amostragem e cep - epecora.com.br · de estatística e de metodologia científica na década de...
TRANSCRIPT
AMOSTRAGEM E CEPProf. Eduardo Pécora, PhD
Eduardo Pécora
OBJETIVO DO CEP
2
A idéia principal do CEP é que melhores processos de produção, ou seja, com menos variabilidade, propiciam níveis melhores de
qualidade nos resultados finais da produção.
Melhores processos implicam em menos custos.
A redução do custo através do CEP se dá principalmente por duas razões:
1) Inspeção por amostragem2) Redução do rejeito
Eduardo Pécora
HISTÓRICO
Walter Shewhart começou a colocar em prática nas fábricas dos Estados Unidos alguns conceitos básicos de Estatística e de Metodologia Científica na década de 1930. Ele foi o pioneiro da área de Controle Estatístico de Processo (CEP).
3 Eduardo Pécora
METODOLOGIA
4
Identificação da problemática
Planejamento dos experimentos
Experimentação
Análise dos resultados
Ação corretiva
Fase de concepção
Fase de Experimentação
Fase de Análise
Fase de Correção
Eduardo Pécora
CONTROLE VS INSPEÇÃO
5
CONTROLE NÃO É INSPEÇÃO
Objetivo
Eliminação de peças de baixa qualidade que não devem ser colocadas no
mercado
Identificação das grandes causas por trás das irregularidades da
produção
AçãoCorreção das irregularidades da produção
Identificação de refugos
Nível Gerencial Operacional
Eduardo Pécora
TIPOS DE CAUSAS DE IRREGULARIDADES
• Especial
• Exemplos de causas especiais são: trovoada e relâmpago, vento de uma janela deixada aberta, funcionário intoxicado, treinamento onde faltou um ensinamento importante, uma substância estranha na matéria prima, um atraso na chegada dos funcionários porque o ônibus quebrou, ...
• Estrutural
• Repetitiva, tem um padrão bem definido.
• Comum
• Exemplos de causas comuns são: uma fábrica no sertão do Ceará sem ar condicionado, matéria-prima de baixa qualidade mas de baixo preço, gerente de produção sem nenhum estudo na área de produção, maquinaria velha, a combinação errada de ingredientes num processo químico, ...
6
Eduardo Pécora
FUNDAMENTOS DO CONTROLE ESTATÍSTICO DE PROCESSOS
Valores de uma variável X
Eduardo Pécora
0
10
20
30
40
988 992 996 1000 1004 1008
Freq
üênc
ia
X
Histograma da variável X
Eduardo Pécora
PROCESSO ISENTO DE CAUSAS ESPECIAIS
9 Eduardo Pécora
CAUSA ESPECIAL
10
Causa especial altera a média do processo
Eduardo Pécora
CAUSA ESPECIAL
11
Causa especial altera a média e aumenta a variabilidade do processo
Eduardo Pécora
Eduardo Pécora
0
8
15
23
30
990 995 1000 1005 1010 1015 1020 1025
Freq
üênc
ia
X
Eduardo Pécora
970
982
994
1006
1018
1030
0 10 20 30 40
X
(ml)
Número das observaçõesAmostra LCI LCS Meda Alvo
Eduardo Pécora Eduardo Pécora
Eduardo Pécora Eduardo Pécora
970
985
1000
1015
1030
0 10 20 30 40
X
(ml)
Número das observações
Amostra LCI LCS Média Alvo
Eduardo Pécora
SITUAÇÕES PARA INVESTIGAÇÃO
19 Eduardo Pécora
AMOSTRAGEM
• Inspeção de 100% dos itens produzidos é dispendiosa e pode ocasionar atrasos na produção.
• A seleção de amostras de tamanho muito menor que a população enxuga os custos e paradoxalmente acaba representando melhor as características da população.
20
TESTE DE COLISÃO
21 Eduardo Pécora
AMOSTRAGEM
22
Imagine o operador que tem a responsabilidade de verificar o nível de preenchimento de um lote de garrafas de cerveja. O lote tem 50.000 unidades. Depois de inspecionar apenas 100 garrafas, é muito provável que o operador já não está mais pensando em níveis de preenchimento, mas sim no próximo jogo do seu time de futebol, na próxima oportunidade de tomar uma cerveja, ou na próxima namorada.
No final, inspeção a 100% tem custos elevados e resultados péssimos. A seleção de amostras de tamanho muito menor que a população enxuga os custos e paradoxalmente acaba representando melhor as características da população.
Eduardo Pécora
INFERÊNCIA ESTATÍSTICA
É um conjunto de métodos (estimação, testes de hipóteses) que permitem tirar conclusões (inferir) sobre uma população a partir de uma informação parcial proveniente de uma amostra.
23
Amostra
Informações sobrepopulação
Informações sobrea amostra
PopulaçãoInferência Estatística
FERRAMENTAS DO CEP
Eduardo Pécora
GRÁFICO DE CONTROLE
25
0
17.5
35.0
52.5
70.0
Dia 1 Dia 2 Dia 3 Dia 4 Dia 5
Média Alvo Médias de pqns amostras
Média Alvo
Eduardo Pécora
0
17.5
35.0
52.5
70.0
Dia 1 Dia 2 Dia 3 Dia 4 Dia 5
GRÁFICO DE CONTROLE
26
Média Alvo Médias de pqns amostras LCS LCI
LCS
LCI
Média Alvo
3��n
Eduardo Pécora
LCS LCI
• Limite de Controle Superior - LCS
• Limite de Controle Inferior - LCI
27
Em termos estatísticos, os dois limites de controle definem um intervalo de confiança com nível de confiança de 99,73%. O número significa que um alarme falso pode ocorrer uma vez em 370 subgrupos. É o preço pago pela utilização de amostragem, mas pelo menos a possibilidade de um alarme falso é muito pequena. Se forem tiradas 16 amostras por dia numa fábrica, o alarme falso iria ocorrer apenas uma vez cada em 23 dias,
Eduardo Pécora
ÁREAS SOBRE A CURVA PARA QUALQUER DISTRIBUIÇÃO NORMAL
28
µ
68,26%
95,44%
99.72%
µ + ⇥ µ + 2⇥ µ + 3⇥µ� 3⇥ µ� 2⇥ µ� ⇥
Eduardo Pécora
CÁLCULO DO LCI E LCS PARA A MÉDIA
29
3�
��n
⇥= 3
�R̄/d2�
n
⇥= A2R̄Distância =
LCS : ¯̄X + A2R̄
LCI : ¯̄X �A2R̄
LCS : ¯̄X + A2R̄
LCI : ¯̄X �A2R̄
Eduardo Pécora
CÁLCULO DO LCI E LCS PARA A AMPLITUDE
30
LCSR = D4R̄
LCIR = D3R̄
Controla a variabilidade do processo, possível identificação de causas especiais.
Eduardo Pécora
COEFICIENTES DE SHEWHART
31
n = tamanho da amostraEduardo Pécora
EXEMPLO: RAÇÕES MI-AU
32
Fonte: Gestão da Qualidade, Monteiro de Carvalho, M et al. Elsevier 2005
Na linha de produção de ração animal da Empresa Mi-Au, sempre houve um problema no momento do enchimento do pacote de um quilo. A clientela reclamava muito sobre os pacotes com menos ração, e eventualmente a empresa perdia clientes. Em um determinado dia, caíram os pacotes de ração nas garras dos fiscais e encontraram vários pacotes com muito menos que um quilo de ração resultando em multas pesadas. O gerente então decidiu implantar um gráfico de controle no processo no ponto do enchimento dos pacotes. Para a coleta de dados, decidiu-se em utilizar amostras periódicas de hora em hora cada uma com 5 mensurações.
Eduardo Pécora
EXEMPLO: RAÇÕES MI-AU
33
Fonte: Gestão da Qualidade, Monteiro de Carvalho, M et al. Elsevier 2005
1 2 3 4 5 25
1 1006.00 1009.69 1033.68 1051.89 963.31 ... 1028.27
2 1005.00 1000.00 1001.00 1031.00 993.69 ... 997.39
3 1006.04 985.31 1000.00 1027.00 1022.02 ... 1038.43
4 1032.35 1001.00 1016.90 1026.36 990.05 ... 1017.86
5 1011.35 987.81 1033.01 1005.77 968.85 ... 987.32
Média 1012.15 996.76 1016.92 1028.40 987.58 1013.85
Amplitude 27.35 24.38 33.68 46.12 58.71 51.11
Hora
Am
ostr
a
Média das Médias ¯̄X = 1010.17
Média das Amplitudes R̄ = 47.67
Eduardo Pécora
GRÁFICO DAS MÉDIAS
34
Dispersão
980
990
1000
1010
1020
1030
1040
1050
0 5 10 15 20 25
Hora
Pes
o m
édio
do
saco
de
raçã
o
Eduardo Pécora
CÁLCULO DO LCI E LCS
35
3�
��n
⇥= 3
�R̄/d2�
n
⇥= A2R̄Distância =
LCS : ¯̄X + A2R̄
LCI : ¯̄X �A2R̄
LCS : ¯̄X + A2R̄
LCI : ¯̄X �A2R̄
Eduardo Pécora
COEFICIENTES DE SHEWHART
36
n = tamanho da amostra
Eduardo Pécora
CÁLCULO DO LCI E LCS
37
LCS : ¯̄X + A2R̄ == 1010.17 + 0.5770 � 47.67 == 1038.08
LCI : ¯̄X �A2R̄ == 1010.17� 0.5770 ⇥ 47.67 == 983.06
Eduardo Pécora
GRÁFICO DE CONTROLE DA MÉDIA
38
Dispersão
980
990
1000
1010
1020
1030
1040
1050
0 5 10 15 20 25
Hora
Pes
o m
édio
do
saco
de
raçã
o
Eduardo Pécora
CONTROLE DAS AMPLITUDES
39
LCIR = D3R̄ = 0 � 47.67 = 0
LCSR = D4R̄ = 2.1150 � 47.67 =
= 100.82
Média das Amplitudes R̄ = 47.67
Eduardo Pécora
COEFICIENTES DE SHEWHART
40
n = tamanho da amostra
Eduardo Pécora
GRÁFICO DAS AMPLITUDES
41
Amplitudes
0
20
40
60
80
100
120
0 5 10 15 20 25
Hora
Am
plit
ud
e d
a am
ostr
agem
Eduardo Pécora
IDENTIFICAÇÃO E CORREÇÃONota-se que o subgrupo 15 tem média mais alta que o limite de controle, e, portanto, a média deste subgrupo é suficientemente longe da média do processo para justificar uma investigação e eventual eliminação de uma causa especial.
O gerente fez exatamente isso e descobriu a presença de um operador substituto quase sem treinamento na função substituindo o operador veterano com médico marcado nesse horário.
Houve então um treinamento rápido nos próximos dias para garantir o desempenho de todos os operadores nas tarefas mais importantes de toda a linha de produção.
Quase sempre, os problemas na fábrica têm origem na gestão das operações. Se o operador foi ensinado numa maneira inadequada a culpa é da gerência e não do operador.
42
Eduardo Pécora
EXERCÍCIO 1O gerente da empresa West Allis está preocupado com a produção de um parafuso de metal que é usado por um dos maiores clientes da empresa. O diâmetro do parafuso é um ponto crítico. Ele foi projetado pra ter 0.5025 cm. Os dados das últimas amostragens estão na tabela abaixo, onde a amostra é de 4 observações. Verifique se o processo está sob controle.
43
ObservaçãoObservaçãoObservaçãoObservaçãoDia \ Amostra 1 2 3 4
1 0.5014 0.5022 0.5009 0.50272 0.5021 0.5041 0.5032 0.50203 0.5018 0.5026 0.5035 0.50234 0.5008 0.5034 0.5024 0.50155 0.5041 0.5056 0.5034 0.5039
Eduardo Pécora
EXERCÍCIO 2A Watson Electric Company produz lâmpadas incandescentes. As seguintes intensidades luminosas (lumens) foram coletados para lâmpadas de 40W durante o CEP.
44
ObservaçãoObservaçãoObservaçãoObservação
Amostra 1 2 3 4
1 604 612 588 6002 597 601 607 6033 581 570 585 5924 620 605 595 5885 590 614 608 604
1) Calcule os limites de controle LCS e LCI
2) Uma nova amostragem foi feita recentemente, com os seguintes dados: 570, 603, 623, 583. O processo ainda está sob controle? Existe alguma razão para se investigar esse processo?