Ferramentas da Qualidade UDESC/CCT 1
Ferramentas da Qualidade 1. Diagrama de Pareto 2. Diagrama de causa-efeito (Ishikawa) 3. Histogramas 4. Folhas de verificação 5. Gráficos de dispersão 6. Fluxogramas 7. Cartas de controle 2
Ferramentas da Qualidade Professor: Alan Schmitt UDESC/CCT 3
DIAGRAMA DE CAUSA- E-EFEITO 4
Diagrama de Causa e Efeito O Diagrama de Causa e Efeito é uma ferramenta utilizada para apresentar a relação existente entre o as características de qualidade resultantes de um processo (efeito) e os fatores (causas) do processo que, por razões técnicas, possam afetar o resultado considerado. 5
Diagrama de Causa e Efeito Freqüentemente, o efeito de um processo constitui um problema a ser solucionado e então o Diagrama de Causa e Efeito é utilizado para sumarizar as possíveis causas do problema O Diagrama de Causa e Efeito também é chamado de Diagrama de Espinha de Peixe ou Diagrama de Ishikawa 6
Etapas para elaboração do Diagrama de causa e efeito Defina a característica de qualidade ou o problema a ser analisado (efeito) Faça um brainstorming para levantamento de todas as possíveis causas Identifique as causas primárias que afetam o efeito, classificando-as nas categorias 6M s: Máquina, Matériaprima, Mão-de-obra, Meio Ambiente, Medições e Método Identifique as causas secundárias que afetam as primárias 7
Etapas na construção do Diagrama de causa e efeito. Identifique as causas terciárias que afetam as secundárias Esse procedimento deve continuar até que as possíveis causas estejam suficientemente detalhadas Por consenso, estipule a importância de cada causa e identifique as causas que parecem exercer um efeito mais significativo Registre outras informações, como: título, data, responsáveis 8
Diagrama de Causa e Efeito Causas terciárias Causas secundárias Causas primárias Espinha dorsal Característica Características (efeitos) Fatores (causas) 9
Notas sobre o Diagrama de causa e efeito A construção do diagrama deve ser realizada por um grupo de pessoas envolvidas com o processo A técnica de brainstorming (tempestade de idéias) auxilia o levantamento completo de todas as possíveis causas Sempre que possível, expresse os efeitos e as causas de forma mensurável possibilitando uma análise objetiva 10
Exemplo 1 Mão de Obra Quebra de Gfa Medidas Matéria Prima Desatenção do operador Rotulagem de produtos NC Gfa chega sem conta-gotas Acúmulo de gfa e queda no encaixotamento Regulagem parâmetros Rótulos com problemas Queda cxs da empilhadeira Falhas na impressão Fora da gramatura esp. Fora das especificações Encanoados Falhas na arte Tipo de adesivo Ocasiona quebra na maq.rot. Velocidade da linha Rolos escovas ruim Quebras Rótulos Umidade muito velhos Excesso de set up Muito caro para troca frequente Bolhas no rótulo Marcas de pinça Devoluções Abstecimento da máquina Temperatura Ajuste maq durante set up Falta de MP Retrabalho Método Máquina Meio Ambiente 11
Exemplo 2 Mão-de-obra Medidas Matéria Prima Falta deman. Preventiva Critérios de leituras. Medição vol. Var.med.vazão Desatenção Marcador do tq Var. bicos ench. Var. formas gfa Contração líquido Evaporação Var.Temp. Perda de líquido no produto acabado Método Máquina Fatores (causas) Meio Ambiente Problemas (Efeitos) Nota: Em NEGRITO são apresentadas as prováveis causas geradoras do problema. 12
Histogramas 13
Histograma O histograma é um gráfico de barras no qual o eixo horizontal, subdividido em vários pequenos intervalos, apresenta os valores assumidos por uma variável de interesse. Para cada um destes intervalos é construída uma barra vertical, cuja área deve ser proporcional ao número de observações na amostra cujos valores pertencem ao intervalo correspondente 14
Freqüência Ex. Histograma dados contínuos 22 20 18 16 14 12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 Característica Analisada 15
Freqüência Freqüências Polígono de Freqüência 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 Característica Analisada Ex. Histograma e Polígono de Freqüência 25 20 15 10 5 0 1 2 3 4 5 6 7 8 9 Característica Analisada 16
Histograma dados discretos f(x) 6/36 5/36 4/36 3/36 2/36 1/36 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 x 17
Histograma O histograma dispõe as informações de modo que seja possível a visualização da forma da distribuição de um conjunto de dados e também a percepção da localização do valor central e da dispersão dos dados em torno deste valor central. 18
Como construir um Histograma Histograma para variáveis contínuas 1. Colete n dados referentes à variável cuja distribuição será analisada. É aconselhável que n seja superior a 50 para que possa ser obtido um padrão representativo da distribuição. Ex.: característica dimensional (mm) 20,2 21 24 24,6 25,5 26 27 28,3 29 29,2 29,9 30,8 30,9 31 31 31,2 31,4 31,6 31,6 31,8 32,1 32,2 32,2 32,2 32,4 32,6 34 34,5 34,7 34,8 35,3 35,6 35,7 35,8 36 36 36,1 38 38,1 38,4 38,5 38,7 38,7 39,1 39,4 39,7 41,3 41,9 42 42 42,1 42,3 43 43,7 44 44,6 45,8 46 49 50 19
Como construir um Histograma 2) Determine o maior e menor valor do conjunto de dados; Min = 20,2 e Max = 50 3) Defina o limite inferior da primeira classe (LI), que deve ser igual ou ligeiramente inferior ao menor valor das observações; LI = 20 4) Defina o limite superior da última classe (LS), que deve ser igual ou ligeiramente superior ao maior valor das observações; LS= 50 20
Como construir um Histograma 5) Define-se o número de classes (K), que pode ser calculado usando K n e deve estar compreendido entre 5 e 20; K 60 8 Para facilitar os cálculos, foi escolhido K = 8 6) Conhecido o número de classes, define-se a amplitude de cada classe: a = (LS - LI) / K; a ( LS K LI) (50 8 20) 3,75 21
Como construir um Histograma 7) Calcule os limites de cada intervalo 8) Construa uma tabela de distribuição de freqüência Limite inferior da classe Limite superior da classe Intervalo de Classe Freqüência Absoluta 1-20,00 a 23,75 2 2-23,76 a 27,50 5 3-27,51 a 31,25 9 4-31,26 a 35,00 14 5-35,01 a 38,75 13 6-38,76 a 42,50 9 7-42,51 a 46,25 6 8-46,26 a 50,00 2 Nº de observações em cada classse 22
Freqüência Como construir um Histograma 9) Desenhe o histograma 10) Registre as informações importantes que devem constar no gráfico Ex. Histograma 15 14 13 10 5 2 5 9 9 6 2 0 1 2 3 4 5 6 7 8 Classes da Característica medida 23
Formas Histogramas Histograma simétrico ou em forma de Sino O valor médio localiza-se no centro do Histograma Pode ocorrer qdo a variável é contínua e não existem restrições para os valores que pode ocorrer 24
Formas de Histograma Histograma Assimétrico O valor médio localiza-se fora do centro do Histograma É usualmente encontrado qdo não é possível a varíavel assumir valores mais altos ou mais baixos do que um determinado limite. 25
Formas de Histograma Histograma ilhas isoladas Pode ocorrer qdo o processo ao qual a variável associada apresenta algum tipo de irregularidade, ou quando acontece erros de medida ou registro de dados. 26
Formas de Histograma Histograma Despenhadeiro A freqüência diminui de modo abrupto de um ou dos dois lados do gráfico. Pode ocorrer qdo o processo ao qual a variável associada não é capaz de atender as especificações e por este motivo é realizado inspeção 100 % para eliminar produtos defeituosos. 27
Formas de Histograma Histograma Bi-modal A freqüência é baixa no centro do Histograma e existem um pico a direita e outro a esquerda. Ocorre quando dados provenientes de duas distribuições são misturados. 28
Comparação com os limites de especificação Processo A Processo B LIE LSE LIE LSE Processo C Processo D LIE LSE LIE LSE 29
Frequencia Ex. Variação volume - Enchedora Histograma vol. DQ Normal 70 60 Mean 1004 StDev 1,730 N 299 50 40 30 20 10 Temp. média 25 Vol. ideal p/ conv. a 20 C DQ = 1003 0 1002 1004 Volume 1006 1008 30
Freqüência Ex. Variação Grau Alcoólico Histograma Graduação Alcoólica ( GL) 20 15 10 5 0 39,8 39,9 40,0 40,1 40,2 40,3 40,4 40,5 Mean 40,03 StDev 0,1193 N 105 Mês MÉDIA DESVIO PADRÃO CP CPK Abril 40,04 0,09798 1,01 0,80 Maio 40,03 0,1193 0,75 0,66 31
Medição Gráfico Seqüencial Cartas de tendência são empregadas para representar dados visualmente. Média Tempo ou Seqüência São utilizadas para monitorar um sistema a fim de observar ao longo do tempo a EXISTÊNCIA de alterações na média esperada. 32
Gráfico Seqüencial São ferramentas simples de construir e utilizar. Os pontos são marcados no gráfico na medida em que estejam disponíveis. É comum a sua utilização em ocorrências, tais como: paradas de máquina, produção, refugo, erros de tipografia ou produtividade, já que variam com o tempo. 33
Gráfico de controle Controle estatístico do Processo é um sistema de monitoramento da qualidade, com o objetivo de verificar a presença de causas especiais. A principal ferramenta do CEP são os Gráficos de controle. Os Gráficos de Controle fornecem um sinal sempre que houver a presença de causas especiais (falhas operacionais), orientando as ações de melhoria 34
Cartas de controle O gráfico contém uma linha central que representa o valor médio da característica em estudo e duas linhas horizontais chamadas limites de controle. Os limites de controle (calculados a partir da média mais ou menos 3 desvios-padrões) representam a variação associada a causas comuns de variabilidade (inerente ao processo). As amostras fora dos limites de controle representam variação associada a causas especiais (falhas operacionais). 35
Medidas Típico gráfico de controle Gráfico de Controle 18 15 12 9 Amostras LIC LC LSC Medidas 36
Gráfico de Controle Limite de Controle Superior Limite de Controle Inferior 35.2 Média 31.8 23 28 33 38 43 Amostra Causas Especiais Causas Comuns Causas Especiais 37
Gráficos de controle Detecção de causas especiais Se apenas as causas comuns estão presentes, as medidas devem se manter dentro dos limites de controle 35.2 X 31.8 Amostra 35 40 45 50 55 Pontos fora dos limites de controle indicam a presença de causas especiais (falhas operacionais) 35.2 diâmetro 1 6 11 16 21 X 31.8 Amostra 38
Referências Bibliográficas 1. CAMPOS, Vicente F. TQC Controle da Qualidade Total (no estilo japonês). Belo Horizonte, MG: Editora de Desenvolvimento Gerencial, 1999. 2. WERKEMA, Maria C.C. Ferramentas estatísticas para o gerenciamento de processos. Belo Horizonte, MG: Fundação Christiano Ottoni, Escola de Engenharia da UFMG, 1995. 39