Cep Em Pinturas
Transcript of Cep Em Pinturas
-
8/3/2019 Cep Em Pinturas
1/114
UNIVERSIDADE FEDERAL DE SANTA CATARINA
PROGRAMA DE PS-GRADUAO EM
ENGENHARIA DE PRODUO
Valentina de Lourdes Milani de Paula Soares
APLICAO E IMPLANTAO DO CONTROLEESTATSTICO DE PROCESSO EM PINTURA
INDUSTRIAL
Dissertao de Mestrado
Florianpolis2003
-
8/3/2019 Cep Em Pinturas
2/114
UNIVERSIDADE FEDERAL DE SANTA CATARINA
PROGRAMA DE PS-GRADUAO EM
ENGENHARIA DE PRODUO
Valentina de Lourdes Milani de Paula Soares
APLICAO E IMPLANTAO DO CONTROLEESTATSTICO DE PROCESSO EM PINTURA
INDUSTRIAL
Dissertao apresentada aoPrograma de Ps Graduao em
Engenharia de Produo daUniversidade Federal de Santa Catarina
como requisito parcial para obtenodo ttulo de Mestre em
Engenharia de Produo
Orientador: Professor Robert Wayne Samohyl, Ph.D.
Florianpolis
2003
-
8/3/2019 Cep Em Pinturas
3/114
Valentina de Lourdes Milani de Paula Soares
APLICAO E IMPLANTAO DO CONTROLE
ESTATSTICO DE PROCESSO
EM
PINTURA INDUSTRIAL.
Esta Dissertao foi julgada adequada para a obteno do Ttulo de Mestreem Engenharia de Produo no Programa de Ps-Graduao em Engenhariade Produo da Universidade Federal de Santa Catarina.
Florianpolis, 11 de Abril de 2003.
____________________________Prof. Edson Pacheco Paladini, Dr.
Coordenador do Curso
Banca Examinadora:
____________________________ ___________________________Prof. Robert W. Samohyl, Ph.D. Prof. Willy Arno Sommer, Dr.
_______________________________Prof. Terezinha Aparecida Guedes, Dr.
-
8/3/2019 Cep Em Pinturas
4/114
DEDICATRIA
Ao meu esposo, Jos Maria pelo carinho, apoio,contribuio e crtica ao trabalho.
Aos meus filhos Jos, Joo Luiz e Giuliane pela
torcida e incentivo constante.
A Deus, que sempre esteve to presente, me
iluminando e concedendo as foras necessrias,
para superar o desanimo e os obstculos que
surgiram.
-
8/3/2019 Cep Em Pinturas
5/114
AGRADECIMENTOS
Ao Professor Doutor Robert Wayne Samohyl, por sua Orientao e Superviso
ao longo do Curso de Ps Graduao e em particular no desenvolvimento desta
dissertao.
Ao Professor Gonalo M. de V. P. de Paula Soares, pela contribuio de seu
tempo e conhecimento prtico, bem como de seu esprito de colaborao, foram
decisivos na elaborao deste trabalho.
A todos os meus Amigos e Colegas, que comigo tiveram a oportunidade de
compartilhar este curso, em carter especial s Professoras Cldina R. Lunardan
Acorsi e ngela M. Marconi de Arajo cujo apoio, estmulo e amizade, foramfundamentais, em momentos por vezes to adversos.
s Professoras Isolde Terezinha dos Santos Previdelli e Terezinha Aparecida
Guedes, que no exerccio de suas funes, souberam acolher com humildade e
pacincia as minhas dvidas e incertezas, aconselhando-me e esclarecendo-me
sempre que exigido.
A todos os funcionrios do setor da Pintura desta Empresa, pelo enorme sentido
de colaborao e participao durante todo o perodo da pesquisa e coleta dedados.
E a todos aqueles que, individualmente ou coletivamente no tendo sido aqui
nomeados, permitiram de alguma forma a concretizao deste trabalho.
-
8/3/2019 Cep Em Pinturas
6/114
RESUMO
Soares, Valentina L. M. Paula. Aplicao e Implantao do ControleEstatstico do Processo em Pintura Industrial. 2003. 114f. Dissertao (Mestrado
em Engenharia de Produo) Programa de Ps Graduao em Engenharia de
Produo, UFSC-Florianpolis.
Este trabalho teve por objetivo a aplicao das Ferramentas do Controle
Estatstico num determinado setor de uma indstria de Transformadores, situada no
Noroeste do Paran. Atravs da explanao de seus conceitos, caractersticas e
operacionalidade, procurou-se oferecer uma melhoria sensvel nos nveis de
qualidade desse setor, com o objetivo de reduzir custos de produo. Para a
aplicao do modelo, foi selecionado o setor de pintura industrial dos
transformadores, com nfase para uma das caractersticas do processo de pintura
industrial - espessura da camada de tinta. Num primeiro passo foram revisados os
conceitos relacionados com o setor da pintura industrial, viabilizando a aplicao do
modelo proposto realidade do setor. Numa segunda fase foram elaboradas
planilhas de coleta de dados. Os dados foram coletados levando em considerao,as seqncias que constituem o processo da aplicao da tinta (demos de pintura).
Da anlise dos dados coletados resultaram vrios planos de ao de melhoria do
processo que culminaram, em alguns casos com o controle estatstico do mesmo.
Para a fase final de interpretao dos dados foram aplicadas os Grficos de Controle
X e AM, nas diversas partes do transformador. Para as situaes nas quais foi obtido
o controle estatstico do processo, estabeleceram-se os limites de controle que
permitiro monitorar daqui para frente tais processos, bem como calcular os seusndices de capacidade. Para os casos onde a anlise, entretanto, diagnosticou a
permanncia do processo fora de controle, se far necessrio dar continuidade ao
estudo das causas da variabilidade do mesmo. Para tanto no final do presente
trabalho so apresentadas algumas sugestes que ajudaro a encontrar as causas
provveis dessa variabilidade.
Palavras chave: Controle Estatstico, Transformadores, Espessura, Melhoria.
-
8/3/2019 Cep Em Pinturas
7/114
ABSTRACT
Soares, Valentina L. M. Paula. Aplicao e Implantao do ControleEstatstico do Processo em Pintura Industrial. 2003. 114f. Dissertao (Mestrado
em Engenharia de Produo) Programa de Ps Graduao em Engenharia de
Produo, UFSC, Florianpolis.
This paper aims at the application of statistical control tools in a transformer
industry, located in northwestern Paran State in Brazil. It is expected that after
explaining their concepts, characteristics and how they work, they improve the quality
of said sector, in order to reduce cost of production. In order to apply such a model,
the transformer's industrial coating sector was chosen, emphasizing one of the
industrial coating process characteristics - coating thickness. First, the industrial
coating sector concepts were reviewed, making the proposed model application to
the sector possible. Secondly, spreadsheets were organized to record the collected
data. Data were collected taking into consideration the sequences that make part of
the coating process. After the collected data were analyzed, several plans were
made to improve the coating process, some of them by means of statistical control.
For the last phase of data interpreting, Control Charts X bar and AM charts were
used for several parts of the transformer. For those circumstances in which the
statistical control of the process was obtained, the control limits were established to
monitor and calculate their capacity indexes. Where the analyses diagnosed the
process out of control, it will be necessary to continue the study of the process
variability causes. Finally, at the end of this study, some ideas are presented in order
to help find the probable causes of such variability.
Keywords: Statistical Control, Transformer, Thickness, Improvement.
-
8/3/2019 Cep Em Pinturas
8/114
8
Sumrio
1. INTRODUO...........................................................................15
1.1. CONSIDERAES INICIAIS ..............................................................151.2. IMPORTNCIA DO TRABALHO .........................................................151.3.OBJETIVOS...................................................................................17
1.3.1. Objetivo Geral......................................................................................171.3.2. Objetivos Especficos...........................................................................17
1.4. DELIMITAES DO TRABALHO .......................................................171.5. A ESTRUTURA DO TRABALHO ........................................................17
2. REVISO LITERRIA ...............................................................19
2.1. PINTURA INDUSTRIAL ....................................................................19
2.2. CONCEITO DE QUALIDADE. ............................................................212.3. CONCEITO DE CONTROLE DE QUALIDADE. ......................................242.4. CONCEITO DE PROCESSO ..............................................................272.5. CONCEITO DE CONTROLE DE PROCESSO ........................................282.6. COLETA DE DADOS .......................................................................312.7. REVISO DOS CONCEITOS ESTATSTICOS DE NORMALIDADE ............32
2.7.1. Verificao da Normalidade.................................................................352.7.2. Necessidade da Transformao nos Dados ........................................37
2.8. CONTROLE ESTATSTICO DE PROCESSO .........................................38
2.8.1. Subgrupos Racionais...........................................................................392.8.2. A Teoria Bsica do CEP. .....................................................................402.9.GRFICOS DE CONTROLE. .............................................................42
2.9.1. Conceito e Interpretao de Grficos de Controle...............................422.9.2. Erros Associados aos Limites de Controle ..........................................452.9.3. Tipos de Grficos.................................................................................48
2.10. CAPACIDADE DO PROCESSO.......................................................552.10.1. ndices da Capacidade.....................................................................55
3. METODOLOGIA ........................................................................58
3.1.METODOLOGIA PROPOSTA.............................................................583.1.1. Fluxograma..........................................................................................593.1.2. Anlise das Etapas ..............................................................................59
3.2. APLICAO DOS GRFICOS DE CONTROLE NA PINTURA INDUSTRIAL 613.2.1. Coleta de Dados ..................................................................................61
3.3.MONTAGEM DOS GRFICOS DE CONTROLE......................................623.4. ANLISE DOS GRFICOS DE CONTROLE .........................................623.5. CLCULO DOS NDICES DE CAPACIDADE .........................................62
4. APLICAO DA METODOLOGIA............................................64
4.1. CARACTERIZAO DA EMPRESA ....................................................644.1.1. Desenvolvimento Histrico ..................................................................644.1.2. Perfil do Grupo.....................................................................................64
-
8/3/2019 Cep Em Pinturas
9/114
9
4.1.4. Fluxograma da construo do Transformador .....................................654.1.5. Anlise das etapas da construo do Transformador..........................66
4.2. SELEO DA LINHA PILOTO...........................................................674.2.1. Caracterizao da Linha Piloto ............................................................67
4.2.2. Fluxograma original da Empresa .........................................................684.2.3. Reestruturao do Fluxograma............................................................704.2.4. O Diagrama de Ishikawa......................................................................72
4.3. FORMAO DA EQUIPE DE TRABALHO............................................744.4. ESCOLHA DAS CARACTERSTICAS DE QUALIDADE DO PRODUTO.......764.5. ANLISE DOS RESULTADOS...........................................................76
4.5.1. Espessura da Pintura no Radiador ......................................................764.5.2. Espessura da Pintura no Corpo...........................................................854.5.3. Espessura da Pintura na Tampa..........................................................884.5.4. Espessura da Pintura no Suporte ........................................................92
4.6. CONCLUSES NO PROCESSO DE PINTURA ......................................964.7. SUGESTES PARA A EMPRESA ......................................................974.8. CONSIDERAES FINAIS ...............................................................98
5. CONCLUSO ..........................................................................100
5.1. LIMITAO DO TRABALHO ...........................................................100
REFERNCIAS................................................................................102
APNDICE.......................................................................................107
APNDICE A - Folha de Verificao da Coleta de Dados...........107
APNDICE B DADOS COLETADOS..................................................108APNDICE C - VERIFICANDO A NORMALIDADE DOS DADOS EM TODAS AS
PARTES DO TRANSFORMADOR...............................................................111
-
8/3/2019 Cep Em Pinturas
10/114
10
LISTA DE FIGURASFigura 2.1: Caracterizao de um processo atravs do Diagrama de Ishikawa. 28Figura 2.2: Detalhamento do ciclo PDCA nos ciclos de manuteno e melhorias 31Figura 2.3: Relao entre a distribuio normal e os grficos de controle 34
Figura 2.4: Relacionamento da Curva Normal c/ grfico de controle de qualidade.34Figura 2.5: Grfico verificando a Normalidade dos dados 35Figura 2.6: Grfico de controle tpico com pontos fora do limite de controle. 43Figura 2.7: Exemplo de 2 em 3 pontos, alm das linhas de 2-sigmas. 44Figura 2.8: Exemplo de 4 em5 pontos consecutivos alm dos limites 1-sigma. 44Figura 2.9: Exemplo de sucesso de 8 pontos consecutivos. 44Figura 2.10: Fluxograma da construo e utilizao dos grficos de Controle 53Figura 2.11: Fluxograma com a forma sugerida conforme (SAMOHYL, 2001). 54Figura 3.1: Fluxograma da metodologia proposta. 59Figura 4.1: Esquema Operacional da Unidade 65
Figura 4.2: Fluxograma a partir da construo do transformador. 66Figura 4.3: Fluxograma original da Empresa. 69Figura 4.4: Fluxograma proposto do controle de processo 71Figura 4.5: Diagrama de Ishikawa para a Identificao de Interferncias na
Qualidade da Pintura de Transformadores 73Figura 4.6: Distribuio dos Funcionrios com suas funes e equipamentos 75Figura 4.7:Grfico das Amplitudes da varivel espessura da tinta no radiador do
transformador na coleta 1. 77Figura 4.8: Grfico para Medidas Individuais da varivel espessura da tinta no
radiador do transformador na coleta 1. 77Figura 4.9: Diagrama de Causa e Efeito nos provveis fatores da variao. 79Figura 4.10: Grfico das Amplitudes da varivel espessura da tinta no radiador do
transformador na coleta 2. 81Figura 4.11:Grfico para Medidas Individuais da varivel espessura da tinta no
radiador do transformador na coleta 2. 81Figura 4.12: Grfico das Amplitudes da varivel espessura da tinta no radiador do
transformador na coleta 3. 82Figura 4.13: Grfico para Medidas Individuais da varivel espessura da tinta no
radiador do transformador na coleta 3. 83Figura 4.14: Grfico da CCO 84Figura 4.15: Apresentao grfica da perda na Pintura do radiador no transf. 85
Figura 4.16: Grfico das Amplitudes da varivel espessura da tinta no corpo dotransformador na coleta 1 85Figura 4.17: Grfico para Medidas Individuais da varivel espessura da tinta no
corpo do transformador coleta 1. 86Figura 4.18: Grfico das Amplitudes da varivel espessura da tinta no corpo do
transformador na coleta 2. 86Figura 4.19: Grfico para Medidas Individuais da varivel espessura da tinta no
corpo do transformador na coleta 2. 86Figura 4.20: Grfico das Amplitudes da varivel espessura da tinta nocorpo do
transformador na coleta 3. 87Figura 4.21: Grfico para Medidas Individuais da varivel espessura da tinta no
corpo do transformador na coleta 3. 87Figura 4.22: Grfico das Amplitudes da varivel espessura da tinta na tampa dotransformador na coleta 1 88
-
8/3/2019 Cep Em Pinturas
11/114
11
Figura 4.23: Grfico para Medidas Individuais da varivel espessura da tinta natampa do transformador na coleta 1. 88
Figura 4.24: Grfico das Amplitudes da varivel espessura da tinta na tampa dotransformador na coleta 2. 89
Figura 4.25: Grfico para Medidas Individuais da varivel espessura da tinta natampa do transformador na coleta 2. 89Figura 4.26:Grfico das Amplitudes da varivel espessura da tinta na tampa do
transformador na coleta 3. 90Figura 4.27: Grfico para Medidas Individuais da varivel espessura da tinta na
tampa do transformador na coleta 3. 90Figura 4.28 : Apresentao grfica da perda na Pintura da tampa do transf. 92Figura 4.29: Grfico das Amplitudes da varivel espessura da tinta no suporte do
transformador na coleta 1. 93Figura 4.30: Grfico para Medidas Individuais da varivel espessura da tinta no
suporte do transformador na coleta 1. 93
Figura 4.31: Grfico das Amplitudes da varivel espessura da tinta no suporte dotransformador na coleta 2. 94
Figura 4.32: Grfico para Medidas Individuais da varivel espessura da tinta nosuporte do transformador na coleta 2. 94
Figura 4.33: Grfico das Amplitudes da varivel espessura da tinta no suporte dotransformador na coleta 3. 95
Figura 4.34 Grfico para Medidas Individuais da varivel espessura da tinta nosuporte do transformador na coleta 3. 95
Figura R1: Grfico Normal de probabilidade na 1 coleta no Radiador. 111Figura R2: Grfico Normal de probabilidade na 2 coleta no Radiador. 111Figura R4: Grfico Normal de probabilidade na 3 coleta no Radiador. 111Figura C1: Grfico Normal de probabilidade na 1 coleta no Corpo. 112Figura C2: Grfico Normal de probabilidade na 2 coleta no Corpo. 112Figura C3: Grfico Normal de probabilidade na 3 coleta no Corpo. 112Figura T1: Grfico Normal de probabilidade na 1 coleta na Tampa. 113Figura T2: Grfico Normal de probabilidade na 2 coleta na Tampa. 113Figura T3: Grfico Normal de probabilidade na 3 coleta na Tampa. 113Figura S1: Grfico Normal de Probabilidade na 1 Coleta no Suporte. 114Figura S2: Grfico Normal de Probabilidade na 2 Coleta no Suporte. 114Figura S3: Grfico Normal de Probabilidade na 3 Coleta no Suporte. 114
-
8/3/2019 Cep Em Pinturas
12/114
12
LISTA DE QUADROS
Quadro 2.1: Mtodo de Soluo de Problemas QC STORY. 29
-
8/3/2019 Cep Em Pinturas
13/114
13
LISTA DE TABELAS
Tabela 4.1: Funes dos funcionrios da Pintura dos Transformadores. 74Tabela 4.2: Limites de Controle dos Grficos X e AM fixados para a varivel
Espessura Radiador do Transformador. 83Tabela 4.3 Limites de Controle dos Grficos X e AM fixados para a varivelEspessura Tampa do Transformador. 91
-
8/3/2019 Cep Em Pinturas
14/114
14
LISTA DE SIGLAS E SMBOLOS
ARL Average Run LengthCCO Curva Caracterstica de Operaes
CEP Controle Estatstico de Processo
CMC Comprimento Mdio de Corrida
FCP - Faixa Caracterstica do Processo
ISO International Organization for Standardization
PDCA Plan, Do, Check, Act (Planejar Fazer Verificar Agir)
QC Story Mtodo de anlise e soluo de problemasSOP Standard Operation Procedure
AM Amplitude media
Cpk ndice de capacidade real do processo
Cp ndice da capacidade potencial do processo
LIC Limite inferior de Controle
LSC Limite Superior de controle
LIE Limite inferior especificado
K.S. - Kolmogorov Smirnov
S.W. - Shapiro-Wilk
-
8/3/2019 Cep Em Pinturas
15/114
15
1. INTRODUO
1.1. Consideraes Iniciais
As necessidades humanas pela qualidade existem desde o crepsculo da histria.
Entretanto, os meios para obter essas necessidades nos processos de gerenciamento
para a qualidade, sofreram imensas e contnuas mudanas (JURAN, 1973).
A abordagem americana para esse gerenciamento, seguiu a prtica dos pases
europeus colonizadores no continente norte-americano. Com a Revoluo Industrial
originada na Europa, acelerou-se o crescimento do nmero de estratgias tais como:
- Especificaes escritas para materiais, processos, bens acabados e testes.
- Mensuraes juntamente com instrumentos de medio e laboratrios para
testes.
- Padronizaes de vrias formas.
A partir de 1990 as empresas brasileiras comearam a enfrentar a competio de
produtos importados, desenvolvidos e produzidos em quantidade econmica,
aportando num mercado brasileiro em que na sua maioria, ainda no se preocupava
com a competitividade. Fez-se necessrio ento buscar idias e recursos para
continuar a sobreviver, criando condies necessrias para que houvesse um
despertar por parte das empresas, e dos executivos, em relao qualidade
(JURAN, 1993). De qualquer forma, a qualidade no futuro, se manifestar de forma
diferenciada conforme o tipo de indstria e a prpria empresa. Para algumas
empresas, o futuro ser a consolidao de um simples "5S" (deriva de cinco
palavras japonesas: Seiri-(arrumao), Seiton-(ordenao), Seisoh-(limpeza),Seiketsu-(asseio), Shitsuke-(autodisciplina) (CAMPOS F,1994), uma nova maneira
de conduzir uma empresa com ganhos de produtividade); e para outras ser a
gesto da qualidade mais o montante de produo e de sua coordenao, em toda a
cadeia de produo e consumo.
1.2. Importncia do Trabalho
No incio da dcada de oitenta, vrios executivos se alarmaram com o incio daavaliao da qualidade. Alguns constataram perdas considerveis para as suas
-
8/3/2019 Cep Em Pinturas
16/114
16
companhias e, portanto, queriam recuperar as perdas. Outros objetivavam manter a
crise longe de suas empresas. Havia ainda aqueles que, sentiram que a qualidade
deveria receber prioridade total, pois era a atitude certa a ser tomada.
Inmeras companhias iniciaram campanhas para priorizar a qualidade. De um
modo geral, tais companhias aumentaram efetivamente a conscientizao sobre a
mesma, a ponto de tomarem atitudes concretas para as quais esta se constitui, num
problema quase resolvido. Entretanto, nem sempre essa maior conscientizao
resultou numa mudana de comportamento.
Deve-se estar consciente, que um programa consistente de melhoria qualidade,
por si s, no suficiente. Ele deve envolver, amplo espectro de aes que vo
desde pesquisas e aes tcnicas, at a sensibilizao da mo-de-obra eparticipao no processo de controle da mesma (TOLEDO, 1987).
Por serem os mtodos estatsticos, ferramentas eficazes para a melhoria de um
processo produtivo e reduo de seus defeitos, o contedo deste trabalho para a
analise da espessura da tinta na Pintura nos Transformadores (em duas camadas)
visando aplicao e implantao do CEP que constitui de real importncia, visto
que as tcnicas para a melhoria da qualidade, apontadas em particular no setor
desta Empresa de Transformadores, so deficientes, ficando restritas aos processosde medio da pintura, que apontam em alguns casos medies acima do intervalo
dos 30% admitido pela Empresa e, portanto muito acima do estipulado pelo
consumidor.
Assim a implantao do Controle Estatstico de Processo, na Pintura Industrial
nesta Empresa de Transformadores, constitui-se uma tentativa de evitar-se prejuzo.
At porque em sabendo-se utilizar este instrumento de controle de qualidade de
forma coerente, poder ser uma excelente arma competitiva j que os tempos atuaisrequerem mais informaes e recursos para se enfrentar condies instveis e
inesperadas.
E por fim, tem se as Empresas certificadas pela ISO 9000, que na ltima verso
(2000), incrementaram o Controle de Qualidade tendo como base o CEP. A empresa
em estudo enquadra-se nessa ltima categoria, e assim sendo, o presente trabalho
vem de encontro s suas aspiraes, no s da melhoria contnua dos processos,
como tambm da reavaliao da certificao.
Este trabalho poder ainda ser fonte de consulta, para aqueles que desejam
-
8/3/2019 Cep Em Pinturas
17/114
17
1.3. Objetivos
1.3.1. Objetivo Geral
Implantar tcnicas de Controle Estatstico de Processos na pintura industrial emtransformadores, a fim de identificar possveis problemas no processo na busca da
melhoria contnua da qualidade.
1.3.2. Objetivos Especficos
Encontrar e definir as caractersticas mais importantes da qualidade que sero
submetidas ao CEP.
Elaborar e interpretar os de controle para melhorar o desempenho do processo.Avaliar e implantar ferramentas estatsticas para melhorar os resultados.
1.4. Delimitaes do Trabalho
Face diversificao de clientes com que comercializa, tanto em territrio
brasileiro quanto no exterior exige, por conseguinte, especificaes e tipos de
transformadores bastante distintos. Associada a esta situao, de que, a empresa
trabalha sob o regime de encomendas, estabelece-se em muitos casos, a
interrupo temporria no processo de fabricao e pintura de determinados tipos de
transformadores, no sendo possvel por esse motivo programar uma demanda
constante.
No que cabe aos recursos humanos, com nfase para o setor objeto deste
trabalho, uma grande parcela dos funcionrios tm apenas o ensino fundamental
(incompleto), no existindo por parte dos mesmos o conhecimento estatstico e de
ferramentas de melhoria da Qualidade.
1.5. A Estrutura do Trabalho
O presente trabalho apresentado em seis captulos, com o resumo de cada um
deles a seguir:
Captulo l - Apresenta a introduo do trabalho, com a justificativa da sua
realizao, a importncia, os objetivos, sua estrutura e limitaes do mesmo.
Captulo II Descreve os conceitos de: Pintura Industrial, Controle Estatstico de
Processo, e a aplicao da pintura em indstrias. Inclui tambm, tcnicas
-
8/3/2019 Cep Em Pinturas
18/114
18
estatsticas utilizadas para seu melhor entendimento e aplicao.
Captulo III Concentra-se e detalha-se a Metodologia proposta para aplicao
do Controle Estatstico de Processo, explanando o procedimento da montagem e
anlise dos grficos de controle e tambm do clculo dos ndices.
Captulo IV Apresenta a aplicao da Metodologia, iniciando-se pela
caracterizao da Empresa, mostrando o sistema de Coleta de Dados, seleo da
Linha Piloto e das caractersticas de Qualidade do produto em estudo. Contm os
grficos de controle, ndices e sua avaliao, com os resultados do Trabalho e as
sugestes para a Empresa.
Captulo V Contm os grficos de controle, os ndices e sua avaliao. Expe a
concluso e a Limitao do Trabalho.Referncias - Contm os autores utilizados para o desenvolvimento deste
trabalho.
Apndice Apresenta o instrumento utilizado para a coleta dos dados, os dados
coletados e como foi verificada a normalidade antes da construo de cada Grfico.
-
8/3/2019 Cep Em Pinturas
19/114
19
2. REVISO LITERRIA
Os mtodos estatsticos so conhecidos a partir da Revoluo Industrial ao ser
introduzido o termo controle de qualidade, mas a partir da 2 Guerra Mundial o
Controle Estatstico da Qualidade foi adotado para a reduo de peas defeituosas
na Indstria blica, que ao envolver o Controle Estatstico de Processo houve uma
enorme melhora.
A seguir apresentado um histrico da pintura industrial, da qualidade, seguido
pelo conceito de controle de qualidade, processo, controle de processo, reviso de
conceitos estatsticos, CEP, conceito e interpretao e anlise de grficos.
2.1. Pintura Industrial
O ao tem-se consolidado como um dos principais materiais de construo
industrial, mas que devido corroso, o sucesso de sua aplicao decorre do
emprego de revestimentos eficazes. Entre estes revestimentos destaca-se o
revestimento por pintura, o qual, por ter entre outras caractersticas, a funo
anticorrosiva, aplicado diretamente sobre a superfcie que se pretende proteger.
A pintura industrial se constitui por isso num mtodo de proteo anticorrosiva, de
maior utilizao na vida moderna, com larga utilizao nas construes e objetos
confeccionados em ao.
difcil precisar quando se usou pela primeira vez, a tinta como elemento
determinante de proteo anticorrosiva, mas o fato que muito se evoluiu no fim do
sculo XIX e no incio do sculo XX, quanto formulao de tintas. Em todo o
mundo, tm-se hoje inmeras formulaes de tintas diferentes, fabricadas com
matrias-primas das mais diversas, e que atendem s condies mais adversas
possveis a que ficam expostas as estruturas de fabricadas com ao.
O esquema da pintura destina-se primordialmente a proteger a superfcie onde a
mesma aplicada, da ao corrosiva do meio (NUNES; LOBO, 1990).
O bom resultado da pintura depender, todavia, da observncia de fatores
bsicos, sem os quais no haver proteo adequada, por longo perodo, a custo
compatvel com o valor e o tempo de vida esperada para a estrutura. Para tanto
tero que ser definidos no s os fatores ou requisitos que determinam suas
-
8/3/2019 Cep Em Pinturas
20/114
20
propriedades depois da aplicao, como tambm o seu desempenho ao longo do
tempo, e respeitando-se ainda a determinados passos, por ocasio da aplicao da
tinta, e que resumidamente descrito a seguir:
- Preparao da superfcie:Tem por finalidade remover leos, graxas, gorduras e
principalmente produtos de corroso. Esta limpeza uma fase de extrema
importncia, pois as tintas sempre exigem, antes de sua aplicao uma preparao
da superfcie, de modo a haver, um perfeito contato com a mesma. Visa tambm
criar um perfil de rugosidade capaz de facilitar a adeso mecnica da tinta.
- Aplicao da tinta de fundo ou primer: So aplicadas em uma ou mais demos,
e caracterizam-se normalmente por serem as responsveis pela proteo
anticorrosiva. A maioria dessas tintas pigmentada com pigmentos de propriedadesanticorrosivas, garantindo no contato com a superfcie metlica, maior eficcia contra
a corroso. H casos onde a tinta de fundo apenas facilita a adeso ou a aplicao
do esquema da pintura.
- Aplicao da tinta de acabamento:Aplicadas em uma ou mais demos. Tm
como objetivo no s conferir a cor final ao equipamento, como funcionam ainda
como uma primeira barreira entre o eletrlito e a tinta de fundo, sendo conveniente
que estas pelculas de tinta sejam bastante impermeveis.Para que a pelcula de tinta cumpra a sua finalidade de proteo anticorrosiva, deve
apresentar uma espessura mnima em funo da natureza da tinta usada e da
agressividade do meio corrosivo, pressupondo a seleo adequada no esquema de
pintura para o meio indicado. As espessuras recomendveis para os vrios meios
corrosivos e nas quais se enquadram as especificaes para a espessura de tinta
nos transformadores so:
- atmosfera pouco agressiva- 120 m.
- atmosfera medianamente agressiva- 160 m.
- atmosfera altamente corrosiva- 250 m.
- superfcies quentes- 75 120 m.
Em se tratando de pintura industrial, a abordagem ideal do parmetro qualidade
na aplicao das tintas maximizar as aes de preveno de defeitos, objetivando
garantir que a qualidade prevista para o esquema de pintura possa ser efetivamente
alcanada (NUNES; LOBO, 1990). E o mesmo autor, conclui ainda que o estudoatual, em termos de qualidade de um esquema de pintura, no se deve limitar s
-
8/3/2019 Cep Em Pinturas
21/114
21
tradicionais aes de deteco de defeito (controle da qualidade) e sim maximizar as
aes de preveno de defeitos, tambm conhecidas como administrao da
qualidade.
Na rea da pintura o desenvolvimento tecnolgico colocou disposio dos
usurios tintas de timo desempenho, mas que necessitam de maiores cuidados na
aplicao. No raro observar-se esquemas de pinturas que teoricamente seriam
de grande desempenho, falharem muito rpido por m qualidade da aplicao
(NUNES; LOBO, 1990).
A definio da qualidade, num esquema de pintura durante a aplicao,
explicitar as propriedades e o desempenho esperado. Deve-se definir o preparo da
superfcie (grau de limpeza e rugosidade), a especificao das tintas (desempenho,natureza qumica etc.), as espessuras de demo, os intervalos entre uma demo e
outra e os ensaios a serem realizados, em um esquema aplicado, com os resultados
a alcanar. Apesar dos ensaios que devem ser realizados no final da aplicao
contemplarem uma srie de aes de controle final, uma srie de outras aes de
preveno de defeitos, deve ser implementada, o mais rpido possvel, pois quanto
mais cedo detectado qualquer defeito, menor a repercusso em termos de gastos
com material e mo de obra, re-execuo de trabalhos e lucros cessantes a fim deevitar que os mesmos sejam identificados apenas no final da aplicao. Outra
medida certificar-se que o esquema da pintura explicitado adequado s
particularidades do meio ambiente e das condies do equipamento que est sendo
pintado. Certificar-se igualmente se as tintas a serem utilizadas na aplicao, esto
em conformidade com o especificado. O treinamento e a capacitao do pessoal,
abrangendo principalmente os jatistas, os pintores, supervisores ou encarregados de
campo, deve abranger conceitos tericos e prticos (NUNES; LOBO, 1990).
2.2. Conceito de Qualidade.
A segunda metade do sculo vinte consolida-se pelo crescimento explosivo dos
bens e servios no s em volume como tambm em complexidade. Surgem,
grandes Indstrias, para produzir, vender e manter bens ao consumidor.
Os anos 50 caracterizam-se por serem um perodo de solidificao dos sistemas
MIL-STD-105, MIL-STD-414 e H107/108, das Tabelas de Planos de Amostragemsimples, dupla e mltipla para a avaliao da qualidade por atributos e variveis e
-
8/3/2019 Cep Em Pinturas
22/114
22
produo contnua. um perodo que corresponde igualmente adaptao das
normas militares indstria em geral. O conceito de qualidade refora-se ainda mais
com o advento da qualidade no Japo e sua enorme popularizao, tendo como
referncia os trabalhos de Deming e Juran, em 1955, e de Ishikawa, que
introduziram as tcnicas de controle de processos.
Os anos 60, 70 e 80 so perodos definidos pelo surgimento do conceito de
Controle de Qualidade Total, sendo expandido o conceito de qualidade para toda a
empresa, antes restrita ao cho de fbrica.
Surge no Japo o conceito dos crculos de qualidade, dentro de um modelo que
viria mais tarde a ser conhecido como a abordagem participativa da qualidade.
Aparecem ainda os diagramas de causa e efeito e os de controle de variaes emprocessos produtivos, com os mtodos de Taguchi (1976, 1977).
O advento do computador se constitui como ferramenta determinante e facilitador
no uso de tcnicas estatsticas.
Por sua vez o consumidor adota cada vez mais, um comportamento que associa
preo e qualidade. Tanto que as leis de proteo ao consumidor e suas evolues
refletem essa tendncia.
Espelhando essa associao (preo, qualidade e consumidor), destacamos aquialguns conceitos de qualidade, transcritos em ordem cronolgica e extrados de
alguns dos maiores estudiosos no assunto:
Qualidade quer dizer, o melhor para certas condies do cliente. Essas condies
so: o verdadeiro uso e o preo de venda (FEIGENBAUM, 1986).
Qualidade o atendimento s expectativas do usurio (NUNES; LOBO, 1990).
Um produto ou servio de qualidade aquele que atende perfeitamente de forma
confivel, de forma acessvel, de forma segura e no tempo certo, s necessidadesdo cliente (CAMPOS, F. 1992).
nova a tendncia de quantificar a capacidade de um processo e de padronizar os
mtodos, ferramentas e terminologia. Hoje em dia, a idia muito aceita que
empresas que empregam essa quantificao da capacidade do processo durante o
planejamento de qualidade, tero melhores desempenhos do que as que no a
empregam. O principal efeito reside nos custos. Geralmente, mais qualidade custa
menos (JURAN, 1995). Com o planejamento da qualidade, eliminam-se aes improvisadas, decises
-
8/3/2019 Cep Em Pinturas
23/114
23
custa mais. Apesar de melhoramento da qualidade no vir de graa, a sua finalidade
de criar e manter uma empresa saudvel, crescente e lucrativa com empregos
estveis. A vantagem mais evidente do emprego de polticas da qualidade bem
definidas diz respeito a um processo consistente de operao da empresa.
Trabalhar-se de forma planejada, bem definida e de modo a otimizar o uso dos
recursos, reflete em reduo de custos tanto pela eliminao de desperdcio, que
requerem correes, quanto pela necessidade de alterar decises que se mostram
equivocadas (PALADINI, 1999).
Em decorrncia da expanso comercial, a tecnologia foi aumentando, e
ferramentas e conceitos foram inventados para o gerenciamento da qualidade.
Os grficos que sero apresentados a seguir fazem parte do grupo dos 7Instrumentos do CEP, tambm chamados de - 07 grficos teis para a qualidade no
mtodo Deming de administrao:
- Diagrama de Disperso: utilizado para representar graficamente a relao entre
duas variveis, com intuito de mostrar se existe ou no correlao entre as mesmas.
- Grfico Corrido ou Diagrama de linha: utilizado para representar graficamente
uma srie temporal, identificando assim se existe ou no tendncias.
- Histograma: um diagrama de colunas onde mostra com que freqncia osdados esto dentro de intervalo de valores especificados. Sendo possvel obter
informaes teis dos dados atravs da anlise do perfil do histograma.
- Fluxograma: uma representao grfica atravs de smbolos onde mostra as
fases ou etapas do funcionamento de um processo. a fotografia do processo. A
vantagem de sua utilizao que esta fotografia pode mostrar duplicidade,
desentendimento, ou mesmo ineficincia.
- Diagrama de Pareto: utilizado para mostrar reas onde devem ser concentradosmaiores esforos nospoucos e vitais deixando de lado os muitos e triviais, ou seja,
para descobrir problemas maiores.
- Diagrama de Causa e Efeito (utilizado para mostrar a relao entre uma
caracterstica da qualidade e os fatores de causa de um processo, ajudando assim a
identificar qual a causa de fundamental importncia est afetando o processo).
Tambm chamado de espinha de peixe ou mesmo Ishikawa (Professor da
Universidade de Tquio que utilizou este mtodo em 1953, quando sintetizou as
opinies dos engenheiros de uma fbrica na forma de causa e efeito, ao discutirem
bl l ti lid d )
-
8/3/2019 Cep Em Pinturas
24/114
24
- Grficos de Controle: utilizado para analisar e monitorar a variabilidade do
processo.
Ao considerar a qualidade adequao ao uso Juran cr que preciso trabalhar
para quebrar o muro do preconceito, desenvolver uma atmosfera de cooperao e
de entendimento. Para a melhoria da qualidade desenvolveu a seguinte seqncia:
- Do sintoma para a causa; da causa para a soluo.
- A mdia gerncia o foco da filosofia.
- fortemente orientada para as necessidades e expectativas dos clientes.
- Para estabelecer um efetivo programa de CEP a mudana de atitude deve ser o
primeiro passo.
- Acredita que necessrio o engajamento de todas as pessoas para a melhoriados programas de qualidade, inclusive a alta administrao.
- O treinamento em CEP deve ser providenciado para todos na empresa;
- Sugerem a criao de comits permanentes e temporrios, os chamados
braos de guia e de diagnstico.
Em geral, a condio bsica para o sucesso da qualidade o total
comprometimento da administrao nas idias e objetivos. Isto se refere ao
envolvimento de todas as pessoas envolvidas no processo desde a cpulaadministrativa at o pessoal de base.
Alm do que a qualidade, em se tratando de um processo evolutivo, obtido a
partir de aes concretas, cada vez mais amplas e efetivas, envolvendo a todos. De
cada um espera-se resultados que devem ser bem definidos e conhecidos,
requerendo base tcnica e exigindo competncia de quem se prope a produzi-la. A
ao pela qualidade abrangente, participativa, compulsria (PALADINI, 2000).
A busca da melhoria da qualidade deve ser contnua, permitindo assimreconhecer os problemas, priorizar aes corretivas, implant-las e dar seqncia,
agindo preventivamente. So vrias as ferramentas para fornecer as melhorias, mas
uma das principais, o emprego de tcnicas estatsticas. Sendo assim,
imprescindvel a constante pesquisa das causas de problemas, e dos caminhos para
obteno da melhoria.
2.3. Conceito de Controle de Qualidade.
Historicamente, - Controle de Qualidade, iniciou-se na Industria com a
-
8/3/2019 Cep Em Pinturas
25/114
25
implantao do Taylorismo, nos fins do sculo XIX, quando, a Gerncia, passou a
incorporar as atividades de planejamento e controle, para atender as necessidades
por que passava o capitalismo industrial, sintetizando idias em desenvolvimento na
Inglaterra e nos EUA, orientando uma nova Gerncia do trabalho (TOLEDO, 1987).
A Engenharia de Qualidade que tem origem na aplicao de mtodos estatsticos
para o controle da qualidade uma das estratgias que surgem para lidar com as
foras de volume e complexidade. Seus trabalhos pioneiros iniciaram-se nos anos
vinte, tanto na Bell Telephone Laboratories, um departamento responsvel pela
qualidade no qual encontrava-se W.A. Shewhart, quanto em Hawthorne Works, da
Western Electric Company, que tinha entre seus membros, Juran.
O primeiro, (Shewhart) usou recursos estatsticos para desenvolver seus grficosde controle, da seguinte forma:
- Props o seu uso, para a anlise de dados resultantes de inspeo, fazendo
com que a importncia dada inspeo, para deteco e correo de produtos
defeituosos, fosse substituda pelo estudo e preveno dos problemas relacionados
qualidade, de modo a impedir que produtos defeituosos fossem produzidos. E isto
atravs de uma metodologia grfica que determinava rapidamente quando o
processo est fora do controle, sendo o processo ento investigado para determinaras causas dessa condio anormal.
Com a segunda Guerra Mundial, o controle de qualidade foi aplicado por um
maior nmero de indivduos americanos, na produo de suprimentos militares de
boa qualidade, em grande quantidade e mais baratos, de modo a atender as
exigncias das condies do perodo da guerra. Nesta poca os procedimentos para
o controle de qualidade foram publicados sob formas de normas entre estas as
American War Standarts Z1. 1- Z1.3. J para a elaborao dos padres NormativosBritnicos (British Standard BS600), os trabalhos de E. S. Pearson foram utilizados
como base (WERKEMA, 1990).
Aps a segunda Guerra Mundial, restava aos japoneses a parte comercial, para
os quais a capacidade de produo mesmo antes da Guerra, j competia em preo,
mas era deficitria em qualidade. Assim quer pela iniciativa das foras de ocupao
em adotarem programas de gerenciamento para a qualidade (que tiveram
dificuldades de implantao em razo das diferenas de cultura), quer pelo envio de
equipes ao exterior para visitar e estudar abordagem em empresas estrangeiras,
b l i d i tit d h i
-
8/3/2019 Cep Em Pinturas
26/114
26
pesquisadores (JUSE: Union of Japonese Scientists and Engineers) e convidando
conferencistas estrangeiros para ir ao Japo de modo a conduzir cursos, seminrios
(entre estes, W. E. Deming em 1950 e J.M. Juran em 1954). Tais aes permitiram
que no Japo, fosse desenvolvido um mtodo que levava em conta as diferenas
(fatores culturais e humanos) existentes entre este e os paises ocidentais e cuja
evoluo deu origem ao Controle de Qualidade Total no estilo Japons. A partir da
o controle de qualidade passou a ser entendido e utilizado como uma ferramenta
administrativa.
As atividades bsicas de controle da qualidade, ao nvel da fbrica, esto nas
repeties de anlise e melhoramentos, para reduzir as variaes de qualidade. Faz-
se necessrio ento determinar a magnitude das variaes atuais e, prosseguir comos fatores que as causam (KUME, 1993).
No controle de qualidade analisa-se, pesquisa-se e previne-se a ocorrncia de
defeitos, minimizando o prejuzo ou, melhor ainda, evitando que este acontea. Para
tanto, os melhoramentos de qualidade acontecem atravs de um projeto,
identificando como um problema programado a ser resolvido. Com a evoluo do
controle de qualidade, este permitir no s que a empresa reduza a freqncia de
erros, do re-trabalho, das falhas de campo, de despesas com garantia, insatisfaodos clientes, como tambm aumente o rendimento, a capacidade, o desempenho de
entrega. Praticar um bom controle de qualidade desenvolver, projetar, produzir e
comercializar um produto de qualidade que seja mais econmico, mais til e sempre
satisfatrio para o consumidor (ISHIKAWA ,1989; 1993).
O Controle da qualidade aqui abordado com trs objetivos:
A)- Planejar a Qualidade - um esforo para localizar, saber as necessidades, e
traduzi-las em caractersticas mensurveis, para ser possvel gerenciar o processode atingi-las.
B)- Manter a Qualidade - Cumprir padres e atuar na causa dos desvios,
utilizando um mtodo para manter resultados que se visa: estabelecimento do
padro de qualidade; estabelecimento dos procedimentos padro; trabalho de
acordo com os padres sendo que as pessoas devem ser treinadas em manter o
valor padro; definir as medidas a serem feitas: temperatura, espessura, etc; definir
os padres de verificao; verificar se existem no conformidades em relao aos
padres de verificao, e as causas de no conformidades que devem ser
li i d d i di t S f id d i
-
8/3/2019 Cep Em Pinturas
27/114
27
procedimentos padres devem ser alterados. Entretanto se forem ocasionais deve-
se conduzir uma anlise de falhas para localizar a causa, e este evento deve ser
registrado para anlise futura.
C)- Melhorar a Qualidade - Estabelecer novos padres de qualidade, visando um
produto, um servio melhor, mais barato, de maior facilidade de manuteno, mais
seguro. Utilizar-se de um mtodo para redirecionar o processo. O mtodo pea
fundamental para o controle de qualidade a ser exercido (CAMPOS, F. 1992).
bom ressaltar a diferena entre mtodo e ferramenta. O mtodo a seqncia
lgica para atingir a meta desejada. A ferramenta o recurso a ser utilizado no
mtodo. No adianta conhecer as ferramentas do controle da qualidade se o mtodo
no dominado. O que soluciona os problemas, no so as ferramentas, mas omtodo. O mtodo aqui proposto para a soluo dos problemas o QC STORY e
abordado no item 2.5. Mas necessrio primeiramente ter uma noo do que um
processo.
2.4. Conceito de Processo
Pode se observar a seguir a definio de processo, segundo o pensamento de
certos autores.
- Processo um conjunto de causas (que provoca um ou mais efeitos). Sendo as
causas os equipamentos de medio: as mquinas, as matrias primas, a
luminosidade do local, mo de obra treinada, o mtodo de fabricao com o objetivo
de chegar a algum efeito (CAMPOS, F. 1992).
- Processo uma srie sistemtica de aes direcionadas para a consecuo de
uma meta (JURAN, 1995).
- Processo qualquer conjunto de condies ou causas que agindo juntas,geram um dado resultado (PALADINI, 1997).
- Processo num conceito mais amplo uma combinao de causas: Insumos
(matria-prima), Mtodos ou Procedimentos, Informao do processo ou medidas,
Pessoas (mo de obra), Condies Ambientais (meio ambiente), Mquinas e
Equipamentos, tendo como objetivo a fabricao de um bem ou fornecimento de um
servio. Ainda assim, um processo pode ser dividido em processos menores, cuja
divisibilidade deste, importante porquanto permite que cada processo menor(subdividido) seja comparado separadamente. Desta forma, fica facilitada a
-
8/3/2019 Cep Em Pinturas
28/114
28
localizao de possveis problemas e a atuao nas causas do problema, resultando
num controle mais eficiente de todo o processo (WERKEMA, 1995). A
caracterizao desse processo est apresentada a seguir.
InformaesMtodos ouProcedimentosInsumos
Pessoas CondiesAmbientais Equipamentos
EFEITO
PROCESSO Fatores de causa.
PRODUTOCARACTERSTICAS
DA QUALIDADE
do Processo ou Medidas
Figura 2.1: Caracterizao de um processo atravs do Diagrama de Ishikawa.
Fonte: Adaptado de Ishikawa (1993)
Observa-se ento, que em geral, todas as definies acerca de processo,
apresenta-se de forma sucinta como, um conjunto de causas que tm como objetivo
produzir um determinado efeito, o qual denominado produto do processo.
Para melhor conhecimento de um processo se faz necessrio conhecer o
passado recente, ter uma viso histrica de seu desempenho, para em seguida se
fazer uma previso do processo, e a partir desta, desenvolver o controle sobre suas
aes, sendo assim possvel definir o que preciso fazer, qual seja em alterar oprocesso, aumentar a intensidade do controle, ou permanecer como est,
prevenindo ento: defeitos, desperdcios, reduo de custos. Assim com esse
conhecimento torna se vivel ento o Controle do Processo que ser visto a seguir.
2.5. Conceito de Controle de Processo
So procedimentos adotados para avaliar, manter e melhorar padres de
qualidade nos diversos estgios de fabricao. Estes procedimentos e tcnicas de
controle de processo so feitos para garantir a qualidade de forma econmica As
-
8/3/2019 Cep Em Pinturas
29/114
29
tcnicas de controle de processos ajudam a avaliar padres de processos em
termos de dimenses, refugo, re-trabalho entre outras coisas; estudam o
comportamento dos processos e com isso ajudam a manter padres sempre que
apropriados. Caso no seja apropriado, faz-se ao corretiva para retornar o
processo ao padro desejado, ajudando a embutir a qualidade no produto, e ento
exercendo o controle sobre o processo (PARANTHAMAN, 1990).
Manter estes procedimentos e tcnicas sob controle saber localizar o problema,
analisar o processo para identificar as causas fundamentais dos problemas,
padronizar para prender as causas fundamentais, e estabelecer itens de controle
para que o problema nunca mais ocorra (CAMPOS, F. 1992).
O QC STORY um mtodo de Soluo desses problemas, sendo apresentadoa seguir no Quadro 2.1.
Quadro 2.1: Mtodo de Soluo de Problemas QC STORY.
Fonte: Campos F. (1992)
PDCA FLUXO FASE OBJETIVOGRAMA
Identi ficao do prob lema Defini r c laramente o prob lema e reconhecer sua importnc ia .
Observao Investigar as caractersticas especficas do problema com
P viso ampla e sob vrios pontos de vistaAnlise Descobrir as causas fundamentais
Plano de ao Conceber um plano para bloquear as causas fundam entais.
D Ao Bloquear as causas fundamentais.
Verificao Verificar se o bloqueio foi efetivo.
C (Bloqueio foi efetivo?)
Padronizao Prevenir contra o reaparecimento do problema.
AConcluso Recapitular todo o processo de soluo do problem a
para retrabalho futuro.
6
1
7
3
4
5
8
2
?N
S
Pode ser visto em Campos, F. (1992, p.29) que o controle de processo exercido
atravs do Ciclo PDCA (PLAN DO CHECK - ACT) de controle de processos com
o seguinte significado:
(P) - Planejamento - Consiste em estabelecer metas sobre os itens de controle e
estabelecer o caminho para atingir essas metas.
(D) - Execuo Consiste em executar as tarefas exatamente como previstas no
plano de coleta de dados para a verificao do processo. essencial o treinamento
no trabalho, decorrente da fase de planejamento.
(C) - Verificao - A partir dos dados coletados na execuo compara-se o resultado
-
8/3/2019 Cep Em Pinturas
30/114
30
alcanado com a meta planejada.
(A) - Atuao Corretiva- Onde o usurio detectou desvios, atuar no sentido de fazer
correes definitivas, para que o problema no mais ocorra.
Este ciclo pode ser utilizado para manter e melhorar as diretrizes de controle de
um processo. Utilizado para a manuteno do nvel de controle estabelecido pela
diretriz de controle onde a meta a faixa de valores e o mtodo o Procedimento
Padro de Operao (standard operation procedure SOP).
Como ser visto na figura 2.2 (vide pgina a seguir), o ciclo PDCA empregado
tambm nas melhorias do nvel de controle. No sendo repetitivo, o plano consta de
uma meta que um valor definitivo e de um mtodo que compreende procedimentos
prprios para atingir a meta, sendo esta meta, um novo nvel de controle pretendido.O caminho para o sucesso, em se tratando de melhorias contnuas : conjugar os
dois tipos de gerenciamento - manuteno e melhorias.
Atente-se ao fato de que, os operadores ocupam a maior parte do tempo
cumprindo padres e devem ser preparados, sob a responsabilidade de suas
chefias, treinando-os segundo as diretrizes de controle sem o que, conscientes da
importncia do estabelecimento de diretrizes de controle, deixaro todo o controle de
processo prejudicado, tornando o gerenciamento de pssima qualidade (CAMPOS,F. 1994). Ainda segundo Campos, F. (1994, p.37), no somos competitivos
internacionalmente, a julgar pelos resultados das empresas brasileiras, pois esto
jogando de 20% a 40% do seu faturamento, em perdas pelo descontrole.E no se
pode atribuir aos operadores, a culpa. Por conseguinte toda a empresa tem por
objetivo, melhorar os resultados sendo extraordinariamente motivador, quando bem
conduzido. Portanto o princpio do conceito de controle diz que, para melhorar,
necessrio manter a diretriz de controle. Esta diretriz de controle pode ser observadano Ciclo PDCA utilizado para Melhorar Resultados apresentados na Figura 2.2, onde
aplica-se o Plan, Do, Check e Action com acompanhamento da manuteno,
verificando a estabilizao do processo continuamente, e caso o mesmo no ocorra,
bloqueia-se as causas que levaram a este resultado, entrando com aes corretivas,
fazendo um acompanhamento continuo visando a melhoria do processo.
-
8/3/2019 Cep Em Pinturas
31/114
31
Figura 2.2: Detalhamento do ciclo PDCA nos ciclos de manuteno e melhorias
CHECK ACTION
DO MANTM
MELHORA
IDIAS
PLAN
ACTIONBLOQUEIO
NORESULTADO ACOMPANHA
REM.SINTOMAACTION
CAUSA
SIM
MELHORIAS
MANUTENO
Fonte: Campos F. (1992, p.36).
A utilizao deste ciclo, para melhorar as diretrizes de controle, a grande
responsabilidade de todas as chefias. Este mtodo possivelmente o mais
importante, e deveria ser dominado por todas as pessoas da empresa, desde o
Presidente aos Operadores.
2.6. Coleta de Dados
Sendo os dados, a base para a tomada de decises confiveis durante a anlise
de um problema, e como toda a obteno de dados deve ser seguido por algum tipo
de ao, importante ficar claro quais so os objetivos da coleta, j que esses
indicaro as caractersticas que os dados devero apresentar (WERKEMA, 1995).
Dados so um guia para nossas aes. A partir deles aprende-se os fatos
pertinentes, e tomam-se providncias baseadas em tais fatos (KUME, 1993).
Uma vez definido o objetivo da coleta de dados, os tipos de comparaes a serem
realizadas tambm so determinados e, por sua vez identificados o tipo dos dados a
serem coletados (por exemplo: se por ocasio em que estiver sendo analisada a
espessura da camada de tinta, e observar-se que a espessura da pintura de
acabamento de um pintor mais espessa que do outro, conveniente que alm de
se anotar essa espessura, identificar o pintor, de modo a facilitar uma anlise futura
desse processo). O uso de mais ferramentas estatsticas como a Folha de
Verificao Fluxograma Diagrama de Pareto e o Diagrama de Ishikawa se faz
-
8/3/2019 Cep Em Pinturas
32/114
32
necessrio.
A folha de verificao um formulrio de papel no qual os itens a serem
verificados j esto impressos, para que os dados possam ser coletados de forma
fcil, rpida e concisa, otimizando assim, a coleta de dados e de forma organizada,
facilitando assim sua utilizao mais tarde.
Por sua vez na coleta dos dados se fazem necessrios alguns cuidados entre
estes: a preciso dos instrumentos, as normas de medio observadas e
padronizadas, a pessoa encarregada da coleta que dever ser treinada
anteriormente. Aps as informaes sobre a coleta de dados se faz necessrios
alguns conceitos para o estudo dos mesmos, que sero visto a seguir.
2.7. Reviso dos Conceitos Estatsticos de Normalidade
Segundo Montgomery (1997, p.57) A distribuio normal provavelmente a mais
importante distribuio na teoria e na aplicao estatstica. Talvez seja uma
simplificao muito grande dizer que chamado de distribuio normal, pois uma
distribuio que ocorre naturalmente nas variveis com normalidade. Mas verdade
que muitas distribuies de probabilidade com fenmeno da aleatoriedade so bem
prximas da normal (JOHN, 1990).
H alguns anos atrs, alguns estatsticos afirmavam com convico que se um
processo no fosse distribudo normalmente, havia algo errado com o mesmo, ou
at o processo estava fora de controle. Na viso deles, o grfico de controle era para
determinar quando um processo era no normal, para serem corrigidos e retornarem
a normalidade. A maioria dos estatsticos e doutores em qualidade reconhecem hoje,
que seu uso em estatstica s devido sua simplicidade (DISTRIBUTION, 2001).
A distribuio normal ou Gaussiana a distribuio de probabilidade maisimportante dentro da teoria estatstica, devido a sua grande aplicabilidade na
descrio de fenmenos da vida real.
Uma varivel aleatria contnua com distribuio de probabilidade normal tem a
seguinte funo de densidade:2
2
1
22
1)(
=
x
exf ,
-
8/3/2019 Cep Em Pinturas
33/114
33
o desvio padro da varivel aleatria. Assim, e >0.
-
8/3/2019 Cep Em Pinturas
34/114
34
6 8 , 2 6 %
1+ 2+
3+ 4+
1
2 3
4
L IC L S C
L M
L I N H A
IN F E R IO R D E
C O N T R O L E
L I N H A
M D IA
L I N H A
S U P E R I O R D E
C O N T R O L E
95,46%
99,73%
Figura 2.3: Relao entre a distribuio normal e os grficos de controle
Fonte: Adaptado de Paladini (1990, p.138)
O uso da curva normal associada com a frmula do valor de Z, muito utilizada
em estatstica, como um veculo de transformao para determinar a rea abaixo da
curva (que ser no mximo igual a um), ou seja, percentuais de itens ou
probabilidades e em grficos de controle.
Figura 2.4: Relacionamento da Curva Normal com grfico de controle de qualidade.
Para Paladini (1990, p.138) O processo estar sob controle estatstico se houver
forte concentrao de pontos ao redor da mdia: se isto no ocorrer, estar
configurada a ausncia de normalidade e, conseqentemente a ausncia de
normalidade, conseqentemente, a falta de controle.
-
8/3/2019 Cep Em Pinturas
35/114
35
importante checar a normalidade quando se usa o grfico de controle para
medidas individuais.
2.7.1. Verificao da Normalidade
A verificao da normalidade nos dados pode ser feita atravs de grficos e
testes estatsticos sendo esses instrumentos de diagnstico da existncia ou no de
controle como se pode verificar a seguir.
Um caminho simples para verificar a normalidade dos dados com a construo
do grfico normal de probabilidade. Este pode ser construdo normalmente por
pacote estatstico. Montgomery (1997, p.226) cita um exemplo de grfico normal de
probabilidade do pacote Statistica.
A seguir utilizando o pacote Statistica possvel visualizar um exemplo de
verificao de normalidade na Figura 2.4(A) atravs da distribuio de freqncia
dos dados confrontado com a curva de distribuio normal. O pacote Statstica
complementa este grfico disponibilizando testes de normalidade, que no exemplo
o teste de K.S., Shapiro-Wilk e Lillifors como sero vistos a seguir. Na Figura 2.4(B)
apresenta o grfico normal de probabilidade, considerando dados aleatrios.
( A )K-S d=.07153, p> .20; Lilliefors p> .20
Shapiro-Wilk W=.98348, p=.86491
130 140 150 160 170 180 190 200 210
VALORES DE X
01
2
3
4
5
6
7
8
9
10
FREQUNCIA
( B )
Normal P-Plot: Var1
130 140 150 160 170 180 190 200 210
VALORES DE X
-2,5-2,0
-1,5
-1,0
-0,5
0,0
0,5
1,0
1,5
2,0
2,5
VALORESESPERADOSPARA
UMA
DISTRIBUION
ORMAL
Figura 2.5: Grfico verificando a Normalidade dos dados
-
8/3/2019 Cep Em Pinturas
36/114
36
Existem tambm Testes Estatsticos para a verificao da Normalidade como, por
exemplo:
Teste de Kolmogorov-Smirnov (K.S.) de amostra - Segundo Campos, H. (1983,
p.39) e Siegel (1981, p.52) e Conover (1980, p.345) este teste verifica o grau de
concordncia entre a distribuio de um conjunto de valores amostrais (observados)
e determinada distribuio terica especfica, determinando-se os valores amostrais
que podem vir de uma populao com aquela distribuio terica, ou seja, este teste
tenta especificar a distribuio de freqncia acumulada que ocorreria sob a
distribuio terica e a compara com a distribuio de freqncia acumulada
observada, sendo a distribuio terica representada no que esperaria sob H0,
determinando o ponto em que as distribuies tericas e distribuies observadasapresentam maior divergncias, indicando se a distribuio amostral (observada)
nessa diferena mxima pode ser atribuda ao acaso. Admitindo que
F(x)= onde f(x) a funo de densidade de probabilidade da
distribuio normal. As hipteses so: H
)()( xXPdxxfX
=
0: F F 0 e H : F F 0 para ao menos um
valor de X. Rejeita se H0 se a Estatstica do Teste T for d (os valores de d so
tabelados). A Estatstica do Teste : T= sup
)(X)( SX F
Pode ainda a hiptese alternativa ser :H : F < F 0 ou H: : F> F 0
O Teste Kolmogorof-Smirnov usa toda informao presente no grupo de dados
(DANIEL, 1995).
Teste de Lilliefors - Segundo Conover (1980, p.357) amplia o uso com mdia e
a varincia estimada atravs dos dados amostrais, onde:
n
xx
n
ii
== 1 e ( )11
2
2
== n
xx
S
n
ii
obtendo a varivel reduzida
Zi =S
xxi , i=1,2,3...,n
A estrutura do teste anloga ao Kolmogorov-Smirnov onde definido como a
distncia mxima entre a funo de distribuio de X i e a funo distribuio normal,
mas calculado a partir de Zi em vez da varivel original. As hipteses so: H0: A
amostra aleatria tem distribuio normal com mdia e varincia desconhecida e
H : A funo de distribuio de X no normal. A aceitao de H 0 no indica que a
-
8/3/2019 Cep Em Pinturas
37/114
37
desconhecida.
A Estatstica do Teste semelhante de K.S. pois T= sup )()( XSXF onde
F (X) a funo da distribuio normal e S(X) obtida da amostra normalizada.
Teste de Shapiro-Wilk (S.W.)- um teste quantitativo para normalidade, e
mede a relao de linearidade entre os dados e os escores normais. S.W. o
coeficiente de correlao entre os dados de Xi e os valores dos dados de Zi
(TRANSFORMATION). A estatstica W que testa se uma amostra aleatria vem de
uma distribuio normal especfica. Valores pequenos de W evidenciam a
normalidade (SHAPIRO - WILK TEST). A estatstica do teste W obtida por:
( )( ) ( )( )
= 22
/ xxxaW iii ,
Neste teste se W significante a hiptese de que a respectiva distribuio normal
deve ser rejeitada (STATSOFT). Apesar do Teste de Shapiro-Wilk ser usado apenas
para n 50 alguns autores atestam que pode ser usado para n > 50 (CONOVER,
1980).
- Teste de Bera-Jarque - Este teste construdo com expresses para assimetria
e curtose onde:
Assimetria (ass) medida por : M3 / S3 = ( )3
3
Sx ,
Curtose (Curt) medida por : M4 / S4 =
( )4
4
S
x e
a estatstica de Bera-Jarque calculada por:( )
99,524
3
6* 22
22
+
curtassN ,
onde N o tamanho da amostra.
Caso a estatstica do teste resulte em valores maiores ou iguais a 5,99 o teste considerado falho, indicando a no normalidade (SAMOHYL; ROMAO, 2002),
fazendo se necessrio transformao de dados, como ser visto a seguir.
2.7.2. Necessidade da Transformao nos Dados
Caso os dados no sigam uma distribuio aproximadamente normal
conveniente transformar os dados originais de maneira que estes dados ao serem
transformados satisfaam a suposio de normalidade. Para Montgomery (1997,p.226) ao mostrar evidncia de no normalidade, os limites de controle do processo
-
8/3/2019 Cep Em Pinturas
38/114
38
em estudo podem no ser apropriados, sendo melhor determinar os limites de
controle para o grfico em medidas individuais baseado no percentil da correta
distribuio. Esses percentis podem ser obtidos de um histograma se a amostra for
ao menos de 100 observaes, sendo prefervel 200 observaes. Pode-se tambm
transformar a varivel original em uma nova varivel com distribuio
aproximadamente normal e ento construir o grfico de controle com a nova
varivel.
Segundo Rawlings (1998, p.239) existem muitas outras transformaes comuns
como: arcoseno, raiz quadrada e transformaes logsticas que foram desenvolvidas
para situaes nas quais as variveis j eram esperadas em no seguir uma
distribuio normal.Em situaes onde as observaes da amostra no seguem uma distribuio
normal, s vezes uma transformao algbrica das observaes pode alcanar
normalidade.
Y(transformada)= 1/Y; ln Y; eY ; Y2 ; Y3 ou qualquer outra transformao f(Y).
Transformao generalizada de Box-Cox: Y() =
1Yonde assume valores de -
3 a +3. Quase sempre algum valor de resulta em normalidade. Quando seaproximar de zero, ento o valor transformado lnY (SAMOHYL; ROMAO, 2002).
2.8. Controle Estatstico de Processo
O Controle Estatstico de Processo (CEP), procura detectar a existncia de erros,
falhos e desperdcios, e corrigi-los (PALADINI, 1997). O mesmo observa o defeito na
fonte, as suas causas, e atua de forma preventiva, combatendo o desperdcio antes
de sua ocorrncia. Fixa a sua ateno e age no processo, e no em caso exclusivo,
evitando defeito independente de onde ocorra, utilizando a Estatstica como
instrumento bsico para organizar, fazer um tratamento e anlise das informaes
do processo, permitindo assim a avaliao da qualidade. O CEP trata-se, por
conseguinte, de um conjunto de tcnicas, onde a experimentao prtica tem
aprovado, e recomendado para casos variados.
Na medida que se eleva o grau de controle de processos, e se avana nos
resultados das aes de melhoria contnua, sero necessrias abordagensestatsticas de maior sofisticao.
-
8/3/2019 Cep Em Pinturas
39/114
39
Para que o processo seja previsvel, necessrio que ele esteja sob controle.
(WERKEMA, 1995). Assim pode-se pensar no CEP como uma metodologia
experimental e prtica, com a finalidade de verificar-se os seguintes aspectos:
Conhecimento do processo;
Fidelidade dos dados coletados representados pelos grficos de controle;
Estabelecimento de critrios para verificar qual o comportamento das
mudanas de condies calculadas pelo CEP, ou seja, verificar se as alteraes so
causadas por variaes inerentes ao sistema e se sero estveis atravs do tempo
ou se ocorrem ocasionalmente.
Sendo o controle estatstico da qualidade, parte do controle de qualidade, tem a
coleta, a anlise e interpretao de dados, a finalidade em diagnosticar e resolverum problema particular. So primordiais ento, alguns conceitos estatsticos que so
elencados a seguir.
2.8.1. Subgrupos Racionais.
Subgrupo Racional simplesmente uma amostra na qual todos os itens so
produzidos sob condies onde apenas variaes (causas) comuns so
responsveis na variao observada (NELSON, 1988).A formao de subgrupos a parte mais importante na preparao de um grfico
de controle na determinao do seu desempenho. Antes de formar os subgrupos
necessrio eliminar as variaes e, ento agrupar os dados para que a variao por
fatores admissveis constitua a variao dentro do subgrupo (KUME, 1993).
O conceito de subgrupo racional representa um papel importante no uso dos
grficos de controle (MONTGOMERY, 1997). Definindo um subgrupo racional na
prtica, podem ser mais fceis se tivermos uma compreenso clara da funo dosdois tipos de grficos de controle x e R. A amplitude mede a variao dentro de
cada amostra. Sendo o grfico de controle R, que monitora esta variao em um
dado momento. O grfico x monitora a variao entre as amostras, que a
variao do processo ao longo do tempo. Ao controlar um processo atravs de
grficos, preciso maximizar a probabilidade de ocorrer variao entre amostras
(ao longo do tempo) e minimizar a probabilidade de haver variao dentro de
amostras (variao em um dado momento). Estas amostras assim obtidas sochamadas de subgrupos racionais (VIEIRA, 1999).
-
8/3/2019 Cep Em Pinturas
40/114
40
No se pode estabelecer nenhuma regra geral, para a escolha do tamanho e a
freqncia do subgrupo, tambm chamado de tamanho de amostra
(PARANTHAMAN, 1990). Esta pode ser classificada como:
- Amostra individual (n= 1) Quando um nico dado j representativo. A taxa
de produo baixa ou mesmo quando a avaliao muito dispendiosa.
- Amostra pequena ou moderada (n= 4, 5 ou 6) As pequenas amostras so
extradas com elevada freqncia nas empresas, pois tendo baixa freqncia
(amostragem muito grande), na extrao de amostras, muitos itens defeituosos
podero ser produzidos no perodo de retirada de uma amostra para outra.
Utilizadas para detectar mudanas moderadas ou grandes, na mdia do processo (2
ou mais).- Amostra grande (n>10) Quanto maior o tamanho do subgrupo menor o desvio-
padro da distribuio das mdias, sendo os limites de controle 3 mais rgidos, e
mais sensvel o grfico x ( JURAN,1992). No grfico x quando o n = 15 at 25
utiliza-se para descobrir pequenas mudanas. As grandes amostras so extradas
com baixa freqncia (WERKEMA, 1995).
Deve-se coletar dados em intervalos regulares, mas aconselha-se a ter muito
cuidado para no haver manipulao dos dados por parte dos operadores, poisesses dados podero estar sendo induzidos nos perodos de amostragem, evitando
com isso que a mesma seja totalmente aleatria como se desejado. Dependendo
da amostragem no h necessidade de se coletar os dados em perodos regulares.
Aps a verificao do subgrupo racional a ser utilizado o prximo passo a
construo dos grficos de controle, e para isso se faz necessrios primeiramente
alguns conceitos para a preparao dos mesmos, e estes que se iniciam a seguir.
2.8.2. A Teoria Bsica do CEP.
A teoria bsica do CEP diz e se reconhece que inevitavelmente existiro
variaes em qualquer processo (CONTROL CHARTS PROPERTIES) de uma
amostra de um produto para outra, tendo em vista que no existem dois produtos ou
duas caractersticas exatamente iguais. E o mesmo se estende para a mo de obra
que contem caractersticas imutveis, inexistem iguais formas de inspeo, bem
como mquinas e equipamentos e mtodos de trabalho constantes, sem diferenas.
As diferenas sempre existem embora s vezes no possam ser medidas As
-
8/3/2019 Cep Em Pinturas
41/114
41
causas dessas variaes no processo podem ser divididas em dois grandes grupos:
- causas comuns ou aleatrias: so aquelas variaes inerentes a um processo
que se encontra sob controle estatstico, podendo ser difceis de identificar, mas que
fazem parte, porm, de um sistema constante de variao. O processo tem
condies de absorv-la sem gerar produtos defeituosos. Esta causa inevitvel e,
fatalmente ocorrer num processo, mesmo que a operao seja executada com uso
de matrias-primas e mtodos padronizados (KUME, 1993). Segundo Paladini
(1990, p.132,) e Pyzdek (1996, p.3) O processo cujas variaes so devidas
somente a causas aleatrias um processo sob controle.
- causas especiais ou assinalveis: simplesmente qualquer coisa que conduz
uma observao alm do limite de controle (PYZDEK, 1996). Tambm so aquelascujas fontes de variaes so relativamente grandes, bem maiores do que a
variabilidade natural, sendo, porm, identificveis e, ocorrem fora do sistema
constante de variao. So evitveis, e por geraram defeitos, necessrio que
sejam eliminadas. Existem casos gerados pelo no cumprimento de certos padres
operacionais, ou inadequados. Segundo Montgomery (1997, p.131) Um processo
que est operando na presena de causas assinalveis dito fora de controle.
Para encontrar as causas especiais ou assinalveis imperativo o diagnstico doprocesso. Para sua realizao, utiliza-se a anlise estatstica, com base em dados
resultantes das medies. importante destacar, que o grfico de controle, no
mostra quais so as causas especiais de variao que esto atuando no processo
fora do controle estatstico, mas ele processa e dispe informaes, que podem ser
utilizadas na identificao dessas causas. A chave para operao dos clculos e
grficos no CEP a premissa da chance de que as variaes inerentes ao processo
afetaro todas as medidas e que sero estveis com o passar do tempo. O processo dito estvel, quando apenas causas comuns afetam o processo, ou seja, as
variaes so somente inerentes ao processo e a incapacidade para descobrir um
processo estvel a causa de muitos erros (GOGUE, 1998).
A viso de variao para Deming, de causas comuns (chamadas por Shewhart
de causas de variao aleatria) produz pontos em um grfico de controle que por
um longo tempo, enquadram-se dentro dos limites de controle, essas causas
permanecem dia a dia, lote por lote. Uma causa especial de variao (chamada por
Shewhart de causa assinalvel) no faz parte do sistema comum das causas
d t t d t t f d li it d t l S
-
8/3/2019 Cep Em Pinturas
42/114
42
em um grfico de controle no existe nenhuma causa especial presente, o processo
considerado de controle estatstico estvel. A qualidade e a quantidade so
previsveis e os custos idem. A presena de causas especiais significa que o
processo no estvel, previsvel, econmico (SUTHERLAND, 2002). O processo
no estando estvel os esforos deve ser para entender as causas especiais de
variao e achar o mais cedo possvel o motivo da variao e restabelecer o estado
estvel. claro que um processo estvel sempre prefervel, porque podem ser
feitas predies racionais (GOGUE, 1998). Para a anlise da estabilidade do
processo utiliza se os Grficos de Controle que se apresenta a seguir.
2.9. Grficos de Controle.
O grfico de controle usado para analisar e monitorar a variabilidade do
processo. Este procedimento realizado observando a causa da variabilidade
dentro do processo entre os limites de controle.
2.9.1. Conceito e Interpretao de Grficos de Controle
Os grficos de controle informam sobre a consistncia, estabilidade do processo
(SUTHERLAND, 2002).
Segundo Kume (1993, p.98) o grfico de controle foi originalmente proposto em
1924, por W. A. Shewhart (que trabalhou na "Bell Telephone Laboratories"). Sua
inteno era eliminar variaes anormais provocadas pela diferenciao entre
variaes devidas a causas assinalveis, e aquelas devidas a causasaleatrias.
Os grficos de controle servem como registros histricos no processo de
aprendizado e podem ser usados por outras pessoas para melhorar outros
processos. Os grficos tambm so teis ao comunicar os resultados a lderes,
provedores, clientes, e outros que tm interesse na melhoria da qualidade (PYZDEK,
1990).
A importncia do grfico de controle est em identificar a ocorrncia de causas
especiais e ento remov-las, conduzindo a reduo em variao de processo
global (CONTROL CHART PROPERTIES).
Quando a flutuao no aleatria dentro do modelo acontece ou vai alm dos
limites de controle o processo considerado fora de controle, representando umaoportunidade para melhorar o processo trazendo para o controle estatstico.O
-
8/3/2019 Cep Em Pinturas
43/114
43
processo est sob controle estatstico quando a variao dentro dele aleatrio e
dentro dos limites de controle (CONTROL CHARTS). Esta variabilidade pode ser
vista a seguir em padres de comportamento no aleatrios.
O grfico de Shewhart introduziu o desenho dos limites de controle inferiores e
superiores, LCI e LCS, respectivamente, a partir da mdia a 3 desviospadres.
Nele so exibidas trs linhas paralelas:
- A central, que representa o valor mdio da caracterstica da qualidade;
- A superior, que representa o limite superiorde controle (LSC);
- A inferior, que representa o limite inferior de controle(LIC).
Se todos os valores marcados estiverem contidos nos limites de controle, sem
qualquer tendncia particular, o processo considerado sob controle. Um programa
de grfico de controle bem sucedido reduzir o re-trabalho.
A seguir, so apresentadas algumas regras de comportamento no aleatrias,
utilizadas por Montgomery (1997, p.149), para os Grficos de Controles de
Shewhart, ainda que existam mais autores, com conceitos bem similares como o
caso de Loyd Nelson (JURAN, 1992, p.214), Derman e Ross (KLEIN, 2000, p.427)
ou mesmo Dellaretti. (1994, p.69).
So padres de comportamento no aleatrio, aqueles que apresentam umadisposio atpica, ou no aleatria sinalizando a possibilidade do processo estar
fora de controle. So identificados por:
1. Um ou mais pontos localizados fora dos limites de controle.
Ponto fora dos Limites de Controle
LSC
LM
LIC
Ponto fora dos Limites de Controle
Figura 2.6: Grfico de controle tpico com pontos fora do limite de controle.
-
8/3/2019 Cep Em Pinturas
44/114
44
2. Proximidade dos limites de controle: Dois em trs pontos consecutivos
incidem, alm das linhas 2-sigma, mas ainda dentro dos limites de controle.
2
+2
Figura 2.7: Exemplo de 2 em 3 pontos, alm das linhas de 2-sigmas.
3. Quatro em cinco pontos consecutivos alm dos limites de 1-sigma.
A
1+
1
1
Figura 2.8: Exemplo de 4 em5 pontos consecutivos alm dos limites 1-sigma.
4. Sucesso de oito pontos consecutivos de um s lado da linha central.
igura 2.9: Exemplo de sucesso de 8 pontos consecutivos.F
-
8/3/2019 Cep Em Pinturas
45/114
45
Segundo Deming (1997, p.138) estando um processo sob controle estatstico,
pode-se dar significado capacidade do processo em obedecer s especificaes,
sendo que na sua ausncia no se faz qualquer previso.
H duas formas para a obteno dos limites de controle para uma estatstica ,
para representar a caracterstica de qualidade que est sendo avaliada.
Sendo a distribuio da estatstica conhecida, sob hiptese do processo estar
sob controle, os limites podem ser determinados da seguinte forma:
1)( LSCLICP
1- representa o nvel de confiana de um teste de hipteses, e fixado. Esses
limites obtidos recebem a denominao de limites probabilsticos.
Ao considerar a estatstica com sua mdia:
k
kLSC += kLIC =
O uso de k=3 bem utilizado na prtica na maioria dos casos. O desvio padro
utilizado o desvio padro das mdias. No grfico da mdia, emprega-se
teoricamente o desvio padro da populao, dividido pela raiz quadrada do valor da
amostra, utilizando o fato de que a distribuio amostral x das mdias normal,
com mdia x e desvio-padro x =n
(PALADINI, 1990).
Sendo a distribuio da estatstica normal, os limites de 3 desvios-padro
correspondem aos limites probabilsticos com = 0,0027, e um dos erros
associados aos limites de controle que ser vista a seguir.
2.9.2. Erros Associados aos Limites de Controle
O objetivo de se aplicar um grfico de controle sugerir reas de investigaes.
Sendo assim, como na aplicao de um teste de hipteses, duas espcies de erros
segundo John (1990, p.154) podem ser cometidas ao se fazer uso do grfico de
controle:
1. Concluir que o processo est fora de controle quando, de fato, ele est sob
controle. Caracteriza- se assim o erro, tipo I, com probabilidade em comete-lo,
tambm chamado de alarme falso. A probabilidade de um ponto cair fora de um
dos limites de controle(+3 e 3 sigmas) igual a 0, 27%. Se usar os limites de
i
i
-
8/3/2019 Cep Em Pinturas
46/114
46
controle + ou 2 sigmas de controle esta probabilidade de 4,6%(TAMPERING).
2. Concluir que o processo est sob controle, quando na verdade no est.
Caracteriza- se o erro, tipo II, denominado . A curva caracterstica de operaes
(CCO) capaz de detectar mudanas na qualidade do processo, colocando no
grfico a relao entre ( o eixo vertical ) e o tamanho do deslocamento do valor
central do processo ( o eixo horizontal ).
Em Montgomery (1997, p.206-208) a CCO para um grfico x com desvio-padro
conhecido e constante, se a mdia 0 muda para 1 = 0 + k , a probabilidade de
no detectar esta mudana na primeira amostra subseqente :
= P LIC x LSC / 1 = 0 + k desde que x ~ N (, 2/ n), e os limites de
controle superior e inferior so: LSC = 0 + L/ n e LIC = 0 - L/ n podendo ser
escrito como:
=( ) ( )
+
+
n
kLIC
n
kLSC
//00
( ) ( )
+
++=
n
knL
n
knL
/
/
/
/ 0000
) )nkLnkL = onde a probabilidade de no detectar no grfico essa mudana, na primeira amostra
subseqente.
k Representa o limite de controle que se deseja investigar (podendo ser em 1 .ou
2 ou 3 )
Representa a funo de distribuio acumulada.L o valor do limite usual de 3 .
A probabilidade da mudana na mdia ser detectada na 1 amostra : 1- .
A probabilidade da mudana ser detectada na 2 amostra dado que no detectou na
1 amostra : (1- )
A probabilidade da mudana ser detectada na 3 amostra dado que no detectou na
1 amostra e nem na 2 amostra de: 2 (1- ).
e na r sima amostra : r-1 (1- )
O nmero de amostras que devero ser selecionadas e analisadas antes dedetectar a mudana :
-
8/3/2019 Cep Em Pinturas
47/114
47
( ) =
=
10
1
k
rr 1
1e
ARL1= 1
1
ARL o Average Run Length ou Comprimento Mdio de Corrida (CMC)- o nmero
de perodos necessrios para eventualmente ver uma observao fora dos limites de
controle, num processo sob controle.
Em geral, resultados mais prximos para o ARL so obtidos se usar os limites de
3 sigmas no grfico para medidas individuais (MONTGOMERY, 1997).
Geralmente a probabilidade de no detectar uma alterao no processo decresce
medida que aumenta o tamanho n da amostra (GUEDES, 1997).
Podem ser srias as conseqncias desses erros. No erro tipo I interrompendo
uma linha de produo para identificar as causas de variaes na qualidade quando
essas no existem. E no erro tipo II a no constatao do processo estar fora de
controle pode levar a perda de tempo, material, e dinheiro, devido a produtos
defeituosos.
Champ and Woodall (MONTGOMERY, 1997, p.150) aps investigar o ARL para
o Grfico de Controle de Shewhart perceberam que os usos das regras de WesternElectric para comportamento no aleatrio melhoram a habilidade do grfico de
controle para detectar pequenas mudanas.
O clculo do ARL para os Grficos de Shewhart segundo Montgomery (1997,
p.209) dado da seguinte forma: ARL0 =1
;
Para que a frmula ARL =1
possa ser obtida facilmente do fato de como se prova o
processo dito em base de horas, encontra se ento num processo geomtrico onde
a probabilidade de um alarme falso a cada tentativa o nmero mdio de
tentativa de Bernoulli dado pela ocorrncia do 1 alarme falso obtido por:
( )
=
1
11i
ii ou mesmo: +2( 1- ) +3(1- )2 +4(1- )3 +...=1
Faz-se necessrio a seguir introduo de alguns conceitos de tipos de grficos,
pois atravs deles poderemos fazer essa investigao e posteriormente uma
avaliao do processo.
-
8/3/2019 Cep Em Pinturas
48/114
48
2.9.3. Tipos de Grficos.
Muitas caractersticas de qualidade podem ser expressas em termos numricos.
Uma simples medida de caracterstica da qualidade, como uma dimenso, peso ouvolume chamado de varivel (MONTGOMERY, 1997). Ou seja, o comportamento
de variveis como peso, comprimento, densidade, concentrao, (so os dados que
podem ser medidos ou tem caracterstica contnua).
Outras caractersticas no podem ser convenientemente representadas
numericamente, usando-se classificar cada item inspecionado como conforme ou
no conforme. Estes tipos de caractersticas so chamados de atributos
(MONTGOMERY, 1997) e estudam o comportamento de nmeros e propores ousomente o fato de um certo item estar ou no em bom estado, depende da natureza
da medio e dos custos envolvidos. Ou seja, em controle de qualidade, a varivel
uma caracterstica contnua, diferindo de um atributo naquilo que medido e a
mesma pode ser apresentada em grficos de controle.
Existem bons livros para elaborao dos grficos de controle, entre eles esto em
ingls: Montgomery (1997, p.181), John (1990, p.144); em portugus: Juran (1992,
p.210), Werkema (1995, p.197), Vieira (1999, p.37), Kume (1985, p.100) e um dos
procedimentos para a construo dos mesmos apresentado a seguir:
Grfico de Controle x -AM.
Este grfico usado para controlar e analisar um processo com valores contnuos
da qualidade do produto, fornecendo maior quantidade de informaes do processo.
Onde x representa o valor mdio