You are on page 1of 32

Universidade Federal do Rio de Janeiro

Escola Politcnica
Departamento de Engenharia Industrial
Engenharia de Produo

Or

Estudo de caso PROFUND


Controle de Qualidade

Alunos: Gustavo Barroso Sathler


Mariana Simon Paixo
Rodrigo Losso Luz

Professor: Amarildo Fernandes

Rio de Janeiro
Julho de 2013
Sumrio
Introduo ..................................................................................................................................... 3
1.1. Contexto ........................................................................................................................ 3
1.2. O processo produtivo .................................................................................................... 3
1.3. O problema.................................................................................................................... 4
2. Anlises grficas .................................................................................................................... 6
2.1. Testes de hiptese ........................................................................................................ 9
2.2. Paretos ........................................................................................................................ 11
3. Ishikawa ............................................................................................................................... 17
4. Controle Estatstico do Processo (CEP) ............................................................................... 18
4.1. Anlise dos dados mensais.......................................................................................... 18
4.2. Anlise dos dados semanais ........................................................................................ 20
4.3. Planejamento da Implantao do CEP ........................................................................ 26
5. Perdas Esperadas ................................................................................................................ 29
6. Anlise de Capacidade ........................................................................................................ 30
7. Concluso ............................................................................................................................ 31
8. Referncias Bibliogrficas ................................................................................................... 32
Introduo

Este trabalho tem por objetivo estudar um caso fictcio da empresa Profund, aplicando
os conhecimentos tericos obtidos na cadeira Controle de Qualidade, do professor
Amarildo Fernandes.

1.1. Contexto
A empresa Profund uma empresa de fundio de lato de mdio porte cujos 2
produtos principais so de grande tamanho tipo cotovelo e derivaes tipo t,
sendo que os cotovelos so fundidos em liga especial de lato e os ts em liga padro.
H trs meses a firma Profund aumentou sua produo com a instalao de uma
segunda linha de produo (linha II). Aumentando-se a produo, foi necessrio
aumentar o nmero de turnos de revezamento - de 2 letras (A e B) para 3 letras (A, B e
C). Desta forma, foi necessrio o remanejamento do pessoal experiente da produo
(moldadores, vazadores, rebarbadores, chefes de turno), dos turnos A e B para o turno
C e contratar tcnicos para cargos de Inspetores e chefes de turno.

1.2. O processo produtivo


O processo produtivo, consiste simplificadamente em 2 linhas (I e II), de produo
independentes composta por moldagem, carga, fuso, vazamento, desmoldagem,
rebarbao, inspeo, armazenagem e expedio.
A seqncia de produo inicia com a preparao da carga do forno, orientada pelo
chefe de turno, onde o operador do forno (forneiro) pesa e adiciona as matrias primas
(sucata de lato, ligas). Aps fuso o vazador enche os moldes que vieram do setor de
moldagem, transferindo-os para a rea de resfriamento e desmoldagem. Em seguida, as
peas desmoldadas vo para rebarbao e esmerilhamento. Aps o esmerilhamento as
peas sofrem inspeo 100%, onde so separadas as peas boas das defeituosas.
Tradicionalmente se registram 3 grandes famlias de defeitos (causando efeito
indesejvel de aumento de custo:
a) trincas (fissuras, rachaduras);
b) porosidades (bolhas, vazios, poros);
c) dimensional (esmerilhamento excessivo, falta de material, moldagem,
deslocamento).
Preparao da Carga no
Forno Encaminhamento das
peas desmolgadas para
Orientado pelo chefe de turno
rebarbao e
esmerilhamento

Pesagem e Transferncia dos moldes


adicionamento das para a rea de
matrias-primas resfriamento e Peas sofrem 100%
Realizado pelo forneiro desmoldagem de Inspeo
Realizado pelo vazador

Fuso Enchimento dos moldes


No forno vindos do setor de
moldagem
Realizado pelo vazador

Figura 1 O processo produtivo


Fonte: Elaborao Prpria

1.3. O problema
A produo vem sendo atendida, nos ltimos meses, conforme o programa de
produo, e as vendas vem correndo normalmente, porm o setor financeiro reclamou
um aumento nos custos de refugos e retrabalhos a partir da entrada da nova linha em
operao. Sendo assim, o Diretor Presidente, ao constatar irritado que nos ltimos
meses houve um aumento nos refugos e retrabalhos, ligou para o gerente de produo,
reclamando providncias. O gerente ento decidiu colher informaes a partir do
contato direto com diversos funcionrios envolvidos com a produo. Solicitou tambm
levantamento de dados gerais dos 6 ltimos meses de produo e dados detalhados de
6 dias recentes.
Atravs dos levantamentos dos dados gerais mencionados e das entrevistas individuais
que o gerente fez com o Supervisor de Manuteno, Coordenador, Supervisor de
Produo, Supervisor de Laboratrio, Tcnico de Operao, Supervisor de Inspeo,
Inspetor da Qualidade e Chefe da Turma A, utilizamo-nos do Mtodo de Identificao
Anlise e Soluo de Problemas (MIASP). Foi utilizada, ento, a Matriz de Ferramentas
de Soluo de Problemas reproduzida abaixo.
Figura 2 Matriz de Ferramentas de Soluo de Problemas
Fonte: Montgomery (1991)
2. Anlises grficas

Em uma primeira anlise, queremos ver se existiu considervel impacto em alguma tipo
de defeito em especial com a entrada em operao da segunda linha de produo.
Assim, foram analisados os 6 meses de que temos o levantamento de dados. Os 3
primeiros, quando ainda s operava a linha 1 e os 3 seguintes, quando operavam as
duas linhas. Em seguida, foi feito um teste de hiptese para as propores para
sabermos a um nvel de significncia de 5% se houve aumento significativo no nmero
de erros ou no.

Defeitos Trinca
3,00%

2,90%

2,80%

2,70%

2,60%

2,50%

2,40%

2,30%

2,20%
Fev Mar Abr Mai Jun Jul

Grfico 1 Defeitos causados por trinca


Fonte: Elaborao Prpria

Atravs deste grfico, podemos enxergar que houve, de fato, um aumento dos defeitos
causados por trinca com a entrada da linha 2. A mdia dos 3 primeiros meses 2,483%
com variao de apenas 0,01%, enquanto a mdia dos 3 meses seguintes de 2,87%,
com variao tambm de apenas 0,01%. A diferena entre as mdias de 0,387%,
bem maior que a variao de 0,01%, o que poderia sugerir uma interferncia da linha 2
nos defeitos causados por trincas.
Defeito Dimensional
1,40%

1,20%

1,00%

0,80%

0,60%

0,40%

0,20%

0,00%
Fev Mar Abr Mai Jun Jul

Dimensional relativo Fev

Grfico 2 Defeitos causados por dimensional


Fonte: Elaborao Prpria

Neste grfico, podemos ver que com a entrada da linha 2, houve uma pequena
diminuio nos defeitos causados por motivos dimensionais. A mdia dos 3 primeiros
meses de 1,236%, com variao de 0,013%, e nos 3 ltimos a mdia era de 1,143%,
com variao de 0,0066%.

Defeito Porosidade
3,50%

3,22% 3,24% 3,21% 3,19% 3,20% 3,21%


3,00%

2,50%

2,00%

1,50%

1,00%

0,50%

0,00% 0 0 0 0 0
Fev Mar Abr Mai Jun Jul

Porosidade relativo Fev

Grfico 3 Defeitos causados por porosidade


Fonte: Elaborao Prpria
Apenas olhando-se para o grfico, no so to imediatas concluses quanto dos dois
primeiros grficos apresentados. Neste, que diz respeito aos defeitos causados por
porosidade, parece que os pontos se mantem em uma reta, sem grandes mudanas. A
mdia dos 3 primeiros meses de 3,223%, com variao de 0,016%, enquanto a
mdia dos 3 ltimos meses de 3,20%, com variao de 0,01%.

Defeitos totais
8,00%
7,00%
6,00%
5,00%
4,00%
3,00%
2,00%
1,00%
0,00%
Fev Mar Abr Mai Jun Jul

Total Fev

Grfico 4 Defeitos totais


Fonte: Elaborao Prpria

Neste outro grfico est representada a totalidade de erros. Nos 3 primeiros meses a
mdia de 6,943% com variao de 0,013% e nos 3 ltimos meses a mdia de
7,21%, com variao de 0,02%.
2.1. Testes de hiptese
Para sabermos se houve mudana nas propores de defeitos para os momentos antes
e depois da instalao da nova linha, foi feito um teste de hiptese com nvel de
significncia de 5%.

, onde

Teste de hiptese H0 H1
Trincas p2>p1
Porosidades p1>p2
p1 = p2
Dimenses p1>p2
Defeitos p2>p1

Fev + Mar + Abr Mai + Jun + Jul


Total de trincas 2037 4925
Total de porosidades 2640 5490
Total de dimenses 1017 1960
Total de defeitos 5694 12375
Total de produo 82000 (n1) 171600 (n2)

Fev + Mar + Abr Mai + Jun + Jul


p trincas 0,024841463 0,028700466
p porosidades 0,032195122 0,031993007
p dimenses 0,012402439 0,011421911
p defeitos 0,069439024 0,072115385
Total de produo 82000 (n1) 171600 (n2)

p^ trinca 0,027452681
p^ porosidade 0,03205836
p^ dimenses 0,011738959
p^ defeitos 0,07125 Z 0,05 Concluses
Z0 trinca 5,563118106 > 1,645 Rejeita-se H0
Z0 porosidade 0,270267712 < 1,645 Aceita-se H0
Z0 dimenses 2,144372045 > 1,645 Rejeita-se H0
Z0 defeitos 2,450719817 > 1,645 Rejeita-se H0

Z 0,05 = 1,645
Ento, para as trincas, dimenses e defeitos total, rejeita-se H0 (pois Z0 > Z0,05). Assim,
conclui-se que houve um acrscimo significativo de erros para o caso das trincas e
defeitos total. Para o caso das dimenses, houve um decrscimo significativo. Apenas
foi confirmada a manuteno da proporo para a porosidade, em que H0 foi
confirmada. Dessa forma, o grupo concluiu que como houve um acrscimo significativo
de erros total e de trincas, o problema se encontra na trinca. O grfico abaixo pode
mostrar melhor a olho nu esse aumento.
Defeitos - Condensados por ms
8,00% 8,00%

7,00% 7,00%

6,00% 6,00%

5,00% 5,00%

4,00% 4,00%

3,00% 3,00%

2,00% 2,00%

1,00% 1,00%

0,00% 0,00%
Fev Mar Abr Mai Jun Jul

Trincas relativo Porosidade relativo Dimensional relativo Total relativo


Mdias Trinca Relativo Mdias Porosidade Relativo Mdias Dimensional Relativo Mdias Total relativo

Grfico 5 Defeitos Condensados por ms


Fonte: Elaborao Prpria
Atravs do traado das mdias por defeito dos 6 meses em questo podemos obter
algumas informaes do grfico acima. Com a entrada da nova linha, os erros defeitos
dimensionais caram. Em compensao, os defeitos causados por trincas aumentaram.
Alm disso, em relao aos defeitos causados por porosidade, parecem ter se mantido
constante. Alm disso, de modo geral, a totalidade dos erros aumentou, explicitando o
impacto do aumento dos erros causados por trinca na totalidade dos erros.

2.2. Paretos

A fim de que consegussemos explicar a origem dos defeitos, utilizamo-nos de grficos


de pareto.

Pareto - Defeitos totais


400 120,0%
350
100,0%
300
80,0%
250
200 60,0%
150
40,0%
100
20,0%
50
0 0,0%
Turma B Turma C Turma A

Srie1 Srie2 Srie3

Grfico 6 Defeitos totais por Turma


Fonte: Elaborao Prpria

Turma B 358

Turma C 301

Turma A 293

Atravs deste grfico de pareto enxergamos o total de defeitos dos 6 dias, de 2 feira a
sbado, de acordo com as turmas A, B e C. Atravs dele, fica claro que o principal
causador de defeitos a turma B.
Analisando-se a quantidade de erros dos 6 dias, encontramos:

Defeitos totais
500
400
300
200
100
0
Porosidade Trinca Dimenso

Grfico 7 Total por tipo de defeito


Fonte: Elaborao Prpria

Porosidade 475

Trinca 327

Dimenso 150

Assim, o grupo achou interessante estabelecer grficos de pareto que envolvesse o tipo
de defeito com a turma responsvel. Dessa forma, obtivemos 3 grficos para cada tipo
de defeito como se segue.

Porosidade
250 120,0%

200 100,0%
80,0%
150
60,0%
100
40,0%
50 20,0%
0 0,0%
Turma B Turma C Turma A

Grfico 8 Defeitos de porosidade por turma


Fonte: Elaborao Prpria

Turma B 201 42,3%

Turma C 138 71,4%

Turma A 136 100,0%


Podemos observar no grfico 8 que fica claro que tem uma conexo entre a turma B e
os defeitos de porosidade.

Trinca
150 150,0%

100 100,0%

50 50,0%

0 0,0%
Turma A Turma C Turma B

Srie1 Srie2

Grfico 9 Defeitos de trinca por turma


Fonte: Elaborao Prpria

Turma A 111 33,9%

Turma C 109 67,3%

Turma B 107 100,0%

No grfico 9, no houve grandes variaes visveis pelo pareto para que o grupo
conclusse sobre a relevncia de alguma turma para o defeito trinca.

Dimenso
60 120,0%
50 100,0%
40 80,0%
30 60,0%
20 40,0%
10 20,0%
0 0,0%
Turma C Turma B Turma A

Srie1 Srie2

Grfico 10 Defeitos de dimenso por turma


Fonte: Elaborao Prpria
Turma C 54 36,0%

Turma B 50 69,3%

Turma A 46 100,0%

No grfico 10, tambm no houve grandes variaes visveis pelo pareto para que o
grupo conclusse sobre a relevncia de alguma turma para o defeito dimenso.
Dessa forma, o grupo chegou concluso atravs dos 3 paretos anteriores
apresentados de que h fortes indcios para um problema ser relacionado da turma B
com a porosidade.
Abaixo, um pareto turma B com os defeitos:

Tipos de defeitos da Turma B


250 120,0%

200 100,0%

80,0%
150
60,0%
100
40,0%
50 20,0%

0 0,0%
Porosidade Trinca Dimenso

Srie1 Srie2

Grfico 11 Tipos de defeito da Turma B


Fonte: Elaborao Prpria

Porosidade 201 56,1%

Trinca 107 86,0%

Dimenso 50 100,0%
Tambm foi feito pelo grupo um grfico de pareto que leva em considerao os
defeitos por turno, para que consegussemos fazer uma anlise a olho nu se havia
grandes variaes do nmero de defeito devidas ao turno diurno ou noturno. Como
podemos observar abaixo, no h, a priori, evidncias de grandes variaes na criao
de defeitos por conta dos turnos. Cada turno produziu, em soma, a mesma quantidade
de erros durante a semana. Assim, o grupo descartou o turno como possibilidade de
causa de problemas.

Pareto por Turno


500 120,0%
450
400 100,0%
350 80,0%
300
250 60,0%
200
150 40,0%
100 20,0%
50
0 0,0%
Turno Diurno Turno Noturno

Srie1 Srie2

Grfico 12 Defeitos totais por turno


Fonte: Elaborao Prpria

Turno Diurno 476 50,0%

Turno Noturno 476 100,0%

O grupo tambm elaborou um grfico de pareto dos defeitos para os dia da semana. No foi
conclusivo o grfico a uma primeira anlise, como se segue:
Pareto por dia da semana
200 120,0%

180

100,0%
160

140
80,0%

120

100 60,0%

80

40,0%
60

40
20,0%

20

0 0,0%
2 4 Sbado 5 6 3

Srie1 Srie2

Grfico 13 Defeitos totais por dia da semana


Fonte: Elaborao Prpria

2 173 18,2%

4 164 35,4%

Sbado 164 52,7%

5 159 69,4%

6 148 85,0%

3 143 100,0%
3. Ishikawa

Matria-prima Mquina Medida

rea de moldagem como


principal causadora das trincas
INSPETOR DA QUALIDADE

Variao nas quantidades dos


Metal base vindo com resduos
elementos adicionados liga
de leo e graxa Linha antiga desgastada
SUPERVISOR DE LABORATRIO para a fabricao de cotovelos
SUPERVISOR DE MANUTENO
SUPERVISOR DE INSPEO
Aumento de defeitos a
partir da entrada da linha
nova em operao
Manuteno insuficiente
Iluminao dificultando na nova linha
Remanejamento de pessoal SUPERVISOR DE PRODUO
turno noturno COORDENADOR
TCNICO DE OPERAO

Meio Ambiente Mo-de-obra Mtodo


4. Controle Estatstico do Processo (CEP)

Aps ter sido feita a anlise inicial das causas do problema foi realizado um estudo do
processo para ver se este se encontrava em controle antes e aps a introduo da linha
2. importante ressaltar que este estudo foi limitado pela pouca quantidade de dados
disponveis, sendo ainda assim importante a sua realizao alm de atender aos devidos
fins acadmicos.

4.1. Anlise dos dados mensais

Primeiramente considerou-se os dados mensais presentes na tabela abaixo que mostram os


resultados da introduo da linha 2.

Tabela Peas Produzidas e Defeitos dos ltimos 6 meses

LINHA SOMENTE LINHA l LINHA l + LINHA 2


MS Fev Mar Abr Mai Jun Jul
PRODUO COTOVELO 22100 22200 22100 42900 43000 42800
TE 5250 5150 5200 14300 14400 14200
TOTAL 27350 27350 27300 57200 57400 57000
DEFEITOS TRINCA 682 680 675 1640 1655 1630
POROSIDADE 880 885 875 1825 1835 1830
DIMENSO 340 335 342 650 660 650
TOTAL: 1092 1900 1892 4115 4150 4110
Fonte: Estudo de Caso PROFUND, Amarildo Fernandes 2013

A partir dos dados fornecidos foi elaborada uma carta de controle para a frao no-
conforme (carta p), considerando as mudanas ocorridas na linha. A amostra neste caso
foi a inspeo de 100% da sada do processo durante tais meses (dados fornecidos).
Como quantidades diferentes foram produzidas a cada ms o grfico de controle teve
tamanho varivel de amostra, assim foi usada a tcnica de clculo de limites de controle
com largura varivel conforme Montgomery (1991) usando o software Minitab.
O grfico resultante apresentado abaixo.
Frao de defeituosos nos meses
1902 4115
UCL=0,07537
0,0750

0,0725 _
P=0,07212
Proportion

0,0700
LCL=0,06886

0,0675

0,0650

1 2 3 4 5 6
Sample
Tests performed with unequal sample sizes

Figura Grfico de Controle Mensal da frao no-conforme


Fonte: Elaborao Prpria
A partir da observao do grfico gerado possvel concluir que o processo estava em
controle estatstico nos trs primeiros meses anteriores a adio da linha 2, com uma
proporo mdia de defeituosos de aproximadamente 7%. Aps a introduo da linha 2
(delimitada pela linha pontilhada) houve uma mudana da mdia da proporo de
defeituosos, passando ento a ser aproximadamente 7,2%. Considerando os novos
limites, aps a linha 2 ser introduzida, com os novos volumes de produo, pode-se
dizer que num timeframe mensal o processo estava em controle para estes trs ltimos
meses (maio, junho, julho). No entanto, percebe-se que houve uma indesejvel
mudana de mdia da proporo defeituosa, logo faz-se necessrio um teste estatstico
para verificar se tal mudana foi significativa.
Assim, em seguida foi realizado um teste de hipteses segundo Montgomery (1991)
visando verificar a hiptese nula da igualdade das mdias das propores antes (p1) e
aps (p2) a introduo da linha 2 contra a hiptese alternativa de as propores serem
diferentes nestes dois perodos. Assim, como no exemplo encontrado na bibliografia
(Montgomery, 1991) optou-se por aproximar a distribuio dos dados por uma
distribuio normal, o que validado pelo tamanho grande da amostra (superior a 1000
unidades).
O teste realizado e seus resultados foram:
H0: p2=p1
H1: p2>p1
fr1 = 0,069658537
fr2= 0,072115385
Z0=

Onde e fr1 o estimador de p1 e fr2 o estimador de p2.

No nosso caso encontramos:


fr= 0,071320978
Z0= 2,2486806081
Ztabelado= Z0,05 =1,645
Como Z0>Ztabelado, rejeitamos H0 e conclumos que houve um aumento significativo
na proporo de defeituosos do processo aps a introduo da linha 2.

4.2. Anlise dos dados semanais

Em continuao foi realizado um estudo do controle estatstico do processo com base


nos demais dados fornecidos, desta vez em base diria ou por turno. Primeiramente foi
feito um breve estudo com base no timeframe diria e em seguida um estudo mais
aprofundado com base no timeframe que considera diferentes turnos ao longo do
tempo.

P Chart of Total_Defeitos
0,10
UCL=0,09813

0,09

0,08
Proportion

_
P=0,07439
0,07

0,06

0,05 LCL=0,05066

1 2 3 4 5 6
Sample

Figura Grfico de Controle Dirio da frao no-conforme


Fonte: Elaborao Prpria
Observa-se a partir da carta elaborada que o processo encontra-se em controle
estatstico considerando-se as diferenas entre os dias de produo. Com auxlio do
Minitab foram feitos os testes de corridas, pontos seguidos do mesmo lado e pontos
fora dos limites no tendo sido encontrados indcios de um processo fora de controle.

Em seguida, realizou-se um estudo parecido, desta vez considerando-se os turnos (12


turnos) . Entre os objetivos de adotar-se tal intervalo de tempo est o fato de permitir
identificar as diferenas entre turnos o que dentro de uma unidade produtiva pode ser
vantajoso por permitir um melhor direcionamento e ajustes necessrios. Assim,
primeiramente foi elaborada uma carta da proporo de defeituosos total com relao
aos turnos apresentada abaixo.

Carta 1 - Frao de defeituosos nos turnos


0,10
UCL=0,09552

0,09

0,08
Proportion

_
P=0,07212
0,07

0,06

0,05 LCL=0,04872

1 2 3 4 5 6 7 8 9 10 11 12
Sample

Figura Grfico de Controle por turnos da frao no-conforme


Fonte: Elaborao Prpria
Novamente observa-se a partir da carta elaborada que o processo encontra-se em
controle estatstico considerando-se desta vez as diferenas entre os turnos de
produo. Com auxlio do Minitab foram feitos os testes de corridas, pontos seguidos
do mesmo lado e pontos fora dos limites no tendo sido encontrados indcios de um
processo fora de controle.
Embora a frao no conforme esteja aparentemente em controle, observa-se que a
mdia da proporo relativamente alta, em torno de 7,2% de defeituosos no total.
Isto indica que pouco provvel que a qualidade possa ser melhorada por ao a nvel
da fora de trabalho (operador). Neste caso, torna-se necessria uma ao da gerncia
para melhorar o processo que pode apontar ao pessoal de engenharia a necessidade de
analis-lo em um esforo para melhorar a sada. Um estudo pode ser ento feito para
determinar quais ajustes melhoraro o desempenho.
Em seguida, complementando a anlise anterior das causas do problema na produo,
optou-se por elaborar cartas de controle por tipos de defeito, por tipos de produto e
por linha de produo, considerando-se em todos estes casos um timeframe
novamente por turno, devido a motivo j explicitado.

Anlise por tipos de defeito


Os grficos resultantes para cada tipo de defeito encontram-se abaixo.

Carta 2 - Frao de defeituosos com trincas nos turnos


0,040
UCL=0,03883

0,035

0,030
Proportion

_
0,025 P=0,02477

0,020

0,015

LCL=0,01071
0,010
1 2 3 4 5 6 7 8 9 10 11 12
Sample

Figura Grfico de Controle da frao no-conforme devido a trincas


Fonte: Elaborao Prpria
Carta 3 - Frao de defeituosos com porosidade nos turnos
0,055
UCL=0,05283
0,050

0,045

0,040
Proportion

_
P=0,03598
0,035

0,030

0,025

0,020
LCL=0,01914

1 2 3 4 5 6 7 8 9 10 11 12
Sample

Figura Grfico de Controle da frao no-conforme devido a porosidades


Fonte: Elaborao Prpria

Figura Grfico de Controle da frao no-conforme devido a dimenses


Fonte: Elaborao Prpria
Observa-se a partir das cartas elaboradas que o processo encontra-se em controle
estatstico considerando-se desta vez os defeituosos por cada tipo de defeito. Com
auxlio do Minitab foram feitos os testes de corridas, pontos seguidos do mesmo lado e
pontos fora dos limites no tendo sido encontrados indcios de um processo fora de
controle.
Por uma anlise visual das cartas, vemos que h uma variabilidade grande nos
defeituosos por porosidade (que tambm apresenta a maior proporo mdia), uma
variabilidade baixa na frao de defeituosos por dimenso e uma variabilidade baixa nos
defeituosos por trinco. Tambm visualmente no so identificadas mudanas
significativas de mdia das propores ao longo do tempo neste caso.

Anlise por tipos de produto


Os grficos resultantes para cada tipo de produto encontram-se abaixo.

P Chart of Total_Defeitos_Te
0,035 UCL=0,03474

0,030

0,025
Proportion

_
P=0,02159
0,020

0,015

0,010
LCL=0,00844

1 2 3 4 5 6 7 8 9 10 11 12
Sample

Figura Grfico de Controle da frao no-conforme em produtos Te


Fonte: Elaborao Prpria
P Chart of Total_Defeitos_Cotovelo

0,07 UCL=0,07034

0,06
Proportion

_
0,05 P=0,05053

0,04

0,03 LCL=0,03072

1 2 3 4 5 6 7 8 9 10 11 12
Sample

Figura Grfico de Controle da frao no-conforme em produtos Cotovelo


Fonte: Elaborao Prpria

Observa-se a partir das cartas elaboradas que o processo encontra-se em controle


estatstico considerando-se desta vez os defeituosos por cada tipo de produto. Alm
disso por uma anlisedas cartas, vemos que h uma variabilidade maior nos
componentes Cotovelo do que nos componentes Te.

Anlise por linha de produo


Os grficos resultantes para cada linha de produo encontram-se abaixo.

P Chart of Total_Defeitos_Linha1
0,055
UCL=0,05153
0,050

0,045

0,040
Proportion

_
0,035 P=0,03492

0,030

0,025

0,020
LCL=0,01832

1 2 3 4 5 6 7 8 9 10 11 12
Sample
Figura Grfico de Controle da frao no-conforme da linha 1
Fonte: Elaborao Prpria

P Chart of Total_Defeitos_Linha2
0,055 UCL=0,05431

0,050

0,045
Proportion

0,040
_
P=0,03720
0,035

0,030

0,025

0,020 LCL=0,02008

1 2 3 4 5 6 7 8 9 10 11 12
Sample

Figura Grfico de Controle da frao no-conforme da linha 2


Fonte: Elaborao Prpria

Observa-se a partir das cartas elaboradas que o processo encontra-se em controle


estatstico considerando-se desta vez os defeituosos por cada linha de produo. Ainda,
percebe-se um comportamento semelhante entre cada uma das linhas de produo
individualmente, o que sugere que a diferena na proporo de defeitos no se deve ao
desempenho das linhas. Um fato importante a destacar que nota-se que apenas 4 dos
12 pontos da carta de controle da linha 1 e 5 dos 12 pontos da carta de controle da
linha 2 encontram-se acima da mdia nos mesmos turnos correspondentes, o que pode
indicar a presena de causas no problema ligadas a estes turnos (ou a turma
responsvel pelo turno, uma vez que cada turno associado a uma turma).

4.3. Planejamento da Implantao do CEP

O estudo de caso realizado tambm engloba um planejamento resumido de como seria


a implantao do controle estatstico para este processo. De forma geral, os pontos
propostas para este planejamento so:
Ponto 1: Obter compromisso da alta administrao
Ponto 2: Formular uma poltica (diretrizes)
Ponto 3: Estabelecer responsabilidades do facilitador e da equipe de melhoria da
qualidade
Ponto 4: Definir uma estratgia de treinamento
Ponto 5: Treinar gerentes e supervisores (qualidade da mo-de-obra
Ponto 6: Informar os operadores
Ponto 7: Envolver fornecedores (garantia da qualidade da matria-prima)
Ponto 8: Escolha das caractersticas da qualidade para a aplicao do CEP, neste
caso os critrios de classificao dos defeitos de trinca, porosidade e dimenso
devem ser bem definidos/redefinidos conforme requisitos dos clientes.

Ponto 9: Coletar dados , envolve:


Escolher o tipo de grfico a ser aplicado
A princpio e a partir do que foi visto at ento sugere-se o uso de uma carta de
controle de atributos, no caso da frao no-conforme (Carta p) assim como foi feito
nos tpicos anteriores devido ao tipo de dados e a quantidade varivel da amostra.
Uma das principais motivaes desta escolha a possibilidade de controlar
caractersticas de mensurao quantitativa mais difceis como a porosidade e a
presena de trinca e a possibilidade de incluso de outras no futuro (solda, etc)
conforme se queira.
O controle da carta p ser feito para a proporo de produtos no-conformes no total e
para a proporo de produtos no-conformes devido s trincas. Esta escolha deve-se ao
fato de ter sido identificada na anlise de causas do problema a trinca como tendo tido
uma piora significativa de proporo mdia. Assim uma carta de controle levando em
considerao este defeito seria adequada.
Alm disso, poderia-se propor tambm uma carta de controle dos componente Te e
Cotovelo. Semelhantemente exemplos vistos em Montgomery (1991), a m fabricao
de um componente pode comprometer o produto final.
importante tambm destacar que alternativamente (havendo disponibilidade
econmica e de mo-de-obra) poderia-se fazer uso de um grfico c (grfico de controle
para no-conformidades), que so mais informativos do que a frao no-conforme
uma vez que podem haver mais tipos de no-conformidades. Isto pode ser de grande
utilidade no desenvolvimento dos planos de ao para fora de controle (PAFC) que
devem acompanhar os grficos de controle.

Definio do tamanho da amostra e frequncia de amostragem


Em geral, amostras maiores tornaro mais fcil detectar pequenas mudanas no
processo. Porm, tambm acarretam em uma alocao maior de esforo de
amostragem e consequente custo associado. Assim devemos ter em mente a
magnitude da mudana que se quer detectar.
Para este caso usaremos a proposta de Duncan (1986 apud Montgomery 1991). A
frmula adotada por Duncan e pelos autores deste trabalho :

No caso estudado, a proporo de defeituosos (p) de 7,2% ou 0,072 e queremos que


a probabilidade de detectarmos uma mudana para 2% (proporo desejada) seja de
50%. Assim, adotamos o limite 3, logo L=3 e temos que = 0,072-0,02=0,052. Assim
temos que n=(3/0,052) *(0,072) (0,928)~=223
Assim pelo mtodo escolhido, um subgrupo razovel considerado neste caso teria um
tamanho de amostra de 223 unidades. Alm disso, sugere-se a amostragem por turno
fim de identificar diferenas entre os nveis de qualidade em cada turno.
A abordagem com relao amostragem e frequncia escolhida neste caso a de
tomar unidades consecutivas de produo com o objetivo principal de detectar
mudanas no processo, minimizando a chance de variabilidade devido a causas
atribuveis dentro de uma amostra e maximizando a chance de variabilidade entre
amostras (entre as diferentes horas do turno de trabalho) dadas causas atribuveis.
Assim, teremos um controle das diferenas ocorridas entre os turnos e
consequentemente entre a turma associada a cada turno uma vez que cada turno tem
apenas uma turma trabalhando por vez. Assim, primeiramente coletaramos dados na
fase de planejamento da carta, definiramos os limites de controle para em seguida
passar ao monitoramento online conforme o que foi definido neste tpico.
Uma outra opo manter (e at aumentar) frequncia de amostragem (hora a hora,
por exemplo) para caractersticas que no tiverem boa performance.
Alm disso, importante avaliar a estabilidade e a capacidade/performance do
processo com outras ferramentas: Cp, Cpk, etc.

Ponto 10: Deteco das causas especiais e aes sobre o processo.


Retirar os pontos fora de controle da fase de coleta de dados e recalcular os
limites de controle;
Elaborar a carta de CEP com os limites fixados;
Definir quais os sinais de falta de controle;
5. Perdas Esperadas

Admitimos que uma pea s pode ter um defeito, devido falta de informaes. Logo cada
defeito detectado corresponde a uma pea defeituosa.

Foi feito um teste de normalidade para defeituosos/turno durante a semana de agosto, cujos
dados esto tabelados no exerccio. O p-value igual a 0,08 obtido maior que 0,05 (valor de
alfa proposto), logo, a hiptese nula de normalidade aceita.

Defeitos na semana
Normal
99
Mean 79,33
StDev 8,072
95 N 12
AD 0,621
90
P-Value 0,080
80
70
Percent

60
50
40
30
20

10

1
60 70 80 90 100
Defeituosos

Quantidade de defeitos por turno durante a semana (amostra):

tem: = 79,33; S= 8,07

Considerando a mesma distribuio da quantidade de defeitos por turno, no futuro, podemos


considerar a funo custo:

= 3.

tem = 238; S= 24,21

Logo, o custo mdio R$238.

O intervalo de confiana de 95%,calculado atravs da frmula:

onde t = 2,20 e n = 12

O valor obtido foi


6. Anlise de Capacidade

O limite superior de especificao para nvel de defeitos 2% e o inferior, 0%. Obtido o valor
da estatstica p igual a 0,072 para os turnos durante a semana usada na amostra, verificamos
que o valor estimado de p no se encontra centrado entre os limites de especificao, logo,
usamos o para obter a razo de capacidade do processo.

, onde = 0,0078, para p = 0,072 e n = 12

= -2,22;

Logo, .

Os dados da capabilidade obtidos no Minitab foram:

Process Capability of ptotal

USL
P rocess Data Within
LS L * Ov erall
Target *
USL 0,02 P otential (Within) C apability
S ample M ean 0,0721212 Cp *
S ample N 12 C PL *
S tDev (Within) 0,00750631 C P U -2,31
S tDev (O v erall) 0,00733786 C pk -2,31
O v erall C apability
Pp *
PPL *
PPU -2,37
P pk -2,37
C pm *

0,024 0,036 0,048 0,060 0,072 0,084


O bserv ed P erformance E xp. Within P erformance E xp. O v erall P erformance
P P M < LS L * P P M < LS L * PPM < LS L *
P P M > U S L 1000000,00 P P M > U S L 1000000,00 PPM > U S L 1000000,00
P P M Total 1000000,00 P P M Total 1000000,00 PPM Total 1000000,00

O fato de indica que todo o processo est fora das especificaes, logo no
capaz.
7. Concluso

Este trabalho foi til para a aplicao do contedo aprendido em sala de aula e reforado pelo
estudo do livro Montgomery. Com ele, pudemos ver em uma situao prtica como aplicar
nossos conhecimentos da gesto da qualidade em um caso real.

Algumas ressalvas que poderiam ser levadas em considerao para melhoria de estudo de caso
o nmero de informaes disponibilizadas no case. Para um prximo case, seria mais
conveniente a disponibilizao de mais dados (mais pontos) para que seja possvelse ter
grficos e cartas mais robustas para que tomadas de deciso sejam mais bem fundamentada.
No entanto, como se trata de um exerccio didtico, foi vlido.
8. Referncias Bibliogrficas

MONTGOMERY D., 2012 Introduo ao Controle Estatsico de Qualidade Ed LTC, 1991.

Estudo de Caso PROFUND Controle de Qualidade Universidade Federal do Rio de Janeiro


(UFRJ), 2013

SALLES, A. Notas de Aula Estatstica Aplicada I Universidade Federal do Rio de Janeiro


(UFRJ), 2012

You might also like