Ferramentas da Qualidade - joinville.udesc.br · monitoramento da qualidade, com o objetivo de ......
Transcript of Ferramentas da Qualidade - joinville.udesc.br · monitoramento da qualidade, com o objetivo de ......
Ferramentas da Qualidade
1. Diagrama de Pareto
2. Diagrama de causa-efeito
(Ishikawa)
3. Histogramas
4. Folhas de verificação
5. Gráficos de dispersão
6. Fluxogramas
7. Cartas de controle
2
Diagrama de Causa e Efeito
O Diagrama de Causa e Efeito é uma ferramenta utilizada para apresentar a relação existente entre o as características de qualidade resultantes de um processo (efeito) e os fatores (causas) do processo que, por razões técnicas, possam afetar o resultado considerado.
5
Diagrama de Causa e Efeito
Freqüentemente, o efeito de um processo constitui um problema a ser solucionado e então o Diagrama de Causa e Efeito é utilizado para sumarizar as possíveis causas do problema
O Diagrama de Causa e Efeito também é chamado de Diagrama de Espinha de Peixe ou Diagrama de Ishikawa
6
Etapas para elaboração do Diagrama de causa e efeito
Defina a característica de qualidade ou o problema a ser analisado (efeito)
Faça um “brainstorming” para levantamento de todas as possíveis causas
Identifique as causas primárias que afetam o efeito, classificando-as nas categorias 6M’s: Máquina, Matéria-prima, Mão-de-obra, Meio Ambiente, Medições e Método
Identifique as causas secundárias que afetam as primárias
7
Etapas na construção do Diagrama de causa e efeito.
Identifique as causas terciárias que afetam as secundárias
Esse procedimento deve continuar até que as possíveis causas estejam suficientemente detalhadas
Por consenso, estipule a importância de cada causa e identifique as causas que parecem exercer um efeito mais significativo
Registre outras informações, como: título, data, responsáveis
8
Diagrama de Causa e Efeito
Característica Espinha dorsal
Fatores (causas)
Características (efeitos)
Causas
primárias
Causas secundárias
Causas terciárias
9
Notas sobre o Diagrama de causa e efeito
A construção do diagrama deve ser realizada por um grupo de pessoas envolvidas com o processo
A técnica de brainstorming (tempestade de idéias) auxilia o levantamento completo de todas as possíveis causas
Sempre que possível, expresse os efeitos e as causas de forma mensurável possibilitando uma análise objetiva
10
Exemplo 1
Quebra de Gfa
Desatenção do operador Acúmulo de gfa e queda
no encaixotamento Regulagem parâmetros Rótulos com problemas
Queda cxs da empilhadeira
Rotulagem de produtos NC Falhas na impressão
Fora da gramatura esp. Fora das especificações Encanoados
Falhas na arte
Gfa chega sem conta-gotas
Tipo de adesivo
Ocasiona quebra na maq.rot.
Velocidade da linha Rolos escovas ruim
Umidade
muito velhos
Excesso de set up Muito caro para troca frequente Bolhas no rótulo
Marcas de pinça
Devoluções Abstecimento da máquina Temperatura
Ajuste maq durante
set up Falta de MP
Retrabalho
Quebras
Rótulos
Meio Ambiente
Mão de Obra Matéria Prima
Método Máquina
Medidas
11
Problemas
(Efeitos)
Meio Ambiente Máquina Método
Mão-de-obra Medidas Matéria Prima
Fatores (causas)
Perda de
líquido no
produto
acabado
Nota: Em NEGRITO são apresentadas as prováveis causas geradoras do problema.
Exemplo 2
Var. bicos ench.
Var. formas gfa
Medição vol.
Contração líquido
Evaporação
Var.Temp.
Falta deMan.
Preventiva
Var.med.vazão
Marcador do tq
Desatenção
Critérios de leituras.
12
Histograma
O histograma é um gráfico de barras no qual o eixo
horizontal, subdividido em vários pequenos intervalos,
apresenta os valores assumidos por uma variável de interesse.
Para cada um destes intervalos é construída uma barra
vertical, cuja área deve ser proporcional ao número de
observações na amostra cujos valores pertencem ao intervalo
correspondente
14
0
2
4
6
8
10
12
14
16
18
20
22
1 2 3 4 5 6 7 8 9
Característica Analisada
Fre
qü
ên
cia
Ex. Histograma dados contínuos
15
Ex. Histograma e Polígono de Freqüência
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9
Característica Analisada
Freq
üênc
ia
Polígono de Freqüência
0
5
10
15
20
25
1 2 3 4 5 6 7 8 9
Característica Analisada
Fre
qü
ên
cia
s
16
Histograma dados discretos
1,01,0 1,51,5 3,53,52,52,52,02,0 3,03,0 6,06,04,04,0 4,54,5 5,05,0 5,55,5
1/361/36
2/362/36
3/363/36
xx
f(x)f(x)
4/364/36
5/365/36
6/366/36
17
Histograma
O histograma dispõe as informações de modo que seja
possível a visualização da forma da distribuição de um
conjunto de dados e também a percepção da localização do
valor central e da dispersão dos dados em torno deste valor
central.
18
Como construir um Histograma
1. Colete n dados referentes à variável cuja distribuição será
analisada.
É aconselhável que n seja superior a 50 para que possa ser obtido um padrão
representativo da distribuição.
Histograma para variáveis contínuas
Ex.: característica dimensional (mm)
20,2 21 24 24,6 25,5 26 27 28,3 29 29,2 29,9 30,8
30,9 31 31 31,2 31,4 31,6 31,6 31,8 32,1 32,2 32,2 32,2
32,4 32,6 34 34,5 34,7 34,8 35,3 35,6 35,7 35,8 36 36
36,1 38 38,1 38,4 38,5 38,7 38,7 39,1 39,4 39,7 41,3 41,9
42 42 42,1 42,3 43 43,7 44 44,6 45,8 46 49 50
19
2) Determine o maior e menor valor do conjunto de dados;
Min = 20,2 e Max = 50
3) Defina o limite inferior da primeira classe (LI), que deve ser igual ou ligeiramente inferior ao menor valor das observações;
LI = 20
4) Defina o limite superior da última classe (LS), que deve ser igual ou ligeiramente superior ao maior valor das observações;
LS= 50
Como construir um Histograma
20
5) Define-se o número de classes (K), que pode ser calculado usando e deve estar compreendido entre 5 e 20;
6) Conhecido o número de classes, define-se a amplitude de cada classe: a = (LS - LI) / K;
860 K
75,38
)2050()(
K
LILSa
nK
Para facilitar os cálculos, foi escolhido K = 8
Como construir um Histograma
21
Como construir um Histograma 7) Calcule os limites de cada intervalo
8) Construa uma tabela de distribuição de freqüência
Intervalo de Classe Freqüência Absoluta
1 - 20,00 a 23,75 2
2 - 23,76 a 27,50 5
3 - 27,51 a 31,25 9
4 - 31,26 a 35,00 14
5 - 35,01 a 38,75 13
6 - 38,76 a 42,50 9
7 - 42,51 a 46,25 6
8 - 46,26 a 50,00 2
Limite inferior
da classe
Limite superior
da classe
Nº de observações em cada classse 22
Como construir um Histograma
9) Desenhe o histograma
10) Registre as informações importantes que devem constar no
gráfico
Ex. Histograma
2
5
9
1413
9
6
2
0
5
10
15
1 2 3 4 5 6 7 8
Classes da Característica medida
Fre
qü
ên
cia
23
Formas Histogramas
Histograma simétrico ou em
forma de Sino
O valor médio localiza-se no centro do Histograma
Pode ocorrer qdo a variável é contínua e não existem
restrições para os valores que pode ocorrer
24
Formas de Histograma
Histograma Assimétrico
O valor médio localiza-se fora do centro do Histograma
É usualmente encontrado qdo não é possível a varíavel
assumir valores mais altos ou mais baixos do que um
determinado limite. 25
Formas de Histograma
Histograma “ilhas isoladas”
Pode ocorrer qdo o processo ao qual a variável associada
apresenta algum tipo de irregularidade, ou quando acontece
erros de medida ou registro de dados.
26
Formas de Histograma
Histograma “Despenhadeiro”
A freqüência diminui de modo abrupto de um ou dos dois
lados do gráfico.
Pode ocorrer qdo o processo ao qual a variável associada
não é capaz de atender as especificações e por este motivo é
realizado inspeção 100 % para eliminar produtos defeituosos. 27
Formas de Histograma
Histograma Bi-modal
A freqüência é baixa no centro do Histograma e existem
um pico a direita e outro a esquerda.
Ocorre quando dados provenientes de duas distribuições
são misturados. 28
Comparação com os limites de especificação
LIE LSE
Processo A
LIE LSE
Processo B
LIE LSE
Processo D
LIE LSE
Processo C
29
Ex. Variação volume - Enchedora
Volume
Fre
qu
en
cia
1008100610041002
70
60
50
40
30
20
10
0
Mean 1004
StDev 1,730
N 299
Normal Histograma vol. DQ
Temp. média – 25
Vol. ideal p/ conv. a
20 C
DQ = 1003
30
Ex. Variação Grau Alcoólico Fr
eqüê
ncia
40,540,440,340,240,140,039,939,8
20
15
10
5
0
Mean 40,03
StDev 0,1193
N 105
Histograma Graduação Alcoólica (°GL)
Mês MÉDIA DESVIO PADRÃO CP CPK
Abril 40,04 0,09798 1,01 0,80
Maio 40,03 0,1193 0,75 0,66 31
Gráfico Seqüencial
Cartas de tendência são empregadas para representar dados visualmente.
São utilizadas para monitorar um sistema a fim de observar ao longo do tempo a EXISTÊNCIA de alterações na média esperada.
Tempo ou Seqüência
Med
ição
Média
32
Gráfico Seqüencial
São ferramentas simples de construir e utilizar. Os pontos são marcados no gráfico na medida em que estejam disponíveis. É comum a sua utilização em ocorrências, tais como: paradas de máquina, produção, refugo, erros de tipografia ou produtividade, já que variam com o tempo.
33
Gráfico de controle
Controle estatístico do Processo é um sistema de monitoramento da qualidade, com o objetivo de verificar a presença de causas especiais.
A principal ferramenta do CEP são os Gráficos de controle. Os Gráficos de Controle fornecem um sinal sempre que houver a presença de causas especiais (falhas operacionais), orientando as ações de melhoria
34
Cartas de controle
O gráfico contém uma linha central que representa o valor médio da característica em estudo e duas linhas horizontais chamadas limites de controle.
Os limites de controle (calculados a partir da média mais ou menos 3 desvios-padrões) representam a variação associada a causas comuns de variabilidade (inerente ao processo). As amostras fora dos limites de controle representam variação associada a causas especiais (falhas operacionais).
35
Gráfico de Controle
Amostra
31.8
35.2
23 28 33 38 43
Causas
Especiais
Causas
Comuns
Causas
Especiais
Limite de
Controle
Superior Média
Limite de
Controle
Inferior
37
Gráficos de controle – Detecção de causas especiais
Se apenas as causas comuns estão presentes, as medidas devem se manter dentro dos limites de controle
Pontos fora dos limites de controle indicam a presença de causas especiais (falhas operacionais)
diâmetro
Amostra
X 31.8
35.2
1 6 11 16 21
Amostra
X
31.8
35.2
35 40 45 50 55
38
Referências Bibliográficas
1. CAMPOS, Vicente F. TQC – Controle da Qualidade Total (no estilo japonês).
Belo Horizonte, MG: Editora de Desenvolvimento Gerencial, 1999.
2. WERKEMA, Maria C.C. Ferramentas estatísticas para o gerenciamento de
processos. Belo Horizonte, MG: Fundação Christiano Ottoni, Escola de Engenharia
da UFMG, 1995.
39