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


2/114

UNIVERSIDADE FEDERAL DE SANTA CATARINA

PROGRAMA DE PS-GRADUAO EM

ENGENHARIA DE PRODUO


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


3/114


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.


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.


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.


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.


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.


8/114

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


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


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


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


corpo do transformador na coleta 2. 86Figura 4.20: Grfico das Amplitudes da varivel espessura da tinta nocorpo do


corpo do transformador na coleta 3. 87Figura 4.22: Grfico das Amplitudes da varivel espessura da tinta na tampa dotransformador na coleta 1 88


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


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


12/114

12

LISTA DE QUADROS

Quadro 2.1: Mtodo de Soluo de Problemas QC STORY. 29


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


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


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


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


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


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.


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


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


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


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


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 )


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


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


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


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


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


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


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.


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


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 ,


33/114

33

o desvio padro da varivel aleatria. Assim, e >0.


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.


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


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


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


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.


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).


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


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


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


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.


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


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


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 :


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.


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

Cep Em Pinturas

Documents

Transcript of Cep Em Pinturas