Controle
Estatstico de
Processo
O QUE UM PROCESSO ?
ou finalidade
conjunto de causas que gera um (ou mais) efeitos
MEDIO MATERIAIS
MO DE OBRA
PRODUTO
MQUINAS
COMPONENTES DO PROCESSO
FORNECEDORES
ENTRADAS
PROCESSO
SADAS
CLIENTES
SUBCONTROLE
PROBLEMAS
COM
CONTROLE
SUPERCONTROLE
PREVENO x DETECO
CONTROLE DO PROCESSO (PREVENO)
ENTRADAS
PROCESSO
SADAS
AGIR E
CORRIGIR
OBSERVAR
OU MEDIR
ANALISAR
E DECIDIR
AVALIAR E
COMPARAR
RUIM
PROCESSO
SADAS
SELEO
OBSERVAR
OU MEDIR
AGIR E
CORRIGIR
AVALIAR E
COMPARAR
ANALISAR
E DECIDIR
BOM
O QUE ESTATSTICA ?
14
12
<- NVEL HISTRICO
10
8
ELIMINAO DE ->
CAUSAS COMUNS
4
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50
CAUSAS
ESPECIAIS
Perdas Monetrias Pequenas
Visibilidade do
Grande - A
problema
natureza sbita
chama a ateno
de todos
Ao Requerida
Dados
Anlise
Responsabilidade
pela Ao
CAUSAS
COMUNS
Grandes
Pequena - A
natureza contnua
faz com que todos
se acostumem ao
problema
Restabelecer o
Mudar para nvel
nvel anterior
melhor
Simples, coleta
Complexos, coleta
rotineira e muito
especial e pouco
freqente
freqente
Simples e feita por Complexa e feita
pessoal prximo ao por pessoal tcnico
processo
Executantes (pes- Planejadores (pessoal prximo ao
soal da gerncia)
processo)
IMPACTO NO DESEMPENHO DO
PROCESSO
PROJETO
CAUSAS
COMUNS
GERENTES
OPERAO
CAUSA
ESPECIAIS
OPERADORES
DESEMPENHO
10
11
VARIAO E PREVISIBILIDADE
NO EXISTEM NA NATUREZA DOIS OBJETOS QUE SEJAM
ABSOLUTAMENTE IGUAIS. SEMPRE H VARIAO.
CONTUDO, A VARIAO DEVIDA SOMENTE A CAUSAS
COMUNS PREVISVEL.
12
13
Reviso de
Estatstica
14
CARACTERIZAO DA AMOSTRA
A) Medidas de Localizao (ou de Tendncia Central)
Mdia da Amostra (x-barra)
x=
(xi )
( i = 1, 2, 3..., n )
n
Onde:
xi = valores obtidos na amostra
n = nmero de elementos na amostra
Exemplo: 12,1 12,5 11,7 13,1 12,5
x=
Mediana (x-til)
Valor tal que metade dos elementos possuam medidas
inferiores ao seu e a outra metade, superiores a este.
Exemplo: 11,7 12,1 12,5 12,5 13,1
~
x = 12,5
( i = 1, 2, 3, ...., n )
Onde:
x = Mdia dos valores da amostra
Exemplo: 12,1 12,5 11,7 13,1 12,5
(12,1 12,4) 2 + (12,5 12,4) 2 + ....
s =
= 0,27
4
2
Desvio-Padro (s)
a raiz quadrada da varincia.
Exemplo: 12,1 12,5 11,7 13,1 12,5
s = 0,52
Amplitude (R)
15
16
x=
VALORES
7 - 24 - 24 - 20 - 25
17 - 37 - 28 - 16 - 26
12 - 22 - 40 - 36 - 34
52 - 34 - 29 - 36 - 24
28 - 28 - 34 - 29 - 48
30 - 27 - 48 - 32 - 25
36 - 21 - 31 - 22 - 28
5 - 33 - 15 - 26 - 42
50 - 34 - 37 - 27 - 34
21 - 17 - 20 - 25 - 16
34 - 18 - 29 - 43 - 24
18 - 35 - 26 - 23 - 17
10 - 28 - 19 - 26 - 21
21 - 23 - 33 - 28 - 38
27 - 41 - 15 - 22 - 23
31 - 19 - 39 - 21 - 38
37 - 46 - 22 - 26 - 25
13 - 32 - 35 - 44 - 45
9 - 44 - 25 - 32 - 39
14 - 27 - 34 - 34 - 52
-
x 567,4
=
=
k
x-BARRA
20,0
24,8
28,8
35,0
33,4
32,4
27,6
24,2
36,4
19,8
29,6
23,8
20,8
28,6
R
18
21
28
28
20
23
15
37
23
9
25
18
18
17
567,4
475
R=
R
=
k
17
1. Os
grficos
sempre
utilizam
limites
de
controle
ser
empregado
para
tomada
necessrias.
de
aes
18
OBSERVAES IMPORTANTES
Existem vinte amostras (k=20) de tamanho cinco (n=5)
Enquanto que os valores individuais variam de um
mnimo de 5 a um mximo de 52, as mdias (x-barra)
variam de um mnimo de 19,8 a um mximo de 36,4, ou
seja, as mdias apresentam menor variao que os
valores individuais
Cada valor obtido de x-barra representa uma estimativa
da mdia do processo, mas feita com base em somente 5
valores (n=5)
O valor x-duas barras uma estimativa melhor que cada
x-barra, pois baseada num nmero maior de dados (20
x 5 = 100)
O valor x-duas barras pode ser calculado como a mdia
das 20 mdias (x-barras) ou, ento, como a mdia dos
100 valores individuais (x)
Analogamente, R-barra uma estimativa melhor da
variao do processo do que cada R
Os valores x-duas barras como R-barra somente sero
boas estimativas se o processo for estvel (previsvel ou
sob controle)
19
Grficos de
Controle para
Variveis
GRFICOS DE CONTROLE
Objetivos
Verificar se o processo estvel
Manter o processo estvel
Melhorar o desempenho do processo
20
21
+/- 3.
LIMITES DE CONTROLE
LSC = + 3 . = ( x) + 3 . ( x)
LM = = ( x)
LIC = 3 . = ( x) 3 . ( x)
22
CONVENES
n = tamanho da amostra
k = nmero (quantidade) de amostras
=
x = mdia das mdias das amostras (mdia global)
_
s = desvio-padro amostral mdio
_
R = amplitude amostral mdia
A2, A3, D3, D4, etc. = fatores de correo
23
=
CALCULAR x
_
ER
CALCULAR OS
LIMITES DE
CONTROLE
ANALISAR
GRFICO R
ESTVEL?
NO
IDENTIFICAR,
ELIMINAR E
PREVENIR CAUSAS ESPECIAIS
SIM
NO
ANALISAR
_
GRFICO x
ESTVEL?
SIM
MONITORAR
PROCESSO
24
GRFICOS x-BARRA E R
GRFICO DA MDIA ( x )
LSC x = ( x ) + 3 . ( x ) = x + 3 .
( x)
= x + A2 . R
n
LM x = ( x ) = x
LIC x = ( x ) 3 . ( x ) = x 3 .
(x)
= x A2 . R
n
GRFICO DA AMPLITUDE ( R )
LSCR = ( R ) + 3 . ( R ) = D 4 . R
LM R = ( R ) = R
LICR = ( R ) 3 . ( R ) = D 3 . R
25
GRFICOS x-BARRA E s
GRFICO DA MDIA ( x )
LSCx = x + A 3 . s
LM x = x
LICx = x A 3 . s
GRFICO DO DESVIO-PADRO ( s )
LSCs = B 4 . s
LM s = s
LICs = B 3 . s
26
GRFICOS x E Rm
27
28
n < 10
x-BARRA
E R OU
x-TIL E R
n > 10
x-BARRA
Es
n>1
VARIVEL
n=1
x E Rm
29
Anlise da
Estabilidade do
Processo
30
REGRA BSICA
31
LSC
LM
LIC
LSC
LM
LIC
LSC
LM
LIC
LSC
LM
LIC
32
LSC
LM
LIC
LSC
LM
LIC
33
34
COMENTRIOS IMPORTANTES
Unindo-se os pontos facilita-se a visualizao
Existe uma infinidade de testes de no-aleatoriedade em
livros e artigos
A anlise visual ainda o melhor meio de deteco de
35
Estudos de
Capacidade do
Processo
36
CAPACIDADE DE PROCESSO
Estudos de capacidade (ou capabilidade) tm por objetivo verificar se um processo gera produtos que atendem s especificaes de engenharia, em condies normais de operao.
Para realizar um estudo de capacidade necessrio que:
O PROCESSO SEJA (ESTATISTICAMENTE) ESTVEL
AS MEDIDAS INDIVIDUAIS TENHAM DISTRIBUIO
NORMAL
37
EXEMPLO
CLASSE
950 |- 955
955 |- 960
960 |- 965
965 |- 970
970 |- 975
975 |- 980
%
5
23
36
27
8
1
% ACUMULADA
40
35
30
25
20
15
10
5
950
955
960
965
970
975
980
38
39
INTERPRETAO
HISTOGRAMA
NORMAL
ASSIMTRICO A ESQUERDA
ASSIMTRICO A DIREITA
ACHATADO
ALONGADO
BIMODAL
PPN
40
CONVENES ADOTADAS
= MDIA DO PROCESSO
= DESVIO-PADRO DO PROCESSO
x = MDIA GERAL DAS AMOSTRAS
R = AMPLITUDE MDIA DAS AMOSTRAS
s = DESVIO-PADRO MDIO DAS AMOSTRAS
NDICE CP
Cp =
NDICE Cpk
CPS =
41
INTERPRETAO DE Cp E Cpk
NDICE Cp
NDICE Cpk
42
43
44
OBSERVAES IMPORTANTES
Cp sempre maior ou igual a Cpk
Quando o processo est centralizado, ou seja, a sua
mdia est bem no meio da especificao, ento Cp =
Cpk
Sempre que Cpk < 1, h gerao de produtos no-conformes
No caso de especificaes unilaterais, somente se utiliza
o ndice Cpk
Tanto Cp como Cpk s tm resultados vlidos se a
distribuio dos valores individuais for normal
45
Grficos de
Controle para
Atributos
46
ATRIBUTOS
TIPOS:
A) Grfico da Frao Defeituosa na Amostra (p)
B) Grfico do Nmero de Defeituosos na Amostra (np)
C) Grfico do Nmero de Defeitos na Amostra (c)
D) Grfico do Nmero de Defeitos por Unidade (u)
CUIDADO !
Uma varivel sempre transmite muito mais informao
do que um atributo
47
CLASSIFICAO x CONTAGEM
Pergunta: a amostra tem alguma defeito ?
SIM
NO
SIM
SIM
NO
48
n
CONSTANTE
p OU np
n
VARIVEL
n
CONSTANTE
c OU u
n
VARIVEL
CLASSIFICAO
ATRIBUTO
CONTAGEM
49
TAMANHO DE AMOSTRA
grficos de controle para atributos necessitam tamanhos
de amostra maiores do que variveis
tamanhos de amostra insuficientes trazem problemas na
construo do grfico
UM EXEMPLO ABSURDO
AMOSTRA
1
2
3
4
5
6
7
8
9
10
n
3
3
3
3
3
3
3
3
3
3
d
0
0
0
1
0
0
0
0
0
1
p
0,00
0,00
0,00
0,33
0,00
0,00
0,00
0,00
0,00
0,33
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0
AMOSTRA
10
TAMANHO DE AMOSTRA
50
CONVENES
n = tamanho da amostra
k = nmero (quantidade) de amostras
d = nmero de defeituosos
p = frao defeituosa
_
p = frao defeituosa mdia
c = nmero de defeitos
_
c = nmero mdio de defeitos
u = nmero de defeitos por unidade
_
u = nmero mdio de defeitos por unidade
51
52
p=
N. ITENS DEFEITUOSOS
N.ITENS INSPECIONADOS
LSCP = p + 3 .
p . (1 p)
n
LMP = p
LICP = p 3 .
p . (1 p)
n
OBSERVAO
Se o limite inferior de controle (LIC) der negativo, ento
adotar que este no existe.
53
Total de defeitos
Total de amostras
LSCnp = np + 3 . np (I p)
LMnp = np
LICnp = np 3 . np (I p)
OBSERVAO
Se o limite inferior de controle (LIC) der negativo, ento
adotar que este no existe.
54
Total de defeitos
Total de amostras
OBSERVAO
Se o limite inferior de controle (LIC) der negativo, ento
adotar que este no existe.
55
Numero de defeitos c
=
Numero de unidade n
Total de defeitos
Total de unidades
u
n
LMu = m(u) = u
LICu = m(u) 3 . s(u) = u 3 .
u
n
OBSERVAO
Se o limite inferior de controle (LIC) der negativo, ento
adotar que este no existe.
56
ANEXOS
57
GRFICOS DE CONTROLE
Grfico de Controle
mdia e amplitude
xR
Linha Mdia
Limites de Controle
LSC = x + A 2 .R
LIC = x A 2 .R
LSC = D 4 .R
LIC = D3 .R
xs
LSC= x + A 3 .s
LIC = x A 3 .s
LSC = B 4 .s
LIC = B 3 .s
LSC = x +E 2 .R m
LIC = x E 2 .R m
Rm
LSC = D 4 .R m
LIC = D3 .R m
valores individuais
e amplitude mvel
x Rm
frao defeituosa
p
p
nmero de defeitos
na amostra c
nmero de defeitos
por unidade u
p.(1 p )
n
p.(1 p )
LIC = p 3.
n
LSC = p + 3.
c
u
LSC = c +3. c
LIC = c 3. c
u
n
u
LIC = u 3.
n
LSC= u +3.
58
A2
1,880
A3
2,695
E2
2,660
B3
B4
3,267
1,023
1,954
1,772
2,568
0,729
1,628
1,457
2,266
0,577
1,427
1,290
2,089
0,483
1,287
1,184
0,030
1,970
0,419
1,182
1,109
0,118
1,882
0,373
1,099
1,054
0,185
1,815
0,337
1,032
1,010
0,239
1,761
10
0,308
0,975
0,975
0,284
1,716
D3
D4
c4
d2
3,267
0,709
0,798
1,128
2,574
0,524
0,886
1,693
2,282
0,446
0,921
2,059
2,114
0,403
0,940
2,326
2,004
0,375
0,952
2,534
0,076
1,924
0,353
0,959
2,704
0,136
1,864
0,338
0,965
2,847
0,184
1,816
0,325
0,969
2,970
10
0,223
1,777
0,314
0,973
3,078