Introduo a Engenharia de Produo Tcnicas Estatsticas de Processos 21/06/2006 Introduo A Estatstica uma !erramenta empregada em vrios setores" inclusive o industrial" para medir a varia#ilidade existente em $uais$uer processos% &ara tanto" utili'am-se de tcnicas estatsticas como o Controle Estatstico de &rocesso (CE&)" *odelos de Regresso" +elineamento de experimentos" ou simples tcnicas descritivas% Este tra#alho demonstra algumas tcnicas $ue so indispensveis para a medi,o" controle e melhoria de determinados processos industriais% !"eti#os - uso de tcnicas estatsticas nas empresas tem como o#.etivos redu'ir custos e aumentar a competitividade no mercado% /ais tcnicas permitem $ue" por meio de pe$uenas amostras" h a possi#ilidade de se inter!erir no comportamento do lote em produ,o" tomando as a,0es $ue evitem a ocorr1ncia de pro#lemas" atravs da preven,o% Contro$e Estatstico de Processo %CEP& Condi'es (ara se i)($antar u) Contro$e Estatstico de Processo* /reinar a e$uipe para lan,ar e interpretar corretamente os dados nos gr!icos2 /er concludo os estudos so#re Capacidade de 3nspe,o" cu.os resultados devem indicar $ue a capacidade 4aceitvel5" numa escala 4aceitvel" marginal e inaceitvel52 +isponi#ili'ar todas as planilhas de registro de dados nos locais apropriados ou pr6ximos a eles2 Varia!i$idade 7ual$uer processo de produ,o est su.eito 8 varia,o" por mais $ue o processo se.a 4per!eito5% Um produto ou servi,o sempre esta su.eito 8 varia#ilidade% 9o Controle Estatstico de 7ualidade" a varia#ilidade tem causas aleat6rias" inerentes ao processo (ou comuns) e causas especiais (ou identi!icveis) $ue podem ser identi!icadas% 7uando o processo dito so# controle estatstico" ele opera apenas so# as causas inerentes" $ue so causas essencialmente inevitveis" as $uais pouco ou nada se pode !a'er para eliminar% 7uando o processo dito estar !ora de controle estatstico" ele opera so# causas especiais (ou identi!icveis)% Estas causas devem ser desco#ertas e corrigidas para $ue o processo volte ao controle% As causas especiais podem ocorrer :: devido a; mo de o#ra" mtodo de tra#alho" matria prima" m$uinas" meio am#iente e meios de medi,o"o $ual !oi conhecido como <*% A !alta de treinamento de !uncionrios" a !alta de a.uste ou lu#ri!ica,o da m$uina so exemplos de causas especiais% Convm ressaltar $ue existe o erro de a!irmar-se $ue o processo est so# controle" $uando ele no est e vice-versa% Um dos o#.etivos principais do Controle Estatstico de 7ualidade detectar as causas especiais" investigar e aplicar a,0es para corre,o" para $ue o processo no produ'a produtos !ora das especi!ica,0es acima do previsto% - o#.etivo a elimina,o da varia#ilidade (ou de $uase toda) no processo% &ara detectar causas especiais utili'asse a carta de controle% As cartas de controle so compostas de tr1s linhas paralelas" a linha central (=C)" o limite superior de controle (=SC) e o limite in!erior de controle (=3C)% Estes limites devem estar dentro dos limites de especi!ica,o de engenharia% -s limites das cartas de controle so determinados com #ase na mdia e no desvio padro da distri#ui,o da caracterstica de $ualidade da varivel $uando o processo est isento de causas especiais" isto " as medidas individuais so provenientes de uma mesma popula,o% A teoria estatstica desenvolvida por She>hart para clculos do limites de controle" para uma estatstica ? $ual$uer" com distri#ui,o normal" calculada a partir dos valores amostrais" e $ue tenha mdia @(>) e desvio padro s(>) conhecidos" ter uma pro#a#ilidade pr6xima a um de estar no intervalo de @(>) A Bs(>)" segundo RA*-S (CDDE)% Conse$Fentemente" tem-se; =SC G @(>) H Bs(>) =C G @(>) =3C G @(>) - Bs(>) +ndices de Ca(a!i$idade do Processo %C(, C(-& -s ndices e taxas $ue medem a capa#ilidade" ou se.a" a capacidade de um dado processo !a#ricar produtos dentro da !aixa de especi!ica,o" surgiu dos estudos so#re Controle Estatstico de &rocessos (CE&) reali'ados pelo +r% ?alter She>hart do Iell =a#oratories na dcada de :J% Seu surgimento se con!unde com o pr6prio nascimento da rea de $ualidade% K $ue o tra#alho inicial reali'ado no Iell =a#oratories !oi a #ase das principais tcnicas e !erramentas $ue !ariam nascer nas empresas americanas os departamentos de $ualidade durante a segunda guerra% -utro su#produto destas tcnicas !oi tam#m o surgimento da American SocietL !or 7ualitL Control - AS7C (ho.e denominada AS7) % Acontecimento $ue tam#m um marco no nascimento da rea de estudo e de atua,o pro!issional de $ualidade% Assim" o Controle Estatstico de &rocesso uma das !erramentas mais clssicas na rea de $ualidade e com certe'a uma das mais comprovadas e empregadas no meio prtico% +esde seu surgimento tem sido aplicada aos mais diversos processos" situa,0es e regi0es em todo o mundo% M tam#m um grande conhecimento acumulado so#re sua aplica,o" principais #ene!cios e restri,0es% - o#.etivo do controle estatstico do processo aprimorar e controlar o processo produtivo por meio da identi!ica,o das di!erentes !ontes de varia#ilidade do processo% Utili'ando conceitos de estatstica procura-se separar os e!eitos da varia#ilidade causada pelas chamadas Causas Comuns " ou se.a" 8$uelas inerentes 8 nature'a do processo produtivo" das Causas Especiais " ou 8$uelas derivadas da atua,o de variveis espec!icas e controlveis so#re o processo% A tcnica composta de uma !erramenta principal denominada Nr!icos de Controle $ue permite identi!icar se o processo est so# controle estatstico" situa,o em $ue atuariam somente causas comuns. - controle estatstico implantado por meio de um ciclo em $ue se coletam dados do processo" monitora-se sua situa,o (veri!icando se o mesmo permanece so# controle estatstico) e posteriormente reali'am-se anlises e propostas de melhorias para atingir patamares melhores de desempenho% -s ndices de capa#ilidade podem ser o#tidos diretamente dos dados registrados nas cartas de controle e medem" para um processo so# controle estatstico" a rela,o entre a !aixa de tolerOncia especi!icada para uma dada caracterstica de pro.eto do produto e a varia#ilidade natural do processo produtivo destinado a o#ten,o da$uela caracterstica (a varia#ilidade devida as causas comuns)% Se a varia#ilidade do processo muito maior ultrapassando os limites de especi!ica,o possvel estimar a pro#a#ilidade de produ,o de pe,as !ora da especi!ica,o% Se esta pro#a#ilidade muito alta pode-se in!erir $ue o processo no capa' de produ'ir 8$uela caracterstica mesmo $ue pe,as con!ormes possam estar sendo o#tidas% *udan,as signi!icativas neste processo ou mesmo 8 ado,o de processos alternativos podem ento ser necessrias para tornar este processo capa' estatisticamente% Estes ndices so de extrema importOncia para o pro!issional $ue tra#alha no desenvolvimento de produto por duas grandes ra'0es% 9as !ases iniciais de pro.eto" a avalia,o de sries hist6ricas dos ndices de capa#ilidade o#tidos de pe,as similares pode permitir $ue os processistas e pro.etistas escolham processos e especi!ica,0es dos produtos coerentemente ade$uadas" garantindo a o#ten,o de caractersticas do produto por meio de processos altamente capa'es estatisticamente% -utra importante aplica,o destes ndices no desenvolvimento de produto durante a homologa,o do processo% 9esta etapa os ndices podem ser utili'ados para avaliar a capa#ilidade do processo" identi!icando processos pro#lemticos 8 tempo de corre,0es antes da entrada em linha de produ,o% +ndices e Ta.as de Ca(a!i$idade de Processo A#aixo se apresenta os ndices de capa#ilidade apresentados por 37A (CDDP)% Alm destes existe uma grande $uantidade de ndices propostos na literatura para as mais diversas aplica,0es% +ndices Ca(a!i$idade %C(& %Conhecido co)o Ca(a!i$idade de /01uina&* +e!inido como o intervalo de tolerOncia dividido pela capa#ilidade do processo" ou se.a" < ve'es o desvio padro estimado considerando a aus1ncia de causas especiais% Ele independente da centrali'a,o do processo o desvio padro estimado considerando processos estveis2
2ese)(enho %P(&* 3ntervalo de tolerOncia dividida pelo desempenho do processo"
ou se.a" pelo desvio padro estimado pelas leituras individuais% /am#m independentemente da centrali'a,o%
3u(erior de Ca(a!i$idade %CP4&* varia,o superior da tolerOncia dividida por B
ve'es o desvio padro estimado pela capa#ilidade do processo%
In5erior de Ca(a!i$idade %CP6&* varia,o in!erior da tolerOncia dividida pela disperso superior real do processo%
Ca(a!i$idade %C(7&; o ndice $ue leva em conta a centrali'a,o do processo e de!inido como o mnimo entre C&U e C&=% Ta.as Ta.a de Ca(a!i$idade %CR&* inverso de Cp% K igual a CQCp2 Ta.a de 2ese)(enho %P(&* o inverso de &p% K igual a CQ&p2
Eta(as !0sicas (ara a )edio de Ca(a!i$idade de Processo So #asicamente duas as etapas para a condu,o de um estudo de capa#ilidade do processo; C% Veri5icao do Contro$e Estatstico do Processo* nesta etapa so preparados os gr!icos de controle para a coleta de dados (sem os limites) e estes so entregues para a produ,o% Estes dados so ento levantados e a partir de uma anlise gr!ica (ou mesmo utili'ando testes estatsticos) veri!ica-se a exist1ncia de causas especiais atuando no processo% Se existirem causas especiais atuando deve-se identi!ic-las e elimin-las at $ue o processo este.a so#re controle estatstico% :% A#a$iao dos +ndices* uma ve' garantido o controle estatstico do processo identi!ica-se todos os dados $ue comp0em o perodo so#re controle do processo% Estes dados so ento utili'ados para a gera,o dos ndices% 2E %2esign o5 E.(eri)ents& Introduo +entro da indRstria" em especial no desenvolvimento de produto" muitas ve'es necessrio o#ter in!orma,0es so#re produtos e processos empiricamente% 9este momento o tra#alho das pessoas envolvidas com o pro#lema assemelha-se ao de pes$uisadores ou cientistas $ue precisam pro.etar experimentos" coletar dados e analis-los% Experimentos so empregados para resolver pro#lemas de !a#rica,o" decidir entre di!erentes processos de manu!atura" di!erentes conceitos de produto" entender a in!lu1ncia de determinados !atores" etc% Alm disso esta tare!a torna-se cada ve' mais importante na medida $ue se intensi!ica a #ase tecnol6gica dos produtos e as exig1ncias governamentais e de clientes aumentando a necessidade de emprego de experimentos durante todas as etapas do ciclo de vida do produto% - &lane.amento de Experimentos (em ingl1s +esign o! Experiments" +-E) uma tcnica utili'ada para se plane.ar experimentos" ou se.a" para de!inir $uais dados" em $ue $uantidade e em $ue condi,0es devem ser coletados durante um determinado experimento" #uscando" #asicamente" satis!a'er dois grandes o#.etivos; a maior preciso estatstica possvel na resposta e o menor custo% K" portanto" uma tcnica de extrema importOncia para a indRstria" pois seu emprego permite resultados mais con!iveis economi'ando dinheiro e tempo" parOmetros !undamentais em tempos de concorr1ncia acirrada% A sua aplica,o no desenvolvimento de novos produtos muito importante" onde uma maior $ualidade dos resultados dos testes pode levar a um pro.eto com desempenho superior se.a em termos de suas caractersticas !uncionais como tam#m sua ro#uste'% 9o entanto" deve-se !icar claro $ue esta !erramenta no su#stitui o conhecimento tcnico do especialista da empresa so#re o assunto e nem mesmo trata- se de uma 4receita de #olo5 de como reali'ar um plane.amento% - domnio do pro#lema de !undamental importOncia% - conhecimento do especialista so#re o pro#lema con.ugado com a tcnica (em casos especiais somando-se ainda o auxlio de especialistas em plane.amentos de experimentos) $ue ir permitir #ons plane.amentos de experimentos" ou se.a" plane.amentos mais rpidos (menos pontos)" de menor custo e $ue possi#ilitem aos seus ideali'adores responderem" #aseado em in!er1ncia estatstica" a resposta a seus pro#lemas% Apesar de novas" as principais tcnicas de plane.amento de experimentos . existiam e potencialmente poderiam estar sendo sistematicamente aplicadas na indRstria desde muitos anos% &orm" a grande maioria destas tcnicas re$uer uma $uantidade exaustiva de clculos tornando !undamental o emprego dos recursos de in!ormtica% Um !ator $ue tem impulsionado a aplica,o industrial do plane.amento de experimentos so as !erramentas computacionais de anlise estatstica e solu,0es corporativas $ue cada ve' mais !acilitam a reali'a,o das anlises e manuten,o e gerenciamento de dados% 9este sentido a tend1ncia $ue tais tcnicas tornem-se cada ve' mais pr6ximas de aplica,0es prticas e" portanto" cada ve' mais utili'adas% K preciso estar claro tam#m $ue" em estatstica" &lane.amento de Experimentos designa toda uma rea de estudos $ue desenvolve tcnicas de plane.amento e anlise de experimentos% M atualmente todo um arsenal de tcnicas" com vrios nveis de so!istica,o e uma $uantidade no menor de livros so#re o assunto% 9esta pgina so listados os tipos mais conhecidas e de aplica,o mais !re$Fente na indRstria% /ipos de &lane.amento /ratamento em pares2 /ratamento em #locos2 7uadrado =atino2 7uadrado Nreco-=atino2 7uadrado Miper-Nreco-=atino2 Experimentos Satoriais2 Eta(as (ara o desen#o$#i)ento de u) P$ane"a)ento de E.(eri)entos; Coleman T *ontgomerL (CDDB) prop0em as seguintes etapas para o desenvolvimento de um &lane.amento de Experimentos na 3ndRstria; Caracteri'a,o do pro#lema2 Escolha dos !atores de in!lu1ncia e nveis2 Sele,o das variveis de resposta2 +etermina,o de um modelo de plane.amento de experimento2 Condu,o do experimento2 Anlise dos dados2 Conclus0es e recomenda,0es2 8ERRA/E9TA3 :;3ICA3 2E <4A6I2A2E +urante a etapa inicial se conhece" esta#ili'a" e se a.usta o processo% +urante o monitoramento" necessrio identi!icar e eliminar as causa especiais $ue a!etam o processo% &odem-se utili'ar algumas !erramentas $ue a.udam a identi!icar as causas especiais e a.ustar os processos% - con.unto de tcnicas estatsticas de uso consagrado para melhoria da $ualidade" compreende; !luxograma" diagrama causa e e!eito" diagrama de &areto" histograma" !olha de coleta de dados" diagrama de disperso e carta de controle% A= 8o$ha de co$eta de dados* - o#.etivo desta !erramenta gerar um $uadro claro dos dados" $ue !acilite a anlise e tratamento posterior% &ara tanto" necessrio $ue os dados o#tidos correspondam 8 necessidade da empresa% /r1s pontos so importantes na coleta de dados; ter um o#.etivo #em de!inido" o#ter conta#ilidade nas medi,0es e registrar os dados de !orma clara e organi'ada% As !olhas de coleta de dados no seguem nenhum padro preesta#elecido" o importante $ue cada empresa desenvolva o seu !ormulrio de registro de dados" $ue permita $ue alm dos dados se.a registrado tam#m o responsvel pelas medi,0es e registros" $uando e como estas medi,0es ocorreram% -utro !ator imprescindvel $ue os responsveis tenham o treinamento necessrio para a correta utili'a,o desta !erramenta% := >r05ico de Pareto* Este mtodo utili'ado para dividir um pro#lema grande em vrios pro#lemas menores% Ele parte do princpio de &areto $ue de!ende $ue os pro#lemas so causados por muitas causas triviais" ou se.a" $ue contri#uem pouco para a exist1ncia dos pro#lemas" e os pouco vitais" $ue so os grandes responsveis pelos pro#lemas% +esta !orma" separando-se os pro#lemas em vitais e triviais pode-se priori'ar a a,o corretiva% K representado por #arras dispostas em ordem decrescente" com a causa principal vista do lado es$uerdo do diagrama" e as causas menores so mostradas em ordem decrescente ao lado direito% Cada #arra representa uma causa exi#indo a relevante causa com a contri#ui,o de cada uma em rela,o 8 total% C= 2iagra)a de causa e e5eito* Este diagrama" tam#m chamado de diagrama de lshiUa>a ou espinha-de- peixe" utili'ado para mostrar a rela,o entre causas e e!eito ou uma caracterstica de $ualidade e !atores% As causas principais podem ainda serem rami!icadas em causas secundrias eQou tercirias% Esta !erramenta !oi desenvolvida em CDVB por 3shiUa>a na Universidade de /6$uio% Ele usou isto para explicar como vrios !atores poderiam ser comuns entre si e estar relacionados% 2= 8$u.ogra)a* Esta tcnica utili'ada para representar se$Fencialmente as etapas de um processo de produ,o" sendo uma !onte de oportunidades de melhorias para o processo" pois !ornece um detalhamento das atividades concedendo um entendimento glo#al do !luxo produtivo" de suas !alhas e de seus gargalos% -s diagramas de !luxo so ela#orados com uma srie de sm#olos com signi!icados padroni'ados% K importante $ue os tra#alhadores $ue con!eccionem ou manipulem este tipo de diagramas conhe,am a sim#ologia utili'ada pela empresa% - o#.etivo do !luxograma e sua importOncia esto no !ato de constituir o mais poderoso instrumento para simpli!ica,o e racionali'a,o do tra#alho" permitindo um estudo acurado dos mtodos" processos e rotinas% Assim como o organograma o instrumento gr!ico capital para estudo da estrutura de uma empresa" o !luxograma o para estudo do seu !uncionamento% E= ?istogra)a* - histograma um instrumento $ue possi#ilita ao analista uma visuali'a,o glo#al de um grande nRmero de dados" atravs da organi'a,o destes dados em um gr!ico de #arras separado por classes% K uma !erramenta de Sistema de 7ualidade utili'ada para analisar um determinado pro#lema% Um histograma tem como #ase a medi,o de dados% Como exemplo podemos destacar; dimens0es de pe,as" varia,0es de temperatura e outros dados% =ogo o histograma se utili'a de dados na !orma de variveis (valores numricos) e revela $uanto de varia,o existe em $ual$uer processo% - histograma tpico tem !orma de uma curva superposta a um gr!ico de #arras% Esta curva chamada normal" sempre $ue as medidas concentram-se em torno da medida central e" de modo geral" um nRmero igual de medidas situa-se de cada lado deste ponto central% Amostras aleat6rias de dados so# controle estatstico seguem este modelo" chamado de curva do sino% -utras !ormas ocorrem" como WacRmuloW de dados em pontos a!astados da medida central% Este tipo de distri#ui,o chamada WinclinadasW%
8= 2iagra)a de 2is(erso* - diagrama de disperso uma tcnica gr!ica utili'ada para desco#rir e mostrar rela,0es entre dois con.untos de dados associados $ue ocorrem aos pares% As rela,0es entre os con.untos de dados so in!eridas pelo !ormato das nuvens de pontos !ormadas% -s diagramas podem apresentar diversas !ormas de acordo com a rela,o existente entre os dados% >= >r05ico de contro$e* - gr!ico de controle uma !erramenta utili'ada para avaliar a esta#ilidade do processo" distinguindo as varia,0es devidas 8s causas assinalveis ou especiais das varia,0es casuais inerentes ao processo% As varia,0es casuais repetem-se aleatoriamente dentro de limites previsveis% As varia,0es decorrentes de causas especiais necessitam de tratamento especial% K necessrio" ento" identi!icar" investigar e colocar so# controle alguns !atores $ue a!etam o processo% Existe uma grande variedade de gr!icos de controle entendendo a sua aplica,o a todos os tipos de caractersticas mensurveis de um processo% Conc$uso +escrevi neste tra#alho algumas das tcnicas estatsticas $ue so mais Rteis para os processos industriais modernos" no podendo descartar a importOncia das !erramentas computacionais $ue os auxiliam% &orm convm lem#rar $ue estas tcnicas no so as Rnicas e talve' para alguns processos podem no ser as mais importantes e utili'veis% Re5er@ncias :i!$iogr05icas ?ERXE*A" *% C% C%2 ANU3AR" S% (CDD<)% -timi'a,o estatstica de processo; como determinar a condi,o de opera,o de um processo $ue leva ao alcance de uma meta de melhoria% Ielo Mori'onte; Sunda,o Cristiano -ttoni% 37A % Sundamentos de controle estatstico de processo CE&% CDDP%