Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
PRODUO
2007
Sumrio
1.
2.
3.
4.
Clculos Estatsticos........................................................................... 14
5.
6.
7.
8.
9.
Pr-Controle........................................................................................ 52
10.
11.
12.
1. CONCEITOS IMPORTANTES
O objetivo principal do Controle de Qualidade deve ser a preveno de produtos
defeituosos.
Objetivo principal: produzir produtos com defeito zero.
Produto defeituoso: uma unidade de um produto que contm um ou mais defeitos.
Defeito: uma falha individual que no atende a uma especificao de Engenharia
(tambm chamado de no conformidade).
Produto: o resultado de um processo.
Processo: combinao de mquinas, ferramentas, materiais, pessoas, mtodos e ambiente
de trabalho que produz um produto ou servio.
O processo transforma uma entrada (insumo) em sada (produto final) atravs de uma ou
mais tarefas:
PROCESSO
Ex.: fabricao de latas e alumnio
Entrada: (barra bruta de alumnio)
Processo: (conformao da barra de alumnio por puno)
Produto: lata de alumnio.
PREVENO X DETECO
A abordagem tradicional em manufatura tem sido o conceito de deteco.
O Controle de Qualidade tinha a responsabilidade de rejeitar os itens no
conformes com as especificaes da Engenharia.
Era uma estratgia de deteco de problemas aps a produo do produto,
envolvendo altos custos de inspeo, retrabalho, perda de material, etc. Esta situao
pode ser comparada a uma fbrica escondida que absorve recursos sem produzir nada que
possa ser vendido.
Recursos dispendidos que no agregam valor ao produto so desperdcios ou
perdas.
A estratgia da preveno de problemas mais eficaz para evitar a produo de
peas no conforme.
CAUSAS COMUNS
Fazem parte da natureza do processo e seguem padres normais de
comportamento. So causas de variao inerentes ao processo.
As causas comuns referem-se a muitas fontes pequenas de variao dentro de um
processo que se encontra sob controle estatstico (processo estvel). So causas aleatrias
que agem de forma constante.
A eliminao das causas comuns impossvel para um dado processo, sendo por
isso consideradas como parte natural do processo de fabricao. Entretanto, possvel,
mas onerosa, a reduo do efeito das causas comuns. A reduo das causas comuns de
variao, normalmente, exige a substituio do processo existente por um processo
diferente, sendo necessrio investimento de capital. Por isto, a responsabilidade pelas
causas comuns de variao est com a alta gerncia.
AES NO LOCAL
So comumente necessrias para eliminar causas especiais de variao.
Podem ser executadas pelo pessoal envolvido com o processo.
10
AES NO SISTEMA
So comumente necessrias para reduzir a variao devida s causas comuns.
Para execuo quase sempre exigem ao gerencial.
11
12
3. DEFINIES ESTATSTICAS
a) Elemento (x)
a unidade considerada para o estudo estatstico. Ex.:objeto, indivduo, pea, conjunto.
b) Populao
o conjunto de todos os elementos existentes ou que sero obtidos em um processo
qualquer. Ex.: todas as peas produzidas em torno durante um determinado perodo.
c) Lote
uma parte da populao delimitada por um tempo, ou por um pedido, etc.
d) Amostra
o conjunto de todos os elementos (ou itens) extrados de uma populao para estudo
(processo qualquer), aleatoriamente. Ex.: o conjunto de parafusos retirados de uma caixa .
e) Tamanho da Amostra
o nmero de elementos (ou itens) existentes na amostra, geralmente indicada pela letra
n. Ex.: nmero de parafusos retirados de uma caixa n=20.
f) Amostragem(N)
o nmero de amostras consideradas para o estudo. Ex.:10 grupos de 20 elementos cada:
(amostragem)
N=10 amostras
(amostra)
n=20 elementos
(total
de
elementos)
N.n=10x20N.n=200
13
4. CLCULOS ESTATSTICOS
Quando coletamos dados devemos apresent-los de uma forma clara e precisa.
Veremos a seguir, os parmetros que mais so utilizados na apresentao.
x1
35
x2
34
x3
37
x4
33
x5
35
x6
34
x7
35
x8
36
x9
37
b) Mediana
o valor central;
No exemplo, temos a seqncia crescente de 9 elementos:
33 34 34 35 35 35 36 37 37 = 35 (elemento central)
Neste caso, n=9 (mpar), ento, basta tomar o valor central. Se a seqncia for par, tomase a mdia dos dois elementos centrais, ou seja, supondo n=8:
33 33 34 34 35 35 36 37
= (34+35)/2=34,5
c) Moda
Moda de um conjunto de dados (Valores) = Valor do conjunto que aparece mais vezes,
isto , o valor no qual esteja associado a freqncia absoluta mais alta.
Exemplo:
14
Moda -
10
12
18
- Freqncia maior
Alis, na prtica, ocorre o mesmo: se a maioria das pessoas comea a ouvir os clssicos,
dizemos que a msica clssica est na moda. Se a maioria comea a usar chapu, os
chapus entraram na moda.
Medidas de Disperso
a) Amplitude
a diferena entre maior valor (X mx) e o menor valor (X mn) da amostra .
R=X mx. X mn.
R=37-33, portanto R=4
b) Desvio Padro
c) Varincia
A varincia o desvio padro elevado ao quadrado: 2
A varincia utilizada para avaliar o efeito resultante de vrias causas de variao. A
varincia resultante a soma das varincias parciais:
T2 = 12 + 22 + . . . n2
Observao:
10
11
12
dn
1.128
1.693
2.059
2.326
2.534
2.704
2.847
2.970
3.078
3.173
3.258
Tcnica de Amostragem
Freqentemente precisamos, na prtica, tirar concluses vlidas sobre um grande
grupo de indivduos ou objetos. Ao invs de examinar todo o grupo (chamado populao)
o que pode ser difcil, caro ou mesmo impossvel pode-se cogitar de estudar apenas
uma pequena parte (amostra) desta populao.
O objetivo inferir certos fatos acerca da populao, a partir de resultados
observados a amostra; tal processo denomina-se inferncia estatstica. O processo de
obteno ou extrao e amostras chamado amostragem.
16
EXEMPLO 1
Podemos querer tirar concluses sobre as cores de 200 peas (populao de uma caixa)
escolhendo uma amostra de 20 peas.
EXEMPLO 2
Podemos querer tirar concluses sobre a porcentagem de peas defeituosas fabricadas em
uma indstria durante uma semana de seis dias, examinando apenas 20 peas cada dia e,
durante diferentes perodos do dia. Nesse caso, o conjunto de todas as peas fabricadas
(1000), durante a semana, constitui a populao, enquanto que as 120 peas selecionadas
para estudo constituem a amostra ou amostras.
17
5. INTERPRETAO DE DADOS
a) Distribuio de Freqncias
Quando um conjunto de observaes de certo fenmeno no estiver
adequadamente organizado, o pesquisador no ter condies de obter todas as
informaes necessrias.
O que se faz para obter informaes de interesse sobre o fenmeno em estudo,
agrupar as observaes em tabelas ou grficos convenientemente construdos. Ao se
agrupar os dados de mesmo valor absoluto, obtm-se uma distribuio de freqncia. O
tipo de tabela ou grfico utilizado funo do tipo de varivel que representa o fenmeno
de interesse.
Com as observaes do fenmeno pode-se construir uma tabela onde os valores
da varivel em estudo (Xi), esto dispostos em correspondncia com suas freqncias (f)
respectivas.
Coleta de dados:
O que se objetiva com a coleta de dados a anlise e a obteno de informaes
para ao atravs do uso de mtodos estatsticos.
Os dados devem ser obtidos na forma para simplificar a anlise subsequente. A
primeira regra bsica planejar e elaborar os planos para coleta de dados. Para isso,
necessrio registrar, alm das observaes e suas caractersticas, tambm a data, o nome
do observador, o plano de amostragem, os instrumentos de medio utilizados, o mtodo,
etc.
Os dados coletados devero ser apresentados mediante a utilizao de um
histograma de freqnciais, que uma representao grfica onde cada classe
representada por um retngulo, cuja base igual amplitude de classe correspondente e a
rea proporcional a freqncia da classe.
Toda vez que se tiver amostras coletadas, possvel distribu-las de vrias
maneiras, considerando, por exemplo, a cor, a dimenso, o peso e o brilho.
O histograma de freqnciais tem por finalidades identificar o tipo de distribuio
amostral, identificar anormalidades nos processos, comparar os resultados com
18
12,5
12,5
10,5
10,5
12,5
9,0
8,0
7,0
7,0
11,5
9,0
14,5
12,5
8,0
13,5
15,5
9,5
10,0
7,5
10,0
8,0
11,0
13,0
14,0
15,0
11,5
13,5
11,5
9,0
15,5
12,5
10,5
9,0
12,5
13,5
9,0
12,0
12,5
11,5
13,0
13,0
9,5
14,5
10,5
12,0
12,0
13,0
15,5
17,0
14,0
15,0
15,5
11,0
8,5
7,0
13,0
14,0
11,0
14,0
9,5
11,5
10,0
11,5
10,0
10,0
10,0
utilizamos 7 classes
17 7
h = --------- = 1,42
7
Classes (k)
8,5
12,0
10,0
7,5
11,0
13,0
13,5
10,5
10,0
12,5
12,0
10,5
10,0
14,0
11,5
11,5
13,0
11,5
9,5
12,0
12,5
12.0
10,5
14,5
11,0
11,0
16,5
15,0
8,5
9,5
8,5
11,0
10,5
Freq. (f)
19
1
2
3
4
5
6
7
7,0
8,5
10,0
11,5
13,0
14,5
16,0
8,4
9,9
11,4
12,9
14,4
15,9
17,5
8
14
22
27
17
10
2
100
Como que voc sabe que uma distribuio normal? Voc pode ver isso no
histograma e observando se a forma da curva se assemelha a de um sino ou no. Se o
formato for o de um sino, voc pode fica seguro que o processo tem a distribuio
normal, ou seja, apresenta variaes apenas do tipo aleatrio, (no h variaes
especiais). Mas se o polgono de freqencias no se apresentar em forma de sino, ento,
diversos tipos de problemas podem estar ocorrendo:
a. mesmo no existindo variaes especiais agindo sobre o processo, a distribuio
que no do tipo normal (de Gauss ) e, portanto, o aspecto do polgono de
freqncia no de forma de sino.
b. o processo est afetado por variaes do tipo especial. Exemplo disso mais de
um sistema trabalhando, duas ou mais mquinas, dois ou mais operadores
produzindo matrias primas diferentes, desregulagens, etc.
Quando a distribuio normal, o histograma vai mostrar uma curva com aspecto de
sino, o que permite concluir que os problemas do tipo a e b no esto presentes.
20
b) Distribuio Normal
21
A curva normal se estende desde menos infinito at mais infinito e, por ser uma
curva de probabilidade, a rea limitada pela mesma representa a probabilidade de se
encontrar todas as observaes e, portanto, igual a 1. A mdia () coincide com o ponto
mximo e a distncia de at o ponto onde muda a concavidade da curva, ou seja, o
ponto de inflexo, a medida do desvio padro (). A mdia pode ser representada
tambm por
22
A rea sob a curva normal costuma ser dividida em zonas de probabilidades, cada
uma das quais com a mesma base, ou seja, o mesmo desvio padro.
23
Comentrios
Se X1 = LIT (Limite Inferior de Tolerncia) e X2=LST ( Limite Superior de
Tolerncia) essas reas representaro a porcentagem de produtos fora da especificao.
Como se proceder ao clculo do fator z? O % determinado atravs da tabela no
Anexo III.
Veja: Se se quiser determinar a % abaixo da especificao, utiliza-se:
z (abaixo) = ( - LIT) /
Se se quiser determinar a % de peas ou produtos acima da especificao, utilizase:
z(acima) = (LST - ) /
24
25
6. TEORIA DO CONTROLE
ESTATSTICO DO PROCESSO
A primeira teoria do Controle Estatstico da Qualidade foi desenvolvida na segunda
metade do sculo XX pelo Dr. Walter Shewart, dos Laboratrios Bell. Foi ele quem
estabeleceu a distino entre variao controlada e no controlada, devidas
respectivamente s causas comuns e especiais e, para isso, criou um instrumento simples,
porm eficaz, para separar causas especiais de causas comuns a Carta ou Grfico de
Controle.
As Cartas de Controle tm sido utilizadas com sucesso em vrias situaes que
envolvem Controle do Processo. Elas chamam a ateno para causas especiais de
variao quando estas surgem, e refletem a magnitude das causas comuns de variao que
devem, necessariamente, ser reduzidas pela ao gerencial.
Diversos tipos de Cartas de Controle foram desenvolvidos tanto para analisar
Atributos (valores discretos) quanto Variveis (valores contnuos). Elas apresentam trs
funes bsicas:
1) Mostrar se um processo est sendo operado sob Controle Estatstico (sem causas
especiais de variao) ou assinalar a presena de causas especiais de variao para as
devidas aes corretivas/preventivas.
2) Manter o estado de Controle Estatstico mediante o uso dos limites de controle do
processo como base para aes imediatas (eliminao das causas especiais).
3) Melhorar o desempenho do processo atravs da reduo da variao devido s causas
comuns. o que se identifica como melhoria da Capacidade do Processo, que a
melhoria da capacidade de produzir dentro dos limites de especificao.
26
7. CONTROLE DO PROCESSO
7.1 Introduo
Os mtodos vistos at agora agrupam os dados de um perodo passado, ou seja,
aqueles que so expressos de forma esttica. Entretanto, indispensvel para o
pesquisador obter informaes sobre o comportamento do processo em perodo
especfico de tempo de uma forma dinmica e com projees futuras.
Quaisquer mudanas no material, no trabalhador, na mquina, enfim, no processo,
devero ser detectadas rapidamente para que as aes corretivas sejam tomadas. Isto
possvel conseguir atravs dos grficos de controle.
7.2 Definio
Grficos de controle so recursos utilizados para se alcanar o estado de controle do
processo atravs de tcnicas estatsticas.
Veja a seguir o histograma obtido a partir de uma coleta de dados feita em 15 horas,
num total de 75 valores (1 amostra de 5 dados a cada hora).
27
Este grfico mostra que os valores estavam baixos no princpio e que h uma
tendncia de subida com o decorrer do tempo, fato que no observado no histograma.
X, R (mdia, amplitude)
__
28
Planejamento da qualidade
Controle de qualidade
Aprimoramento da qualidade
29
O ciclo PDCA a base para a melhoria contnua de qualquer processo (ou subprocesso).
30
8. GRFICOS DE CONTROLE
Os Grficos de Controle so comumente usados para alcanar um estado de controle
estatstico, monitorar um processo e determinar a aptido do processo (capacidade
qualitativa ou capabilidade).
Limites de Controle:
Os limites de controle so estabelecidos a partir da mdia +/- 3 desvios padro do
parmetro considerado.
, R (Ver anexo I)
Grfico :
Grfico R:
+ A2
LSCR = D4
- A2
LICR = D3
= /d2
31
2)
, s (Ver anexo I)
Grfico :
Grfico s:
+ A3
LSCs = B4
- A3
LICs = B3
= /c4
no lugar
Permitir que o processo atinja: melhor qualidade, menor custo unitrio, maior
capacidade de produzir.
32
Estando o processo sob Controle Estatstico, seu desempenho pode ainda ser
melhorado, reduzindo-se sua variao. Os efeitos dos aperfeioamentos propostos
ao sistema podem ser antecipados, e os efeitos reais mesmo decorrentes de
modificaes sutis podem ser identificados pelas informaes das Cartas de
Controle.
Grficos para dados variveis exigem medies em uma escala contnua, tais como
comprimento, peso, pH ou resistncia. Grficos para atributos exigem somente uma
classificao de medies descontnuas tais como boa ou m. Isso no pode ser desconsiderado nunca. que os dados variveis contm mais informaes que atributos e,
conseqentemente, so preferidos para Controle Estatstico do Processo e essenciais para
diagnsticos.
Grficos para atributos sero teis desde que a taxa de defeitos seja alta o bastante
para aparecer no grfico com um tamanho de subgrupo razovel. O que ocorre que as
exigncias atuais de qualidade competitiva em muitas indstrias so to altas que os
grficos de atributos so inteis .
33
2.
3.
4.
A maioria dos processos industriais no est sob controle quando analisados pela
primeira vez. Alguns pontos fora dos limites de controle freqente e as razes para estas
causas determinveis podem ser descobertas e eliminadas. medida que as correes
vo sendo feitas no processo, novos dados devem ser coletados, limites de controle
recalculados e novos dados colocados nos grficos com os limites revisados .
O clculo dos limites de controle a partir de 10 e no de 25 subgrupos prtica
comum, especialmente quando as operaes de produo so curtas. Infelizmente, os
valores calculados tm uma preciso consideravelmente menor.
Mesmo quando no se sabe de nenhuma mudana no processo, uma boa idia
recalcular os limites de controle para todos os novos conjuntos de subgrupos.
34
Distribuio amostral de
- populao normal
35
Por outro lado, se a distribuio da populao no for normal, mas a amostra for
suficientemente grande, resultar, do teorema do limite central, que, no caso de
populao infinita, a distribuio amostral das mdias ser aproximadamente normal.
Na prtica, uma amostra para a qual j se possa aproximar a distribuio de
mdias por uma normal no necessita ser muito grande, especialmente quanto mais
simtrica ou prxima da normalidade for a distribuio da populao. Em muitos casos,
uma amostra de quatro ou cinco elementos j suficiente.
x=
Distribuio amostral de
x=
x=
, a distribuio
36
37
38
b)
c)
39
Tipos de
dados
Parmetros
Uso
tpico
Vantagens
Desvantagens
Comentrios
Mdia e
amplitude
ou desviopadro do
subgrupo
Processos
onde
predomina
o uso da
mquina
Uma tima
viso da
variao
estatstic
a de um
processo
Clculos
complexos,
resposta
demorada,
relao
indireta entre
limites de
controle e
tolerncia
Selecionar
cuidadosamente
o tamanho do
subgrupo,
freqncia e
nmero de
subgrupos
usados para o
estabeleciment
o e
restabelecimen
to de limites
de controle
Medida
individual
e amplitude
do subgrupo
Onde
apenas uma
observao
por lote
disponvel
Mais
rpidos,
mais
fceis de
serem
completado
s e
explicados
.
Comparvei
s
diretament
e
tolerncia
No to
sensveis
quanto
grficos
Frao noconforme
np
Nmero de
noconformes
Frao de
noconformidad
es por
unidade
Os dados
so
geralmente
mais
fceis de
se obter
do que os
dados de
variveis.
Os
clculos
so mais
fceis que
no grfico
Atributos no
so to teis
para trabalho
de diagnstico
quanto os
dados
variveis
Nmero de
noconformidad
es
Apenas
dados de
atributos
disponvei
s ou para
monitorar
qualidade
de uma
unidade
complexa
com mais
de uma
caracters
tica de
interesse
Varivei
s
e R/s
X e Rm
e R
Atributo
s
medida que a
qualidade
melhora, os
subgrupos
ficam maiores.
Consequentemen
te, todos os
grficos de
atributos
devem tornarse obsoletos.
, R.
40
e R:
41
42
4.
6. Ciclos
Quando um grfico apresenta seqncias acima e seqncias abaixo
periodicamente, necessrio procurar causas de natureza peridica como incio
do ajuste, rotao de operadores, perodo de aquecimento, etc.
7. Saltos no nvel
Uma mudana brusca no nvel indica mudanas bruscas no processo. As causas
geralmente so novo operador, novo ajuste, mudana de material, etc.
43
8. Duas populaes
A existncia de poucos pontos prximos da linha central denuncia a
probabilidade de estarem existindo duas populaes. necessrio separar os
dados como em 2 mquinas, 2 fornecedores, operadores, etc.
TESTES DE NELSON
Nelson desenvolveu oito testes para deteco de causas especiais, aplicveis em
grficos de controle da mdia e de medidas individuais. O grfico de controle dividido
em seis zonas de igual largura (um desvio-padro), no espao entre o limite superior e
inferior de controle, chamadas de zonas A, B, C, C, B e A, localizadas simetricamente em
relao linha mdia. A figura seguinte mostra essa diviso.
A falha em um nico teste evidenciar a presena de causas especiais. Os testes so
os seguintes:
1. Um nico ponto alm da zona A, ou seja, acima do limite superior ou abaixo do
limite inferior de controle;
2. Sete pontos consecutivos na mesma metade do grfico, ou seja, todos acima ou
todos abaixo da linha mdia (corrida);
3. Sete pontos consecutivos constantemente aumentando ou diminuindo no grfico
(tendncia);
4. Quatorze pontos consecutivos alternando-se para cima e baixo no grfico;
5. Dois em trs pontos consecutivos na zona A;
6. Quatro em cinco pontos consecutivos na zona A ou B;
7. Quinze pontos consecutivos na zona C (acima ou abaixo da linha mdia);
8. Oito pontos consecutivos de ambos os lados da linha mdia, nenhum deles na
zona C.
44
45
46
47
4
4
1
2
2
0,08
0,08
0,02
0,04
0,04
11
12
13
14
15
4
4
4
5
4
0,08
0,08
0,08
0,10
0,08
16
17
18
19
20
4
5
1
5
2
0,08
0,10
0,02
0,10
0,04
21
22
23
24
25
0
5
3
3
4
0,00
0,10
0,06
0,06
0,08
Total
60
48
49
Ainda que alguma amostra fique abaixo do limite inferior de controle, indicando uma
frao no-conforme significativamente baixa, isto pode significar que h alguma causa
determinvel resultando em melhor qualidade. Estes pontos tambm podem ocorrer
devido ao fato de o inspetor aceitar algumas unidades no-conformes por engano.
sub-grupo
tamanho n
nmero de
defeituosos np
subgrupo n
sub-grupo
tamanho n
1
2
3
4
5
6
7
8
9
100
100
100
100
100
100
100
100
100
1
6
5
5
4
3
2
2
4
16
17
18
19
20
21
22
23
24
100
100
100
100
100
100
100
100
100
nmero
de
defeituo
sos np
5
4
1
6
15
12
6
3
4
50
10
11
12
13
14
15
100
100
100
100
100
100
6
2
1
3
1
4
25
26
27
28
29
30
100
100
100
100
100
100
3
3
2
5
7
4
O que se tem :
51
9. PR-CONTROLE
O pr-controle um algoritmo simples para controlar um processo baseado nos
limites de tolerncia (no limites de controle). Zonas de ateno so designadas dentro da
faixa de tolerncia.
52
recomendada de seis pares A,B entre os ajustes suficiente para garantir que
praticamente no haja nenhum item fora de tolerncia.
NEGATIVO
DECISO
(NO DOENTE)
(PELO RESULTADO DA
ANLISE)
POSITIVO (DOENTE)
NO DOENTE
DOENTE
CONFIANA
(1 )
RISCO TIPO 2
()
RISCO TIPO 2
()
AO
(1 )
53
DECISO
(pelas evidncias no
grfico)
EM CONTROLE
FORA DE
CONTROLE
PROCESSO EM
CONTROLE
PROCESSO FORA
DE CONTROLE
CONFIANA
(1 )
RISCO TIPO 2
()
RISCO TIPO 2
()
AO
(1 )
54
c) Tendncia
d) Outros (ver testes de Nelson)
Pelo critrio Ponto fora de limite de controle a probabilidade de acontecer o
erro nos grficos de controle (com os limites de controle em LC +/- 3,0 )
de 0,135% para cada limite de controle (total de 0,27%), ou seja, h
0,135% de probabilidade de um ponto do processo estar alm de um
determinado limite de controle com um processo bom (sem mudana
indesejvel).
__
9.3 Comparao dos grficos X e R, e pr-controle
Esta comparao apresentada na tabela que segue:
Grficos
e R
Finalidade
Descobrir a proporo da
variao motivada por causas
aleatrias e determinveis
Regras de
deciso
Subgrupo
alm do limite de
controle
Pr-Controle
Evitar fabricao de
peas no conforme
2 amarelos
consecutivos
Tamanho do
Subgrupo
> 2, geralmente 4 ou 5
Sempre 2
Qualificar
um processo
Produo de 5 verdes
sucessivos
Efeito de um
indivduo
fora de
tolerncia
num subgrupo
Fora da tolerncia
vermelho; portanto,
pare
55
Aes Recomendadas:
56
57
Cpk
Considera, alm do comportamento da disperso dos valores medidos, a sua posio
dentro da tolerncia.
Observaes: O menor dos resultados de Cpk vlido. Se o Cpk for menor que o
respectivo Cp, o processo no est centrado.
Sendo que o resultado deve ser, pelos padres adotados, maior que 1,33, que quer dizer
que o processo est com 33% de rea, de um dos lados, no ocupada pela disperso dos
dados. Veja grfico abaixo:
58
No clculo de Cpk para processos com valor de caracterstica com limite sueperior de
tolerncia (infinito) considera-se apenas:
59
Cmk
Considera em relao ao ndice Cm, ainda a posio da mdia dentro do campo de
tolerncia.
60
Planejamento da anlise
a) Escolha das caractersticas a avaliar
decisivo para o resultado.
A classificao deve ser nas seguintes propriedades:
61
f) Avaliao de regularidade
Anotar os valores na seqencia das peas em grupos de 5 na tabela.
g)Grfico dos valores individuais
Nota:
Providncias corretivas devem ser tomadas e depois iniciada nova anlise.
No ocorrendo nenhuma melhoria, a mquina incapaz.
Quando identificvel uma tendncia, providncias para sua eliminao ou
minimizao das causas devem ser tomadas e a anlise deve ser repetida.
Para processos com tendncia, bem como no monitorveis, devem ser
aplicados outros mtodos de clculo.
h) Grfico de e S
Calcular e S para cada grupo de 5 medidas.
Marcar os pontos nas cartas e S.
Observar a variao do registro grfico das cartas e S. Ela deve ser
contnua e isenta de influncias sistemticas.
Nota: Uma tendncia se apresenta muitas vezes mais ntida na carta do que
na carta de valores individuais.
i) Determinao da Estabilidade
62
63
Sistema de Medio
Esta primeira etapa, anterior anlise de estabilidade do processo, reflete bem a
preocupao com a medio. No adianta tomar aes em cima de informaes que no
so verdadeiras.
O ato de colher medidas de determinadas caractersticas do processo/produto pode
e deve ser encarado agora sob a concepo de uma nova etapa do processo produtivo.
Esta etapa a qual estamos nos referindo chama-se Sistema de Medio e tem por
objetivo analisar todos os fatores que possam influenciar o Processo de Medio.
64
a) Exatido
a diferena entre a mdia das medies, repetidas da mesma caracterstica e o
valor real desta caracterstica (verdadeira medida).
Importa notar que o valor se refere a um padro e pea de ajustagem cadastrados
no controle peridico dos meios.
b) Repetibilidade
Resultados de medies verificados sob as seguintes condies:
65
c) Reprodutibilidade
Resultados de medies sob as seguintes condies:
d) Preciso
Verificam-se as divergncias dos valores reais em um certo perodo e sob as
seguintes
condies:
66
67
68
Preparao
Os passos da preparao so sete:
regular e ajustar.
Execuo
O que fazer durante a execuo?
Avaliao Bsica
O Sw estimado atravs da frmula
69
70
Se o ndice Cgmk verificado por >/= 1,33, ento Voc deve ainda fazer a
verificao do R&R.
So as trs razes mais importantes para a existncia desse tipo de erro
(repetibilidade e reprodutibilidade):
Preparao
Na preparao, preciso, ento:
Execuo
71
Clculos:
1. Calcular a amplitude R (diferena) entre a primeira e a segunda leitura de
cada operador ou inspetor.
2. Calcular o desvio padro S das amplitudes R de cada operador (SA, SB e
SC).
3. Calcular as mdias X 1
X A , X B e X c .
S RPT =
S A + S B + SC
3 2
A,
B,
C.
8. Calcular o ndice RR
RR =
6S T
x100(%)
T
9. Avaliao do resultado:
72
0 20% bom
20 30% regular
maior que 30% reprovado
N 1
74
ANEXO 1
FATORES E FRMULAS
e R
Carta
e S
1.880
1.023
0.729
0.577
1.128
1.693
2.059
2.326
3.267
2.574
2.282
2.114
2.659
1.954
1.628
1.427
0.7979
0.8862
0.9213
0.9400
3.267
2.568
2.266
2.089
6
7
8
9
10
0.483
0.419
0.373
0.337
0.308
2.534
2.704
2.847
2.970
3.078
0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
1.287
1.182
1.099
1.032
0.975
0.9515
0.9594
0.9650
0.9693
0.9727
0.030
0.118
0.185
0.239
0.284
1.970
1.882
1.815
1.761
1.716
11
12
13
14
15
0.285
0.266
0.249
0.235
0.223
3.173
3.258
3.336
3.407
3.472
0.256
0.283
0.307
0.328
0.347
1.744
1.717
1.693
1.672
1.653
0.927
0.886
0.850
0.817
0.789
0.9754
0.9776
0.9794
0.9810
0.9823
0.321
0.354
0.382
0.406
0.428
1.679
1.646
1.618
1.594
1.572
16
17
18
19
20
0.212
0.203
0.194
0.187
0.180
3.532
3.588
3.640
3.689
3.735
0.363
0.378
0.391
0.403
0.415
1.637
1.622
1.608
1.597
1.585
0.763
0.739
0.718
0.698
0.680
0.9835
0.9845
0.9854
0.9862
0.9869
0.448
0.466
0.482
0.497
0.510
1.552
1.534
1.518
1.503
1.490
21
22
23
24
25
0.173
0.167
0.162
0.157
0.153
3.778
3.819
3.858
3.895
3.931
0.425
0.434
0.443
0.451
0.459
1.575
1.566
1.557
1.548
1.541
0.663
0.647
0.633
0.619
0.606
0.9876
0.9882
0.9887
0.9892
0.9896
0.523
0.534
0.545
0.555
0.565
1.477
1.466
1.455
1.445
1.435
Extrado da publicao STM STP-15D, Manual on the Presentation of Data and Ccntrol Chart Analysis, 1976, pp.134-136.
75
ANEXO 2
TABELA DE FATORES E FRMULAS PARA
CARTAS DE CONTROLE (cont.)
Cartas de Medianas * / **
Carta das
Medianas
Observae
s na
Amostra
Carta de Individuais *
Fatores
para
Limites
de
Controle
A2
FATORES E
FRMULAS
Divisores
para
Fatores para
Estimativ
Limites de Controle
a do
DesvioPadro
d2
D3
D4
Carta de
Individua
is
(X)
Fatores
para
Limites
de
Controle
E2
Divisores
para
Fatores para
Estimativ
Limites de Controle
a do
DesvioPadro
d2
D3
D4
2
3
4
5
1.880
1.187
0.796
0.691
1.128
1.693
2.059
2.326
3.267
2.574
1.282
2.114
2.660
1.772
1.457
1.290
1.128
1.693
2.059
2.326
3.267
2.574
2.282
2.114
6
7
8
9
10
0.548
0.508
0.433
0.412
0.362
2.534
2.704
2.847
2.970
3.078
0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
1.184
1.109
1.054
1.010
0.975
2.534
2.704
2.847
2,970
3.078
0.076
0.136
0.184
0.223
2.004
1.924
1.864
1.816
1.777
* Da publicao ASTM STP-15D, Manual on the Presentation of Data and Ccntrol Chart Analysis, 1976, pp.134136.
** A2
so fatores derivados da ASTM STP-15D, Data and Efficiency Tables contidas no Introduction to
STATISTICAL Analysis de W.J. Dixon e F.J. Massey Jr. 3 edio; p.488 McGraw-Hill Book Company, NY.
76
ANEXO 3
DISTRIBUIO NORMAL PADRO
Pz= porcentagem do resultado do processo alm de um limite nico da especificao que est a z unidades de desvio padro da
mdia do processo (para um processo sob controle estatstico e normalmente distribudo). Por exemplo: z=2,17, Pz=0,0150 ou
1,5%.
lzl
x.x0
x.x1
x.x2
x.x3
x.x4
x.x5
x.x6
x.x7
x.x8
x.x9
4.0
.00003
3.9
3.8
3.7
3.6
3.5
.00005
.00007
.00011
.00016
.00023
.00005
.00007
.00010
.00015
.00022
.00004
.00007
.00010
.00015
.00022
.00004
.00006
.00010
.00014
.00021
.00004
.00006
.00009
.00014
.00020
.00004
.00006
.00009
.00013
.00019
.00004
.00006
.00008
.00013
.00019
.00004
.00005
.00008
.00012
.00018
.00003
.00005
.00008
.00012
.00017
.00003
.00005
.00008
.00011
.00017
3.4
3.3
3.2
3.1
3.0
.00034
.00048
.00069
.00097
.00135
.00032
.00047
.00066
.00094
.00131
.00031
.00045
.00064
.00090
.00126
.00030
.00043
.00062
.00087
.00122
.00029
.00042
.00060
.00084
.00118
.00028
.00040
.00058
.00082
.00114
.00027
.00039
.00056
.00079
.00111
.00026
.00038
.00054
.00076
.00107
.00025
.00036
.00052
.00074
.00104
.00024
.00035
.00050
.00071
.00100
2.9
2.8
2.7
2.6
2.5
.0019
.0026
.0035
.0047
.0062
.0018
.0025
.0034
.0045
.0060
.0018
.0024
.0033
.0044
.0059
.0017
.0023
.0032
.0043
.0057
.0016
.0023
.0031
.0041
.0055
.0016
.0022
.0030
.0040
.0054
.0015
.0021
.0029
.0039
.0052
.0015
.0021
.0028
.0038
.0051
.0014
.0020
.0027
.0037
.0049
.0014
.0019
.0026
.0036
.0048
2.4
2.3
2.2
2.1
2.0
.0082
.0107
.0139
.0179
.0228
.0080
.0104
.0136
.0174
.0222
.0078
.0102
.0132
.0170
.0217
.0075
.0099
.0129
.0166
.0212
.0073
.0096
.0125
.0162
.0207
.0071
.0094
.0122
.0158
.0202
.0069
.0091
.0119
.0154
.0197
.0068
.0089
.0116
.0150
.0192
.0066
.0087
.0113
.0146
.0188
.0064
.0084
.0110
.0143
.0183
1.9
1.8
1.7
1.6
1.5
.0287
.0359
.0446
.0548
.0668
.0281
.0351
.0436
.0537
.0655
.0274
.0344
.0427
.0526
.0643
.0268
.0336
.0418
.0516
.0630
.0262
.0329
.0409
.0505
.0618
.0256
.0322
.0401
.0495
.0606
.0250
.0314
.0392
.0485
.0594
.0244
.0307
.0384
.0475
.0582
.0239
.0301
.0375
.0465
.0571
.0233
.0294
.0367
.0455
.0559
1.4
1.3
1.2
1.1
1.0
.0808
.0968
.1151
.1357
.1587
.0793
.0951
.1131
.1335
.1562
.0778
.0934
.1112
.1314
.1539
.0764
.0918
.1093
.1292
.1515
.0749
.0901
.1075
.1271
.1492
.0735
.0885
.1056
.1251
.1469
.0721
.0869
.1038
.1230
.1446
.0708
.0853
.1020
.1210
.1423
.0694
.0838
.1003
.1190
.1401
.0681
.0823
.0985
.1170
.1379
0.9
0.8
0.7
0.6
0.5
.1841
.2119
.2420
.2743
.3085
.1814
.2090
.2389
.2709
.3050
.1788
.2061
.2358
.2676
.3015
.1762
.2033
.2327
.2643
.2981
.1736
.2005
.2297
.2611
.2946
.1711
.1977
.2266
.2578
.2912
.1685
.1949
.2236
.2546
.2877
.1660
.1922
.2206
.2514
.2843
.1635
.1894
.2177
.2483
.2810
.1611
.1867
.2148
.2451
.2776
0.4
0.3
0.2
0.1
0.0
.3446
.3821
.4207
.4602
.5000
.3409
.3783
.4168
.4562
.4960
.3372
.3745
.4129
.4522
.4920
.3336
.3707
.4090
.4483
.4880
.3300
.3669
.4052
.4443
.4840
.3264
.3632
.4013
.4404
.4801
.3228
.3594
.3974
.4364
.4761
.3192
.3557
.3936
.4325
.4721
.3156
.3520
.3897
.4286
.4681
.3121
.3483
.3859
.4247
.4641
77
ANEXO 4
CONTROLE ESTATSTICO DO PROCESSO
PEA N / NOME/ MODELO
X:
LIC:
DEPTO.
CARACTERSTICA
ALVO
APROVAO:
REVISO:
FREQNCIA
LSC:
MDIAS
R:
LIC:
LSC:
AMPLITUDES
DATA
HORA
1
2
3
4
5
DADOS
X
R
Operador
Caixa n
Lote n
RESULTADO
Dimensional
Visual
78
ANEXO 5
CARTA DE CONTROLE PARA ATRIBUTOS
FBRICA
p
np
DEPARTAMENTO
c
u
Mdia =
LSC =
LIC =
Dsiscrepncias
Amostr (n)
Nmero
(np, c)
Proporo
(p, u)
Data
(turno, hora, etc.)
QUALQUER MUDANA NO PESSOAL, EQUIPAMENTO, MATERIAIS, MTODOS, AMBIENTE, OU SISTEMAS DE MEDIO DEVE SER ANOTADA. ESTAS ANOTAES AJUDARO VOC A TOMAR UMA
AO CORRETIVA OU DE MELHORIA DO PROCESSO, CONFORME ASSINALADO PELA CARTA DE CONTROLE.
DATA
HORA
COMENTRIOS
NMERO
(Simples, mas exige o tamanho da amostra constante).
PROPORO
(Mais complexa, contudo ajusta-se a uma proporo
compreensvel, e pode ser usada com o tamanho da
amostra varivel).
79
Itens no-conforme
No-conformidades
np
Cc
Uu
ANEXO 6
80
ANEXO 7
81
ANEXO 8
Distribuies das Mdias de Amostras
82
ANEXO 9
83
ANEXO 10
HORA
COMENTRIO
84
ANEXO 11
REA:
EQUIPAMENTO:
PRODUTO:
CARACTERSTICA:
A
TOLERNCIA:
NOME:
NOME:
NOME:
PRIMEIRA SEGUNDA DIFERENA
LEITURA
LEITURA
(R)
21,8
22,2
20,4
21,4
20,8
21,3
35,7
34,4
34,0
34,9
34,5
35,4
70,8
69,0
69,8
70,6
68,1
71,9
84,0
83,8
85,0
84,9
84,0
83,8
36,5
35,4
36,6
35,4
34,9
35,9
42,3
45,6
45,4
46,3
45,6
46,8
51,2
50,2
50,4
50,0
51,0
51,6
64,8
64,4
64,8
63,5
63,4
65,8
32,2
33,4
32,3
33,6
33,5
33,9
10
51,8
51,2
10
51,2
51,1
10
51,0
51,2
CI
CII
SOMA
SOMA
AI
AII
SA
MDIA
A
SOMA
BI
BII
SB
MDIA
B
SA =
XA =
S RPT =
X A1 + X A11
=
2
SC
MDIA
SB =
XB =
X B1 + X B11
=
2
SC =
XC =
X C1 + X C11
=
2
S A + S B + SC
=
3 2
2
2
ST = S RPT
+ S RPD
=
RR =
6.ST
=
T
85
Exerccio Resolvido N. 1
1) Dados os nmeros 16, 15, 13, 15, 17, 15, 13, 13, 12, 13, 18, 14, calcular:
a) A mdia:
n
X =
X
i =1
16 + 15 + 13 + 15 + 17 + 15 + 13 + 13 + 12 + 13 + 18 + 14
12
X = 14,5
b) A mediana: 12 13 13 13 13 14 15 15 15 16 17 18
n = 12 (n par)
X = (14 + 15) / 2 = 14,5
c) A amplitude:
R = Xmx Xmn
R = 18 12 = 6
d) O desvio padro:
s=
(X
i =1
s=
X
n 1
(amostra)
37,00
= 1,834
12 1
s = 1,834
Xi
16
15
13
15
17
15
13
13
12
13
18
14
Xi
1,5
0,5
1,5
0,5
2,5
0,5
1,5
1,5
2,5
1,5
3,5
0,5
(Xi )2
2,25
0,25
2,25
0,25
6,25
0,25
2,25
2,25
6,25
2,25
12,25
0,25
37,00
86
Exerccio Proposto N. 1
Em uma amostra de cinco eixos foram obtidos os seguintes dimetros em mm:
32 34 37 37 e 35
Calcular:
a) a mdia
b) a mediana
c) a amplitude
d) o desvio padro
87
Exerccio Resolvido N. 2
Sabendo-se que o peso de pacotes de arroz segue uma distribuio normal, com mdia
= 1000 g e desvio padro = 2g, determinar:
a) % de pacotes com menos de 997 g.
Z abaixo =
LIT X
-6
998g
1000g
+6
1002g
P = 0,0668 ou 6,68%
Z alto =
X LST
1000 1002
= 1
2
Z =1
P = 0,1587
15,87%
(daoutabela
do anexo III)
c) percentagem de pacotes com peso entre 996 e 1005 g.
Z baixo =
996 1000
2
Z baixo = 2
anexo III
P = 0,0228
1000 1005
2
= 2,5
anexo III
Z baixo =
Z baixo
P = 0,062
Total = 1
entre = Total Palto Pbaixo
entre = 1 0,0228 0,0062
entre = 0,971 ou 97,1%
88
Exerccio Resolvido N. 3
Qual dever ser o desvio padro de um lote de eixos para que se tenha 98 % dos dimetros entre
9,5 e 10,7 mm, sendo sua mdia 10,1 mm.
Px = 98 % ou 0,98
Total = 1
X = 10,1 mm
Z1 =
10,1 9,5
0,6
=
Z2 =
0,6
2,33
= 0,2575mm
89
Exerccio Resolvido N. 4
Qual dever ser o desvio padro da dureza de uma pea de ao para que se tenha 95 % das peas
entre 58 e 62 RC com mdia de 60 RC ?
P = 95 % ou 0,95
Total = 1
X = 60 RC
Z1 =
60-58
2
=
Z2 =
62-60
2
=
2
1,96
= 1,02 Rc
90
Exerccio Resolvido N. 5
Sabendo-se que o dimetro de um eixo segue uma distribuio normal, com mdia X = 10,0 mm
e desvio padro = 0,2 mm, determinar:
a) probabilidade de encontrar dimetros abaixo de 9,9 mm.
< 9,9
z = 9,9-10
0,2
z = 0,5
p/z = 0,5
Pz = 0,3085
Pz = 30,85%
z = 10,3-10
0,2
z = 1,5
p/z = 1,5
Pz = 0,0668
Pz = 6,68%
z = 9,8 - 10
z = 10,5 - 10
0,2
0,2
z= 1
z = 2,5
Pz = 0,1587
Pz = 0,0062
Pz = 15,87 %
Pz = 0,62 %
P = 100 (15,87 +0,62)
P = 83,51%
P = 0,20
z=x-
x = z +
z = 0,84
x = 10,168mm
P = 20%
z=x
x = z
x = 10 1,88 x 0,2
x = 9,624mm
f) sendo os limites de tolerncia 9,6 mm e 10,8 mm e o alvo 10,2 mm, quais so os ndices de
capabilidade Cp e Cpk ?
91
Cp = LST LIT
6
Cpk1 = LIT
3
Cpk2 = LST
3
Cp = 10,8 9,6
6,02
Cp = 1
Cpk1 = 0,667
Cpk2 = 1,33
g) se a mdia mudar para 10,2 mm, sem alterao do desvio padro de 0,2 mm, quais so os
novos ndices Cp e Cpk ?
Cp = 1
Cpk1 = LIT
3
Cpk2 = LST
3
Cpk1 = 1
Cpk2 = 1
h) se a mdia mudar para 9,9 mm haver eixos fora de tolerncia? Em caso afirmativo, qual a
porcentagem fora de tolerncia?
H uma possibilidade de termos peas abaixo do LIT.
z=x-
z = 9,9 9,6
0,2
z = 1,5
Pz = 6,68%
92
Exerccio proposto N. 2
O comprimento de um pino segue uma distribuio normal, com mdia de 101 mm e desvio
padro de 2 mm. A especificao de engenharia 100 + / 5 mm. Determinar:
a)
b)
c)
d)
e)
f)
g)
93
Exerccio Resolvido N. 6
Resoluo do exerccio do grfico de controle X, R (pg. 98)
1. Calcular a mdia das amostras (X);
n
X'=
X
i =1
Ex. :
65 + 70 + 65 + 65 + 55 350
=
= 70
5
5
X ''=
X'
i =1
1780
= 71,60
25
R' =
R
i =1
445
= 17,80
25
94
7. Preencher o grfico;
8. Anlise do grfico;
O processo no est sob controle estatstico:
a) H uma mdia fora do LSCX
b) As mdias apresentam uma corrida
c) H uma amplitude fora do LSCR
R 17,8
=7,65
=
d 2 2,326
LST LIT 90 50
Cp =
=
= 0,87
6.7,65
6
LST X 90 71,6
C pk1 =
=
= 0,80
3
.
7
,
65
3
C pk 2 =
X LIT
71,6 50
= 0,94
3.7,65
z1 =
LST X
z2 =
X LIT
90 71,6
= 2,40
7,65
71,6 50
= 2,82
7,65
Pz1=0,82%
Pz2=0,24%
Cp =
LST LIT
90 50
= 0,87
6.7,65
95
C pk1 =
C pk 2 =
LST X
3
X LIT
90 70
= 0,87
3.7,65
70 50
= 0,87
3.7,65
z1 = z 2 =
LST X
= 2,61
96
Exerccio Resolvido N. 6
97
Exerccio Proposto N. 3
Construa uma carta de controle X, R para a caracterstica Espessura da camada de cromo de
um processo de cromo duro em uma ferramenta de corte (cortador da corrente de motoserra).
Use o formulrio adequado. Os limites de tolerncia so: LIT: 22 microns e LST: 34 microns e o
alvo 28 microns. Foram coletadas 25 amostras de 5 elementos (n = 5):
AMOSTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
98
X:
LIC:
DEPTO.
CARACTERSTICA
ALVO
APROVAO:
REVISO:
FREQNCIA
LSC:
MDIAS
R:
LIC:
LSC:
AMPLITUDES
DATA
HORA
1
2
3
4
5
DADOS
X
R
Operador
Caixa n
Lote n
RESULTADO
Dimensional
Visual
99
Exerccios Propostos
__
N 4: Carta de Controle X, s
N. 5: Carta de Controle X , R
N. 6: Carta de Controle X, Rm
N. 7: Carta de Controle para atributo (p)
CARTAS DE CONTROLE:
, s; , R; X, Rm (valores individuais); Carta p:
a) Completar as cartas de controle com os respectivos grficos. Indicar bem as mdias e
limites de controle nos grficos (de preferncia com caneta vermelha). Apresentar todos
os clculos.
b) Analisar os grficos e fazer comentrios sobre os resultados obtidos.
c) Calcular os ndices Cp e Cpk.
d) Calcular o percentual de peas fora dos limites de tolerncia. Ilustrar com croquis.
e) Se a mdia mudasse para o alvo, sem alterao da disperso, qual seria o percentual de
peas fora de tolerncia?
Observao: Os itens c) d) e e) somente podem ser calculados se informados os limites de
tolerncia.
100
101
CARTA DE MEDIANAS X
102
103
EXERCCIO CARTA P
O processo cujos dados esto abaixo, e refere produo de aparelhos de TV na Operao
Montagem. Abaixo informamos a data, a quantidade de aparelhos inspecionados e o nmero de
defeitos encontrados. Com os dados abaixo:
a) Construa a carta de controle p.
b) Interprete a carta.
DATA
10 / 04
11 / 04
12 / 04
13 / 04
16 / 04
17 / 04
18 / 04
19 / 04
23 / 04
24 / 04
25 / 04
26 / 04
27 / 04
02 / 05
03 / 05
04 / 05
07 / 05
08 / 05
09 / 05
15 / 05
16 / 05
17 / 05
18 / 05
21 / 05
22 / 05
APS. INSPECIONADOS
80
80
80
80
80
80
80
80
80
80
80
80
80
64
64
64
64
64
64
64
64
64
64
64
64
DEFEITOS
11
9
11
15
17
18
14
13
14
10
5
10
8
14
11
5
12
6
6
8
10
8
11
10
8
104
p
np
DEPARTAMENTO
c
u
Mdia =
LSC =
LIC =
Dsiscrepncias
Amostr (n)
Nmero
(np, c)
Proporo
(p, u)
Data
(turno, hora, etc.)
QUALQUER MUDANA NO PESSOAL, EQUIPAMENTO, MATERIAIS, MTODOS, AMBIENTE, OU SISTEMAS DE MEDIO DEVER SER ANOTADA. ESTAS ANOTAES AJUDARO VOC A TOMAR
UMA AO CORRETIVA OU DE MELHORIA DO PROCESSO, CONFORME ASSINALADO PELA CARTA DE CONTROLE.
DATA
HORA
COMENTRIOS
NMERO
(Simples, mas exige o tamanho da amostra constante).
PROPORO
(Mais complexa, contudo ajusta-se a uma proporo
compreensvel, e pode ser usada com o tamanho da
amostra varivel).
Itens no-conforme
No-conformidades
np
Cc
Uu U
105
Exerccio Proposto N. 8
CALCULAR:
A REPETIBILIDADE E REPRODUTIBILIDADE DE SISTEMA DE MEDIO (RR).
EMPRESA:
EQUIPAMENTO:
CARACTERSTICA:
A
1
2
3
4
5
6
7
8
9
10
SOMA
NOME:
PRIMEIRA SEGUNDA DIFERENA
LEITURA LEITURA
(R)
21,8
22,2
35,7
34,4
70,8
69,0
84,0
83,8
36,5
35,4
42,3
45,6
51,2
50,2
64,8
64,4
32,2
33,4
51,8
51,2
A1
A11
MDIA
B
1
2
3
4
5
6
7
8
9
10
SOMA
SA
B1
B11
MDIA
C
1
2
3
4
5
6
7
8
9
10
SOMA
XA =
X A1 + X A11
=
2
NOME:
PRIMEIRA SEGUNDA DIFERENA
LEITURA LEITURA
(R)
20,8
21,3
34,5
35,4
68,1
71,9
84,0
83,8
34,9
35,9
45,6
46,8
51,0
51,6
63,4
65,8
33,5
33,9
51,0
51,2
SB
C1
SC
C11
MDIA
SB =
SA =
A
REA:
PRODUTO:
TOLERNCIA:
NOME:
PRIMEIRA SEGUNDA DIFERENA
LEITURA LEITURA
(R)
20,4
21,4
34,0
34,9
69,8
70,6
85,0
84,9
36,6
35,4
45,4
46,3
50,4
50,0
64,8
63,5
32,3
33,6
51,2
51,1
XB =
SC =
X B1 + X B11
=
2
XC =
X C1 + X C11
=
2
S A + S B + SC
=
3 2
= desvio padro entre X A , X B e X C =
S RPT =
S RPD
2
2
ST = S RPT
+ S RPD
=
RR =
6.ST
=
T
106
Exerccio Resolvido N. 7
Um processo, sob controle estatstico, produz eixos com a caracterstica dimetro com mdia de
100,02 mm e desvio padro de 0,08 mm.
Se houver uma mudana no processo, com deslocamento da mdia para 100,14 mm, sem
alterao da disperso, pede-se calcular:
Pz = 6,68 % (Ao)
(1 0,00668)n = (1 0,95)
n =
log 0,05
= 43,3
log 0,9332
44 amostras
b) Para n = 5
X =
X = 0,036
d=
Observao: a mdia
2,236
LSC = 100,02 + 3 x 0,036 = 100,128
100,14 100,02
= 3,33
0,036
107
c) Para n = 25
25
=
5
= 0,016
108
Exerccio Resolvido N. 8
Eixos so fabricados com mdia X = 21,10 mm e desvio padro de 0,20 mm.
As respectivas buchas so fabricadas com mdia X = 21,80 mm e desvio padro de 0,30 mm.
Havendo montagem aleatria, calcular:
a. A probabilidade de interferncia entre as duas distribuies, no permitindo a
montagem.
b. Sendo a folga mnima especificada de 0,20 mm, calcular a probabilidade de montagens
com folga menor.
c. Sendo a folga mxima especificada de 0,90 mm, calcular a probabilidade de montagens
com folga maior.
f = 21 + 22 = 0,36
f=
X
f
Z = 0,70 0 = 1,94 Pz = 2,62%
0,36
f
109
Pz1 = 8,23%
Pz2 = 29,12%
Exerccio Proposto N. 9
Para a verificao dos ndices de capabilidade de um micrmetro foi medido vrias vezes um
bloco padro de 10,000 mm. A mdia dos valores encontrados foi de 10,002 mm e o desvio
padro de 0,001 mm. Sendo os limites de tolerncia da pea a ser medida 9,100 mm e 9,150 mm,
determinar os ndices Cgm e Cgmk.
Exerccio Proposto N. 10
Exerccio proposto N. 10
Um processo, sob controle estatstico, produz eixos com a caracterstica dimetro com mdia de
54,20 mm e desvio padro de 0,40 mm.
Se houver uma mudana no processo, com deslocamento da mdia para 53,80 mm, sem alterao
da disperso, pede-se calcular:
a) Com uma carta de controle para medies individuais, quantas amostras de um elemento
seriam necessrias para se detectar esta mudana com 95 % de probabilidade atravs de
um ponto fora dos limites de controle.
b) Nas mesmas condies com uma carta de controle para amostras de 5 elementos?
c) Nas mesmas condies com uma carta de controle para amostras de 25 elementos?
Exerccio Proposto N. 11
Pinos A so fabricados para serem montados em peas com furo B.
As cartas de controle indicam que tanto o pino quanto o furo tem distribuies normais com os
seguintes valores:
Pino A
Dimetro mdio: 26,10 mm
Desvio padro: 0,012 mm
110
Furo B
Dimetro mdio: 26,15 mm
Desvio padro: 0,015 mm
Havendo montagem aleatria, qual a probabilidade de interferncia entre as duas distribuies?
111
112
GLOSSRIO DE SMBOLOS
SMBOLOS:
X ou x valor a ser estudado (varivel)
(X barra): mdia dos valores X que constituem um subgrupo
(X barra barra): mdia de um grupo de mdias
(X til): mediana
(X til barra): mdia de um grupo de medianas
n nmero de elementos que constituem o subgrupo ou amostra
N nmero de subgrupos ou amostras consideradas para o estudo
R amplitude (diferena entre os valores mximo e mnimo num subgrupo)
(R barra): mdia de um grupo de amplitudes
S desvio padro de um subgrupo (desvio padro amostral)
- (s barra): mdia de um drupo de desvios padro amostrais
(sigma): desvio padro da populao
(sigma chapu): desvio padro da populao estimado:
dos subgrupos
mdia da populao
LSC limite superior de controle
LIC limite inferior de controle
LST limite superior de tolerncia
LIT limite inferior de tolerncia
LSE limite superior de especificao (LSE = LST)
LIE limite inferior de especificao (LIE = LIT)
LM linha mdia
Rm amplitude mvel (para grficos de valores individuais)
p porcentagem de unidades no conforme numa amostra
np unidades no conforme
Observao: em alguns casos a barra sobre a letra, representando mdia, substituda pelo sinal
linha. Exemplos: = X; = X.
113
REFERNCIAS BIBLIOGRFICAS
1. BEAUREGARD, Michael R. et al., A Practical Guide to Statistical Quality
Improvement opening up the statistical toolbox, USA, Van Nostrand Reinhold,
1992
2. DATAMYTE HANDBOOK - Introduction to Statistical Quality Control., Allen Bradley
Co. Inc., sixth edition, 1995.
3. DIETRICH, Edgar SPC or Statistics, Quality Magazine, August 2000.
4. BROCKA, Bruce, et al - Gerenciamento da Qualidade, Makron Books do Brasil, 1995
5. CAMPOS, Vicente Falconi TQC: Controle da Qualidade Total (no estilo japons)
Belo Horizonte, MG : Fundao Cristiano Ottoni, 1992
6. FIOD NETO, Miguel - Taguchi e a Melhoria da Qualidade. Uma Releitura Crtica, 1997
7. FORD MOTOR COMPANY, Continuing Process Control and Process Capability
Improvement, 1984.
8. GRANT, Eugene L., Leavenworth, Richard S. Statistical Quality Control. McGrawHill, 1988
9. OAKLAND, John S., Followel, Roy F., Statistical Process Control Oxford, Billing &
Sons Ltd, 1990
10. PANDE, Peter S., NEUMAN, Robert P., CAVANAGH, Roland R. The Six Sigma Way,
McGraw-Hill, 1998. Editado em portugus por Qualitymark Editora Ltda, 2001.
11. PYZDEK, Thomas The Complete Guide to the CQE, Quality Publishing, 1996.
12. RAMOS, Alberto W. Controle Estatstico de Processo para Pequenos Lotes,
Editora Edgard Blcher Ltda, 1995.
13. SLIFKER, J.F. & Shapiro, S.S. Selection and Parameter Estimation, Technometrics,
1980.
14. SUZAKI, Kiyoshi - The New Manufacturing Challenge techniques for continuous
improvement, New York, The Free Press, 1987
114