 53 e 54.

4.5 Resultado da Fase E: Estudo de Capabilidade do Processo Em resultado ao estudo de capabilidade do processo, o software Minitab 15 elaborou um grfico com os valores de Cp e Cpk resultantes da anlise realizada, vide Figura 55.

92

Resultado da Fase A: Coleta de Dados


Tabela 06 Modelo da Planilha Excel referentes tabulao dos dados coletados no Relatrio de Espessura de Camada.

93

Resultado da Fase B: Verificao da Normalidade do Processo

Figura 51 Histograma para Espessura de Camada (m).

94

Resultado da Fase C: Elaborao de Grfico de Controle

Figura 52 Grfico de Controle Xbar-R para Espessura de Camada (m).

95

Resultado da Fase D: Validao do Sistema de Medio atravs da Anlise de R&R

Figura 53 Grficos de Anlise de R&R para Espessura de Camada (m).

96

Resultado da Fase D: Validao do Sistema de Medio atravs da Anlise de R&R

Figura 54 Valores de aceitabilidade da anlise de R&R para Espessura de Camada (m).

97

Resultado da Fase E: Estudo de Capabilidade do Processo

Figura 55 Grfico de Capabilidade do processo para Espessura de Camada (m).

98

5. DISCUSSO

A partir dos grficos apresentados acima, pode-se analisar as fases estudadas, discorrendo sobre os resultados obtidos.

5.1 Discusso do Resultado da Fase A: Coleta de Dados

Com a tabela de dados (Tabela 06) apresentada na fase A, pode-se afirmar que os avaliadores compreenderam a importncia da utilizao do Plano de Coleta. Desta maneira, possvel garantir que tais dados sero transformados em informaes relevantes, que sero utilizadas como base para a tomada de deciso sobre atender ou no o cliente frente s especificaes apresentadas pelo mesmo.

5.2 Discusso do Resultado da Fase B: Verificao da Normalidade do Processo

Na fase B, ao observar o histograma apresentado pelo software Minitab 15, pode-se afirmar que se trata de um processo cuja distribuio dos dados normal, ou seja, os dados constituem uma curva simtrica em forma de sino. Isso nos permite prosseguir para a prxima etapa do estudo.

5.3 Discusso do Resultado da Fase C: Elaborao de Grfico de Controle

Na fase C, ao analisar o grfico de controle X - R, observa-se que o processo em estudo apresenta apenas causas comuns, ou seja, todos os pontos coletados se apresentam dentro dos limites superior e inferior de controle. Conclui-se, portanto, que se trata de um processo que possui variabilidade e estabilidade de caractersticas importantes monitoradas, atingindo um estado de controle estatstico. Esperava-se tal concluso, pois o processo de pintura eletrosttica com tinta lquida alvo de um Grupo de Melhoria desenvolvido na empresa, onde seus dados

99

so medidos, acompanhados e monitorados por uma equipe devidamente qualificada h cerca de 12 meses.

5.4 Discusso do Resultado da Fase D: Validao do Sistema de Medio atravs da Anlise de R&R

Para discorrer sobre os resultados apresentados na fase C, os grficos geridos pelo software Minitab 15 foram separados, com avaliao individual de cada um deles. No primeiro grfico, conforme apresentado na Figura 56, possvel proceder uma anlise ampla dos componentes de variao total retirado dos dados coletados.

Figura 56 Grfico de Componentes de Variao do processo para Espessura de Camada (m).

Verifica-se na primeira barra verde (legenda Gage R&R) que a variao total de R&R encontra-se em cerca de 20%. Para confirmar mais exatamente este valor, observa-se no resultado numrico da anlise de R&R que este valor corresponde a 15, 75%, conforme Figura 57.

Figura 57 Resultado numrico da anlise R&R do processo para Espessura de Camada (m).

100

Pode-se ento afirmar que a anlise do sistema de medio vlida, pois a variao do sistema obedece regra citada no Manual de MSA da QS-9000 (1997), onde erro entre 10 e 30% considerado aceitvel. Para concluir esta primeira validao do sistema de medio, observa-se que o nmero de categorias distintas (Number of Distinct Categories na Figura 57) igual a oito, em consonncia ao critrio de discriminao que indica que tal valor deve ser igual ou superior a cinco. No segundo grfico, conforme apresentado na Figura 58, possvel efetuar uma anlise da reprodutibilidade do sistema, onde as diferenas das medies de cada avaliador (1 e 2) em cada uma das cinco peas so plotadas. Se a diferena entre o maior valor de uma pea medida e o menor valor da mesma pea no exceder o limite superior de controle (UCL), a anlise e o avaliador so considerados repetveis, como neste processo em estudo.

Figura 58 Resultado da reprodutibilidade do processo para Espessura de Camada (m).

No terceiro grfico, conforme apresentado na Figura 59, realiza-se a apreciao da repetibilidade do sistema, observando graficamente se existem diferenas significativas no padro gerado por cada avaliador que est medindo as mesmas amostras. Para tanto, desejvel percorrer pontos que consistentemente vo alm dos limites superior e inferior de controle (UCL e LCL); isto porque os limites so determinados pela varincia do dispositivo e os grficos devem apresentar que a varincia do dispositivo muito menor que a variabilidade dentro das peas.

101

Figura 59 Resultado da repetibilidade do processo para Espessura de Camada (m).

No quarto grfico, conforme apresentado na Figura 60, observa-se as medidas executadas pelos avaliadores para cada pea. As marcas devem ser muito prximas, evidenciando a pequena variabilidade entre peas.

Figura 60 Resultado da variabilidade de peas do processo para Espessura de Camada (m).

No quinto grfico, conforme apresentado na Figura 61, apresenta-se a mdia das medidas executadas por cada avaliador por cada pea. A linha de unio entre as mdias deve ser o mais horizontal possvel, indicando uniformidade no conjunto avaliador x processo. Este grfico correlaciona a variabilidade entre os avaliadores.

Figura 61 Resultado da variabilidade entre avaliadores do processo para Espessura de Camada (m).

102

No sexto e ltimo grfico, conforme apresentado na Figura 62, possvel verificar a mdia de todas as medidas de todas as peas por avaliador. o mais simples de utilizar para sinalizar a interao entre avaliador e pea. As linhas no devem se cruzar e devem ser bem prximas, indicando que no h interao entre avaliador e pea.

Figura 62 Resultado da interao entre avaliador e pea do processo para Espessura de Camada (m).

5.5 Discusso do Resultado da Fase E: Estudo de Capabilidade do Processo

Na fase final E, ao analisar o grfico de capabilidade do processo observa-se que o processo capaz de atender aos valores especificados pelo cliente (36 a 54 m), com todos os dados coletados plotados dentro dos limites superior e inferior de especificao. Para garantir a capabilidade deste processo, verifica-se que os ndices Cp e Cpk apresentam-se em 1,52 e 1,48, respectivamente, em consenso regra que delimita valores acima de 1,33 para processos capazes de atender especificao exigida.

103

6. CONCLUSES

Finalizando o estudo, conclui-se que os dados obtidos no processo de pintura eletrosttica com tinta lquida atendem ao propsito da empresa praticante. Trata-se de um processo com distribuio normal, apenas com causas comuns originrias da variabilidade natural e sem apresentao de causas especiais, o que sinaliza um processo sob controle estatstico. Apresenta ainda um sistema de medio devidamente validado, com valor de aceitabilidade total de anlise de R&R igual a 15,75% e ndices de Cp e Cpk satisfatrios com valores de 1,52 e 1,48, respectivamente, comprovando sua capacidade. Tendo em vista a grande competitividade das empresas no mercado e o anseio na conquista de novos clientes potenciais, de suma importncia a garantia dos requisitos e especificaes de cada cliente, garantindo satisfao e perpetuao dos negcios. Desta forma, diz-se que os objetivos desse trabalho foram cumpridos, uma vez que se conseguiu quantificar e demonstrar a capabilidade do processo em relao ao especificado pelo cliente, fornecendo tambm base para futuras melhorias dos parmetros processuais.

104

REFERNCIAS ABNT NBR 10443 - Tintas e vernizes Determinao da espessura da pelcula seca sobre superfcies rugosas Mtodo de Ensaio. Rio de Janeiro, 2008. Anlise do Sistema de Medio (MSA) Instituto de Qualidade Automotiva (IQA) - QS 9000 MSA 3 edio, 1997. Anlise do Sistema de Medio (MSA). Disponvel em: <http://www.portalaction.com.br/content/11-introdu%C3%A7%C3%A3o-sistema-demedi%C3%A7%C3%A3o>. Acesso em 09 de junho de 2012. ANFAVEA. Anlises de sistemas de medio MSA, Manual de referncia. 3. Ed. So Paulo: IQA, 2002. A.I.A.G. Statistical Process Control. 2nd edition. Chrysler Corporation, Ford Corporation and General Motors Corporation, 1995. ALMAS, FBIO. Implementao de Controle Estatstico de Processos em uma Empresa Txtil. Dissertao de Mestrado pela Universidade Federal de Itajub, Itajub, Dezembro de 2003. BALESTRASSI, PEDRO P. Identificao de Padres em Grficos de Controle Estatstico de Processos em Tempo Real Utilizando Sries Temporais e Redes Neurais Artificiais. Tese de Doutorado pela Universidade Federal de Santa Catarina, 2000. BARTMANN, F. C. Idias bsicas sobre Controle Estatstico da Qualidade. VII Simpsio Nacional de Probabilidade e Estatstica, Campinas, So Paulo, 1986. BAPTISTA, NILSON. Introduo ao estudo de controle estatstico de processo, CEP. Rio de Janeiro: Qualitymark, 1996. BAYEUX, C. Anlise de Capabilidade de Processos. Revista Banas Qualidade, Maio de 2001. BINGHAM Jr., R. S. Tolerance limits and process capability studies. Industrial Quality Control, v. 19, n. 1, p. 36-40, July 1962. BISSEL, A. F. How reliable is your capability index?. Applied Statistics, v. 39, n. 3, p. 331-340, 1990. BORGES, R. C. Estudo de testes de estabilidade de processo em grficos de controle de Shewhart. Mestrado em Estatstica e Experimentao Agropecuria pela Universidade Federal de Lavras, Lavras , 2009.

105

BOX, G. E. P. and HUNTER W. G. Statistics for Experimenters. New York: John Wiley, 1978. BRAVO, PAULO C. Controle estatstico de qualidade. Anais da 40 Reunio Anual da Regio Brasileira da Sociedade Internacional de Biometria (RBRAS) e 6 Simpsio de Estatstica Aplicada Experimentao Agronmica (SEAGRO). UNESP Faculdade de Cincias Agrrias, Ribeiro Preto, 1995. BURR, IRVING W. Statistical quality control methods. New York: Marcel Dekker, 1976. BURR, IRVING W. The effect of non-normality on constants for X and R charts. Industrial Quality Control, v. 23, n. 11, p. 563-569, May 1987. BURR, IRVING W. Control charts for measurements with varying samples sizes. Journal of Quality Technology, v. 1, n. 3, p. 167-163, July 1989. CADWELL, J. H. The distributions of quantiles of small samples. Biometrika, v. 39, p. 207-211, 1982. CALCUTT, R. The Rights and Wrongs of Control Charts. Applied Statistics, vol. 44, N 3 279-288, 1995. CAMPOS, VICENTE FALCONI. Gerncia da Qualidade Total. Belo Horizonte: Fundao Cristiano OtonI, 1987 CAMPOS, VICENTE FALCONI. TQC: Controle da Qualidade Total (no estilo japons). Belo Horizonte: Fundao Cristiano Otoni, 1992. CAPLEN, R. H. A Practical Approach to Quality Control. Brandon/Systems Press, 1970. CARLYLE, W. M.; MONTGOMERY, D. C. and RUNGER, G. C. Optimization Problems and Methods in Quality Control and Improvement. Journal of Quality Technology, vol. 32, n 1, January 2000. CARPINETTI, L. C. R. et. al. Gesto da Qualidade. ISO 9001:9002. So Paulo: Atlas, 2008. CATEN, C. T.; RIBEIRO, J. L. e FOGLIATTO, F. S. Implantao do Controle Integrado de Processos. Etapas da implantao e estudo de caso. Porto Alegre: 2000. CAULCUTT, ROLAND. The rights and wrongs of control charts. Applied Statistics, v. 11044, n. 3, p. 279-288, 1995.

106

CECHINEL, C. e MOREIRA, L. Sistema Especialista de Apoio ao Ensino de Estatstica. Projeto de Concluso de Curso de Cincias da Computao pela Universidade Federal de Santa Catarina, Florianpolis, Julho de 1998. CECHINEL, C.; REIS, M.M.; OHIRA, M. and NASSAR, S. M., The Use of an Expert System to Support Statistics Teaching. Proceedings of Computers and Advanced Technology in Education, Philadelphia, Pennsylvania, EUA, 1999. CHAVES, J. B. P. e TEIXEIRA, M. A. Controle Estatstico de Qualidade Inspeo por amostragem/ mapas de controle. DTA/UFV. Viosa: 1997. CLIFFORD, P. C. Control charts without calculations - some modifications and extensions. Industrial Quality Control, v. 15, n. 11, p. 40-44, May 1989. CRYER, JONATHAN D. and RYAN, THOMAS P. The estimation of sigma for an X chart. Journal of Quality Technology, v. 22, n. 3, p. 187-192, July 1990. DAVIS, ROBERT B.; KAMINSKY, FRANK C.; BURKE, RICHARD J. Detecting process shifts with X-bar charts. Production and Inventory Management Journal, First Quarter, p. 25-30, 1993. DEMING, E. W. Qualidade: A Revoluo da Administrao. Rio de Janeiro: Editora Marques Saraiva, 1990. DIXON, W. J. and MASSEY, F. J. Introduction to Statistical Analysis, New York: McGraw-Hill, 3th. ed., 1989. DOES, R. J. M. M.; SCHIPPERS, W. A. J. and TRIP, A. A framework for Implementation of Statistical Process Control. International Journal of Quality, vol. 2, N 3, 1997. DUNCAN, ACHESON J. Quality control and industrial statistics. 5 ed. Homewood: Richard D. Irwin, 1986. EISENHARDT, K. M. Building Theories from Case Study Research. Academy of Management, vol. 14, N 4,1989. EPPRECHT, E. K. and COSTA, ANTONIO F. B. Adaptive sample size control charts for Attributes. Quality Engineering, v. 13, n. 3, p. 465-473, 2001. EPPRECHT, E. K. e MACHADO NETO, W. M. Um Sistema a Base de Conhecimentos para Assistncia em Controle Estatstico da Qualidade, ENEGEP, 1996. FAZANO, CARLOS ALBERTO T. V. Tintas - Mtodos de controle de pinturas e superfcies. So Paulo: Hemus Editora Ltda, 2002. 107

FAZENDA, JORGE M. R. Tintas e Vernizes - cincia e tecnologia. So Paulo: Publicao ABRAFATI - Associao Brasileira dos Fabricantes de Tintas, 2009. FEIGENBAUN, A. V. Total Quality Control. New York: McGraw-Hill Co., 1983. FEIGENBAUM, A. V. Controle da Qualidade Total. So Paulo: Makron Books,1994. FERNANDES, TIAGO PILAR. Aplicabilidade do controle Estatstico de Processo na Produo de uma Empresa no Ramo Metalrgico: Um Estudo de Caso. Monografia apresentada ao Curso de Administrao pela Faculdade de Educao e Estudos Sociais de So Joo Del Rei, So Joo Del Rei, 2009. FINLEY, J. C. What is capability? Or what is Cp and Cpk. ASQC Congress Transactions, Nashville, p. 186-191, 1992. FONSECA, MARIANA PAES. A Anlise do Sistema de Medio (MSA) como Ferramenta no Controle de Processos de uma Indstria de Dispositivos Mdicos Descartveis. Monografia apresentada ao Curso de Engenharia de Produo pela Universidade federal de Juiz de Fora, Juiz de Fora, 2008. GAITHER, NORMAM e FRAZIER, GREG. Administrao da produo e operaes. 8 ed. So Paulo: Pioneira Thomson, 2005. GALUCH, L. Modelo para Implementao das Ferramentas Bsicas de Controle Estatstico de Processo CEP em Pequenas Empresas Manufatureiras. Dissertao de Mestrado pela Universidade Federal de Santa Catarina, Florianpolis, Maro de 2002. GHOSH, B. K.; REYNOLDS, M. R. Jr. and HUI, Y. V. Shewhart X -charts with estimated process variance. Communications in Statistics - Theory and Methods, v. A10, n. 18, p. 1797-1822, 1991. GNECCO, CELSO. Pintura de manuteno industrial. So Paulo: Publicao IPT n 1558 - Instituto de Pesquisas Tecnolgicas, 2003. GODOY, CAROLINE. Introduo ao Controle Estatstico de Processo on line. Trabalho de Concluso de Curso pela Universidade Federal de So Carlos, So Carlos, Dezembro de 2009. GOGUE, M. JEAN. Improving the art of decision making, dez. 1998. Disponvel em: <http://www.fr-deming.org/afed-A1.pdf>. Acesso em 24 de maio de 2012. GOH, T. N. Operating Frameworks for Statistical Quality Engineering. International Journal of Quality & Reliability Management, vol. 17, n 2, 180-188, 2000. HARE, L. SPC: From Chaos to Wiping the Floor. Quality Progress, July 2003. 108

Introduo ao Controle Estatstico de Processo CEP. Disponvel em: <http://www.portalaction.com.br/content/CEP-introducao>. Acesso em 09 de junho de 2012. ISHIKAWA, KAORU. Controle de qualidade total ( maneira japonesa). 6. ed. Rio de Janeiro: Ed. Campus, 1993. JOHN, W. M. Peter. Statistical methods in engineering and quality assurance. New York: John Wiley & Sons, 1990. JURAN, J. M. and GRYNA, F. M. Quality Planning and Analysis. London: Chapman & Hall, 2nd. Ed., 1980. JURAN, J. M. and GRYNA, F. M. Controle de Qualidade Handbook. So Paulo: Makron Books, v. VI, 1992. JURAN, JOSEPH M. Planejando para a Qualidade. 3 Edio. So Paulo: Livraria Editora Pioneira, 1995. JURAN, JOSEPH M. A Qualidade desde o Projeto Os novos passos para o Planejamento da Qualidade em Produtos e Servios. 3 edio. So Paulo: Editora Pioneira, 1997. KAMINISKY, FRANK C.; BENNEYAN, JAMES C.; DVAIS, ROBERT D. and BURKE, RICHARD J. Statistical control charts based on a geometric distribution. Journal of Quality Technology, v. 24, n. 2, p. 63-69, April 1992. KANE, V. E. Process capability indices. Journal of Quality Technology, v.18, n. 1, 1986. KOTZ, S. and JOHNSON, N. L. Process Capability Indices. London: Chapman & Hall, 1993. KOTZ, S. and LOVELACE, C. R. Process Capability Indices in Theory and Practice. New York: Arnold, 1998. KUME, H. Mtodos Estatsticos para Melhoria da Qualidade. So Paulo: Editora Gente, 1993. KUSHLER, ROBERT H. and HURLEY, PAUL. Confidence bounds for capability indices. Journal of Quality Technology, v. 24, n. 4, p. 188-195, October 1992. LINNA, K. W. and WOODALL, W. H., Effect of Measurement Error on Shewhart Control Chart. Journal of Quality Technology, vol. 33, n 2, April 2001. LOUZADA NETO, F.; DINIZ, C. A. R. e FERREIRA, E. L. Introduo ao Controle Estatstico de Qualidade. So Carlos: CER-DES-UFSCar, 2009. 109

LU, M. W. and RUDY, R. J.; Discussion: Process Capability Indices A Review. Journal of Quality Technology, vol. 34, n 1, January 2002. MAFRA, HENRIQUE COLLET. Controle Estatstico da Qualidade: Um estudo sobre a capacidade de Processo dos Fornecedores de Telas do Peneiramento Primrio de uma Empresa Mineradora. Monografia pela Universidade Federal de Ouro Preto, Ouro Preto, Dezembro de 2008. MARSHALL JUNIOR, ISNARD; CIERCO, AGLIBERTO; ROCHA, ALEXANDRE; MOTA, EDMARSON e LEUSIN, SRGIO. Gesto da Qualidade. 9 edio, Rio de Janeiro: Editora FGV, 2008. MASON, B. and ANTONY, J. Statistical Process Control: An Essential Ingredient for Improving Service and Manufacturing Quality. Managing Service Quality, vol. 10, 2000. MONTGOMERY, DOUGLAS C. Introduction to Statistical Process Control. New York: John Wiley & Sons, 1985. MONTGOMERY, DOUGLAS. C. Design and Analysis of Experiments. 3rd. Edition. New York: John Wiley, 1991. MONTGOMERY, D. C. Introduction to statistical quality control. 3rd ed. New York: John Wiley & Sons, 1997. MONTGOMERY, DOUGLAS C. Introduction to Statistical Quality Control. New York: John Wiley & Sons, 4th. ed., 2001. MONTGOMERY, DOUGLAS C. e RUNGER, G. C. Estatstica Aplicada e Probabilidade para Engenheiros. 2 edio. LTC Livros Tcnicos e Cientficos Editora, 2003. MONTGOMERY, D. C. Introduo ao Controle Estatstico da Qualidade. 4 edio. Editora LTC: John Wiley & Sons, 2004. MOREIRA, D. A. Administrao da Produo e Operaes. 5 ed. So Paulo - SP: Pioneira, 1993. MUIR, A. K. Book of Knowledge. General Electric, version 4, March 2001. NEDUMARAN, GUNABUSHANAM; PIGNATIELLO Jr. and JOSEPH J. On estimating X control charts limits. Journal of Quality Technology, v. 33, n. 2, p. 206-212, April 2001. NELSON, L. S. The calculation of process capability indices. Journal of Quality Technology, v. 31, n. 2, p. 249-250, April 1999. 110

NELSON, L. S. Notes on the Shewhart Control Chart. Journal of Quality Technology, vol. 31, n 1, January 1999. NIKKEL, V. Controle Estatstico do Processo, Gesto da Qualidade. Universidade Federal do Paran, Curitiba, 2003. NUNES, LAERCE DE P. e ALFREDO C. O. LOBO. Pintura industrial na proteo anticorrosiva. Rio de Janeiro: Livros Tcnicos, 1998. NUNES, NEY VIEIRA. Pintura industrial aplicada. Rio de Janeiro: Maity Comunicao e Editora Ltda, 1990. PALADINI, E. P. Controle de Qualidade: uma Abordagem Abrangente. So Paulo: Editora Atlas, 1990. PALADINI, E. P. Gesto da Qualidade no Processo. So Paulo: Editora Atlas, 1995. PALADINI, E. P. Qualidade Total na Prtica. So Paulo: Editora Atlas, 1997. PARLAR, MAHMUT and WESOLOWSKY, GEORGE. Specification limits capability, indices and process centering in assembly manufacture. Journal of Quality Technology, v. 31, n. 3, p. 317-325, July 1999. PASQUALI, LUIZ. A Curva Normal. Disponvel em: <http://www.psi-ambiental.net/pdf/PasqCap03.pdf>. Acesso em 09 de junho de 2012. PIGNATIELLO Jr., J. J. and RUNGER, G. C. Comparisons of multivariate CUSUM charts. Journal of Quality Technology, v. 22, n. 3, p. 173-186, July 1990. PRABHU, S. S.; RUNGER, G. C. and HEATS, J. B. X Charts with adaptive sample sizes. International Journal of Production Research, v. 31, p. 2895-2909, 1993. PRAZERES, PAULO M. Dicionrio de Termos da Qualidade. So Paulo: Atlas, 1996. PYZDEK, THOMAS. Control Charts interpretation. In: The complete Guide to the CQE. [S. l.]: Quality Publishing, 1996. Disponvel em: <http://www.qualityamerica.com/knowledgecente/articles/CQEIVH3d.html>. Acesso em 18 de maio de 2012. RAMOS, ALBERTO W.; RIBEIRO, CELMA O.; MIYAKE, DARIO I.; NAKANO, DAVI; LAURINDO, FERNANDO J. B.; HO, LINDA L.; CARVALHO, MARLY M.; BRAZ, MOACYR A.; BALESTRASSI, PEDRO P. e ROTONDARO, ROBERTO G. Seis Sigma: Estratgia Gerencial para a Melhoria de Processos, Produtos e Servios. 1 edio. So Paulo: Editora Atlas S. A., 2008.

111

RAMOS, EDSON M. L. S.; SILVA, LUCIANA S. C. V.; SAMOHYL, ROBERT W. and ALMEIDA, SILVIA S. Utilizao da amplitude amostral como estimador do desvio padro: discusso e reviso terica. Anais do 15 SINAPE Simpsio Nacional de Probabilidade e Estatstica, v. 1, p. 207, So Paulo, 2002. RAMOS, EDSON M. L. S. Aperfeioamento e Desenvolvimento de Ferramentas do Controle Estatstico da Qualidade Utilizando Quartis para Estimar o Desvio Padro. Tese de Doutorado pela Universidade Federal de Santa Catarina, Florianpolis, Abril de 2003. REIS, M. M., Um modelo para o ensino do Controle Estatstico da Qualidade. Tese de Doutorado pela Universidade Federal de Santa Catarina, Florianpolis, Julho de 2001. RESENDE, R. A. e CARPINETTI, L. C. R. Um Estudo da Qualidade do Processo de Fiao por Meio de Tcnicas de Controle Estatstico de Processos. Enegep, 1999. REYNOLDS, M. R. JR. and STOUMBOS, Z. G. Monitoring the Process Mean and Variance Using Individual Observations and Variable Sampling Intervals. Journal of Quality Technology, vol. 33, n 2, April 2001. RIBEIRO, J. L. D. Controle Estatstico do Processo. Srie Monogrfica Edition pela Fundao Empresa Escola de Engenharia da UFRGS - Universidade Federal do Rio Grande do Sul, Porto Alegre, 2001. RIBEIRO, J. L. D. e CATEN, C. T. Desdobramento dos Processos de uma Empresa do Setor Coureiro-Caladista. Relatrio Tcnico do Programa de Ps-Graduao em Engenharia de Produo da UFRGS, 1996. RIBEIRO, J. L. D. e CATEN, C. T. Controle Estatstico de Processos. Porto Alegre: 2000. Programa de Ps-Graduao em Engenharia de Produo, Escola de Engenharia, Universidade Federal do Rio Grande do Sul. RIBEIRO, J. L. D.; LEITO, F. B.; ECHEVESTE, M. E. e CATEN, C. S. Identificao de Processos Crticos e Implantao de CEP. 1996. RODRIGUEZ, ROBERT N. Recent developments in process capability analysis. Journal of Quality Technology, v. 24, n. 4, p. 176-187, October 1992. ROSRIO, M. B. do. Controle Estatstico de Processo: Um Estudo de Caso em uma Empresa da rea de Eletrodomstico. Dissertao de Mestrado em Engenharia pela Universidade Federal do Rio Grande do Sul - UFRGS, Porto Alegre, 2004. RUNGER, G. C. and MONTGOMERY, D. C. Controlling Multiple Stream Process with Principal Components. International Journal of Prodution Research, vol. 34, 1996. 112

RYAN, T. and HOWLEY, PETER P. Control charts based on medians Correspondence. Journal of the Royal Statistical Society - Series D - The Statistician, v. 48, n. 3, p. 441-442, 1999. SHEWHART, WALTER A. Economic Control of Quality of Manufactured Product. Princeton: Van Nostrand Reinhold, 1931. SHEWHART, WALTER A. Contributions of Statistics to the Science of Engineering. University of Pennsylvania Press, Philadelphia, PA, 1941. SILVA, L. S. C. V. Aplicao do Controle Estatstico de Processos na Indstria de Laticnios Lactoplasa: Um Estudo de Caso. Dissertao de Mestrado pela Universidade Federal de Santa Catarina, Florianpolis, Dezembro de 1999. SOARES, VALENTINA L. M. P. Aplicao e Implantao do Controle estatstico de Processo em Pintura Industrial. Dissertao de Mestrado pela Universidade Federal de Santa Catarina, Florianpolis, Abril de 2003. SUTHERLAND, W. J. Quality Engineering. Michigan Tecnological University. Michigan, no.14, Sept. 2002. Disponvel em: <http://www.me.mtuedu/~jwsuth/qual2002/lect14..pdf>. Acesso em 18 de maio de 2012. TAGUCHI, G.; ELSAYED, E. A. and HSIANG, T. Quality Engineering in Production Systems. New York: McGraw-Hill Co, 1989. TOLEDO, J. C. e ALLIPRANDINI, D. H. Controle Estatstico de Qualidade. GEPEQGrupo de Estudo e Pesquisa em Qualidade Universidade Federal de So Carlos, So Carlos: UFSCar, 2004. TOLEDO, J. C. e CARPINETTI, L.C.R. Gesto da qualidade na fbrica do futuro. In: A fbrica do futuro. So Paulo: Banas, 2000. WADE, MARK R. and WOODALL, WILLIAM H. A review and analysis of causeselecting control charts. Journal of Quality Technology, v. 25, n. 3, p. 161-169, July 1993. WERKEMA, MARIA C. C. Ferramentas Estatsticas Bsicas para o Gerenciamento de Processos. 1 edio. Belo Horizonte: Fundao Christiano Ottoni, Escola de Engenharia da UFMG, 1995. WESTERN ELETRIC COMPANY, Inc. Statistical Quality Control Handbook. New York: Mack Printing Company, 1956. WOODALL, WILLIAM H. Controversies and Contradictions in Statistical Process Control. Journal of Quality Technology, v. 32, n. 4, p. 341-350, October 2000.

113

Anda mungkin juga menyukai