APLICAÇÃO DO CEP EM UM PROCESSO DE USINAGEM: UM ESTUDO DE CASO EM INDÚSTRIA DE PEÇAS AUTOMOTIVAS

Transcrição

1 APLICAÇÃO DO CEP EM UM PROCESSO DE USINAGEM: UM ESTUDO DE CASO EM INDÚSTRIA DE PEÇAS AUTOMOTIVAS Alexandre Dalcin (PPGEP/UFRGS) Márcia Ethur dos Reis Trevisan (PPGEP/UFRGS) Carla Schwengber ten Caten (PPGEP/UFRGS) Resumo Este artigo tem como objetivo a aplicação do Controle Estatístico do Processo em um processo de fabricação de uma peça mecânica usinada integrante de um sistema de direção hidráulica automotivo. O estudo analisa e compara o diâmetro de um eixo mecânico produzido por um processo de usinagem tipo retífica, em duas diferentes máquinas. Os resultados obtidos com a aplicação do estudo visam identificar a estabilidade do processo ao longo do tempo, a capacidade do processo em atender às especificações do cliente, o percentual de peças fora da especificação e viabilidade de implantação de melhorias em função da perda do processo devido a peças não conformes. Palavras-chave Controle Estatístico do Processo, Indústria de Autopeças, Capacidade e Viabilidade do Processo de Usinagem. Abstract The objective of this article is the study of Statistic Process Control of the machined mechanical part component of the hydraulic automotive steering system. The study is based upon dimensional values collected in a production line, evaluating the same type rectify machinery process of a mechanical shaft diameter, produced in two different machines. The results obtained with the studies applications aim to identify the stability, process capacity, production viability and improvements evaluation application because of process loss due to not conforming parts. 1 INTRODUÇÃO A competitividade no meio industrial automobilístico nas últimas décadas cresceu consideravelmente. Como consequência disso, a incansável busca por técnicas diferenciadas para aumentar a qualidade dos produtos e, assim, obter melhores desempenhos em todos os processos, tem sido uma das preocupações maiores das indústrias interessadas em solidificar sua presença no mercado mundial (FERNANDES; TURRIONI, 2007). A indústria automobilística está fortemente direcionada para o projeto, Negócios e Talentos

2 desenvolvimento e fabricação de automóveis. O universo automobilístico está constantemente sofrendo exigências de normas de sistema da qualidade por parte de grandes montadoras do mundo inteiro. Devido à competitividade, a qualidade acaba sendo uma presença constante no fator decisivo da grande concorrência do mercado (HARO; SILVA; CATEN, 2001). Segundo Juran (1991), qualidade é definida como desempenho do produto que resulta em satisfação do cliente; livre de deficiências do produto, o qual evita a não satisfação do cliente. Contudo, pode-se definir qualidade de várias formas, como atribuir-lhe a característica de um diferencial no mercado competitivo, ou de um produto ou serviço com qualidade (...) que atende sempre perfeitamente e de forma confiável, de forma acessível, de forma segura e no tempo certo, às necessidades do cliente (FALCONI, 2004, p.1). Assim, como foco, as empresas, para ganhar mercado com competitividade, adotam ferramentas já consagradas como fortes armas para vencer a concorrência (ECKES, 2001). O controle da qualidade do processo pode ser feito, utilizando-se ferramentas estatísticas, cujas técnicas objetivam a qualidade do produto com o monitoramento e aprimoramento do processo (SOUZA, 2002). Para tanto, o controle da qualidade é fundamental para a fabricação de produtos conformes, os quais asseguram as expectativas e a confiança do cliente. Desse modo, aumenta-se a produtividade da indústria, possibilita-se a entrada do produto no mercado, melhora-se, de modo geral, o processo contínuo da fabricação do produto final e, principalmente, reduzem-se custos internos de fabricação e custos externo que retornam de garantia. Tendo em vista o controle do processo, o objetivo geral deste trabalho é aplicar o Controle Estatístico do Processo (CEP) juntamente com o método de aplicação das cartas de controle na redução de defeitos, em uma organização fornecedora de componentes automotivos para montadoras de veículos. Segundo Oakland (1999), as ferramentas do CEP têm por objetivo fazer a análise de comportamento do processo. Essas ferramentas identificam, a partir de dados coletados do processo, com significância estatística, as tendências de variação do processo, a fim de eliminar ou diminuir a variabilidade, causa de problemas de qualidade. Assim, as ferramentas de CEP tornam-se um meio eficiente de controle do processo. Como objetivos específicos, têm-se: (i) apresentar metodologia de aplicação do CEP, objetivos, foco, delimitações para a implantação, vantagens e desvantagens deste estudo de caso; (ii) reduzir causas especiais com foco na redução da geração de peças não conformes (fora da especificação de projeto), agindo no impacto dos custos incorridos para refazer o trabalho da não qualidade; (iii) apresentar perdas ocasionadas pelas não conformidades por meio da capacidade do processo; e (iv) identificar ganhos com a centralização do processo, assim como avaliar investimentos para reduzir a variabilidade do processo. A justificativa para o desenvolvimento deste trabalho surge da necessidade de reduzir defeitos/rejeições dentro da organização e, assim, buscar melhores resultados na fabricação do componente automotivo caixa de direção hidráulica, cujo eixo em estudo é componente deste conjunto. Favorecer o processo de montagem deste produto, diminuindo refugos e retrabalhos, com o 12 Negócios e Talentos

3 auxílio do controle estatístico de processo. Portanto, manter a competitividade da indústria no mercado automobilístico. Este trabalho está subdividido em cinco seções. Na seção 1, apresentou-se uma introdução ao trabalho, que aborda considerações iniciais, o objetivo e a delimitação do trabalho. Na seção 2, apresenta-se o referencial teórico, em que são abordados os conceitos do Controle Estatístico do Processo, utilização das cartas de controle para estabilidade do processo, estatística no estudo de caso e benefícios da utilização da ferramenta para melhorar a qualidade do processo. Na seção 3, apresenta-se a metodologia de trabalho proposta. Na seção 4, apresenta-se um estudo de caso, utilizando-se os conceitos do CEP aplicado no estudo e os resultados obtidos na melhoria do processo. Na seção 5, apresentam-se as conclusões e considerações finais. 2. REFERENCIAL TEÓRICO O CEP aplica técnicas estatísticas em meios produtivos, em que é possível identificar e reduzir a variabilidade de um processo que se deseja monitorar, resultando na melhoria da qualidade dentro de seus limites de controle, determinados por projeto ou exigências de clientes. A qualidade é antagônica à variabilidade, pois, para sua obtenção, é necessário reduzir a variabilidade das características de qualidade do produto e, para tanto, pode-se recorrer à utilização de técnicas de controle estatístico da qualidade (Montgomery, 2004). O objetivo principal da aplicação do CEP é detectar as causas especiais para que sejam encontradas e removidas, fazendo com que se reduza a variabilidade do processo. Logo, ao se identificar a causa especial, ela deve ser tratada de modo individual; a seguir, deve-se identificar a causa raiz para correções necessárias. Segundo Ribeiro e Caten (2012), o CEP é um sistema de inspeção por amostragem realizada ao longo do processo, com o objetivo de identificar causas especiais e causas comuns. As causas especiais podem prejudicar a qualidade do produto e devem ser identificadas e eliminadas do processo. Já as causas comuns se devem à variabilidade inerente ao processo e devem ser reduzidas. Ainda, segundo Ribeiro e Caten (2012), o estudo e a ação sobre causas especiais devem ser feitos com a finalidade de melhoria da qualidade do processo. Corrigindo-se as causas especiais, o processo restringe-se somente a variáveis do processo, o que o torna estável e previsível. O CEP faz uso de cartas específicas que visam monitorar o processo por meio de amostras e de coleta de dados mensuráveis. São aplicadas mais comumente, na indústria, as cartas de média e amplitude (i), restringindo subgrupos a inferiores a 10 amostras. Expandem-se como opções média e desvio padrão (ii), melhor indicadas para subgrupos com mais de 10 amostras; logo, esta sugere melhor eficiência, porém é mais complexa devido ao número maior de dados; a carta de mediana e amplitude (iii) aplicada a subgrupos de menor quantidade de amostras, ou seja, menores subgrupos, a criticidade desta carta está na mediana, pois o fato de atender às especificações não garante a tolerância e, Negócios e Talentos

4 por fim, a carta de controle para valores individuais e amplitude móvel (iv) é utilizada quando o processo possui taxa de produção muito baixa (uma peça dia), ou cara (testes destrutivos), e, onde é uma constante. Com a definição da carta, em função do número, qualificação e variabilidade das amostras, tem-se a base para os cálculos dos limites de controle indicado na equação 1, onde é a média das médias das amostras e é a variabilidade das médias. Os limites de controle para cartas das médias são definidos como Limite de Controle Superior (LCS) pela equação (2) e Limite de Controle Inferior (LCI) definido pela equação (3). Os limites de controle para cartas das amplitudes são definidos como superior (LCS) pela equação (4) e inferior (LCI) definido pela equação (5). Os dados são constantes, assim como e dependem do tamanho das amostras indicado na tabela1. TABELA 1 Valores das constantes D 4, D 3, d 2 e A 2 - Fonte: Ribeiro e Caten (2012) Com os limites de controle calculados e aplicada a carta de controle definida, devem-se remover as causas especiais, se ocorrerem, e verificar a capacidade do processo, aplicando os índices o Cp (capacidade potencial) e Cpk (capacidade efetiva). O Cp é um índice usado para avaliação de características do tipo nominalé-melhor, com limites de processo, podendo ser tolerâncias de projetos ou exigências de clientes. Ele indica a capacidade do processo, porém não verifica a centralização, considerando-se capaz sempre que for Cp 1. É representado pela equação 6, onde representa o limite superior especificação, o limite inferior de especificação e o desvio padrão das amostras. 14 Negócios e Talentos

5 O Cpk, para ser considerado capaz deve ser Cpk=1. Esse índice mede a capacidade real do processo quando centrado e sempre menor que o Cp. Quando o processo está igual ao Cp está centrado. O Cpk atualmente é exigido como Cpk>1,67 na indústria automotiva, o que garante 6 desvios dentro da tolerância do processo. A equação (7) apresenta o cálculo do índice Cpk Superior (Cpks) e a equação 8 do Cpk Inferior (Cpki). O desvio padrão calcula-se pela equação 9. Conforme Ribeiro e Caten (2012), em processos com características do tipo maior-é-melhor, o índice Cpkinf é utilizado para avaliação de capacidade do processo, pois o LSE é teoricamente infinito. Já para os processos do tipo menor-é-melhor, o valor do LIE é teoricamente zero e, por esta razão, utiliza-se o Cpksup para avaliação de capacidade. A Figura 1 apresenta as configurações básicas para o entendimento da forma de interpretar o Cp e Cpk. FIGURA 1 - Interpretação da análise da capacidade dos processos Fonte: Ribeiro e Caten (2012) Conforme Figura 1, pode-se ter a seguinte combinação dos índices Cp e Cpk: A Cp Bom e Cpk Bom: Processo Potencialmente e Efetivamente Capaz, com variabilidade associada às causas comuns, menor do que a amplitude dos limites de especificação e processo centralizado; B Cp Muito Bom e Cpk Bom: Processo Potencialmente Muito Capaz e Negócios e Talentos

6 Efetivamente Capaz, com variabilidade associada às causas comuns, menor do que a amplitude dos limites de especificação, mas requer a centralização da média no valor nominal dos limites de especificação para aproveitar ainda mais sua capacidade potencial; C Cp Ruim e Cpk Ruim: Processo Potencialmente e Efetivamente Não Capaz, com variabilidade associada às causas comuns, maior do que a amplitude dos limites de especificação e processo centralizado; D Cp Bom e Cpk Ruim: Processo Potencialmente Capaz e Efetivamente Não Capaz, com variabilidade associada às causas comuns, menor do que a amplitude dos limites de especificação, mas requer a centralização da média no valor nominal dos limites de especificação para se tornar capaz Função Perda A função perda mensura os custos da não qualidade. Pode ser mensurada como perdas por má qualidade, ou por perda de controle do processo. As peças fora da especificação devem ser rejeitadas ou retrabalhadas, gerando custos extras ao processo. Segundo Taguchi, mesmo as peças dentro das especificações, mas distantes do valor nominal, geram custos pela folga ou interferência geradas na montagem das peças. Já a abordagem tradicional não contempla as perdas relacionadas à baixa qualidade das peças que estão dentro da especificação. Assim, essa perda resulta aproximadamente proporcional ao quadrado do desvio da meta estabelecida para certa característica de qualidade (CATEN E MIORANDO, 2012). Ainda segundo Ribeiro e Caten (2012), a função perda é empregada para quantificar a perda que um produto impõe à sociedade pela falta de qualidade. A perda da qualidade ocorre quando a característica funcional de um produto (designada por y) desvia-se do valor nominal (designado por m), não importando o tamanho do desvio. Como mostra a figura 2, a perda da qualidade causada por desvio equivale a zero quando y = m; a perda aumenta quando o valor da característica funcional se desloca de m tanto para valores maiores quanto para menores. Quando o valor da característica funcional excede qualquer um dos limites m + D ou m - D (onde D é definido como tolerância), a perda na qualidade é igual ao custo de perda ou de fabricação do produto. FIGURA 2 Comparação perda tradicional x função perda. 16 Negócios e Talentos

7 A função perda pode ser expressa pela equação 10: Sendo Li a função perda, k o coeficiente da perda da qualidade, yi o valor mensurado e m para a meta da qualidade. A equação 11 apresenta o coeficiente k. Sendo é o desvio da meta que exige reparo e é o custo do reparo. Segundo Ribeiro e Caten (2012), a fórmula para representar as perdas de qualidade para um lote de peças avaliado por características de qualidade do tipo maior-é-melhor é apresentada na equação 12, para características do tipo menor-é-melhor na equação 13 e para características do tipo nominal-émelhor na equação 14. Os ganhos obtidos com levantamento de valores para Cp e Cpk, consideram-se perdas com a centralização no processo, são identificados pela equação 15, sendo G o ganho, D a porcentagem das peças depois da centralização, A a porcentagem de perda das peças antes da centralização, V o volume de peças e P o preço da peça. 3 PROCEDIMENTOS METODOLÓGICOS A abordagem do estudo enfatiza-se na realização de 4 etapas: (i) definição do processo, (ii) definições do indicador, tipo e especificações; (iii) definição do tipo de carta de controle; e (iv) definição do tamanho da amostra e frequência de amostragem. Aplica-se o CEP em um processo de usinagem tipo retífica para o diâmetro de um eixo. Este processo ocorre em duas máquinas que executam a mesma operação; logo, o estudo analisa a capacidade das duas máquinas atenderem aos requisitos de tolerância de projeto de uma peça. 3.1 Definição do Processo Com o objeto de estudo definido, coletaram-se dados específicos de um processo de usinagem de um eixo mecânico, integrante de um conjunto de sistema de direção hidráulica automotiva. A seleção destas operações de usinagem deu-se em função de atualmente não haver monitoramento sobre o Negócios e Talentos

8 processo de CEP a este processo. Devido às medidas coletadas serem de grande precisão em requisitos de segurança, procurou-se monitorar cotas do diâmetro do eixo indicadas na figura 03: FIGURA 3 Cota de diâmetro para monitoramento de dados para o estudo de caso. 3.2 Definições do indicador, tipo e especificações As medidas coletadas no processo variam dentro de um campo de tolerância de projeto de 19, 9795 a 19,9895 mm, determina-se a indicação das variáveis como sendo a medida nominal-é-melhor como opção para o controle e aplicação do processo. Esse campo de tolerância se faz necessário devido a requisitos de processos de montagem do eixo. 3.3 Definição do tipo de carta O tipo de carta aplicado a este estudo foi a carta de e R (Carta para médias e amplitudes respectivamente), pois trata-se de uma característica de qualidade do tipo variáveis. 3.4 Definição do tamanho da amostra e frequência de amostragem A quantidade de amostras aplicadas ao estudo da usinagem do diâmetro foi de 3 peças por amostras. Os dados encontram-se no APÊNDICE. Segundo Ribeiro e Caten (2012), em geral, 3 a 6 peças consecutivas constituem uma amostra adequada. Executou-se a coleta de dados na forma de anotação manual, coletaramse os dados junto ao posto de trabalho para as duas máquinas. As amostras de 1 até 36 foram coletadas no período de 24h entre os dias 26/03/2012 às 07h30min até 27/03/2012 às 07h10min para a Máquina 1 e para a Máquina 2, considerando-se a média das coletas de 3 amostras a cada 40 minutos por máquina. 4. AnÁlise dos resultados Os resultados apresentados para os dois processos foram divididos em (i) estudo de estabilidade; (ii) estudos de capacidade; (iii) função perda e (iv) 18 Negócios e Talentos

9 viabilidade de investimento em melhorias. 4.1 Estudos de Estabilidade O estudo de estabilidade se subdivide em análises de processo das Máquinas 1 e Estabilidade do processo de usinagem do diâmetro da Máquina 1 Com os dados coletados para controle do diâmetro do eixo usinado pela Máquina 1, realizaram-se os cálculos de limites de controle para o desenvolvimento da carta de médias e amplitude conforme equação (2) e (3), resultando no limite de controle inferior LCI e no limite de controle superior LCS de 19, 9903 e 19, 9845 mm respectivamente. A Figura 4 apresenta a carta das médias com todas as amostras, ou seja, não foram removidas as causas especiais para análise. Observa-se que se consideraram as causas especiais, pois as últimas sete amostras de médias (2h30min às 7h10min) oscilaram acima da média do processo, considerandose tendência, possivelmente gerada por desgaste de rebolo de retífica. Para carta de amplitudes, calcularam-se os limites de controle a partir das equações (4) e (5), em que se obteve 0, 0074 mm para o LCS e 0 para LCI. A Figura 5 apresenta a carta de amplitude. Após a remoção das causas especiais, recalcularam-se os limites de controle para a média (LCS=19, 9902 e LCI =19, 9843 mm) e amplitude ( LC=+0,0074 mm e LCI=0) Estabilidade do processo de usinagem do diâmetro da Máquina 2 Aplicando-se o mesmo procedimento executado para controle da Máquina 1, o limite de controle inferior LCI e o limite de controle superior LCS foram 19, 9907 e 19,9842 mm respectivamente. Para carta de amplitudes se obteve 0, 0082 mm para o LCS e 0 para LCI. A Figura 6 apresenta a carta das médias Negócios e Talentos

10 com todos os valores, ou seja, não foram removidas as causas especiais para análise. Observam-se sete causas especiais em sequência acima da média durante o dia 26/03/2012 entre as 18h30min e 23h10min, tendo como possível causa o ajuste de tensão do rebolo sobre a peça, e uma causa especial abaixo do limite de controle inferior às 3h50min do dia 27/03/2012. Observam-se, na Figura 7, que as amplitudes se apresentam estáveis, sem causa especial. Os limites de controle recalculados sem as 8 causas especiais para a carta de média foram LCS= 19, 9907 e LCI=19, 9838 mm e para a carta de amplitude foram LCS= 0,0086 mm e para LCI= Estudos de Capacidade Considerando-se as especificações de projeto da usinagem do eixo entre 19, 9895 mm como especificação superior e 19, 9795 mm como especificação inferior, tem-se como alvo o valor nominal dos limites de 19, 9845 mm. Como se trata de indústria de peças automotivas, o Cpk necessariamente terá que ser maior que 1,33 (Cpk>1,33) para máquinas antigas, porém para máquinas novas em desenvolvimento há exigência de Cpk>1,67. Foi verificado que os dois processos possuem média deslocada para cima do alvo conforme é apresentado nas Figuras 8 e Capacidade da usinagem do diâmetro Máquina 1 Considerando-se o processo sem causas especiais, o processo atual tem média 19, 9872 mm e desvio padrão 0,0017 mm. O valor do Cp = 0,9691 caracteriza um processo potencialmente não capaz, pois é inferior ao desejado (Cp>1,33). O valor do CpkSup=0,4395 caracteriza um processo efetivamente não capaz e descentralizado com média superior ao valor nominal, como pode ser visualizado na Figura 8. O processo apresenta 9,36% das peças acima das especificações e 0,0004% abaixo das especificações, totalizando 9,36% das peças fora de especificação. Obtiveram-se valores de 93643,82 ppm (partes por milhão) de peças não conformes e 90,63% das peças dentro das especificações. A Figura 8 apresenta a distribuição do processo com a média deslocada para cima do alvo, sendo 20 Negócios e Talentos

11 necessário que se faça a simulação da centralização do processo a fim de identificar ganhos possíveis no processo Capacidade da usinagem do diâmetro Máquina 2 Considerando-se o processo sem causas especiais, o processo atual tem média 19, 9872 mm e desvio padrão 0,002 mm. O valor do Cp = 0,8402 caracteriza um processo potencialmente não capaz, pois é inferior ao desejado (Cp>1,33). O valor do Cpk Sup= 0,3805 caracteriza um processo efetivamente não capaz e descentralizado com média superior ao valor nominal, como pode ser visualizado na Figura 9. O processo apresenta 12,68% das peças acima das especificações e 0,0049% abaixo das especificações, totalizando 12,69% das peças fora de especificação. Obtiveram-se valores de ,68 ppm (partes por milhão) de peças não conformes e 87,31% das peças dentro das especificações. A Figura 9 apresenta a distribuição do processo com a média deslocada para cima do valor alvo. Assim, como se identificou no processo anterior, é necessário que se faça a avaliação do processo para a Máquina 2, simulando a centralização do mesmo a fim de identificar ganhos possíveis no processo. 4.3 Função perda para estimar os custos indiretos da não qualidade Primeiramente, faz-se necessário estimar o custo da usinagem das peças fora de especificação. Para o caso de nominal é melhor, a melhor forma de identificar as perdas da não qualidade seria estimando-se o quanto a média está afastada do valor alvo. Desta forma, avaliou-se a quantidade de peças não conformes e o custo de R$ 13,00 para cada peça não conforme Função perda para usinagem do diâmetro Máquina 1 Negócios e Talentos

12 Estima-se a perda L, para o processo de usinagem de um lote de eixos para a Máquina 1, em R$ 5,29 em média por peça. Conclui-se que a perda é predominantemente devido a desvio da meta e desta forma é possível efetuar uma melhoria no processo com facilidade, pois o índice Q =1,59 foi maior que Função perda para usinagem do diâmetro Máquina 2 Estima-se a perda L, para o processo de usinagem de um lote de eixos para a Máquina 2, em R$ 5,87 em média por peça. Conclui-se que a perda é predominantemente devido a desvio da meta e desta forma é possível efetuar uma melhoria no processo com facilidade, pois o índice Q =1,35 foi maior que Análise de viabilidade financeira da centralização do processo No processo de usinagem do eixo considerado do tipo nominal é melhor, a centralização do processo deve ser realizada, considerando a média centralizada no valor nominal das especificações Viabilidade de centralização do processo de usinagem do diâmetro para Máquina1 Para simular o processo centrado, deslocou-se a média para o valor nominal de 19,9845 mm. Na centralização do processo, o desvio padrão se manteve em 0,00017 mm pois não foram realizadas melhorias para a redução das causas comuns. Com a média centrada no alvo, obteve-se Cp=0,9804 caracterizando um processo potencialmente e efetivamente não capaz (Cpksup=Cpkinf=Cp=0,9804). Mesmo com o processo centralizado, verificou-se que 0,16% das amostras estão acima e 0,16%, abaixo das especificações, totalizando 0,33% de peças não conformes (3280,863 ppm) e 99,67% de peças dentro das especificações de projeto, conforme representado na Figura Negócios e Talentos

13 Considerando-se um investimento de R$ ,00 em equipamentos para a centralização do processo e uma produção mensal de peças/ mês, a um custo de R$ 13,00 por peça, obtém-se um ganho de R$ 646,36 mensais com a centralização do processo, conforme equação 15. Calculandose o quociente do investimento pelo ganho, obtém-se o número de 15,5 meses para o retorno do investimento, o que o torna viável para centralização do processo Viabilidade de centralização do processo de usinagem do diâmetro para Máquina2 Para simular o processo de centralização, deslocou-se a média para o valor nominal, de 19,9845 mm e manteve-se o desvio padrão em 0,002 mm. Com a média centrada no alvo, obteve-se Cp de 0,8333, caracterizando um processo efetivamente e potencialmente não capaz (Cpksup= Cpkinf =0,8333= Cp =0,8333. Verificou-se que 0,622% das peças estão acima e 0,622% abaixo das especificações, totalizando 1,25% de peças não conformes (12439,43 ppm) e 98,75% dentro das especificações de projeto, conforme representado na Figura 13. Considerando-se um investimento de R$ ,00 para a centralização do processo e uma produção mensal de peças/mês, a um custo de R$ 13,00 por peça, obtém-se o ganho de R$ 818,68 mensais com a centralização do processo. Calculando-se o quociente do investimento pelo ganho, obtém- se 12,5 meses para o retorno do investimento, o que torna viável o investimento para centralização do processo. 4.5 Viabilidade de investimento em tecnologia para redução de causa comum. Para se reduzir a variabilidade inerente à tecnologia em uso e alcançar um Cp >1,33, seria necessário um investimento em equipamentos para a aquisição de sensores ópticos e infravermelhos que garantissem o auto ajuste do suporte do rebolo das retíficas ao custo de R$ ,00 por máquina. Para a Máquina1, considerando-se o investimento em equipamentos para reduzir a variabilidade, para a produção mensal de peças/mês, Negócios e Talentos

14 a um custo de R$ 13,00 por peça, tem-se o retorno em aproximadamente 85 meses, em torno de 7 anos. Já para a Máquina 2, considerando-se o mesmo investimento em equipamentos para reduzir a variabilidade, para o mesmo volume de produção de peças ao custo de R$ 13,00 por peça, tem-se o retorno em aproximadamente 67 meses, em torno de 5,5 anos. O tempo para o retorno deste investimento é muito longo, considerando-se apenas o ganho obtido com a redução das peças não conformes. Para tornar viável este investimento, seria necessário considerar também a redução dos custos indiretos a longo prazo (não contábeis) calculados com a Função de Perda. 5. Conclusões Este artigo tem como objetivo a aplicação do Controle Estatístico do Processo em um processo de fabricação de uma peça mecânica usinada, integrante de um sistema de direção hidráulica automotivo. O estudo analisa e compara o diâmetro de um eixo mecânico resultante de um processo de usinagem tipo retífica, produzido em duas diferentes máquinas. Os resultados permitiram identificar a estabilidade do processo ao longo do tempo, a capacidade do processo em atender às especificações do cliente, o percentual de peças fora da especificação e a viabilidade de implantação de melhorias em função da perda do processo devido à fabricação de peças não conformes. Os dados foram coletados para as Máquinas 1 e 2 por um período de 24h, considerando-se um tamanho de amostra de 3 peças e uma frequência de amostragem de 40 min. No estudo de estabilidade, conclui-se que as duas máquinas apresentam desempenho semelhante, pois as duas apresentam causas especiais na carta de médias. No estudo de capacidade, identificou-se que a Máquina 1 tem um desempenho ligeiramente superior à Máquina 2, mas as duas são efetivamente e potencialmente não capazes. A máquina 1 apresentou valores de Cp = 0,9691 e CpkSup=0,4395, o que caracteriza um processo potencialmente e efetivamente não capaz e descentralizado para a direita com média superior ao valor nominal. A máquina 2 apresentou valores de Cp = 0,8402 e Cpk Sup= 0,3805 ligeiramente inferiores, o que também caracteriza um processo potencialmente e efetivamente não capaz e descentralizado com média superior ao valor nominal. Considerando-se que nenhuma das máquinas apresentou o desempenho desejado nos estudos de Capacidade (Cp>1,33), a análise de viabilidade financeira das melhorias justificou o investimento de R$ ,00 para a centralização do processo. O tempo para o retorno do investimento em novas tecnologias de R$ 24 Negócios e Talentos

15 55.000,00 é muito longo, não sendo considerado viável, considerando-se apenas o ganho obtido com a redução das peças não conformes. Para tornar viável este investimento, seria necessário considerar também a redução dos custos indiretos calculados com a Função de Perda. Este trabalho apresentou a aplicação de uma importante ferramenta para a identificação de falhas no processo da linha de produção, em máquinas por vezes consideradas gargalo, sugerindo-se, assim, seguir com os procedimentos de investimentos identificados para otimização do processo e garantia da qualidade total, reduzindo-se perdas por geração e envio de peças não conforme a clientes. REFERÊNCIAS CAMPOS, Vicente Falconi. TQC: Controle da Qualidade Total: no estilo japonês. Nova Lima, MG, Indg tecnologia e serviços LTDA, 2004, p. 2. CATEN, C.T., RIBEIRO, J.L. e FOGLIATTO, F.S. Implantação do Controle Integrado de Processos. Revista Produto e Produção, ECKES, George. A Revolução Seis Sigma: o método que levou a GE e outras empresas a transformar processos em lucros. Rio de Janeiro: Campos, 2001, p. 15. FERNANDES, Marcelo; TURRIONI, João Batista. Seleção de projetos Seis Sigma: aplicação em uma indústria do setor automobilístico.17ed. São Paulo: Produção, 2007, p HARO, Daniel Garcia; SILVA, Sílvio Ceroni; CATEN, Carla S.ten. Sistemas da Qualidade na Indústria automobilística: Uma proposta de Auto-Avaliação Unificada In: ENEGEP,2001, Salvador. Anais. JURAN, J.M. Controle de Qualidade: componentes básicos da função qualidade. São Paulo: McGraw-Hill/Makron, MONTGOMERY, D. Introducão ao controle estatístico da qualidade. 4ª ed., LTC Livros Técnicos Científicos, OAKLAND, J.S; Statistical Process Control. Oxford Butterworth- Heinemann, RIBEIRO, J.L.D. & TEN CATEN, C.S. Série Monográfica Qualidade: Controle Estatístico do Processo. Porto Alegre: FEENG/UFRGS, SOUZA, G.R. de; Implantação do Controle Estatístico do Processo em Negócios e Talentos

16 Uma Empresa de Bebidas. Mestrado Universidade profissionalizante em engenharia UFRGS, 2002 Apêndice 26 Negócios e Talentos