Controle EstatÝstico de Processos

1
Ps-Graduao Lean Seis Sigma Certificado Black Belt

Disciplina: Controle Estatstico de Processos
Prof. Alexandre Andrioli Iwankio

Controle Estatstico de Processos

2

CONTROLE ESTATSTICO DE PROCESSOS

Cartas de Controle ........................................................................................... 3
Como avaliar se uma varivel possui distribuio normal ............................... 69
Capacidade de Processos ............................................................................... 85

3


CARTAS DE CONTROLE

4

INTRODUO

Um processo est sob controle quando podemos prever o futuro atravs da
experincia do passado.
Os grficos (cartas) de controle so ferramentas para o monitoramento da
variabilidade e para a avaliao da estabilidade de um processo.
Utilidade: permitem a interpretao do comportamento (variao) do processo.
Sob ao de causas comuns
Sob ao de causas especiais

DOIS MUNDOS
PROCESSO CLIENTE
O que precisamos fazer
Tem valores fixos
Limites negociados ou impostos
Limites de especificao.
avaliado por peas boas e refugadas
Ponto fora Refugo
Ponto dentro Pea boa
O que fazemos
Tem variao
Causas Comuns
Causas Especiais
Limites so calculados
Limites de Controle
avaliado por carta de Controle
Causa Especial fora de controle
Causa Comum sob controle
PROBABILIDADE
INTERVALO
INTERNA
68,26%
95,46%
99,73%
( 1 )
+ - +2 -2 +3 -3
( 2 )
( 3 )
31,74%
4,54%
0,27%
EXTERNA
SE O PROCESSO APRESENTA VARIAO
QUE SEGUE UM PADRO DE
DISTRIBUIO, ENTO A VARIAO
ACONTECER DENTRO DE LIMITES QUE
SO CALCULADOS COM OS PRPRIOS
DADOS.

5


As cartas de controle permitem identificar e distinguir a atuao de causas
comuns e causas especiais de variao.

Na figura acima, o processo est sujeito apenas atuao de causas comuns
de variao, por isso considerado estvel e previsvel. Nestes casos, dizemos
que o processo est sob controle estatstico.

Formato de uma carta de controle
Exemplo de carta de controle com processo sob controle
Relao entre a distribuio e a estabilidade do processo sob controle

6


Na figura acima, o processo est sujeito atuao de causas comuns e
especiais de variao, por isso considerado instvel e imprevisvel. Nestes
casos, dizemos que o processo est fora de controle estatstico.

A correta interpretao da variabilidade das observaes permite uma atuao
eficiente no processo para o alcance da melhoria contnua.
Um processo que est sob controle estatstico pode no ser capaz de gerar
produtos que atendam os limites de especificao:

Exemplo de carta de controle com processo fora de controle
Relao entre a distribuio e a estabilidade do processo fora de controle
Conceito de capacidade de processo

7


O conceito de capacidade de processo ser detalhado adiante.

EXEMPLO
Considere os resultados da tabela abaixo, referentes ao estoque em processo
de uma empresa ao final do ms de Julho/97. (extrado de Weeler, D. J. (1993).

Suposio Imediata: o estoque em processo piorou significativamente durante
o ms de julho.
S
O
B
C
O
N
T
R
O
L
E
S
E
M
C
O
N
T
R
O
L
E
Sem gerao de refugos Com gerao de refugos
ESTADO IDEAL
Estvel ao longo do tempo
No gera refugo
A variao natural do processo deve
ser menor do que da Engenharia
Produo opera processo de modo
estvel e consistente.
ESTADO DE ALERTA
Estvel ao longo do tempo
Gera algum refugo
Sempre gera a mesma quantidade
de refugo
As solues so aumentar as
especificaes ou reduzir variao.
BEIRA DO CAOS
No estvel ao longo do tempo
No gera refugo
Muda constantemente as
caractersticas do produto.
Produo pode concluir
incorretamente que tudo est ok.
Quando algum refugo gerado
surpresa geral.
Soluo: remover causas especiais
ESTADO DO CAOS
No estvel ao longo do tempo
Gera refugo
Quantidade imprevisvel de refugo.
Produo sabe que tem problema,
mas no sabe qual.
Quando algum refugo gerado
surpresa geral.
Soluo: remover causas especiais
MUNDO DO CLIENTE
MUNDO
DE
PROCESSO
Relatrio mensal de julho/97

8

Mas ser que o valor 28 est realmente sinalizando uma queda na qualidade
do sistema, ou apenas fruto da variao natural dos valores possveis do
estoque em processo?
Valores do estoque em processo dos ltimos dois anos e meio:

Aparentemente, no existiu nenhuma tendncia ou qualquer outra configurao
sistemtica dos pontos. Mas isto no esclarece a dvida: Julho apresentou ou
no um valor excepcional?
Somente as cartas de controle podero processar as informaes de modo a
gerar o conhecimento necessrio ao estabelecimento de uma concluso
correta e definitiva.

Estoque em processo segundo o departamento 17 (em centenas de quilogramas)
97
96
95
Grfico sequencial do estoque em processo para os ltimos dois anos e meio

9

SELEO DE CARTAS DE CONTROLE

CARTAS DE CONTROLE X E AM - MEDIDAS
INDIVIDUAIS E AMPLITUDE MVEL
So utilizadas quando o tamanho da amostra igual a uma unidade.
Estes casos ocorrem quando:
A inspeo automatizada, ou seja, todas as unidades produzidas so
avaliadas.
A escassez dos dados impede a formao de amostras maiores que
uma unidade.
No existe um critrio lgico para a formao de amostras maiores que
uma unidade.

Seleo de grficos de controle conforme os tipos de dados disponveis
Carta c:
quantidade
de def eitos
Carta u:
proporo
de def eitos
Carta p:
proporo de
def eituosos
Carta np:
quantidade de
def eituosos

10

EXEMPLO
Considere os resultados dos tempos de carregamento manual de caminhes
no ms de outubro de 2008.

Amostra
1
2
3
4
5
6
7
8
9
10
Observao
29
29
28
29
29
29
27
28
26
25
Amostra
11
12
13
14
15
16
17
18
19
20
Observao
28
29
29
28
31
29
27
28
30
29
Tempo de carregamento manual de caminhes (min)
Carta X
Controla o componente
de variao de longo prazo
O que significa um ponto
fora?
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
19 17 15 13 11 9 7 5 3 1
32
31
30
29
28
27
26
25
_
X=28,35
UCL=31,709
LCL=24,991
Carta X - Carregamento de caminhes
Valores individuais e amplitudes mveis para tempo de carregamento manual de caminhes (min)
i i
1
2
3
4
5
6
7
8
9
10
xi xi
29
29
28
29
29
29
27
28
26
25
----
0
1
1
0
0
2
1
2
1
3
1
0
1
3
2
2
1
2
1
11
12
13
14
15
16
17
18
19
20
28
29
29
28
31
29
27
28
30
29
AM= x -x 1 i i i-
AM= x -x 1 i i i-

11


Ilustrao das Cartas X e AM:

Carta AM
Controla o componente
de variao de curto prazo
O que significa um ponto fora?
Observation
M
o
v
i
n
g

R
a
n
g
e
19 17 15 13 11 9 7 5 3 1
4
3
2
1
0
__
MR=1,263
UCL=4,127
LCL=0
Carta AM
19 17 15 13 11 9 7 5 3 1
32
30
28
26
24
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=28,35
+3SL=31,709
-3SL=24,991
+2SL=30,590
-2SL=26,110
19 17 15 13 11 9 7 5 3 1
4
3
2
1
0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=1,263
+3SL=4,127
-3SL=0
+2SL=3,172
-2SL=0
TEMPO DE CARREGAMENTO DE CAMINHES (MIN)

12

CLCULO DOS LIMITES DE CONTROLE

INTERPRETAO DAS CARTAS DE CONTROLE

1) Pontos fora dos limites de controle

Os pontos fora dos limites de controle podem ocorrer em consequncia de
erros de registro de dados, erros de clculo ou de medio, ao incorreta
realizada por algum operador, defeitos nos equipamentos, etc.

+Observaes:
- x = mdia dos valores individuais.
- AM = mdia das amplitudes mveis.
- Uma estimativa para o desvio padro do processo sob
controle AM / 1,128.
1,128
AM
3 - x LIC
x LM
1,128
AM
3 x LSC
=
=
+ =
Carta X Carta AM
0 LIC
AM LM
AM 3,267 LSC
=
=
=

13

2) Sequncia

Uma sequncia uma configurao em que 7 ou mais pontos consecutivos da
carta de controle aparecem em apenas um dos lados da linha mdia.
Uma sequncia indica uma mudana no nvel do processo, que pode resultar,
por exemplo, da introduo de novos operadores, matrias primas ou padres
operacionais e de mudanas na habilidade, ateno ou motivao dos
operadores.

3) Tendncia

Uma tendncia uma configurao em que 7 ou mais pontos consecutivos da
carta de controle apresentam um movimento contnuo ascendente ou
descendente.
As tendncias so geralmente provocadas pela deteriorao gradual de
equipamentos, mas tambm podem ser devidas a fatores humanos, tais como
cansao do operador ou presena de supervisores. Mudanas graduais nas
condies ambientais tambm podem resultar em tendncia.

4) Periodicidade

Tendncia ascendente Tendncia descendente
LSC
LM
LIC

14

A periodicidade est presente quando a curva traada na carta de controle
apresenta repetidamente uma tendncia para cima e para baixo, em intervalos
de tempo que tm aproximadamente a mesma amplitude.
Alguns exemplos de causas especiais que podem provocar o surgimento da
periodicidade so mudanas sistemticas nas condies ambientais, cansao
do operador e alteraes sazonais na qualidade da matria prima.

5) Aproximao dos limites de controle

A aproximao dos limites de controle corresponde ocorrncia de dois de trs
pontos consecutivos entre as linhas 2o e 3o.
A aproximao dos limites de controle pode resultar de dois processos
diferentes gerando os resultados representados na carta de controle.

Observao:
Na carta AM apenas o critrio pontos fora dos limites de controle
deve ser considerado.
Na carta X, todos os 5 critrios so vlidos.

15

CONTINUAO DO EXEMPLO ESTOQUE

Concluso: Processo sob controle estatstico. Julho no apresentou um valor
excepcional.
Implicaes:
- No dispensar esforos para justificar o valor especfico de julho.
- Promover alteraes significativas no atual mecanismo de acmulo de
estoque.
As cartas de controle auxiliam na identificao de oportunidades de melhoria
dos processos.

Cartas de controle X e AM para o estoque em processo

16

RESUMO DAS ETAPAS PARA CONSTRUO E
UTILIZAO DAS CARTAS DE CONTROLE X E AM

17

FLUXOGRAMA PARA A CONSTRUO DAS CARTAS DE
CONTROLE X E AM

18

Roteiro para soluo do exemplo no Minitab
I - Configurao dos testes de aleatoriedade das cartas de controle
Os comandos descritos a seguir definem os testes para determinar as causas
especiais das cartas de controle estudadas neste curso. Os testes sero
selecionados de forma a ficarem pr-determinados, por default, na construo
das cartas de controle.
01. Selecione a opo Tools > Options > Control Charts and Quality Tools

02. Clique no smbolo [+] ao lado deste comando e selecione a opo Tests. A
tela dever ser preenchida da seguinte maneira:

03. Ative o primeiro teste e digite 3 no campo K;
04. Ative o segundo teste e digite 7 no campo K;

19

05. Ative o terceiro teste e digite 7 no campo K;
06. Ative o quinto teste e digite 2 no campo K. Os demais testes devem
permanecer com os valores definidos por default.
07. Selecione OK.

II Construir a Carta de Controle X e AM
01. Selecione Stat > Control Charts > Variables Charts for Individuals > I-
MR...
02. A seguinte tela aparecer e dever ser preenchida como mostrado abaixo:

03. Selecione a coluna Estoque para o campo Variables.
O comando acima utilizado para a construo das cartas de medidas
individuais (X) e amplitudes mveis (AM) simultaneamente.
04. Selecione a opo I-MR Options... > S Limits
05. Em Display control limits at, na opo These multiples of the standard
deviation digite 2 e 3.

20


06. Selecione OK.
07. Selecione Scale...> Reference Lines.

09. No campo Show reference lines at time scale positions, digite os valores
12,5 24,5.
O comando acima permite traar duas linhas verticais no eixo x
separando os dados.
10. Selecione OK.

21

11. Selecione Labels...>Titles/Footnotes.

13. No campo Title, digite o ttulo do grfico (exemplo: Cartas de Controle X-
AM para o estoque em processo).
14. Selecione OK duas vezes.

22

ATIVIDADE 1
As cartas de controle apresentadas a seguir foram construdas a partir de
dados para o tempo de atendimento telefnico da central regional de um banco
(supondo que os dados para cada turno foram coletados em intervalos de
tempo sucessivos).
Analise as cartas de controle e estabelea concluses sobre o desempenho da
central quanto estabilidade do tempo de atendimento.

Cartas de controle X e AM para as observaes do tempo de atendimento
telefnico da central regional de um banco
0 Subgroup 50 100
100
200
300
400
I
n
d
i
v
i
d
u
a
l
V
a
l
u
e
1
1
Mean=263.0
UCL=380.8
LCL=145.3
0
100
200
M
o
v
i
n
g
R
a
n
g
e
1
1
1
R=44.26
UCL=144.6
LCL=0
I and MR Chart for Tempo
telefnico da central regional de um banco - turno A
40 30 20 10 Subgroup 0
350
250
150
I
n
d
i
v
i
d
u
a
l
V
a
l
u
e
Mean=250
2.0SL=310.6
3.0SL=341.0
-2.0SL=189.4
-3.0SL=159.0
100
50
0
M
o
v
i
n
g
R
a
n
g
e
R=34.21
2.0SL=85.91
3.0SL=111.8
-2.0SL=0 -3.0SL=0
I and MR Chart for Tempo_A

23


telefnico da central regional de um banco - turno B
40 30 20 10 Subgroup 0
400
300
200
100
I
n
d
i
v
i
d
u
a
l
V
a
l
u
e
Mean=245.5
2.0SL=341.2
3.0SL=389.1
-2.0SL=149.7
-3.0SL=101.8
200
100
0
M
o
v
i
n
g
R
a
n
g
e
1
R=54.03
2.0SL=135.7
3.0SL=176.5
-2.0SL=0 -3.0SL=0
I and MR Chart for Tempo_B
Cartas de controle X e AM para as observaes do tempo de atendimento telefnico
da central regional de um banco - turno C
40 30 20 10 Subgroup 0
400
300
200
I
n
d
i
v
i
d
u
a
l
V
a
l
u
e
1
Mean=293.7
2.0SL=371.1
3.0SL=409.7
-2.0SL=216.3
-3.0SL=177.6
150
100
50
0
M
o
v
i
n
g
R
a
n
g
e
1
R=43.64
2.0SL=109.6
3.0SL=142.6
-2.0SL=0 -3.0SL=0
I and MR Chart for Tempo_C

24

ATIVIDADE 2
Considere o item de controle Refugo (kg por 1000 kg de produo). Os valores
do refugo nos ltimos dois anos e meio de produo esto apresentados
abaixo.

Utilizando as cartas de controle X e AM, como voc avaliaria o desempenho da
empresa em relao a este item de controle?

ATIVIDADE 3
Uma fbrica de equipamentos pesados deseja verificar se o nmero de
incidentes dirios que ocorrem na fbrica e prejudicam a linha de produo
possuem ocorrncia aleatria ou no.
de interesse da alta administrao que o nmero de incidentes no supere a
marca de 20 incidentes/dia. Estes incidentes podem ser enumerados como:
Falta de um insumo na linha de produo;
Sobrecarga no sistema de estocagem, ou seja, no havia carregadeiras
suficientes para escoar os produtos acabados da linha de produo para o
estoque;
Deteco de problemas graves em algum equipamento, que levava a parada
de produo e a reviso completa do sistema, entre outras.
A avaliao do processo foi feita diariamente no perodo compreendido de
01/03/2000 at 31/03/2000 e os resultados obtidos esto armazenados na
tabela a seguir.
Ano
1995
1996
1997
Jan
133
142
134
Fev
128
140
139
Abr
123
126
131
Ago
124
126
-
Mar
128
131
143
Mai
124
124
126
Jun
124
126
125
Jul
126
124
124
Set
126
123
-
Out
124
125
-
Nov
129
133
-
Dez
135
134
-
Ms
Refugo gerado pelo departamento 19 (kg por 1000 kg de produo)

25


Avalie o processo a partir das cartas de controle apropriadas e estabelea
concluses.

Dia Nmero de Incidentes Dia Nmero de Incidentes
01/03/2000 7 17/03/2000 11
02/03/2000 2 18/03/2000 13
03/03/2000 3 19/03/2000 6
04/03/2000 4 20/03/2000 4
05/03/2000 2 21/03/2000 6
06/03/2000 7 22/03/2000 9
07/03/2000 10 23/03/2000 4
08/03/2000 11 24/03/2000 10
09/03/2000 6 25/03/2000 11
10/03/2000 7 26/03/2000 2
11/03/2000 8 27/03/2000 3
12/03/2000 9 28/03/2000 11
13/03/2000 14 29/03/2000 12
14/03/2000 4 30/03/2000 13
15/03/2000 6 31/03/2000 13
16/03/2000 2
Levantamento do nmero de incidentes dirios

26

_
CARTAS DE CONTROLE X E R - MDIA E AMPLITUDE
So utilizadas nos casos em que 1 < n < 10 .
Estes casos ocorrem quando necessria a formao de amostras maiores
que uma unidade (subgrupos).

Carta R
Controla a variabilidade dentro dos subgrupos, isto , entre as observaes
que compem cada subgrupo.
_
Carta x
Controla a variabilidade entre as mdias dos diversos subgrupos.

Produo de Fsforos
Caracterstica importante Tempo que o fsforo fica aceso
Qte
Sub Grupos
(m)
Tamanho sub Grupo
(n)

27


EXEMPLO
Na cervejaria Sir Rose, um dos parmetros controlados o teor alcolico,
durante a fermentao e maturao, que deve ficar entre 3,5 a 5 g.l.
Sub Grupo
V
a
l
o
r
10 9 8 7 6 5 4 3 2 1
15
14
13
12
11
10
9
8
7
6
Visualizao grfica dos subgrupos
Limite Superior de Controle
Limite Inferior de Controle
Carta Xbarra
Variao de
longo prazo
Variao entre
os subgrupos
10 9 8 7 6 5 4 3 2 1
8
7
6
5
4
3
2
1
0
A
M
P
L
I
T
U
D
E
CARTA DAS AMPLITUDES
Limite Superior de Controle
Limite Inferior de Controle
Carta R
Variao de
curto prazo
Variao
dentro do
subgrupo

28


Para controlar este parmetro so coletadas a cada 12 horas, 4 medidas em
diferentes pontos dentro de cada tanque e plotado numa carta de controle
xbarra e R:

Processo de produo da cervejaria Sir Rose
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
4,16
4,38
4,41
4,28
4,67
4,81
4,70
4,28
4,84
4,41
4,40
4,49
4,90
4,38
4,21
4,64
4,32
4,60
4,38
4,55
4,69
5,00
4,50
4,71
4,28
4,18
4,69
4,54
4,66
4,34
4,76
4,44
4,79
4,34
4,89
4,86
4,08
4,39
4,44
4,28
4,27
4,25
4,30
4,54
4,70
4,50
4,69
4,36
4,82
4,18
4,84
4,64
4,76
4,65
4,46
4,78
4,34
4,28
4,26
4,35
4,68
4,41
4,71
4,48
4,90
4,25
4,62
4,44
4,35
4,24
4,79
4,35
4,10
4,36
4,36
4,49
4,48
4,43
4,98
4,64
0,53
0,75
0,41
0,43
0,62
0,63
0,08
0,26
0,49
0,23
0,44
0,29
0,80
0,31
0,68
0,37
0,40
0,32
0,72
0,36
4,45
4,51
4,48
4,50
4,64
4,44
4,67
4,41
4,67
4,29
4,70
4,48
4,64
4,44
4,48
4,69
4,31
4,42
4,51
4,46
Subgrupos
Observaes
X1 X2 X3 X4
R=MX - MIN
X=
x1+x2+x3+x4
4
Valores de teor alcolico medidos em 4 diferentes pontos do tanque 1

29


Carta R do teor alcolico do tanque 1
Subgrupos
A
m
p
l
i
t
u
d
e
s
19 17 15 13 11 9 7 5 3 1
1,0
0,8
0,6
0,4
0,2
0,0
_
R=0,456
+3SL=1,040
-3SL=0
+2SL=0,846
-2SL=0,066
+1,5SL=0,748
-1,5SL=0,164
Grfico RBarra para o Percentual de Teor Acolico na Cerveja
Grfico R para o Percentual de Teor Alcolico na Cerveja
Carta x do teor alcolico do tanque 1
Subgrupos
M
d
i
a
s
19 17 15 13 11 9 7 5 3 1
4,9
4,8
4,7
4,6
4,5
4,4
4,3
4,2
4,1
_
_
X=4,5088
+3SL=4,8410
-3SL=4,1765
+2SL=4,7302
-2SL=4,2873
+1,5SL=4,6749
-1,5SL=4,3426
Grfico XBarra para Percentual de teor Alcolico na Cerveja

30

CLCULO DOS LIMITES DE CONTROLE

R A x LIC
x LM
R A LSC
2
2
-
x
=
=
+ =
Carta x
Carta R
R D LIC
R LM
R D LSC
3
4
=
=
=
Observaes:
A2, D3 e D4 devem ser obtidos da Tabela 14 para o tamanho de
n correspondente.
x = mdia das mdias de cada amostra.
R = mdia das amplitudes de cada amostra.
Uma estimativa para o desvio padro do processo R/d2 (d2
deve ser obtido na tabela abaixo).
_
_
_

31


02
03
04
05
06
07
08
09
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1,880
1,023
0,729
0,577
0,483
0,419
0,373
0,337
0,308
0,285
0,266
0,249
0,235
0,223
0,212
0,203
0,194
0,187
0,180
0,173
0,167
0,162
0,157
0,153
1,128
1,693
2,059
2,326
2,534
2,704
2,847
2,970
3,078
3,173
3,258
3,336
3,407
3,472
3,532
3,588
3,640
3,689
3,735
3,778
3,819
3,858
3,895
3,931
0
0
0
0
0
0,076
0,136
0,184
0,223
0,256
0,283
0,307
0,328
0,347
0,363
0,378
0,391
0,403
0,415
0,425
0,434
0,443
0,451
0,459
3,267
2,575
2,282
2,115
2,004
1,924
1,864
1,816
1,777
1,744
1,717
1,693
1,672
1,653
1,637
1,622
1,608
1,597
1,585
1,575
1,566
1,557
1,548
1,541
Constantes para a construo de cartas de controle (extrada de
Montgomery, D.C. (1996))

32

_
INTERPRETAO DAS CARTAS X E R
Os critrios para interpretao das cartas xbarra e R so os mesmos que foram
utilizados para as cartas X e AM, considerando tambm o critrio de
aproximao da linha mdia.

A aproximao da linha mdia corresponde a ocorrncia de 15 pontos
consecutivos entre as linhas de 1,5 o, podendo ser decorrente da m formao
de subgrupos.

linha 3 (LSC) o
linha 3 (LIC) o
linha 1,5o
linha 1,5o
LM
X1 X2 X3 MDIA AMPLITUDE

33


A formao adequada dos subgrupos fundamental para que sejam
construdas cartas de controle realmente teis.

34

UTILIZAO DAS CARTAS DE CONTROLE XBARRA E
R

01. Coletar dados.

02. Calcular a mdia de cada amostra.
Coletar amostras (subgrupos racionais), cada uma contendo observaes
da varivel de interesse.
Em geral, = 20 ou 25, pelo menos, e = 4,5 ou 6.
Coletar as amostras em intervalos sucessivos e registrar as observaes na ordem
em que foram obtidas.
m n
m n
x
i
m ..., 1,2, i ,
n
x ... x x
x
n i 2 i 1 i
i =
+ + +
=
m
x ... x x
x
m 2 1 + + +
=
m
R ... R R
R
m 2 1
+ + +
=
05. Calcular a amplitude mdia . R
- Carta : x
- Carta R:
R D LIC
R LM
R D LSC
3
4
=
=
=
R A x L I C
x L M
R A x L S C
2
2
=
=
+ =
A D d n
2 4 3
, e so constantes apresentadas em funo de na Tabela 9.6.
07. Traar os limites de controle.

08. Marcar os pontos nas cartas.

Marcar o eixo vertical do lado esquerdo com os valores de e e o eixo horizontal
com os nmeros das amostras.
Traar linhas cheias para representar LSC, LM e LIC.
Representar nas cartas correspondentes os valores de e os valores de .
Circular todos os pontos que estejam fora dos limites de controle.
x
x
R
m m R
i i
09. Registrar as informaes importantes que devam constar nas cartas.

10. Interpretar as cartas construdas.

11. Verificar se o estado de controle alcanado adequado ao processo, tendo
em vista consideraes tcnicas e econmicas.
- Ttulo.
- Tamanho das amostras ( ).
- Perodo de coleta dos dados.
- Nome do processo e do produto.
- Mtodo de medio.
- Identificao do responsvel pela construo das cartas.
Analisar o comportamento dos pontos nas cartas e e verificar se o processo est
sob controle estatstico.
Caso seja necessrio, recalcular os limites das cartas aps o abandono de pontos
fora de controle.
Em alguns casos ser preciso coletar novas amostras.
Repetir este procedimento at que o estado de controle seja atingido.
n
R x

35

FLUXOGRAMA PARA A CONSTRUO DAS CARTAS
DE CONTROLE XBARRA E R

36

I - Construir a Carta de Controle Xbarra e R
01. Selecione Stat > Control Charts > Variables Charts for Subgroups >
Xbar-R...

03. Selecione a opo Observations for a subgroup are in one row of
columns.
04. Selecione as colunas X1, X2, X3 e X4.
O comando acima utilizado para a construo das cartas Xbarra-R
quando possumos as observaes de cada subgrupo alocadas em
diferentes colunas da Worksheet.
05. Selecione a opo Xbar-R Options... > Estimate

37


07. Em Method for estimating standard deviation ative a opo Rbar.
O commando acima permite a estimao do desvio-padro do processo
utilizando a amplitude mdia R e a constante d2
08. Selecione a aba S Limits.

10. Em Display control limits at, na opo These multiples of the standard
deviation digite 1,5, 2 e 3.
11. Selecione OK.

38

12. Selecione Labels...>Titles/Footnotes.

14. No campo Title, digite o ttulo do grfico (exemplo: Grfico Xbarra-R para o
percentual de teor alcolico na cerveja).

39

ATIVIDADE 1
Uma fbrica produz parafusos que so utilizados na indstria automotiva.
O responsvel pela qualidade deste produto desejava verificar se o processo
de produo destes parafusos estava sob controle. Para isso, a cada hora ele
coletou 4 parafusos da linha de produo e repetiu este procedimento 20
vezes.
Utilize as cartas Xbarra-R para verificar se o processo est sob controle
estatstico.

X1 X2 X3 X4
14,97484 15,00934 14,96888 15,03424
15,03891 14,97765 15,00412 15,00917
15,00883 14,99467 15,00671 15,00251
14,98572 15,00552 14,99990 15,04057
15,00159 14,99616 15,04191 14,96769
14,96695 15,01070 14,98825 15,02513
15,01779 14,96380 14,98225 14,97081
15,00465 14,96176 14,97435 14,98666
15,01215 15,00898 15,01012 15,01148
15,00850 15,00531 15,00102 14,97299
15,01338 14,97692 14,98020 15,00117
14,95255 14,98822 14,98760 14,98706
15,01530 15,05063 14,98919 14,98857
14,96136 14,99905 15,00988 15,01356
15,01355 15,01321 15,03831 15,03325
15,02246 15,02067 14,98587 15,00121
14,96879 15,00315 15,02262 15,00407
14,99360 15,01826 14,98647 15,02572
15,01197 14,98076 14,98892 15,00522
15,00261 15,01232 15,01642 15,03677
Comprimento dos parafusos automotivos

40

ATIVIDADE 2
Um Black Belt da rea de Qualidade tinha como meta diminuir em 20% os
problemas da espessura nas placas produzidas pelas mquinas de
lingotamento contnuo at o final do ano.
Para verificar o comportamento do processo o Black Belt coletou algumas
amostras das placas (que deveriam ter espessura nominal de 200 mm) e eram
provenientes da mquina de lingotamento contnuo 1 efetuando medidas na
espessura nessas placas.
A coleta de dados foi feita de forma que fossem mensuradas as espessuras de
144 placas em um perodo de 24 horas de produo sendo que para cada hora
6 placas deveriam ser medidas.
Construa as cartas de controle apropriadas e verifique se o processo est ou
no fora de controle.

.
.
.
197,779
199,760
202,454
193,473
196,605
204,290
204,170
196,077
206,316
200,002
203,355
204,973
206,250
199,155
205,914
199,565
207,408
218,450
200,743
207,132
203,628
206,393
202,089
207,969
199,745
196,292
198,274
189,923
196,280
206,931
210,050
193,416
207,047
197,385
205,500
196,617
204,446
201,640
198,219
196,432
208,592
205,986
195,936
200,401
194,563
198,797
203,420
198,115
202,634
203,418
209,135
187,821
194,524
203,302
214,205
187,700
191,943
200,266
202,055
203,188
213,400
195,147
197,206
198,046
203,768
200,488
190,987
199,602
200,134
196,411
204,269
201,376
205,210
195,318
202,246
194,955
196,374
199,017
195,510
200,089
201,457
201,210
192,574
204,827
202,120
196,922
200,824
203,376
202,119
190,200
205,101
199,459
194,883
201,144
212,803
200,213
191,355
198,387
212,196
206,629
196,350
201,086
207,692
192,858
200,185
195,430
214,682
205,791
202,923
196,447
197,186
195,900
205,976
200,849
200,166
191,037
185,446
201,236
201,086
210,647
X
1
X
2
X
3
X
4
X
5
X
6
209,004
200,816
199,955
198,235
205,623
203,051
202,387
205,917
194,629
195,240
195,940
204,390
203,120
197,712
202,180
198,559
208,405
196,608
190,997
193,896
200,864
199,085
206,608
205,784
Espessura das placas produzidas no lingotamento contnuo

41

CARTA DE CONTROLE P
A carta de controle P utilizada quando a caracterstica da qualidade de
interesse representada pela proporo de itens defeituosos (no conformes)
produzidos pelo processo considerado.
A carta de controle P pode ser representada tanto para subgrupos de
tamanhos iguais quanto para subgrupos de tamanhos diferentes.
- Para subgrupos diferentes, recomendvel utilizar a carta P apenas pa-
ra subgrupos que no variem o tamanho da amostra em 25%, para
que dessa forma, os resultados obtidos possam ser coerentes.

42

UTILIZAO DA CARTA DE CONTROLE P

01.Coletar dados.
02. Calcular a proporo mdia de itens defeituosos p.
03. Calcular os limites de controle.
04. Traar os limites de controle.
05. Marcar os pontos nos grficos.
o
Marcar o eixo vertical do lado esquerdo com a escala para e o eixo horizontal
com os nmeros das amostras.
Traar linhas cheias para representar , e .
Representar nos grficos os valores de p.

LSC LM LIC
m
nde x o nmero de itens defeituosos na i-sima amostra.
O LIC no considerado quando seu valor negativo.
Os limites de controle acima so vlidos quando np>5 e n(1-p)>5.
i
i
06. Registrar as informaes importantes que devam constar nas cartas.
07. Interpretar a carta construda.
08. Verificar se o estado de controle alcanado adequado ao processo,
tendo em vista consideraes tcnicas e econmicas.
Ttulo.
Tamanho das amostras ( ).
Nome do processo e do produto.
Mtodo de medio.
Identificao do responsvel pela construo das cartas.
n
=
=
m
1 i
i
x
mn
1
p
)/n p - 1 ( p 3 p LIC
p LM
)/n p - 1 ( p 3 p LSC
=
=
+ =
n
x
p
i
i
=

43

EXEMPLO 1
Uma Indstria Metalrgica fabricava conexes de ferro galvanizado que eram
utilizados na juno de tubos de metal e tubos de PVC.
As conexes, depois de fundidas, devem passar por um processo de
rebarbeamento, onde as rebarbas so retiradas para que a conexo tenha
condies de uso adequadas.
Muitas conexes, mesmo depois de passar pelo processo de rebarbeamento,
ainda possuam rebarbas, o que era considerado uma no-conformidade.
O setor de qualidade tinha interesse em manter a proporo de conexes no
conformes a um nvel de 5% das peas produzidas.
Com o desejo de verificar se o processo estava sob controle estatstico e se
estava atendendo as expectativas, foi realizada uma inspeo 100% em 24
lotes das conexes em estudo.
Cada lote (com 150 conexes) foi aleatoriamente escolhido dentro dos lotes
produzidos em cada hora de um dia de produo da fbrica.

Amostra
Conexes no
conformes
(n=150)
Proporo de
conexes no
conformes na
amostra
1 8 0,05
2 17 0,11
3 14 0,09
4 8 0,05
5 17 0,11
6 9 0,06
7 6 0,04
8 5 0,03
9 20 0,13
10 17 0,11
11 8 0,05
12 20 0,13
13 5 0,03
14 12 0,08
15 18 0,12
16 15 0,10
17 6 0,04
18 25 0,17
19 18 0,12
20 8 0,05
21 20 0,13
22 13 0,09
23 19 0,13
24 19 0,13

44


INTERPRETAO DAS CARTAS DE CONTROLE PARA
ATRIBUTOS
Com base nos critrios estabelecidos para as Cartas de Controle para
Variveis, as Cartas de Controle para Atributos so avaliadas atravs de:
- Pontos fora dos limites de controle;
- Sequncia;
- Tendncia.

- Observa-se que existe um ponto fora dos limites de controle (detectado
pelo Teste 1). Este fato representado pelo ponto 18.
- possvel observar tambm que a proporo mdia de itens defeituosos
de 0,0908 e que o limite superior de controle de proporo igual a
0,1612.
- Com exceo do ponto fora dos limites de controle, nenhuma outra ob-
servao apresentou problemas de falta de controle.
Quando detectamos pontos fora de controle, muitas vezes estes pontos podem
estar relacionados a fontes especiais que causaram momentaneamente a falta
de controle do processo ou, ainda, a coleta de dados pode ter sido feita de
maneira incorreta, o que leva aquele ponto a no condizer com a realidade dos
demais.
Ao detectar o ponto 18 como um ponto fora dos limites de controle, o
responsvel pela carta verificou no histrico do problema que a amostra 18
havia sido inspecionada por um funcionrio que no estava bem treinado para
23 21 19 17 15 13 11 9 7 5 3 1
0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
Sample
P
r
o
p
o
r
t
i
o
n
_
P=0,0908
UCL=0,1612
LCL=0,0204
1
Carta P para a proporo de conexes no conformes

45

executar o servio. Dessa forma, ao fazer a inspeo ele considerava como
no conforme conexes que estava conformes (alarme falso).
Como o ponto no estava condizente com os demais, o responsvel resolveu
omitir o resultado daquele ponto do clculo da carta P, sem no entanto excluir o
ponto da carta de controle.

FLUXOGRAMA PARA A CONSTRUO DA CARTA DE
CONTROLE P

Coletar dados
Calcular os limites de
controle experimentais
carta p
H
pontos fora
de controle?
Adotar os limites
para controle
do processo
Procurar as causas
especiais
As
causas
especiais foram
encontradas e
bloqueadas?
Abandonar os pontos
fora de controle

46


Observa-se que o valor da proporo mdia de itens defeituosos de
0,0875 (a anterior era igual a 0,0908) e o limite superior de controle
igual a 0,1568 (o anterior era igual a 0,1612).
importante salientar que o ponto fora de controle ainda detectado
pelos testes, porm ele no mais influencia os valores dos parmetros
da carta de controle.
Concluso
Observamos atravs dos resultados obtidos, que a proporo de
conexes no conformes est sob controle (pois como comentado
anteriormente, a 18 amostra no havia sido corretamente analisada).
Uma importante observao que deve ser feita sobre a capacidade do
processo em atender a exigncia de produzir no mximo 5% de peas
defeituosas.
O limite superior de controle que igual a 15,68% e est acima dos 5%
desejados.
Providncia:
- Melhorar a qualidade das conexes agindo diretamente no processo
produtivo, por meio da atuao sobre as causas comuns que esto pro-
vocando a ocorrncia de conexes no conforme.

23 21 19 17 15 13 11 9 7 5 3 1
0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
Sample
P
r
o
p
o
r
t
i
o
n
_
P=0,0875
UCL=0,1568
LCL=0,0183
1

47

CARTA DE CONTROLE P PARA AMOSTRAS DE
TAMANHO VARIVEL
Determinar os limites de controle para cada amostra (i) de acordo com seu
tamanho especfico (ni).
Limites de controle:

EXEMPLO 2
Seguindo a linha de raciocnio do exemplo anterior, o responsvel pela carta de
controle, ao invs de coletar aleatoriamente um dos lotes produzidos a cada
hora de produo ele resolveu fazer a inspeo em conexes de diferentes
lotes produzidos durante uma hora.
Como nem sempre a mesma quantidade de conexes avaliadas era a mesma,
as amostras selecionadas no possuam os mesmos tamanhos.
=
=
=
m
1 i
i
m
1 i
i
i
n
x
p
n
) p 1 ( p
3 p LC

48


Amostra
Conexes no
conformes
Tamanho da
amostra
Proporo de
conexes no
conformes na
amostra
1 19 154 0,12
2 22 171 0,13
3 16 140 0,11
4 13 139 0,09
5 15 155 0,10
6 19 146 0,13
7 10 162 0,06
8 17 138 0,12
9 12 171 0,07
10 23 149 0,15
11 15 138 0,11
12 18 139 0,13
13 25 155 0,16
14 21 162 0,13
15 21 132 0,16
16 16 167 0,10
17 24 172 0,14
18 24 163 0,15
19 18 143 0,13
20 21 169 0,12
21 20 171 0,12
22 11 139 0,08
23 13 163 0,08
24 11 136 0,08

49


No observamos nenhum ponto fora dos limites de controle e nenhuma
configurao no aleatria entre os dados.
Um fato importante que podemos observar que como as amostras so
de tamanhos diferentes, os limites de controle no seguem o mesmo
comportamento no decorrer da carta.
Os valores exibidos na carta como limites de controle superior e inferior,
so na verdade os valores referentes aos valores dos limites de controle
da ltima amostra.
Concluso:
O processo de produo das conexes metlicas pode ser considerado
sob controle estatstico, porm, a proporo mdia (5%) de peas
defeituosas est acima daquilo que considerado como sendo o ideal
para a empresa.
Meios de diminuir a proporo de itens defeituosos devero ser
adotadas.

23 21 19 17 15 13 11 9 7 5 3 1
0,20
0,15
0,10
0,05
Sample
P
r
o
p
o
r
t
i
o
n
_
P=0,1139
UCL=0,1957
LCL=0,0322
Para conexes produzidas em diversos lotes durante 24 horas
Tests performed with unequal sample sizes

50

Roteiro para soluo dos exemplos no Minitab:
Exemplo 1:
1. Escolha a opo Stat > Control Charts > Attributes Charts > P...;

2. Em Variables selecione a varivel Conexes no conformes
3. Em Subgroup sizes digite 150 (este valor representa o tamanho do lote);

4. Selecione a opo P Chart Options...
5. Selecione a opo Labels...> Title/Footnotes;

51

6. Em Title digite Carta P para a proporo de conexes no conformes;

7. Selecione OK;
8. Selecione OK na caixa de dilogo principal.

Exemplo 2
1. Escolha a opo Stat > Control Charts > Attributes Charts > P...;
2. Em Variables selecione a varivel Conexes no conformes;
3. Em Subgroup sizes selecione a varivel Tamanho da Amostra;

52

5. Em Title digite o ttulo para a carta de controle: Carta P para a proporo de
conexes no conformes.
6. Em Subtitle 1 digite: para conexes produzidas em diversos lotes durante
24 horas;

7. Selecione OK;

53

CARTA DE CONTROLE NP
A carta NP realiza as anlises idnticas s da Carta P, porm, ao invs de
utilizar a proporo de itens defeituosos (no conformes) para traar a carta de
controle, a carta P traa a carta atravs do nmero de itens defeituosos (no
conformes).
A carta P muitas vezes utilizada no sentido de facilitar a apresentao dos
resultados, pois como nela contabilizamos o nmero de itens defeituosos, no
h a necessidade pensarmos em termos de propores.

EXEMPLO
A empresa atacadista do ramo de hortifrutigranjeiros est interessada em
estudar a quantidade de tomates imprprios para o consumo que um
fornecedor entrega a ele todos os dias.
O fornecedor j havia sido advertido uma vez que as caixas de tomate
deveriam conter no mximo 10 tomates imprprios para o consumo. O nmero
de tomates contidos em uma caixa igual a 95.
A empresa atacadista analisou, aleatoriamente, uma das caixas fornecidas pelo
fornecedor durante 20 dias.

Amostra
Tomates
imprprios
1 4
2 0
3 7
4 0
5 1
6 0
7 10
8 2
9 10
10 6
11 8
12 2
13 10
14 12
15 12
16 12
17 13
18 14
19 14
20 15

54


Observa-se claramente que os pontos tendem a seguir uma sequncia
ascendente com o passar do tempo.
O nmero mdio de tomates imprprios para o consumo igual a 7,6 e
o limite superior de controle igual a 15,53 tomates.
Concluses
Conclumos que o nmero de tomates imprprios para o consumo no
est sob controle estatstico. Alm disso, observa-se que com o passar
do tempo o nmero de tomates imprprios vem aumentando, o que pode
ser ocasionado por um eventual descuido do fornecedor quanto
qualidade dos seus produtos.
Alm disso, o limite superior de controle, que igual 15,53 tomates, est
acima do valor mximo tolerado (10 tomates).
Conclumos que a empresa atacadista dever tomar providncias em
relao a este fato.

19 17 15 13 11 9 7 5 3 1
16
14
12
10
8
6
4
2
0
Sample
S
a
m
p
l
e

C
o
u
n
t
__
NP=7,6
UCL=15,53
LCL=0
2
2
Carta NP para nmero de tomates imprprios para consumo

55

Roteiro para soluo do exemplo no Minitab:
1. Escolha a opo Stat > Control Charts > Attributes Charts > NP...;

2. Em Variables selecione a varivel Tomates imprprios;
3. Em Subgroup sizes digite 95;

5. Em Title digite Carta NP para nmero de tomates imprprios para consumo;

56


6. Selecione OK;

57

CARTA DE CONTROLE C
A carta C traa o nmero de defeitos dentro de uma unidade do produto.
Sabemos que se uma unidade de produto considerada defeituosa, pelo
menos um defeito existe naquela unidade.
Consideramos como defeito qualquer caracterstica que no satisfaa uma
determinada especificao.
A carta C utilizada em situaes onde se faz necessrio controlar o nmero
total de defeitos em uma unidade do produto.
Limites de controle e linha mdia para a carta C:

EXEMPLO
Uma fbrica de refrigeradores estava interessada em estudar a qualidade de
seus produtos.
Quando o refrigerador era considerado defeituoso, ele era enviado para o
retrabalho, o que influenciava negativamente na produtividade da empresa
(pois consumia vrios operrios/hora de trabalho).
O setor de qualidade da empresa resolveu fazer uma carta c para tomar as
devidas providncias sobre este problema, e para isto coletou aleatoriamente
em um dia de produo 25 refrigeradores igualmente espaados no tempo e
submeteram cada refrigerador inspeo.
c
3 c LIC
c LM
c
3 c LSC
=
=
+ =

58


Amostra
Nmero de
defeitos
1 1
2 4
3 3
4 3
5 4
6 0
7 1
8 6
9 5
10 1
11 5
12 4
13 3
14 1
15 0
16 4
17 1
18 2
19 4
20 4
21 1
22 3
23 3
24 0
25 3
25 23 21 19 17 15 13 11 9 7 5 3 1
8
7
6
5
4
3
2
1
0
Sample
S
a
m
p
l
e

C
o
u
n
t
_
C=2,64
UCL=7,514
LCL=0
Carta C para nmero de defeitos em refrigeradores

59

Observamos que nenhum ponto foi superior aos limites de controle e
nenhuma configurao no aleatria foi detectada.
O nmero mdio de defeitos por refrigerador foi igual a 2,64 defeitos
enquanto o limite superior de controle igual a 7,51 defeitos por
refrigerador.
Concluses
Conclumos que a carta C est sob controle estatstico. Porm, o limite
superior de controle est muito elevado, ou seja, refrigeradores com 7
defeitos ainda seriam tidos como normais para o processo.
necessrio fazer um estudo mais aprofundado no processo de
fabricao dos refrigeradores a fim de diminuir a variabilidade do nmero
de defeitos nos refrigeradores e alm disso diminuir o nmero mdio de
defeitos de cada refrigerador.

Roteiro para a soluo do exemplo no Minitab:
1. Escolha a opo Stat > Control Charts > Attributes Charts > C...;

2. Em Variables selecione a varivel Nmero de Defeitos;

60


3. Selecione a opo Labels... > Title/Footnotes;
4. Em Title digite Carta C para nmero de defeitos em refrigeradores;

5. Selecione OK;

61

CARTA DE CONTROLE U
A carta U segue a mesma linha de raciocnio da carta C. Porm, na carta U ao
invs de coletarmos apenas uma observao do item estudado, coletamos
amostras e formamos assim subgrupos racionais com os itens selecionados.
De posse do total de defeitos em cada subgrupo e do tamanho de cada
subgrupo traamos a carta U que mede o nmero mdio de defeitos por item
estudado.

Limites de controle e linha mdia para a carta U:

Onde: m = Nmero de amostras de tamanho n.

EXEMPLO
Considere a situao proposta no exemplo anterior, porm, ao invs de
coletarmos 25 refrigeradores igualmente espaados no tempo, foram coletadas
20 amostras, cada uma com 4 refrigeradores.
Para cada uma destas amostras foi contabilizada a soma total de defeitos de
cada um dos refrigeradores.
n
u
3 u LIC
u LM
n
u
3 u LSC
=
=
+ =
m
u
u
m
1 i
i
=
=

62


Defeitos
(por amostra)
12
9
4
10
19
15
12
11
13
18
10
5
5
12
7
15
6
10
8
5
19 17 15 13 11 9 7 5 3 1
5
4
3
2
1
0
Sample
S
a
m
p
l
e

C
o
u
n
t

P
e
r

U
n
i
t
_
U=2,575
UCL=4,982
LCL=0,168
Carta U para nmero mdio de defeitos por refrigerador
Subgrupos de tamanho =4

63

Observamos que nenhum ponto da carta de controle ultrapassou os
limites de controle, alm disso, no existem evidncias que nos levam a
rejeitar a hiptese de aleatoriedade.
O nmero mdio de defeitos igual a 2,575 e o limite superior de
controle igual a 4,982 e o limite inferior de controle igual a 0,168.
Concluses:
Conclumos que o processo de fabricao dos refrigeradores est sob
controle estatstico, porm, observamos que processo no vem sendo
capaz de atender as expectativas da empresa, dado que o limite
superior de controle est muito elevado.
necessrio realizar um estudo mais aprofundado no processo de
fabricao dos refrigeradores a fim de diminuir o nmero de defeitos nos
refrigeradores.

Roteiro para a soluo do exemplo no Minitab:
1. Escolha a opo Stat > Control Charts > Attributes Charts > U...;

2. Em Variables insira a varivel Defeitos (por amostra)

64


5. Em Title digite Carta U para nmero mdio de defeitos por refrigerador;
6. Em Subtitle 1 digite Subgrupos de tamanho =4;
7. Selecione OK;

65

ROTEIRO PARA IMPLEMENTAO DE CARTAS DE
CONTROLE

66

ATIVIDADE
Uma empresa de tecnologia de ponta do setor industrial fabrica, dentre outros
produtos, um smartphone de ltima gerao. Cada aparelho passa por uma
srie de processos antes de ser constitudo o produto final.

O estgio do processo no qual a PCI recebe a pasta de solda e os
componentes denominado SMD e constitui a base da concepo do
aparelho. Esta fase identificada como um ponto problemtico para empresa.
Apesar de o planejamento dos equipamentos utilizados neste estgio ter sido
projetado para produzir placas em nmero capaz de suprir o funcionamento da
operao de calibrao de forma consistente, isto no vem acontecendo a
operao de calibrao frequentemente tem que ser interrompida por falta de
placa.
Os operadores do equipamento declaram que os problemas so decorrentes
do fato de que muitas PCI no so adequadas para utilizao. Neste caso, a
PCI retirada da linha e enviada para os postos de retrabalho, onde o erro
identificado e corrigido. Logo aps, a PCI volta para a linha de produo,
quando poder, ento, chegar ao equipamento de calibrao.
Atualmente os operadores realizam inspeo 100% para remover as placas
com defeito de solda ou de componente. Os dados histricos de inspeo
indicam que o processo est produzindo cerca de 17% de placas defeituosas.
Diante deste fato, um Black Belt da empresa constituiu um grupo de trabalho
para solucionar o problema. A meta do grupo era reduzir para 8% o percentual
de placas defeituosas, em dois meses.
Desta forma, o Black Belt iniciou o giro do DMAIC com o objetivo de atingir a
meta proposta. Durante a etapa Define, o Black Belt levantou dados dos
ltimos 5 dias de produo, com o objetivo de avaliar o histrico do problema.
Recebimento
da PCI
Aplicao da
pasta de
solda
Diviso da
PCI em 4
placas
Processamento
no forno
Colocao dos
componentes
Calibrao
inicial do
telefone
Montagem
do aparelho
Teste de
funcionalidade
do aparelho
Armazenamento
Identificao
do aparelho
Embalagem
individual do
aparelho
Encaixotamento
e pesagem
Fluxograma simplificado do processo de produo de smartphones

67


Tarefas
a. Qual seria a carta de controle apropriada para esta situao?
b. Construa esta carta de controle e interprete os resultados.

Nmero de PCI defeituosas produzidas (por hora e turno)
Data da
Coleta
Hora da Coleta
Turno de
Trabalho
Nmero de PCI
Produzidas
Nmero de
PCI
Defeituosas
08:00 10:00 1 284 44
10:00 12:00 1 278 46
12:00 14:00 1 302 53
14:00 16:00 2 295 61
16:00 18:00 2 289 36
08/11
18:00 20:00 2 287 56
08:00 10:00 1 293 36
10:00 12:00 1 279 52
12:00 14:00 1 276 62
14:00 16:00 2 289 48
16:00 18:00 2 299 61
09/11
18:00 20:00 2 256 58
08:00 10:00 1 285 59
10:00 12:00 1 305 80
12:00 14:00 1 301 38
14:00 16:00 2 297 43
16:00 18:00 2 289 54
10/11
18:00 20:00 2 277 61
08:00 10:00 1 287 56
10:00 12:00 1 292 36
12:00 14:00 1 298 40
14:00 16:00 2 295 46
16:00 18:00 2 278 46
11/11
18:00 20:00 2 288 54
08:00 10:00 1 293 48
10:00 12:00 1 299 37
12:00 14:00 1 269 44
14:00 16:00 2 287 32
16:00 18:00 2 278 49
12/11
18:00 20:00 2 299 50

68


69


COMO AVALIAR SE UMA
VARIVEL APRESENTA
DISTRIBUIO NORMAL

70

A curva simtrica em forma de sino representada abaixo conhecida como
distribuio normal.

Diversas caractersticas da qualidade de interesse, principalmente aquelas
associadas a processos produtivos, seguem, pelo menos de forma aproximada,
uma distribuio normal.
Os limites de controle das cartas de controle X e AM e xbarra e R so
calculados com base na suposio de que as observaes da varivel de
interesse x seguem a distribuio normal.
Quais so as consequncias da violao da suposio de normalidade?
Os limites de controle das cartas X e AM so mais afetados pela viola-
o da suposio de normalidade do que os limites de controle das car-
tas xbarra e R.
Os limites de controle das cartas xbarra e R podem ser empregados, a
no ser que a distribuio seja extremamente diferente da normal.
Como verificar se a varivel segue, ou no, a distribuio normal?
A verificao feita por meio de grfico de probabilidade normal e do
teste estatstico de normalidade, conforme ilustrado no exemplo.

Representao de uma distribuio

71

EXEMPLO 1
Indstria: Fabricante de produtos qumicos.
Objetivo: Monitorar o mecanismo de falhas de uma importante vlvula.
Item de controle: Tempo entre falhas sucessivas da vlvula (horas).
Cartas de controle utilizadas: X e AM.
Dados das 20 ltimas falhas: Tabela.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
286
948
536
124
816
729
4
143
431
8
2837
596
81
227
603
492
1199
1214
2831
96
Falha Tempo entre falhas
(horas)
Tabela: Tempo entre falhas sucessivas da vlvula

72


Verificao da suposio de normalidade do tempo entre falhas da vlvula:

Hipteses testadas:
H0: A distribuio normal.
H1: A distribuio no normal.
Regra de deciso:
Se P-Value < 0,05: Rejeitar H0 (Aceitar H1)
Se P-Value 0,05: No rejeitar H0.
Concluso:
A distribuio do tempo entre falhas da vlvula no normal.

Tempo
P
e
r
c
e
n
t
3000 2000 1000 0 -1000
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
<0.010
710.1
StDev 814.5
N 20
RJ 0.866
P-Value
Grfico de probabilidade normal para o tempo entre falhas (horas)

73

TRANSFORMAO BOX-COX
Como proceder quando a varivel no tem distribuio normal?
Quando h evidncias de que a varivel no tem uma distribuio prxima da
normal, o procedimento a ser adotado consiste em transformar a varivel
original em uma nova varivel que seja aproximadamente normal e ento
construir as cartas de controle para essa nova varivel. A determinao da
transformao a ser utilizada feita por meio do procedimento de Box-Cox.

Transformao do tempo entre falhas:

onde:
x = dados originais do tempo entre falhas.
y = dados transformados do tempo entre falhas.
= constante lambda determinada pelo procedimento de Box-Cox (Best
Value).
Nota: Se lambda = zero, a transformao y = ln x.
Determinao do valor de lambda para a transformao dos dados:

74

Concluso: Como o melhor valor para lambda 0,5 (Best Value), a
transformao :

Dados transformados do tempo entre falhas da vlvula:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
286
948
536
124
816
729
4
143
431
8
2837
596
81
227
603
492
1199
1214
2831
96
16,9115
30,7896
23,1517
11,1355
28,5657
27,0000
2,0000
11,9583
20,7605
2,8284
53,2635
24,4131
9,0000
15,0665
24,5561
22,1811
34,6266
34,8425
53,2071
9,7980
Falha x (horas)
y =
0,5
x
Dados transformados da varivel tempo entre falhas
da vlvula (y =x
0,5
)

75

Verificao da suposio de normalidade para os dados transformados do
tempo entre falhas da vlvula:

Concluso:
A distribuio dos dados transformados do tempo entre falhas da vlvula
normal.
Construo das cartas de controle X e AM para os dados transformados do
tempo entre falhas da vlvula:

Concluso:
O tempo entre falhas da vlvula est sob controle.
Tempo_Transformado
P
e
r
c
e
n
t
60 50 40 30 20 10 0 -10
99
95
90
80
70
60
50
40
30
20
10
5
1
Mean
>0.100
22.80
StDev 14.15
N 20
RJ 0.971
P-Value
Grfico de probabilidade normal para os dados transformados do tempo entre falhas da
vlvula (horas)
Cartas de controle x e AM para os dados transformados do tempo entre falhas da vlvula

76

TRANSFORMAO JOHNSON
A transformao Box-Cox fcil de entender, mas muito limitado e muitas
vezes no encontra uma transformao adequada. Outra restrio de que
somente possvel aplicar para dados com valor positivo.
A transformao Johnson utiliza um algoritmo diferente do que a transformao
de Box-Cox, com base em trs famlias de funes no sistema Johnson.
Se o algoritmo Box-Cox no encontrar uma transformao adequada, em
seguida, tente a transformao Johnson. A funo de transformao Johnson
mais complicada, mas muito poderosa para encontrar uma transformao
apropriada.
Famlias:
- Famlia SU, no limitada (do ingls, unbounded), quando a varivel no possui
um valor mnimo ou mximo, podendo variar livremente entre + e - . A fun-
o proposta :

- Famlia SB, limitada (do ingls, bounded), para aquelas distribuies nas quais
a varivel assume valores entre (k, k+w). A funo proposta :

- Famlia SL, lognormal, cuja funo proposta do tipo:

( )
|
.
|
\
|

=

e
k _
k e _ k
1
1
, , senh
( )
|
|
.
|
\
|
+

=
_ k e
k _
k e _ k ln , ,
2
( )
|
.
|
\
|

=
e
k _
k e _ k ln , ,
3

77

4000 2000 0 -2000
99
90
50
10
1
P
e
r
c
e
n
t
N 20
AD 1,686
P-Value <0,005
4 0 -4
99
90
50
10
1
P
e
r
c
e
n
t
N 20
AD 0,220
P-Value 0,807
1,2 1,0 0,8 0,6 0,4 0,2
0,8
0,6
0,4
0,2
0,0
Z Value
P
-
V
a
l
u
e

f
o
r

A
D

t
e
s
t
0,26
Ref P
P-Value for Best Fit: 0,807273
Z for Best Fit: 0,26
Best Transformation Type: SL
Transformation function equals
-7,55872 + 1,19247 * Ln( X + 104,123 )
Probability Plot for Original Data
Probability Plot for Transformed Data
Select a Transformation
(P-Value = 0.005 means <= 0.005)
Transformao Johnson para o tempo entre falhas

19 17 15 13 11 9 7 5 3 1
4
2
0
-2
-4
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=-0,063
+3SL=3,449
-3SL=-3,575
+2SL=2,278
-2SL=-2,405
19 17 15 13 11 9 7 5 3 1
4
3
2
1
0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=1,321
+3SL=4,315
-3SL=0
+2SL=3,317
-2SL=0
Carta de controle X-AM para o tempo transformado entre falhas
Transformao Johnson

78

I Construir o grfico de probabilidade normal para o tempo entre as
falhas
01. Selecione Stat > Basic Statistics > Normality Test...

03. Selecione a coluna Tempo entre falhas no campo Variables.
04. Selecione Ryan-Joiner em Tests for Normality.
05. No campo Title, digite o ttulo do grfico (Exemplo: Grfico de probabilidade
normal para o tempo entre falhas).
06. Selecione OK.

II Transformar os dados atravs do procedimento Box-Cox
07. Selecione Stat > Control Charts > Box-Cox Transformation...

79


09. Selecione o filtro All observations for a chart are in one column e logo
em seguida selecione a varivel Tempo entre falhas;
11. Selecione Options...

13. Em Store transformed data in digite Tempotransformado;

80

III Construir o grfico de probabilidade normal para os dados transfor-
mados da varivel tempo entre as falhas

17. No campo Variables, selecione a coluna Tempotransformado.
19. No campo Title, digite o ttulo do grfico (Exemplo: Grfico de probabilidade
normal para o tempo transformado).
20. Selecione OK.

IV Construir a carta de controle X e AM para os dados transformados
21. Selecione a opo Stat > Control Charts > Variables Charts for Individ-
uals > I-MR...
22. Selecione a varivel Tempotransformado para o campo Variables;
23. Selecione I-MR Options... > S Limits
24. No campo Display control limits at na opo These multiples of the
standard deviation digite 2 e 3;
25. Selecione OK;
26. Selecione a opo Labels... > Title/Footnotes;
27. Em Title digite o ttulo do grfico (Exemplo: Carta X-AM para o tempo entre
falhas transformado);

81

V Transformar os dados atravs da transformao Johnson
29. Selecione Stat > Quality Tools > Johnson Transformation...

31. Selecione o filtro Single column e logo em seguida selecione a varivel
Tempo entre falhas;
32. Em Store transformed data in digite TempoTransfJohnson;

35. Em P-Value to select best fit: digite 0,05;

82

ATIVIDADE 1 - INDUSTRIAL
Indstria: Equipamentos e sistemas de transmisso e rdio.
Objetivo: Controlar a ocorrncia de placas G6333B defeituosas.
Item de controle: Nmero de placas produzidas entre duas ocorrncias
sucessivas de placas defeituosas.
Dados coletados:

Processe os dados coletados por meio da construo de uma carta de controle
apropriada e estabelea concluses.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
5,1
34,0
18,7
13,6
27,2
28,9
90,1
34,0
76,5
35,7
6,8
3,4
15,3
11,9
17,0
6,8
1,7
17,0
5,1
11,9
18,7
74,8
5,1
42,5
68,0
47,6
11,9
Placa
defeituosa
Placas produzidas
entre duas placas
defeituosas sucessivas
(em milhares)
15
16
17
18
19
20
21
22
23
24
25
26
27
Placa
defeituosa
Placas produzidas
entre duas placas
defeituosas sucessivas
(em milhares)
Nmero de placas produzidas entre ocorrncias de placas defeituosas (em milhares)

83

ATIVIDADE 2 - ADMINISTRATIVA
Indstria: Pedidos de compra realizados por uma empresa.
Objetivo: Controlar a ocorrncia de pedidos de compra incorretos.
Item de controle: Nmero de pedidos realizados entre duas ocorrncias
sucessivas de pedidos incorretos.
Dados coletados:

Processe os dados coletados por meio da construo de uma carta de controle
apropriada e estabelea concluses.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
3
20
11
8
16
17
53
20
45
21
4
2
9
7
Pedido
incorreto
Pedidos realizados
entre ocorrncias
sucessivas de
pedidos incorretos
Pedidos realizados
entre ocorrncias
sucessivas de
pedidos incorretos
15
16
17
18
19
20
21
22
23
24
25
26
27
10
4
1
10
3
7
11
44
3
25
40
28
7
Pedido
incorreto
Tabela: Nmero de pedidos realizados entre ocorrncias
sucessivas de pedidos incorretos (unidades)

84


85


CAPACIDADE DE PROCESSOS

86

INTRODUO

Se o processo tem, aproximadamente, distribuio normal, a faixa
caracterstica contm 99,73% dos resultados individuais do processo.
A capacidade do processo avaliada por meio da comparao da faixa
caracterstica do processo com a faixa de especificao.

ANLISE GRFICA DA CAPACIDADE DE PROCESSOS
Comparao de histogramas construdos para o parmetro de interesse com
os limites de especificao.
Um processo pode no ser capaz por apresentar:
Elevada variabilidade;
Mdia deslocada em relao ao valor nominal.
Ou uma combinao dos dois.

Somente processos estveis devem ter sua capacidade avaliada.
Faixa caracterstica do processo:
Mdia 3 Desvio padro
Mdia = x , x
Desvio padro = AM/d
2
, R/d
2
Comparaes de histogramas e limites de especificao

87

NDICES DE CAPACIDADE
Os ndices de capacidade processam as informaes de forma que seja
possvel avaliar se um processo capaz de gerar produtos que atendam s
especificaes provenientes dos clientes.
Para utilizar os ndices de capacidade necessrio que o processo esteja sob
controle estatstico.

NDICE Cp
Cp conhecido como a medida da capacidade potencial do processo.

A interpretao do ndice Cp s tem sentido se o processo estiver centrado no
valor nominal.
O valor mnimo geralmente exigido para Cp 1,33.

CLCULO DO NDICE Cp

C
p
= LSE - LIE
6
ndice_Cp= (LSE-LIE)/6*DesPad
36 30
Mdia = 33
DesPad= 1
45 15
Mdia = 30
DesPad= 3
Mdia = 7
DesPad= 2
11 3
ndice Cp= 1,66
ndice Cp= 1,00
ndice Cp= 0,66

88


EXEMPLO
Processo: Atendimento por telefone de uma central regional de um banco.
Parmetro de produto final (Y): Tempo de atendimento (segundos).
Interesse da empresa: Avaliar a estabilidade e a capacidade do processo
quanto ao tempo de atendimento.
Procedimento para avaliao da estabilidade do processo: Cartas x e AM.
Coleta de dados para o controle do processo:
Registrar o tempo de atendimento dos 125 ltimos clientes que telefona-
ram para a central.
Classificao de processos a partir do ndice Cp
CLASSIFICAO
DO PROCESSO
CAPAZ OU
ADEQUADO
(VERDE)
ACEITVEL
(AMARELO)
INCAPAZ OU
INADEQUADO
(VERMELHO)
p 64 ppm s
64 ppm < p 0,27 % s
p > 0,27 %
PROPORO DE
DEFEITUOSOS (p)
LIE LSE
LIE LSE
LIE LSE
COMPARAO DO HISTOGRAMA
COM AS ESPECIFICAES
C 1,33
p
>
1 C < 1,33 s
p
C < 1
p
VALOR
DE Cp

89


Cliente
Tempo de
Atendimento
Cliente
Tempo de
Atendimento
Cliente
Tempo de
Atendimento
Cliente
Tempo de
Atendimento
Cliente
Tempo de
Atendimento
1 198 26 207 51 209 76 207 101 221
2 201 27 201 52 195 77 207 102 212
3 201 28 198 53 189 78 198 103 209
4 209 29 215 54 207 79 215 104 215
5 207 30 204 55 189 80 212 105 198
6 218 31 204 56 209 81 195 106 212
7 195 32 198 57 186 82 189 107 209
8 198 33 201 58 204 83 204 108 189
9 204 34 207 59 218 84 227 109 186
10 220 35 204 60 207 85 207 110 195
11 192 36 201 61 218 86 209 111 195
12 186 37 203 62 201 87 198 112 201
13 198 38 204 63 207 88 201 113 195
14 207 39 212 64 198 89 195 114 209
15 218 40 215 65 207 90 192 115 198
16 201 41 192 66 195 91 201 116 195
17 204 42 218 67 198 92 209 117 212
18 195 43 198 68 207 93 189 118 192
19 207 44 195 69 198 94 195 119 209
20 204 45 207 70 207 95 198 120 215
21 207 46 184 71 224 96 209 121 212
22 198 47 195 72 204 97 209 122 198
23 224 48 201 73 209 98 212 123 192
24 207 49 204 74 202 99 195 124 201
25 204 50 209 75 215 100 204 125 207
Tempos de atendimento telefnico (seg) de uma central regional de um banco
121 109 97 85 73 61 49 37 25 13 1
228
216
204
192
180
Obser vation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=203,50
+3SL=229,51
-3SL=177,48
+2SL=220,84
-2SL=186,15
121 109 97 85 73 61 49 37 25 13 1
30
20
10
0
Obser vation
M
o
v
i
n
g

R
a
n
g
e
__
MR=9,78
+3SL=31,96
-3SL=0
+2SL=24,57
-2SL=0
2
2 2
2
2
2
2
Carta de controle X-AM para o tempo de atendimento telefnico

90

Faixa caracterstica:

Faixa de especificao:
[160; 250] segundos
A faixa caracterstica do processo se encaixa com folga na faixa de
especificao.

Clculo do Cp:

Observao:

a percentagem de faixa de especificao utilizada pelo processo.
Logo:

x - 3AM ; x + 3AM
1,128 1,128
] [
203,5 - 3x9,78 ; 203,5 + 3x9,78 = [177,5; 229,5] segundos
1,128 1,128
] [
Avaliao da capacidade do processo de atendimento por telefone
C
p
= LSE - LIE = 250-160 = 1,73
6 6x8,67
1
100
C
p
X
1
100
=
57,8%
C
p
X

91

NDICE CPK

Quando a mdia do processo coincide com o valor nominal da especificao,
teremos Cp = Cpk.

CLCULO DO NDICE CPK

C
pk
= MN LSE - mdia ; mdia - LIE
3 3
] [
44 50 56
C = 2,0
p
C = 2,0
pk
38 62
LIE LSE
( ) a
C = 2,0
p
C = 1,5
pk
44 50 53 56 38 62
( ) b
C = 2,0
p
C = 1,0
pk
44 50 56 38 62
( ) c
C = 2,0
p
C = 0
pk
44 50 56 38 62
( ) d
C = 2,0
p
C = -0,5
pk
44 50 56 65 38 62
( ) e
2 = s
2 = s
2 = s
2 = s
2 = s
Relacionamento entre os ndices Cp e Cpk

92

ATIVIDADE
Simular as seguintes situaes:
A - Cp = 1,5
Cpk = 1,5

B - Cp = 1
Cpk = 0,5

C - Cp = 0,8
Cpk = 0,8

D - Cp = 1
Cpk = -0,5

E - Cp = 1,3
Cpk = 2

93


CONTINUAO DO EXEMPLO
Clculo do Cpk:

LIE LSE
Deslocar a mdia
do processo
LIE LSE
Reduzir a variabilidade
do processo
LIE LSE
Situao ideal - Manter
IMPOSSVEL
Baixo
Baixo
C
pk
C
p
Alto
Alto
Ao que deve ser adotada para melhorar a capacidade do processo, em
funo da comparao das magnitudes de Cp e Cpk
LSE - mdia ; mdia - LIE
3 3
250 - 203,5 ; 203,5-160
3x8,69 3x8,69
= [1,78; 1,67]
C
pk
= 1,67
MN = C
pk
C
pk
= MN
] [
[ ]

94

NDICES DE CAPACIDADE PARA SITUAES EM QUE
H APENAS UM LIMITE DE ESPECIFICAO
Quando existe apenas o limite inferior de especificao:

Quando existe apenas o limite superior de especificao:

SADA DO MINITAB PARA ANLISE DE CAPACIDADE

mdia - LIE
3
= C
pi
LSE - mdia
3
C
ps
=
250,0 237,5 225,0 212,5 200,0 187,5 175,0 162,5
LSL USL
LSL 160
Target *
USL 250
Sample Mean 203,496
Sample N 125
StDev (Within) 8,67221
Process Data
Cp 1,73
CPL 1,67
CPU 1,79
Cpk 1,67
Potential (Within) Capability
PPM < LSL 0,00
PPM > USL 0,00
PPM Total 0,00
Observ ed Performance
PPM < LSL 0,26
PPM > USL 0,04
PPM Total 0,31
Exp. Within Performance
Anlise da capacidade do tempo de atendimento por telefone

95

Interpretao dos resultados da sada do Minitab:

Process Data:
USL = Limite superior de especificao (LSE).
LSL = Limite inferior de especificao (LIE).
Mean = Mdia (x).
Sample N = Nmero de observaes.
StDev (Within) = Desvio Padro calculado como: ou
Potential (Within) capability = Capacidade potencial calculada com
base em: ou
|
|
.
|
\
|
2
d
R
2
d
AM
|
|
.
|
\
|
2
d
R
2
d
AM
Observed Performance = Performance verificada a partir das observaes
amostrais:
PPM< LSL = ppm abaixo do LIE nas observaes amostrais.
PPM> USL = ppm acima do LSE nas observaes amostrais.
PPM total = ppm fora da faixa de especificao nas observaes
amostrais.
Expected Performance = Performance esperada:
PPM < LSL = ppm abaixo do LIE calculado com base em ou
PPM > USL = ppm acima do LSE calculado com base em ou
PPM Total = ppm fora da faixa de especificao calculado com
base em ou
2
d
R
2
d
AM
2
d
R
2
d
R
2
d
AM
2
d
AM

96

RELAO ENTRE A ESCALA SIGMA E OS NDICES DE
CAPACIDADE

I Avaliar capacidade do processo
01. Selecione Stat > Quality Tools > Capability Analysis > Normal...

03. Ative Single column e selecione a coluna Tempo de Atendimento.
04. Em Subgroup size digite 1.
05. Em Lower spec, escreva o limite inferior de especificao: 160.
06. Em Upper spec, escreva o limite superior de especificao: 250.
07. Selecione Estimate...
1
2
3
4
5
6
0,33
0,67
1,00
1,33
1,67
2,00
C
p
0,33
0,67
1,00
1,33
1,67
2,00
C
pk
317.400
45.600
2.700
63
0,57
0,002
Defeitos (ppm)
-0,17
0,17
0,50
0,83
1,17
1,50
C
pk
690.000
308.537
66.807
6.210
233
3,4
Defeitos (ppm)
0,33
0,67
1,00
1,33
1,67
2,00
C
p
Escala
Sigma
Valor Mdio dos Resultados
do Processo Centrado no
Valor Ideal
Valor Mdio dos Resultados
do Processo Afastado do
Valor Ideal em 1,5 Sigma

97


09. Em Methods of estimating sigma, verifique se est selecionada Average
moving range, para estimar o desvio padro por meio dos critrios da carta de
controle.
10. Selecione OK.
12. A seguinte tela aparecer e dever ser preenchida como mostrado a seguir:

13. Em Perform Analysis, desative Overall analysis.
Esta opo calcularia os ndices de capacidade do processo estimando o
desvio padro atravs do procedimento comum. A opo Within subgroups
analysis far o clculo dos ndices conforme o procedimento da carta de
controle.
14. Em Title, digite o ttulo da anlise de capacidade (Exemplo: Anlise de
capacidade do tempo de atendimento por telefone).

98

CAPABILITY SIXPACK
O comando Capability Sixpack combina 6 ferramentas que podem ser
utilizadas para fornecer melhor entendimento sobre a capacidade de um
processo.

EXEMPLO
Uma indstria cervejeira desejava fazer um estudo sobre a capacidade do
processo que era responsvel por realizar o envasamento das garrafas de
cerveja.
Uma garrafa de cerveja deveria possuir 600ml como valor nominal para o
volume total de cerveja. Este valor pode possuir uma variao de 5ml para
que no houvessem problemas tcnicos ou em relao a direitos dos
consumidores.
Foram coletadas 20 amostras, com 10 garrafas de cerveja cada, no decorrer do
dia.

AMOSTRA
1 599,15 599,80 600,64 600,67 599,72 600,58 599,51 599,38 599,86 600,94
2 600,55 599,68 600,62 600,40 599,81 600,09 599,20 599,97 599,96 599,38
3 599,40 599,53 600,62 600,45 600,32 600,14 599,69 599,81 599,60 599,86
4 599,61 601,29 600,33 601,12 600,88 600,52 600,41 599,53 600,62 600,11
5 600,24 599,47 599,74 599,23 600,21 599,70 600,57 599,84 600,05 600,12
6 599,32 600,99 599,21 600,35 599,95 600,36 600,25 601,20 599,85 599,71
7 599,81 600,60 599,97 600,02 600,42 599,25 600,23 599,93 600,13 601,07
8 600,47 600,08 600,59 600,03 600,70 600,71 600,04 598,75 600,48 599,66
9 598,75 600,54 600,60 600,14 599,86 599,93 599,76 599,56 600,32 599,65
10 599,70 600,25 601,09 600,35 600,64 600,33 599,68 600,18 600,32 599,76
11 599,64 599,89 600,46 600,09 599,16 600,74 600,59 601,13 599,82 600,52
12 599,82 600,27 600,01 599,29 599,80 599,82 600,19 600,27 600,63 599,14
13 600,23 599,44 599,41 599,94 599,32 600,47 599,81 599,99 600,24 598,84
14 600,08 600,37 600,01 599,96 599,77 600,11 600,04 600,80 600,12 599,49
15 599,01 600,78 599,56 599,92 599,84 598,97 600,25 599,88 600,74 599,88
16 600,05 600,36 600,00 600,63 599,19 599,38 599,32 599,77 600,34 599,61
17 600,25 600,56 600,82 599,44 599,20 599,62 600,76 599,89 599,91 599,02
18 600,12 600,07 599,67 600,33 600,39 599,73 600,36 600,11 599,88 599,89
19 599,33 600,56 599,46 598,86 600,29 599,81 599,43 599,84 599,59 600,08
20 600,42 600,60 599,61 600,37 599,71 599,22 599,96 600,05 600,25 600,89
VOLUME MEDIDO EM CADA GARRAFA (ML)

99


O histograma mostra que a distribuio dos dados apresenta distribuio
prxima normal.
Observamos que nenhum dos testes das cartas de controle foram
violados.
A variao dentro dos subgrupos forneceu um desvio-padro igual a
0,520238 e sua comparao as especificaes fornece um Cp igual a
3,2, um Cpk igual a 3,19.
A variao total do conjunto de dados fornece um desvio padro igual a
0,5187 e sua anlise fornece um Pp igual a 3,21, um Ppk igual a 3,2 e
um Cpm igual a 3,21.
Concluses
Como os dados:
Possuem distribuio normal (segundo o histograma);
Esto sob controle estatstico (segundo as cartas de controle
observadas);
Encontram-se centrados no valor alvo do processo, com os
valores de Cp= 3,2, Cpk= 3,19, Pp=3,21, Ppk=3,2 e Cpm=3,21.
Ento, podemos dizer que existe uma faixa bastante confivel e dessa
forma podemos dizer que o processo capaz de atender, com bastante
folga, s expectativas da indstria cervejeira.

19 17 15 13 11 9 7 5 3 1
600,5
600,0
599,5
S
a
m
p
l
e

M
e
a
n
_
_
X=600,020
UCL=600,514
LCL=599,527
19 17 15 13 11 9 7 5 3 1
0,9
0,6
0,3
S
a
m
p
l
e

S
t
D
e
v
_
S=0,5060
UCL=0,8685
LCL=0,1436
20 15 10 5
601
600
599
Sample
V
a
l
u
e
s
6
0
4
,8
6
0
3
,4
6
0
2
,0
6
0
0
,6
5
9
9
,2
5
9
7
,8
5
9
6
,4
5
9
5
,0
LSL Target USL
LSL 595
Target 600
USL 605
Specifications
602 601 600 599
Within
Ov erall
Specs
StDev 0,520238
Cp 3,2
Cpk 3,19
Within
StDev 0,518049
Pp 3,22
Ppk 3,2
Cpm 3,21
Ov erall
Anlise de Capacidade para volume de Cerveja
Xbar Chart
S Chart
Last 20 Subgroups
Capability Histogram
Normal Prob Plot
AD: 0,190, P: 0,899
Capability Plot

100

1. Escolha a opo Stat > Quality Tools > Capability Sixpack > Normal...;

2. Como os dados esto organizados em colunas, no campo Data are
arranged as na opo Single column escolha a varivel Cerveja;
3. Em Subgroup size digite 10;
4. Em Lower spec digite o valor 595;
5. Em Upper spec digite o valor 605;

6. Selecione a opo Estimate...;

101

7. Em Methods of estimating standard deviation (for subgroup size > 1)
ative a opo Sbar (pois temos tamanho de amostra igual a 10);

8. Selecione OK;
9. Selecione a opo Options...;
10. Em Target (adds Cpm to table) digite 600;
11. Em Title digite Anlise de Capacidade para volume de Cerveja;

- A opo Number os subgroups display: Last especifica a quantidade
final dos subgrupos que sero mostrados no grfico sequencial. Por
exemplo, se temos 30 subgrupos e se o valor deste campo for igual a
20, apenas os 20 ltimos subgrupos sero mostrados na carta. Por de-
fault, este campo tem o valor igual a 25.
12. Selecione OK;

102

CAPACIDADE DE PROCESSOS PARA DADOS NO
NORMAIS
Quando os valores individuais da caracterstica de qualidade avaliada de algum
processo no segue uma distribuio normal, o clculo dos ndices tradicionais
de Cp e Cpk no mais vlido.
Nesta situao, para haver equivalncia em termos de rea com a distribuio
normal (99,73%), pode-se usar os percentis 0,135% (PI) e 99,865% (PS) da
outra distribuio, e calcular os ndices de capacidade atravs de:

ou ainda,

onde,
- Md = mediana ou percentil 50%.
- Cps = Capacidade de processo quando temos apenas o limite superior de es-
pecificao.
- Cpi = Capacidade de processos quando temos apenas o limite inferior de es-
pecificao.
Para avaliao destes ltimos ndices, abordaremos duas alternativas:
1. Ajustar uma curva emprica sobre o conjunto de dados;
2. Obter uma distribuio de probabilidade que represente satisfatoriamen-
te o fenmeno (uso de distribuies no-normais).

Alternativa 1
Para ajustar uma curva emprica sobre o conjunto de dados, utilizaremos duas
possibilidades:
1. Transformar a varivel original em uma nova varivel que seja aproxi-
madamente normal, empregando o procedimento do Box-Cox;
2. Transformar a varivel original, utilizando o mtodo de transformao de
Johnson.

Pi Ps
LIE LSE
Cp
=
^
Md Ps
Md LSE
Cps
=
^
Pi Md
LIE Md
Cpi
=
^
)
`
=
^ ^ ^
; min Cpi Cps Cpk

103

EXEMPLO
Indstria: Fornecedora de energia eltrica.
Objetivo: Avaliar a capacidade de atendimento dos clientes no prazo de 0 minu-
tos at o tempo mximo de 20 minutos, com relao ao servio de cancela-
mento do fornecimento de energia eltrica.
Ferramentas utilizadas: Cartas de controle X-AM e ndices de capacidade.
Dados coletados: 100 ltimos atendimentos.

Verificao da suposio de normalidade do tempo de atendimento:
Amostra Tempo Amostra Tempo Amostra Tempo Amostra Tempo Amostra Tempo
1 7 21 13 41 1 61 23 81 1
2 39 22 5 42 16 62 12 82 7
3 11 23 12 43 15 63 20 83 3
4 14 24 8 44 5 64 31 84 10
5 8 25 6 45 23 65 9 85 10
6 21 26 6 46 4 66 1 86 11
7 10 27 2 47 5 67 5 87 3
8 40 28 8 48 29 68 31 88 25
9 21 29 12 49 1 69 12 89 12
10 6 30 16 50 15 70 2 90 10
11 6 31 20 51 6 71 2 91 15
12 3 32 28 52 3 72 30 92 8
13 3 33 9 53 16 73 4 93 10
14 2 34 1 54 1 74 11 94 12
15 26 35 8 55 7 75 1 95 4
16 8 36 20 56 28 76 3 96 11
17 16 37 9 57 18 77 9 97 2
18 15 38 6 58 11 78 3 98 2
19 9 39 5 59 8 79 32 99 2
20 30 40 1 60 27 80 1 100 6
Tempo de atendimento (min.) para cancelamento do fornecimento de energia eltrica

104


Hipteses testadas e regra de deciso:
- H0: A distribuio normal, se p-value > 5%
- H1: A distribuio no normal, se p-value =< 5%
Concluso:
- Como p-value < 1%, a distribuio do tempo de atendimento para can-
celamento do fornecimento de energia eltrica no normal.
Transformao do tempo de atendimento utilizando Box-Cox:
- Determinao do valor de lambda para a transformao dos dados:

40 30 20 10 0 -10 -20
99,9
99
95
90
80
70
60
50
40
30
20
10
5
1
0,1
Tempo de Atendimento
P
e
r
c
e
n
t
Mean 11,35
StDev 9,359
N 100
RJ 0,952
P-Value <0,010
3 2 1 0 -1
35
30
25
20
15
10
Lambda
S
t
D
e
v
Lower CL Upper CL
Limit
Estimate 0,13
Lower CL -0,09
Upper CL 0,33
Rounded Value 0,00
(using 95,0% confidence)
Lambda
Box-Cox Plot of Tempo de Atendimento

105

Verificao da suposio de normalidade para os dados transformados do
tempo de atendimento:

Concluso:
- Como p-value < 5%: a distribuio do tempo de atendimento transfor-
mado no normal.

Segunda possibilidade: utilizar o mtodo de transformao de Johnson.
- Vantagens:
o Cobre uma vasta gama de diferentes formas de distribuies.
o O mecanismo para seleo da famlia de curvas mais adequada
aos dados simples.
Determinao da funo para transformao dos dados:
5 4 3 2 1 0 -1
99,9
99
95
90
80
70
60
50
40
30
20
10
5
1
0,1
Tempo Transformado
P
e
r
c
e
n
t
Mean 2,027
StDev 0,9964
N 100
RJ 0,980
P-Value <0,010

106


Avaliao da estabilidade do processo:

40 20 0 -20
99,9
99
90
50
10
1
0,1
P
e
r
c
e
n
t
N 100
AD 3,649
P-Value <0,005
2,5 0,0 -2,5 -5,0
99,9
99
90
50
10
1
0,1
P
e
r
c
e
n
t
N 100
AD 0,486
P-Value 0,222
1,2 1,0 0,8 0,6 0,4 0,2
0,20
0,15
0,10
0,05
0,00
Z Value
P
-
V
a
l
u
e

f
o
r

A
D

t
e
s
t
0,64
Ref P
P-Value for Best Fit: 0,221719
Z for Best Fit: 0,64
Best Transformation Ty pe: SB
Transformation function equals
1,39286 + 0,917115 * Ln( ( X + 0,317401 ) / ( 49,8096 - X ) )
Probability Plot for Original Data
Probability Plot for Transformed Data
Select a Transformation
(P-Value = 0.005 means <= 0.005)
Johnson Transformation for Tempo de Atendimento
91 81 71 61 51 41 31 21 11 1
4
2
0
-2
-4
Observation
I
n
d
i
v
i
d
u
a
l

V
a
l
u
e
_
X=0,003
UCL=3,148
LCL=-3,142
91 81 71 61 51 41 31 21 11 1
4
3
2
1
0
Observation
M
o
v
i
n
g

R
a
n
g
e
__
MR=1,182
UCL=3,863
LCL=0
2
2
3
Carta de Controle X-AM para o Tempo de Atendimento Transformado

107

Clculo dos limites de especificao utilizando a funo definida pela
transformao de Johnson:
z = 1,39286 + 0,917115 * Ln((x + 0,317401) / ( 49,8096 - x))

- Limite Superior de Especificao (LSE) (para X = 20):
1,39286 + 0,917115 * Ln((20 + 0,317401) / (49,8096 - 20)) = 1,04128

- Limite Inferior de Especificao (LIE) (para X = 0):
1,39286 + 0,917115 * Ln((0 + 0,317401) / ( 49,8096 - 0)) = -3,24389

Avaliao da capacidade do processo:

2 1 0 -1 -2 -3
LSL USL
LSL -3,24389
Target *
USL 1,04128
Sample Mean 0,00313398
Sample N 100
StDev (Within) 1,04825
Process Data
Cp 0,68
CPL 1,03
CPU 0,33
Cpk 0,33
Potential (Within) Capability
% < LSL 0,00
% > USL 20,00
% Total 20,00
Observ ed Performance
% < LSL 0,10
% > USL 16,10
% Total 16,20
Exp. Within Performance
Anlise da Capacidade para o Tempo de Atendimento Transformado

108

I Avaliar a normalidade dos dados

03. Selecione a coluna Tempo de Atendimento no campo Variable:
05. No campo Title:, digite o ttulo do grfico (exemplo: Grfico de Probabilida-
de Normal para o Tempo de Atendimento).
06. Selecione OK.

II Transformar os dados utilizando o procedimento Box-Cox
07. Selecione Stat > Control Charts > Box-Cox Transformation...

109


09. Selecione o filtro All observations for a chart are in one column:
10. Na seqncia, selecione a varivel Tempo de Atendimento.
11. Em Subgroup sizes:, digite 1.

110


14. Em Store transformed data in:, digite C2.
16. Ative a Worksheet.
17. Nomeie a coluna C2 para Tempo Transformado Box-Cox.

III Construir o grfico de probabilidade normal para os dados
transformados da varivel Tempo de Atendimento pelo procedimento
Box-Cox

20. Selecione a coluna Tempo Transformado Box-Cox no campo Variable:
22. No campo Title:, digite o ttulo do grfico (exemplo: Grfico de Probabilida-
de Normal para o Tempo Transformado (Box-Cox)).
23. Selecione OK.

IV Transformar os dados utilizando o mtodo de Johnson
24. Selecione Stat > Quality Tools > Johnson Transformation

111


26. Selecione a opo Single column:
27. Selecione a varivel Tempo de Atendimento.
28. No campo Store transformed data in, Single column:, digite C3.
29. Selecione Options

31. No campo P-Value to select best fit: digite 0,05.
33. Ative a Worksheet.
34. Nomeie a coluna C2 para Tempo Transformado Johnson.

V Construir a carta de controle para os dados transformados da varivel
Tempo de Atendimento pelo mtodo de Johnson
35. Selecione Stat > Control Charts > Variables Charts for Individuals > I-
MR...

112


37. Selecione a varivel Tempo Transformado Johnson para o campo Varia-
bles:
38. Selecione I-MR Options...>S Limits.
39. No campo Display control limits at, na opo These multiples of the
standard deviation:, digite 2 espao 3.

113


40. Selecione OK.
41. Selecione Labels>Titles/Footnotes.
42. Em Title, digite o ttulo do grfico (exemplo: Carta de Controle X-AM para o
Tempo de Atendimento Transformado).


VI Clculo dos limites de especificao
44. Selecione Calc > Calculator

114


46. No campo Store result in variable:, digite C4.
47. No campo Expression:, digite a equao 1,39286 + 0,917115 * Ln((20 +
0,317401) / (49,8096 20)).
48. Selecione OK.
- Os comandos acima so necessrios para o clculo do Limite Superior
de Especificao Transformado.
49. Selecione Calc > Calculator

115


51. No campo Store result in variable:, digite C5.
52. No campo Expression:, digite a equao 1,39286 + 0,917115 *
Ln((0,317401) / (49,8096)).
53. Selecione OK.
- Os comandos acima so necessrios para o clculo do Limite Inferior de
Especificao Transformado.

VII Clculo dos ndices de capacidade
54. Selecione Stat > Quality Tools > Capability Analysis > Normal

116


56. Ative Single column e selecione a varivel Tempo Tranformado Johnson.
57. Em Subgroup size:, digite 1.
58. Em Lower spec:, digite o limite inferior de especificao: -3,24389.
59. Em Upper spec:, digite o limite superior de especificao: 1,04128.

117


62. Em Perform Analysis, dasative a opo Overall analysis.
63. Em Display, selecione a opo Percents.
64. No campo Title:, digite o ttulo da anlise de capacidade (exemplo: Anlise
de Capacidade para o Tempo de Atendimento Transformado).

118

Alternativa 2
Obter uma distribuio de probabilidade que represente satisfatoriamente o
fenmeno (uso de distribuies no-normais).
1 Passo: Procurar o tipo de distribuio que melhor represente os dados.
- Regra de deciso:
P-Value > 0,05% aceita a distribuio
P-Value =< 0,05% rejeita a distribuio

Concluso: Observa-se que temos quatro possibilidades de distribuio, onde
P > 0,05:
- Exponential, Weibull, Gamma e Johnson Transformation.
Como no se quer trabalhar com os dados transformados/empricos (Johnson
Transformation), ser selecionado o tipo de distribuio Gamma, que
apresentou maior P (P=0,203) entre as distribuies estudadas.

2 Passo: Definir os percentis correspondentes a 0,135% (PI), 50% (Mediana)
e 99,865% (PS).
- 0,135% (PI): 0,0816
- 50% (Mediana): 8,7694
- 99,865% (PS): 61,819
Goodness of Fit Test

Distribution AD P LRT P
Normal 3,649 <0,005
Box-Cox Transformation 1,406 <0,005
Lognormal 1,406 <0,005
3-Parameter Lognormal 0,887 * 0,233
Exponential 1,235 0,062
2-Parameter Exponential 1,265 0,049 0,000
Weibull 0,526 0,192
3-Parameter Weibull 1,400 <0,005 0,001
Smallest Extreme Value 6,529 <0,010
Largest Extreme Value 1,458 <0,010
Gamma 0,535 0,203
3-Parameter Gamma 2,141 * 0,000
Logistic 2,756 <0,005
Loglogistic 1,175 <0,005
3-Parameter Loglogistic 1,126 * 0,915
Johnson Transformation 0,486 0,222

119


Table of Percentiles

Standard
Distribution Percent Percentiles Error 95,0% CI
Normal 0,135 -16,7256 2,20153 -21,0 -12,4
Box-Cox Transformation 0,135 -0,9619 0,23440 -1,4 -0,5
Lognormal 0,135 0,3822 0,08958 0,2 0,6
3-Parameter Lognormal 0,135 -0,1839 0,62723 -0,9 1,0
Exponential 0,135 0,0153 0,00153 0,0 0,0
2-Parameter Exponential 0,135 0,9096 0,00141 0,9 0,9
Weibull 0,135 0,0540 0,02483 0,0 0,1
3-Parameter Weibull 0,135 0,9271 0,00606 0,9 0,9
Smallest Extreme Value 0,135 -56,4770 5,50202 -67,3 -45,7
Largest Extreme Value 0,135 -5,0111 1,04915 -7,1 -3,0
Gamma 0,135 0,0816 0,04519 0,0 0,2
3-Parameter Gamma 0,135 0,9742 0,00198 1,0 1,0
Logistic 0,135 -23,6332 2,88953 -29,3 -18,0
Loglogistic 0,135 0,1859 0,06243 0,1 0,4
3-Parameter Loglogistic 0,135 0,1127 0,71129 -0,1 1,5
Johnson Transformation 0,135 -3,2957 0,25868 -3,8 -2,8

Standard
Normal 50 11,3500 0,93586 9,5 13,2
Box-Cox Transformation 50 2,0274 0,09964 1,8 2,2
Lognormal 50 7,5943 0,75672 6,2 9,2
3-Parameter Lognormal 50 8,0985 0,86381 6,4 9,8
Exponential 50 7,8672 0,78672 6,5 9,6
2-Parameter Exponential 50 8,1420 0,72465 6,8 9,7
Weibull 50 8,9842 0,86774 7,4 10,9
3-Parameter Weibull 50 7,8796 0,85503 6,4 9,7
Smallest Extreme Value 50 12,3929 1,29787 9,8 14,9
Largest Extreme Value 50 9,6423 0,76319 8,1 11,1
Gamma 50 8,7694 0,80574 7,3 10,5
3-Parameter Gamma 50 7,2906 0,83788 5,8 9,1
Logistic 50 10,0860 0,88534 8,4 11,8
Loglogistic 50 8,1487 0,81696 6,7 9,9
3-Parameter Loglogistic 50 8,1772 0,85736 6,5 9,9
Johnson Transformation 50 0,0031 0,10996 -0,2 0,2

Standard
Normal 99,865 39,426 2,202 35,1 43,7
Box-Cox Transformation 99,865 5,017 0,234 4,6 5,5
Lognormal 99,865 150,906 35,372 95,3 238,9
3-Parameter Lognormal 99,865 107,139 34,257 40,0 174,3
Exponential 99,865 74,997 7,500 61,6 91,2
2-Parameter Exponential 99,865 69,975 6,908 57,7 84,9
Weibull 99,865 57,011 7,104 44,7 72,8
3-Parameter Weibull 99,865 75,371 12,569 54,4 104,5
Smallest Extreme Value 99,865 37,276 1,501 34,3 40,2
Largest Extreme Value 99,865 50,198 3,842 42,7 57,7
Gamma 99,865 61,819 6,935 49,6 77,0
3-Parameter Gamma 99,865 82,426 11,253 63,1 107,7
Logistic 99,865 43,805 3,084 37,8 49,9
Loglogistic 99,865 357,258 115,694 189,4 674,0
3-Parameter Loglogistic 99,865 338,084 204,727 -0,1 739,3
Johnson Transformation 99,865 3,302 0,259 2,8 3,8

120

3 Passo: Clculo dos ndices de capacidade

Pi Md
LIE Md
Cpi
=
^
Md Ps
Md LSE
Cps
=
^
)
`
=
^ ^ ^
; min Cpi Cps Cpk
Pi Ps
LIE LSE
Cp
=
^
= 0,21
= (20 - 0)/(61,819 0,0816) = 0,32
= (8,7694 - 0)/(8,7694 0,0816) = 1,01
= (20 8,7694)/(61,819 0,0816) = 0,21
45,0 37,5 30,0 22,5 15,0 7,5 0,0
LSL USL
LSL 0
Target *
USL 20
Sample Mean 11,35
Sample N 100
Shape 1,38738
Scale 8,18088
Process Data
Pp 0,32
PPL 1,01
PPU 0,21
Ppk 0,21
O v erall C apability
PPM < LSL 0,00
PPM > USL 170000,00
PPM Total 170000,00
O bserv ed Performance
PPM < LSL 0,00
PPM > USL 156425,60
PPM Total 156425,60
Exp. O v erall Performance
Anlise da capacidade para o tempo de atendimento
Calculations Based on Gamma Distribution Model

121

I Identificar a distribuio que melhor represente os dados
1. Selecione Stat > Quality Tools > Individual Distribution Identification...

3. Em Data are arranged as, selecione Single column: e selecione a coluna
Tempo de Atendimento.
4. Em Subgroup size:, digite 1.
5. Selecione a opo Use all distributions and transformations.
6. Selecione Results.

122


8. Ative todas as opes.
9. Em Percentiles for these percents:, digite 0,135 espao 50 espao
99,866
- Esta opo disponibiliza os percentis necessrios para o clculo
dos ndices de capacidade.

II Clculo dos ndices de capacidade
11. Selecione Stat > Quality Tools > Capability Analysis > Nonnormal

13. Ative Single column e selecione a varivel Tempo de Atendimento.
14. Em Fit distribution:, selecione Gamma.

123

15. Em Lower spec:, digite o limite inferior de especificao: 0.
16. Em Upper spec:, digite o limite superior de especificao: 20.
18. A seguinte tela aparecer e dever ser preenchida como mostrado abai-
xo:

19. No campo Title:, digite o ttulo da anlise de capacidade (exemplo: An-
lise de capacidade para o tempo de atendimento).

124

RACIOCNIO DE ESTUDO DO PROCESSO
1 Planejar a coleta de dados
2 Coletar os dados
3 Avaliar se os dados so confiveis (MSA)
Em caso positivo, podemos seguir adiante
Em caso negativo, devemos torn-los confiveis antes de continuar
4 - Avaliar se os dados possuem distribuio normal (teste Ryan-Joiner)
Em caso positivo, podemos seguir adiante
Em caso negativo, transformar os dados via box-cox
5 - Avaliar a estabilidade do processo (Cartas de controle)
Caso esteja sob controle, podemos seguir adiante
Caso no esteja sob controle, identificar e bloquear as causas especiais
6 - Avaliar a capacidade do processo (Cp e Cpk)
Se Cp e Cpk 1,33, o processo capaz -> MANTER
Se no for capaz, acertar a mdia e/ou diminuir a variabilidade

125

ATIVIDADE

Empresa: Fabricante de Palm-top.
Caracterstica de interesse: Tempo de reparo na assistncia tcnica (dias).
Poltica adotada pela empresa: Em caso de defeito do aparelho, o cliente tem
direito troca por um aparelho novo se o tempo de reparo na assistncia
tcnica superar 30 dias.
Problema: Alto custo com a troca de produtos devido a excessivos casos de
reparos com mais de 30 dias.
Analise os dados da tabela e conclua sobre o que a empresa deve fazer para
resolver o problema.

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
23
31
31
31
29
28
33
20
33
27
20
32
29
27
30
32
29
29
28
32
23
35
30
23
34
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
31
19
34
27
28
36
27
24
33
21
29
30
33
27
29
26
21
31
34
26
30
32
33
21
28
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
29
33
24
23
21
30
26
28
30
29
32
28
29
34
25
30
27
26
34
22
21
29
33
25
30
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
32
30
28
34
33
26
29
23
26
33
31
29
24
28
19
31
33
27
30
29
28
26
28
26
25
Amostra
Amostra Amostra
Amostra
Tempo de
reparo
Tempo de
reparo
Tempo de
reparo
Tempo de
reparo
Tempos de reparo dos ltimos 100 pedidos de assistncia tcnica

126


Controle EstatÝstico de Processos

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Controle EstatÝstico de Processos

Diunggah oleh

Hak Cipta:

Format Tersedia

1

Ps-Graduao Lean Seis Sigma Certificado Black Belt

Anda mungkin juga menyukai