Вы находитесь на странице: 1из 39
Gráficos de Controle por Variáveis e por Atributos Prof. Msc. MIRKO S. C. GUTIERREZ

Gráficos de Controle por

Variáveis e por Atributos

Prof. Msc. MIRKO S. C. GUTIERREZ

Gráficos de Controle por Variáveis e por Atributos Prof. Msc. MIRKO S. C. GUTIERREZ

Causas aleatórias e especiais da variação de

qualidade

Qualquer processo de produção, por mais bem planejado ou

cuidadosamente mantido ele seja, uma certa quantidade de variabilidade inerente ou natural sempre existirá.

de variabilidade inerente ou natural sempre existirá. Causas aleatórias Um processo que opera apenas com as

Causas aleatórias

inerente ou natural sempre existirá. Causas aleatórias Um processo que opera apenas com as causas aleatórias

Um processo que opera apenas com as causas aleatórias da

variação está sob controle estatístico

Causas aleatórias são parte inerente ao processo

Objetivo do CEP Eliminação das causas especiais

estatístico Causas aleatórias são parte inerente ao processo Objetivo do CEP  Eliminação das causas especiais

Pequenos desvios são frequentes

Pequenos desvios são frequentes Grandes desvios são raros  Comportamento estatístico de um processo (Distribuição

Grandes desvios são

raros

Comportamento estatístico de um processo (Distribuição Normal)

desvios são frequentes Grandes desvios são raros  Comportamento estatístico de um processo (Distribuição Normal)

Causas aleatórias e especiais da variação de

qualidade

Causas especiais (ou atribuíveis) geralmente causa um desvio maior que a variabilidade aleatória do processo. Podem ocorrer por três

fontes geradoras de processo:

Máquinas ajustadas ou controladas de maneira inadequada

Erros do operador

Matéria-prima com problemas

Um processo que opera na presença de causas

Um processo que opera na presença de causas

especiais está fora de controle

especiais está fora de controle

(MONTGOMERY, 2004)

opera na presença de causas especiais está fora de controle especiais está fora de controle (MONTGOMERY,
GRÁFICOSGRÁFICOS DEDE CONTROLECONTROLE
GRÁFICOSGRÁFICOS DEDE CONTROLECONTROLE

GRÁFICOSGRÁFICOS DEDE CONTROLECONTROLE

PARA QUE SERVE UM GRÁFICO DE CONTROLE ?

Os gráficos de controle servem para

GRÁFICO DE CONTROLE ? Os gráficos de controle servem para examinar se o processo está ou

examinar se o

processo está ou não sob controle, ou seja, indicar se

somente causas comuns estão atuando sobre este

processo.

Sintetizam

um amplo conjunto de dados, usando

métodos estatísticos para observar a variabilidade dentro

do processo, baseado em dados de amostragem.

em determinado tempo como o processo

está se comportando, se ele está dentro dos limites preestabelecidos, sinalizando, assim, a necessidade de procurar a causa de variação, mas não mostrando como

eliminá-la

Informam

sinalizando, assim, a necessidade de procurar a causa de variação, mas não mostrando como eliminá-la Informam

GRÁFICOS DE CONTROLE , UM POUCO DE HISTORIA

Foi Walter Andrew Shewhart que introduziu os

gráficos de controle em 1924, com a intenção de eliminar

variações, diferenciando-as entre as causas comuns e

causas especiais.

controle em 1924, com a intenção de eliminar variações, diferenciando-as entre as causas comuns e causas

Gráfico de controle é uma ferramenta para:

Acompanhar o comportamento do processo e documentar a sua

variabilidade.

Manter o processo operando apenas na presença de causas

aleatórias

É possível

detectar o instante em que um certo desvio

foi

identificado (causa especial) e a partir desta observação utilizar

as demais ferramentas para estudar suas causas e corrigi-las.

Redução da variabilidade do processo

utilizar as demais ferramentas para estudar suas causas e corrigi-las.  Redução da variabilidade do processo

Base estatística do gráfico de controle

Gráficos de controle utilizados para acompanhamento de processos

controle  utilizados para acompanhamento de processos Se o processo está sob controle, todos os pontos

Se o processo está sob controle, todos os pontos marcados devem ter um padrão essencialmente aleatório.

o processo está sob controle, todos os pontos marcados devem ter um padrão essencialmente aleatório. (MONTGOMERY,

(MONTGOMERY, 2004)

EXEMPLOS DE GRÁFICOS DE CONTROLE

EXEMPLOS DE GRÁFICOS DE CONTROLE

EXEMPLOS DE GRÁFICOS DE CONTROLE

EXEMPLOS DE GRÁFICOS DE CONTROLE

GRAFICO DE CONTROLE

A presença de causas comuns no processo é sugerida pela ocorrência de diferenças significativas entre o valor observado e a média do

processo. Supondo que os dados possuem distribuição de probabilidade

normal, e se estamos interessados em controlar o processo da média, os limites de controle são :

o processo da média, os limites de controle são : A probabilidade de um ponto cair

A probabilidade de um ponto cair fora dos limites é 0,0027 (0,00135 em cada lado), ou seja, se X tem uma distribuição normal, tem-se a chance de 27 em 10.000 dos valores observados caírem fora dos limites estabelecidos .

Sendo assim, temos:

tem-se a chance de 27 em 10.000 dos valores observados caírem fora dos limites estabelecidos .

A metodologia dos gráficos de controle

consiste em:

1.

Medir sempre

2.

Analisar as causas especiais do processo

3.

Agir nas causas especiais do processo

4.

Reduzir a variabilidade do processo

5.

Continuar sempre medindo e revendo os limites do gráfico de controle.

4. Reduzir a variabilidade do processo 5. Continuar sempre medindo e revendo os limites do gráfico

Tipos de Gráficos de Controle

VariáveisVariáveis

Quando as amostras podem ser

representadas por unidades

quantitativas de medida (peso,

altura, comprimento, volume,

acidez, etc

)

Atributos
Atributos

Quando as cq não podem ser

medidas numericamente.

Quando as cq são melhor

representadas pela presença ou

ausência de um atributo e não por

alguma medição. (embalagem

defeituosa, presença de corpo

estranho, etc

)

ou ausência de um atributo e não por alguma medição. (embalagem defeituosa, presença de corpo estranho,

Gráficos de Controle por Variáveis

Principais gráficos de controle utilizados no

monitoramento de características de qualidade

representadas por variáveis

características de qualidade representadas por variáveis Gráfico da média X Gráfico da amplitude R Gráfico da

Gráfico da média X

Gráfico da amplitude R

Gráfico da variância S 2

Gráfico do desvio-padrão S

Gráfico de Valores Individuais X

X Gráfico da amplitude R Gráfico da variância S 2 Gráfico do desvio-padrão S Gráfico de

Gráficos de Controle por Variáveis

Gráfico

construídos simultaneamente.

da

média

X

e

R

são

complementares

e

devem

ser

X controlar a variabilidade no nível médio do processo e qualquer

mudança que ocorra nele

R É possível verificar a dispersão de um processo que pode sofrer

alterações devido às causas especiais.

nele R  É possível verificar a dispersão de um processo que pode sofrer alterações devido

Roteiro para construção e análise dos gráficos

de controle

Coleta dos Coleta dos Dados Dados
Coleta dos
Coleta dos
Dados
Dados
Cálculo das Cálculo das estatísticas a serem estatísticas a serem utilizadas utilizadas Colocação dos
Cálculo das
Cálculo das
estatísticas a serem
estatísticas a serem
utilizadas
utilizadas
Colocação dos
Colocação dos
pontos no gráfico
pontos no gráfico
Cálculo dos limites Cálculo dos limites de controle e de controle e desenho no gráfico
Cálculo dos limites
Cálculo dos limites
de controle e
de controle e
desenho no gráfico
desenho no gráfico
InterpretaçãoInterpretação
CapacidadeCapacidade
InterpretaçãoInterpretação CapacidadeCapacidade  Processo em andamento  cq selecionada  Coleta
InterpretaçãoInterpretação CapacidadeCapacidade  Processo em andamento  cq selecionada  Coleta
InterpretaçãoInterpretação CapacidadeCapacidade  Processo em andamento  cq selecionada  Coleta

Processo em andamento

cq selecionada

Coleta de acordo com plano

amostral preestabelecido

Em função do gráfico a ser

construído

Ex: Média, amplitude, desvio

padrão, etc

Colocação dos valores calculados

no gráfico.

Y estatística calculada

X identificação da amostra

correspondente

valores calculados no gráfico.  Y – estatística calculada  X – identificação da amostra correspondente

Roteiro para construção e análise dos gráficos

de controle

Coleta dos Coleta dos
Coleta dos
Coleta dos
Dados Dados Cálculo das Cálculo das estatísticas a serem estatísticas a serem utilizadas utilizadas
Dados
Dados
Cálculo das
Cálculo das
estatísticas a serem
estatísticas a serem
utilizadas
utilizadas
Colocação dos
Colocação dos
pontos no gráfico
pontos no gráfico
Cálculo dos limites
Cálculo dos limites
de controle e
de controle e
desenho no gráfico
desenho no gráfico
InterpretaçãoInterpretação CapacidadeCapacidade
InterpretaçãoInterpretação
CapacidadeCapacidade

Calculados de acordo com critérios estatísticos

-

limites

provisórios

baseados

em

informações preliminares

 

Limites

definitivos

após

eliminação

das

causas especiais

 

Limites de controle

devem

refletir

a

variabilidade natural do processo

Dados comparados com os limites de controle

para verificação da variabilidade e tendência

do processo Se causas especiais presentes, localizar, eliminar coleta de novos dados e determinação de novos limites

 Se causas especiais presentes, localizar, eliminar  coleta de novos dados e determinação de novos

Roteiro para construção e análise dos gráficos

de controle

Coleta dos Coleta dos Dados Dados Cálculo das Cálculo das estatísticas a serem estatísticas a
Coleta dos
Coleta dos
Dados
Dados
Cálculo das
Cálculo das
estatísticas a serem
estatísticas a serem
utilizadas
utilizadas
Colocação dos Colocação dos pontos no gráfico pontos no gráfico CapacidadeCapacidade
Colocação dos
Colocação dos
pontos no gráfico
pontos no gráfico
CapacidadeCapacidade
Cálculo dos limites Cálculo dos limites de controle e de controle e desenho no gráfico
Cálculo dos limites
Cálculo dos limites
de controle e
de controle e
desenho no gráfico
desenho no gráfico
InterpretaçãoInterpretação

Após eliminação de todas as causas

especiais processo sob controle estatístico Análise da capacidade. Se variações devido às causas

comuns excessivas ações para diminuir a variabidade natural do

processo

 Se variações devido às causas comuns excessivas  ações para diminuir a variabidade natural do

Cálculo da linha central e dos limites

de controle

Coletam-se uma certa quantidade de subgrupos (20 ou 25)

contendo 5 ou mais itens.

quantidade de subgrupos (20 ou 25) contendo 5 ou mais itens.  Calcula-se a média das

Calcula-se a média das médias amostrais (X) e a média das

amplitudes (R)

Limites de controle para o gráfico X

LSC X = X + A 2 R

LM X = X

LIC X = X A 2 R

Limites de controle para o gráfico R

LSC R = D 4 R

LM R = R

LIC R = D 3 R

R LSC R = D 4 R LM R = R LIC R = D 3

Os valores de A 2 , D 4 e D 3 são valores tabelados

LSC R = D 4 R LM R = R LIC R = D 3 R
(MONTGOMERY, 2004, p. 489)
(MONTGOMERY, 2004, p. 489)
(MONTGOMERY, 2004, p. 489)

(MONTGOMERY, 2004, p. 489)

Exemplo

Volume de saquinhos de

leite

Exemplo Volume de saquinhos de leite Nº da Amostra   Elemento da amostra   1 2

Nº da Amostra

 

Elemento da amostra

 

1

2

3

4

5

1

998,8

994,9

1006,9

999,1

999,0

2

997,2

996,2

991,5

998,4

1000,0

3

998,7

1003,4

997,9

1003,5

1002,0

4

1006,6

1005,2

999,7

1002,7

1001,6

5

994,2

1000,9

1000,1

1008,8

998,0

6

989,7

1005,1

1001,9

1004,4

996,0

7

1002,8

996,1

1002,2

1000,5

1000,0

8

1000,3

999,7

1004,4

1009,5

998,0

9

1008,8

1003,6

1001,8

998,5

1000,0

10

1001,8

998,5

998,8

993,0

1000,0

11

994,9

997,4

991,3

994,5

999,0

12

993,2

999,0

997,7

1007,5

1001,0

13

998,5

997,5

1007,9

1002,8

997,0

14

993,6

1000,5

997,9

992,9

1000,0

15

996,6

995,9

998,7

998,3

998,0

16

1005,8

1004,8

1003,5

995,7

1002,0

17

1001,3

996,9

1000,6

995,7

1002,0

18

1003,3

999,3

995,2

997,4

1000,0

19

1005,8

1007,7

999,9

1003,0

999,0

20

1002,5

999,9

996,6

997,1

999,8

21

1001,0

1003,0

1002,4

995,5

1000,0

22

992,6

1000,5

996,4

1001,9

1001,0

23

1005,4

996,3

993,8

1002,6

1003,0

24

1002,2

1000,0

995,8

1003,3

1000,0

25

993,9

1005,0

996,7

998,2

995,0

1003,0 24 1002,2 1000,0 995,8 1003,3 1000,0 25 993,9 1005,0 996,7 998,2 995,0

Exemplo

   

Elemento da amostra

 
    Elemento da amostra  

1

2

3

4

5

X

1

998,8

994,9

1007

999,1

999

999

2

997,2

996,2

991,5

998,4

1000

997,2

3

998,7

1003

997,9

1004

1002

1002

4

1007

1005

999,7

1003

1002

1002,7

5

994,2

1001

1000

1009

998

1000,1

6

989,7

1005

1002

1004

996

1001,9

7

1003

996,1

1002

1001

1000

1000,5

8

1000

999,7

1004

1010

998

1000,3

9

1009

1004

1002

998,5

1000

1001,8

10

1002

998,5

998,8

993

1000

998,8

11

994,9

997,4

991,3

994,5

999

994,9

12

993,2

999

997,7

1008

1001

999

13

998,5

997,5

1008

1003

997

998,5

14

993,6

1001

997,9

992,9

1000

997,9

15

996,6

995,9

998,7

998,3

998

998

16

1006

1005

1004

995,7

1002

1003,5

17

1001

996,9

1001

995,7

1002

1000,6

18

1003

999,3

995,2

997,4

1000

999,3

19

1006

1008

999,9

1003

999

1003

20

1003

999,9

996,6

997,1

999,8

999,8

21

1001

1003

1002

995,5

1000

1001

22

992,6

1001

996,4

1002

1001

1000,5

23

1005

996,3

993,8

1003

1003

1002,6

24

1002

1000

995,8

1003

1000

1000

25

993,9

1005

996,7

998,2

995

996,7

 

X

1000,1

Média

999,8

Mediana

999,7

Moda

1000,5

Amplitude

19,8

Variância

19,01

Desvio Padrão

4,36

CV

43,6%

LSC X = X + A 2 R LM X = X LIC X = X A 2 R

19,01 Desvio Padrão 4,36 CV 43,6% LSC X = X + A 2 R LM X

Exemplo

X LSC LM LIC 999 1012 1000,1 988,7 997,2 1012 1000,1 988,7 1002 1012 1000,1
X
LSC
LM
LIC
999
1012
1000,1
988,7
997,2
1012
1000,1
988,7
1002
1012
1000,1
988,7
1002,7
1012
1000,1
988,7
1000,1
1012
1000,1
988,7
X
1000,1
1001,9
1012
1000,1
988,7
A2
0,577
1000,5
1012
1000,1
988,7
R
19,8
1000,3
1012
1000,1
988,7
1001,8
1012
1000,1
988,7
998,8
1012
1000,1
988,7
994,9
1012
1000,1
988,7
999
1012
1000,1
988,7
998,5
1012
1000,1
988,7
997,9
1012
1000,1
988,7
998
1012
1000,1
988,7
1003,5
1012
1000,1
988,7
1000,6
1012
1000,1
988,7
999,3
1012
1000,1
988,7
1003
1012
1000,1
988,7
999,8
1012
1000,1
988,7
1001
1012
1000,1
988,7
1000,5
1012
1000,1
988,7
1002,6
1012
1000,1
988,7
1000
1012
1000,1
988,7
996,7
1012
1000,1
988,7
1000,1

Exemplo

Exemplo

Gráficos de Controle por Atributos

Utilizados nas seguintes situações

Quando o número de cq a controlar é muito grande

Em lugar de mensurações convém empregar calibradores do tipo passa não-passa

O custo de mensuração é elevado em relação ao custo da

produto

A verificação da qualidade pode ser feita por simples inspeção

visual

em relação ao custo da produto  A verificação da qualidade pode ser feita por simples

GRÁFICOS

DE

CONTROLE

POR

ATRIBUTOS Existem duas grandes categorias de gráficos de controle para atributos:

grandes categorias de gráficos de controle para atributos: aqueles que classificam os itens em conformes ou

aqueles que classificam os itens em conformes ou

não-conformes, como é o caso dos gráficos da fração defeituosa ou do número de defeituosos, e

aqueles que consideram o número (quantidade)

de não conformidades existentes, tais como

os gráficos do número de defeitos.

que consideram o número (quantidade) de não conformidades existentes , tais como os gráficos do número

Principais tipos de Gráficos de Atributos

Gráficos

de

p:

para

o

controle

de

defeituosas em cada amostra.

proporção

de

unidades

Gráficos de np: para o controle do número de unidades defeituosas

por amostra

Gráficos de c: para o controle do número de defeitos por amostra

Gráficos de u: para o controle do número de defeitos por unidade

de produto.

Recomenda-se a escolha das principais características ou as mais significativas como geradoras de defeitos no produto, para a utilização dos gráficos de atributos.

ou as mais significativas como geradoras de defeitos no produto, para a utilização dos gráficos de

Gráficos de Atributos

Gráficos p (fração não conforme)

A fração defeituosa p i é definida como:

nº de itens não conformes da amostra i

p i =

nº de itens da amostra i

Fração não conforme

Fração não conforme

na amostra i

na amostra i

Limites de controle (nenhum padrão dado):

m

1

p

i

p

i

Onde:

mn

(nenhum padrão dado): m   1 p i p  i Onde: mn p =

p = fração média de defeituosos na amostra

n = nº de itens da amostra i

m = nº de amostras

1 p i p  i Onde: mn p = fração média de defeituosos na amostra

Exemplo

p

Exemplo p  p  m   i 1 p i mn 347 (30)(50) 

p

m

i

1

p

i

mn

347

(30)(50)

0, 2313

Gráfico de p

nºde itens de cada amostra (n=50)

0, 2313 Gráfico de p nºde itens de cada amostra (n=50) 347 p = 0,2313 (TOLEDO;

347

p = 0,2313

(TOLEDO; ALLIPRANDINI ,2004; MONTGOMERY, 2004)

0, 2313 Gráfico de p nºde itens de cada amostra (n=50) 347 p = 0,2313 (TOLEDO;

Limites de Controle

Limites de Controle (TOLEDO; ALLIPRANDINI ,2004; MONTGOMERY, 2004)

(TOLEDO; ALLIPRANDINI ,2004; MONTGOMERY, 2004)

Limites de Controle

O que aconteceu com os pontos15 e 23?

INVESTIGAR

Limites de Controle O que aconteceu com os pontos15 e 23? INVESTIGAR (MONTGOMERY, 2004) FIGURA DO
Limites de Controle O que aconteceu com os pontos15 e 23? INVESTIGAR (MONTGOMERY, 2004) FIGURA DO

(MONTGOMERY, 2004)

FIGURA DO LIVRO (PÁG. 180) Fig

6-1

Limites de Controle O que aconteceu com os pontos15 e 23? INVESTIGAR (MONTGOMERY, 2004) FIGURA DO

Limites de Controle

Eliminando as amostras 15 e 23, temos:

p

m

i

1

p

i

mn

p

301

( 28)(50)

0, 2150

LSC p 3

p (1  ) p n
p
(1  )
p
n

LIC p 3

p (1  ) p n
p
(1  )
p
n

0,3893

0,0407

0, 2150 LSC p 3   p (1  ) p n LIC p 3

(MONTGOMERY, 2004)

Gráficos de Atributos

Gráficos np

(nº de unidades defeituosas por amostra)

A fração defeituosa p i é definida como:

nº de itens não conformes da amostra i

p i =

nº de itens da amostra i

p

m

i

1

p

i

mn

Limites de controle:

amostra i p  m   i 1 p i mn Limites de controle: Onde:

Onde:

p

= fração média de defeituosos na amostra

n

= tamanho da amostra

 i 1 p i mn Limites de controle: Onde: p = fração média de defeituosos

Gráficos de Atributos

Gráficos c

(nº de defeitos por amostra)

As vezes uma unidade do produto pode apresentar mais de um defeito e tem-se o interesse em controlar o nº de defeitos por amostra (c). Deve ser

feito para amostras de mesmo tamanho.

Ex: irregularidades de superfície, falhas ou orifícios, defeitos em embalagens

Limites de controle:

c

m

i

1

c

i

m

embalagens Limites de controle: c  m   i 1 c i m Onde: c

Onde:

c i = nº de defeitos na amostra i m = nº de amostras

Limites de controle: c  m   i 1 c i m Onde: c i

Exemplo

Nº total de defeitos= 21 +

24 +

+17 = 501

Exemplo Nº total de defeitos = 21 + 24 + +17 = 501 (TOLEDO; ALLIPRANDINI ,2004)

(TOLEDO; ALLIPRANDINI ,2004)

Gráfico de c

nº de itens de cada amostra (n=100)

total de defeitos = 21 + 24 + +17 = 501 (TOLEDO; ALLIPRANDINI ,2004) Gráfico de

Gráfico

Gráfico Analisar estes pontos Gráfico de controle para não conformidades (TOLEDO; ALLIPRANDINI ,2004)
Analisar estes pontos
Analisar estes
pontos

Gráfico de controle para não conformidades

Gráfico Analisar estes pontos Gráfico de controle para não conformidades (TOLEDO; ALLIPRANDINI ,2004)

(TOLEDO; ALLIPRANDINI ,2004)

Gráficos de Atributos

Gráficos u

(nº de defeitos por unidade de produto)

Adequado quando várias não-conformidades independentes podem ocorrer em uma unidade do produto.

Ex: produtos que resultam de montagens complexas (automóveis, TV´s,

computadores, etc

(nº de itens em cada amostra i)
(nº de itens em cada amostra i)

Limites de controle:

de montagens complexas (automóveis, TV ´ s, computadores, etc (nº de itens em cada amostra i)
de montagens complexas (automóveis, TV ´ s, computadores, etc (nº de itens em cada amostra i)

Conclusões sobre os gráficos de controle

Reduzindo a variabilidade do processo

capacidade

do processo em atender aos requisitos de especificação

dos clientes redução desperdício, reclamações,

reprocesso, devoluções melhor imagem e aumento

dos lucros

Os gráficos de controle e suas medidas, não são

suficientes para garantir as melhorias no processo

além de medir é necessário agir no processo para

reduzir a variabilidade.

para garantir as melhorias no processo  além de medir é necessário agir no processo para