Sei sulla pagina 1di 4

ESTATSTICA

Anlise da capabilidade
e processos (Parte II)
Nesta segunda parte deste curso completo de estatstica, esto descritas as novas tcnicas de
gerenciar a qualidade, passando da inspeo do produto para o controle do processo
produtivo, de modo a prevenir as falhas
Carlos Bayeux

Plotagens de distribuies
rata-se de uma alternativa para histograma, que produz
resultados bastante satisfatrios na presena de amostra
moderadamente pequena. Esse grfico construdo em
papis quadriculados em escala logartmica, onde se registram as freqncias acumuladas (em percentil) dos valores observados na amostra e os valores obtidos no processo. Assim, por
exemplo, para a distribuio normal, os pontos plotados, quando
unidos, devem se distribuir segundo uma reta. A partir da construo do grfico de plotagem da distribuio possvel a determinao da estimativa da mdia e do desvio-padro do processo, bem
como a taxa de rejeio do processo em relao as especificaes
do produto, como ilustrado na Figura 7. No caso da curva normal
as estimativas de e s so determinadas por:

BANAS QUALIDADE JUNHO/2001

Esse mtodo deve ser conduzido com cuidado, na medida em


que, na construo e visualizao do grfico, discrepncias podem
ser introduzidas. Alguns pacotes estatsticos dispem deste recurso, que til para a verificao da presena da normalidade nos
dados em considerao.

Testes de normalidade e de
independncia
Diversos so os mtodos de verificao da normalidade, que
podem ser grficos ou analticos. No primeiro caso o histograma
pode ser aplicado e mediante observao de sua simetria, isto , se
a mdia, mediana e a moda so aproximadamente coincidentes,
pode-se inferir (com cautelas) sobre a normalidade da distribuio.
A definio do nmero de classes e imprecises grficas faz com
que o histograma seja uma tcnica de pouco rigor, alm do que,
pode-se ter um histograma com boa simetria e, ainda assim, a distribuio no ser a normal, visto que outras distribuies (t de Student,
por exemplo) se assemelham ao formato de sino que caracteriza a
curva normal. Outro mtodo grfico o da plotagem da distribuio.
Na presena de uma distribuio normal a plotagem tende a se configurar por uma sucesso de pontos que unidos formam uma linha

49

ESTATSTICA

reta. No caso de uma distribuio assimtrica a linha formada tende


a ser cncava ou convexa, conforme o sentido da assimetria, como
apresentado na Figura 8. Para dados oriundos de distribuies uniformes ou simtricas, com os ramos mais ou menos densos do que
a curva normal, a linha produzida assume a configurao de um S.
Os mtodos analticos so baseados nos testes estatsticos de
hipteses que medem, com certo grau de confiana, a probabilidade
da amostra de dados ter se originado de uma populao, cuja distribuio seja normal. Assim testes de Shapiro Wilk, Ryan Joiner,
Anderson Darling, Cramr von Mises e Komogorov Smirnov
oferecem maior rigor na avaliao da normalidade, sendo disponveis em pacotes estatsticos.
A condio de independncia dos dados tomados no processo
geralmente difcil de ser verificada e a melhor forma de diagnstico
da existncia de dados correlacionados pode ser mediante o cuidadoso exame do prprio processo produtivo em questo, bem como
do mtodo de amostragem. O teste de Durbim Watson pode ser
usado na determinao de autocorrelaes de primeira ordem, tambm disponvel em pacotes estatsticos.

Cartas de controle

melhor visibilidade dos padres comportamentais ao longo do tempo e por isso mais ricas como instrumento de anlise da capabilidade para um certo perodo de tempo.
Tanto quanto possvel, a carta X/R (ou S) deve ser preferida
s cartas por atributos, uma vez que as primeiras oferecem melhor informao sobre o processo produtivo e suas tendncias,
todavia no se exclui a possibilidade do emprego das cartas p,
np, c ou u na anlise da capacidade do processo. As cartas por
variveis so particularmente interessantes quando os dados so
coletados em perodos de tempos diferentes, como turnos, dias
ou semanas.
Nas aes preliminares de melhoria da capacidade dos processos, em que se busca a estabilidade, as cartas de controle tm importncia na identificao das causas especiais, sendo teis na distino dos fatores causais de variabilidade do processo, controlveis pelo operador ou que necessitam de intervenes gerenciais
(aes no sistema).

Teste seqencial de amplitudesi


Consiste na tomada de uma amostra
de tamanho igual a oito (n=8), cuja distribuio subjacente, necessariamente, deve
ser normal. Determina-se a amplitude (R)
e de posse do Quadro 4, seleciona-se o
risco (a = = 5% ou 1%) e a partir da
tem-se os valores de aceitao/rejeio,
empregados para decidir se o processo
ou no capaz de atender a faixa de tolerncia prescrita. O procedimento considera como limite de rejeio valores do campo de tolerncia (CT) inferiores ou iguais
a seis desvios-padro do processo (LSE
LIE 6s) e valores de campo de tolerncia maiores do que dez desvios-padro
para aceitao (LSE LIE > 10s). Ento,
por exemplo, para o risco de 5%, determinada a amplitude da primeira amostra (i=1)
compara-se seu valor (R) com o valor 0,19
CT e se inferior aceita-se o processo como
capaz; se R maior que 0,54 CT o processo considerado incapaz e no caso de R
situar-se entre 019CT e 0,54CT toma-se
nova amostra. Determina-se a segunda
amplitude (i=2) e soma-se esta ao valor
da primeira. Se o valor da soma for inferior
a 0,55CT aceita-se o processo como capaz, se superior a 0,90CT rejeita-se essa
condio e situando-se entre esses dois
valores, toma-se uma nova amostra, e assim por diante at i=8,
ou i=12 para risco igual a 1%.

O histograma e a plotagem de distribuies so tcnicas que sumariam o comportamento do processo, no permitindo um acompanhamento
contnuo da sua estabilidade
estatstica. Assim, padres
comportamentais do processo, que influem na variabilidade da caracterstica da qualidade do produto, no so evidenciados. Essas tcnicas de
representao grfica das distribuies do informaes
instantneas sobre a capacidade do processo, isto , refletem o seu comportamento
apenas no momento em que
os dados foram coletados. As
cartas de controle propiciam

BANAS QUALIDADE JUNHO/2001

50

Projeto de
experimentos
Tcnica que consiste na variao de
fatores controlveis na entrada do processo e conseqente anlise do efeito
na sada. Essa tcnica til na descoberta de variveis que influenciam a sada e em que nveis elas devero ser
ajustadas de modo a otimizar o desempenho do processo. Assim pode-se isolar e estimar as fontes de variabilidade
de um processo e com isso avaliar a capacidade do processo em atender as especificaes do produto.
o caso, por exemplo, de um processo de enchimento de garrafas,
composto por mquinas que tm um
grande nmero de cabeotes de enchimento, que devem ser ajustados independentemente uns dos outros. A
caracterstica de qualidade em exame
o volume de liquido em cada garrafa. A variabilidade do volume (s v)
devido variabilidade da mquina
(sm), a variabilidade de cada cabeote (s c) e a variabilidade de medio
do volume (sa), ou seja,

Um experimento poder ser conduzido de modo a se determinar as componentes de variabilidade e comparando o valor
de cada uma das varincias possvel identificar qual componente mais contribui para a variabilidade do volume de lquido.
Supondo-se, por exemplo, que a maior varincia ocorre nos cabeotes (sc), pode-se, a partir da, mquina mquina, empreender aes de ajustes nos cabeotes de enchimento, reduzindo a variabilidade do processo e com isso melhorar sua
capabilidade.

revelam que h forte correlao entre o custo da m qualidade,


contabilizada como percentual das vendas e o nmero de desvios-padro, como apresentado no Quadro 6. Por outro lado, o
sucesso do programa depende fortemente da capacitao do
pessoal na aplicao de tcnicas estatsticas para controle do
processo e de projeto de experimentos.

Programa Seis Sigmasii

Esse programa de melhoria contnua, originado na Motorola na dcada de 80 e, a partir da, empregado pela General Electric, Texas Instruments, Sony, Polaroid, entre outras organizaes, tem por objetivo reduzir a disperso dos
processos produtivos, tal que os nveis de no-conformidade situem-se na ordem de 2 ppb (partes por bilho) para processos centralizados (Cp= 2) ou de 3,4 ppm (partes por milho) para processos com Cpk = 1,5. Para melhor compreenso da capacidade de reduo de no-conformidades desse
programa, o Quadro 5 apresenta dados que permitem a comparao entre a viso clssica da qualidade e o programa Seis
Sigmas em diferentes situaes.
As organizaes que tm adotado o programa Seis Sigma
tm relatado resultados expressivos na melhoria da produtividade de processos, com impactos altamente positivos na lucratividade. Estudos conduzidos em empresas norte-americanas

BANAS QUALIDADE JUNHO/2001

Capabilidade de processos
no-centrados
O ndice Cp no considera a localizao do processo em relao ao campo de tolerncia. Esse ndice apenas mensura a disperso do processo e a relaciona com a tolerncia do produto. Com o
propsito de incorporar a localizao do processo, foi criado o ndice
Cpk. Assim, quando Cp = Cpk, o processo encontra-se centrado em
relao aos limites de tolerncia ( = N), desde que o campo de
tolerncia seja bilateral
e simtrico. Logo, no
caso em que Cpk < Cp,
o processo no-centrado. Cabe observar
que a condio Cpk >
Cp impossvel, visto
que o valor de Cp o
mximo de capabilidade que um processo
pode apresentar.

51

ESTATSTICA

da situao, que o ndice Cpk no foi capaz de diferenciar os


processos A e B, apesar de estarem em localizaes distintas
em relao ao centro do campo de tolerncia.
Chan et al. (1988) apresentaram um indicador que melhor representasse os efeitos da centralizao sobre a mensurao da capabilidade do processo, denominado Cpm. Considerando que o campo de tolerncia bilateral simtrico tm-se que:
comum afirmar que o
ndice Cp uma mtrica da
potencial capabilidade do
processo, enquanto o Cpk
a mtrica da capabilidade real, observando que a
magnitude de Cpk relativa
a Cp indica o quanto o processo est centrado no
campo bilateral de tolerncia simtrico. A Figura 9
ilustra diferentes localizaes de um processo perante certo campo de tolerncia e seus respectivos
valores de Cp, Cpk e k. Verifica-se que quando Cpk=
0 (situao 3), a mdia do
processo ser coincidente
com um dos limites de tolerncia. Se Cpk assumir
sinal negativo, a mdia estar situada fora do campo
de tolerncia e quanto maior
for o mdulo numrico de
Cpk negativo mais distante
estar a mdia do limite
de tolerncia considerado.
Determinando-se Cpm para os processos A e B, nas mesmas condies constantes no Quadro 7, tm-se que para o:

Os resultados anteriores mostram que o ndice Cpm


mais sensvel aos efeitos da centralizao do processo e,
portanto, caracteriza-se como uma mtrica mais realista da
capabilidade dos processos produtivos. Cabe ainda observar que a estimativa da taxa F(p) de no-conformidades num
processo no-centralizado pode ser calculado mediante:

Alguns autores, quando o Cpk negativo, o igualam a zero, pois


argumentam que no faz sentido capabilidade negativa. Ainda
no caso de campos de tolerncia unilaterais, os ndices Cpu ou
Cpl so utilizados na especificao da capabilidade do processo, a taxa esperada de no-conformidade a metade daquela
considerada para o caso de campo bilateral de tolerncia.
Ainda que o ndice Cpk melhor represente o comportamento
de um processo produtivo, este se apresenta inconsistente para
certas condies. Sejam essas condies as indicadas no Quadro 7 e o processo A apresentar Cp = Cpk = 1,0 e por isso
centrado no campo de tolerncia, ao passo que o processo B
ter Cp = 2,0 e Cpk = 1,0, caracterizando-se como um processo
fora de centro, tal como ilustra a Figura 10. Conclu-se, a partir

Nelson, L.S.(1985) Sequential Range Capability Test, Journal of


Quality Technology, 17, pp.57-58.

Harry, M. (1998) Six Sigma: A Breakthrough Strategy for Profitability, Quality Progress, May, pp. 60-64.

ii

Carlos Bayeux M.Sc.,CQE/ASQ, e professor do Centro Federal de Educao


Tecnolgica RJ
BANAS QUALIDADE JUNHO/2001

52

Para expressar f(p) em % deve-se multiplicar o seu valor


por 100 ou em ppm por 1 000 000.

Potrebbero piacerti anche