Ferramentas da Qualidade - joinville.udesc.br · monitoramento da qualidade, com o objetivo de ......

Ferramentas da Qualidade

UDESC/CCT

1


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


Professor: Alan Schmitt

UDESC/CCT

3

DIAGRAMA DE CAUSA-E-EFEITO

4

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


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


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

Histogramas

13

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


Freq

üênc

ia

Polígono de Freqüência

0

5

10

15

20

25

1 2 3 4 5 6 7 8 9


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


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


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


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


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


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


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

Típico gráfico de controle

Gráfico de Controle

9

12

15

18

Amostras

Me

did

as

LIC LC LSC Medidas

36

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

Ferramentas da Qualidade - joinville.udesc.br · monitoramento da qualidade, com o objetivo de ......

Documents

Transcript of Ferramentas da Qualidade - joinville.udesc.br · monitoramento da qualidade, com o objetivo de ......