Este documento descreve várias ferramentas estatísticas utilizadas para melhorar processos e resolver problemas, incluindo: (1) as 7 ferramentas básicas da qualidade como folhas de registro, histograma e diagramas de Pareto; (2) como usar esses ferramentas para coletar e analisar dados; e (3) objetivos gerais de facilitar a resolução de problemas para todos na empresa.
2. 2 tipos de problemas
2 tipos de ferramentas
OS PROBLEMAS ESTRATÉGICOS
As ferramentas
da gestão e da
qualidade
As ferramentas
de base da
qualidade
OS PROBLEMAS OPERACIONAIS
2
3. AS 7 FERRAMENTAS BASE
• Folha de Registo (para recolha de dados)
• Estratificação (para poder fazer amostragem)
• Histograma (para ilustrar variações
• Diagrama em espinha de peixe (para identificar a origem dos problemas)
• Diagrama de Pareto (para hierarquizar factos)
• Diagramas ou cartas de controlo (para controlar o processo)
• Diagrama de correlação (para mostrar correlações)
3
4. Objectivos gerais
Facilitar a todos os membros da empresa,
meios simples para a resolução de problemas
Podem ser utilizadas pela totalidade do pessoal
da empresa.
Estão adaptadas ao trabalho em grupo uma
vez que são visualizadas e consensualmente
aceites.
4
6. Folhas de Recolha de Dados,
de Registo ou de Verificação
Objectivo
Obter informação necessária para responder a
respostas do tipo:
”quando ocorre?”
”quantas vezes ocorre?”
”quais os valores obtidos?”
6
7. Folhas de Recolha de Dados,
de Registo ou de Verificação
•Exemplo de folha de registo utilizada no teste final de circuitos electrónicos para
inspeccionar tipos de defeito.
Tipo de circuito :X22C64
Data: 12 Jan 2006
Nº de Lote: 22602 Secção: B12
Tamanho da amostra:1025 Controlador: Pedro Reis
Tipo de defeitos
Teste visual 8
Teste funcional 22
Defeito de soldadura 6
Outros 5
TOTAL 41
Risco: falsificação de dados (fabricação de resultados) 7
8. Folhas de Recolha de Dados,
de Registo ou de Verificação
•Exemplo de folha de registo utilizada para registar a proporção de produtos não
conformes
Tipo de Produto :X22C64 Data: 12 Jan 2006
Nº de Lote: 22602 Secção: B12
Tamanho da amostra:100 Controlador:Pedro Reis
Amostra 1 2 3 4 5 6 7 8
Tamanho da amostra (n) 100 100 100 100 100 100 100 100
Produtos não conformes 2 1 1 3 2 5 4 1
Proporção de não conf. 2% 1% 1% 3% 2% 5% 4% 1%
8
9. Folhas de Recolha de Dados,
de Registo ou de Verificação
•Exemplo de folha de registo utilizada para estudar a distribuição da dimensão de
uma peça
Tipo de Produto :X22C64 Data: 12 Jan 2006
Nº de Lote: 22602 Secção: B12
Tamanho da amostra:100 Controlador: Pedro Reis
Dimensão/amostra 1 2 3 4 5 6 7 8
Menos de 10,05 1 2 0 0 2 1 0 1
De 10,05 a 10,055 2 3 3 3 2 5 4 1
De 10,055 a 10,06 20 15 10 12 25 20 15 10
De 10,06 a 10,065 65 70 77 76 55 60 70 80
De 10,065 a 10,07 10 8 10 5 14 13 8 7
De 10,07 a 10,075 2 2 2 3 2 1 2 1
10.075 ou mais 0 0 1 1 0 0 1 0
9
10. Folhas de Recolha de Dados,
de Registo ou de Verificação
•Exemplo de folha de registo utilizada para controlar um processo de fabrico
Tipo de Produto :X22C64 Data: 12 Jan 2006
Nº de Lote: 22602 Secção: B12
Tamanho da amostra:5 Controlador: Pedro Reis
Amostra 1 2 3 4 5 6 7 8
X1 10 11 10 12 9 11 12 10
X2 12 11 12 9 10 11 10 12
X3 11 11 11 12 9 11 10 10
X4 10 12 11 11 10 10 10 9
X5 9 10 10 9 12 11 11 11
MÉDIA 10.4 10.4 10.8 10.6 10 10.8 10.6 10.4
AMPLITUDE 3 2 2 3 3 1 2 3
10
16. Diagrama de Pareto
Objectivo
Determinar a importância relativa das
informações para fixar as prioridades
de estudo.
16
17. Diagrama de Pareto
Tipo de circuito: X22C64 Data: 12 Jan 1999
Numero de lote: 22602 Secção: B12
Tamanho da amostra: 1025 Controlador: Pedro Reis
Tipo de Defeitos Numero de não conformidades
Teste visual ||||| ||| 8
Teste funcional ||||| ||||| ||||| ||||| || 22
Defeito de soldadura ||||| | 6
Outros ||||| 5
Freq.
Total 41
22
Teste funcional
Teste visual
Defeitos de soldadura
8 6 Outros
5
Tipo de defeito
17
18. Diagrama de Pareto
Reclamação Frequência Custo
A 100 100
B 60 30
C 20 200
D 15 10
Frequência Custo
200
100
100
50
Reclamação A B C D C A B D
18
20. Diagrama de Causa-Efeito, de
Ishikawa ou de Espinha de Peixe
Objectivo
Determinar todas as causas possíveis de
um problema para obter as causas mais
prováveis do mesmo
20
21. Diagrama de Causa-Efeito, de
Ishikawa ou de Espinha de Peixe
O diagrama Causa-Efeito, é também chamado de diagrama
Ishikawa, por ter sido inventado por um Japonês com este nome.
Também é conhecido como diagrama de Espinha de Peixe,
devido à sua forma depois de construído.
Este diagrama é representado por uma figura formada por
diferentes linhas e rectângulos que servem para representar de
uma forma organizada as relações entre um efeito observado e
as suas possíveis causas.
21
22. Diagrama de Causa-Efeito, de
Ishikawa ou de Espinha de Peixe
CAUSA 1 CAUSA 2 CAUSA 3
EFEITO
CAUSA 4 CAUSA 5
CAUSAS
São variáveis ou factores que contribuem para o problema em estudo
(efeito) e podem ser, entre outras, mão de obra, máquinas, métodos,
materiais, meio ambiente.
EFEITO
É o problema em estudo. Este efeito ou problema pode ser, por exemplo:
a frequência de acidentes; a poluição ambiental; defeitos; etc. 22
23. Construção do Diagrama Causa-Efeito
A sua aplicação requer a constituição de um grupo de pessoas directamente
relacionadas com o problema a solucionar, que deverão participar activamente,
e que seja seguida uma determinada metodologia:
1. Identificar bem o problema a estudar e registar no rectângulo do lado direito
do diagrama reservado para o Efeito.
PROBLEMA DA
QUALIDADE
(EFEITO)
23
24. Construção do Diagrama Causa-Efeito
2. Nos restantes rectângulos anotar as causas principais do problema em
estudo. Na maior parte dos casos as causas principais devem-se a:
- Mão de obra - Materiais - Meio ambiente
- Máquinas - Métodos
MÃO DE OBRA MÁQUINAS MÉTODOS
PROBLEMA DA
QUALIDADE
(EFEITO)
MATERIAIS MEIO AMBIENTE
(CAUSAS) 24
25. Construção do Diagrama Causa-Efeito
3. Para cada uma das causas principais identificar as subcausas, isto é,
as causas que dão origem às causas principais:
MÁQUINAS
MÃO DE OBRA MÉTODOS Subcausa
PROBLEMA DA
QUALIDADE
Subcausa
(EFEITO)
MATERIAIS MEIO AMBIENTE
(CAUSAS)
25
26. Construção do Diagrama Causa-Efeito
Exemplo:
Num caso em estudo, a causa principal - Mão de Obra - tem por subcausas
do problema, o facto de haver um colaborador novo e a fadiga. Por outro lado,
foi também identificado, que o facto de o colaborador ser novo tem influência
na qualidade, por ter sido sujeito a um reduzido tempo de treino e por não ter
formação especializada.
MÃO DE OBRA Insuficiente tempo
de treino
Colaborador novo
Excesso de horas Sem formação
extraordinárias especializada
Fadiga
PROBLEMA DA
QUALIDADE
(EFEITO)
26
28. Diagrama de Dispersão ou de Correlação
Objectivo
Determinar a existência de uma
relação entre 2 grupos de dados
28
29. Diagrama de Dispersão ou de Correlação
O Diagrama de Dispersão é um gráfico Diagrama de Dispersão
entre duas variáveis que serve para
Variável 2
verificar se existe alguma relação entre
elas. Usualmente a relação a estudar é
do tipo causa-efeito, embora o diagrama
não permita identificar qual das variáveis
é a causa e qual é o efeito.
Observando o padrão de disposição dos
pontos, é possível concluir sobre a
eventual relação entre as duas variáveis. Variável 1
29
30. Diagrama de Dispersão ou de Correlação
Correlação Positiva Correlação Negativa Sem Correlação
Y
Y
Y
X X X
Quando a variável X aumenta implica um Neste tipo de relação, um aumento de X Não existe relação entre a variável X e a
aumento da variável Y. Se se controlar a significa uma diminuição de Y. variável Y
variável X a variável Y também é controlada.
Ex:
Ex:
Idade de um equipamento versus eficiência
nº de horas de estudo versus classificação
obtida;
nº de defeitos versus horas extraordinárias 30
32. Controlo Estatístico do
Processo
DISPERSÃO DO PROCESSO SEGUNDO A DISTRIBUIÇÃO NORMAL
Curva de Gauss
Processo
Percentagens da Distribuição Normal
Meio ambiente 99,994 %
LIC LSC
Máquinas 99,73 %
Mão de obra 95,44 %
Matéria Prima 68,26 %
Métodos
LIC LSC
-1 +1
-2 +2
-3 +3
-4 +4
32
33. Cartas de Controlo
• Instrumento que permite identificar as causas de variação não natural do processo;
• Utiliza limites de controlo, superior, inferior e, por vezes, auxiliares.
X+3 LSC
X+2
X
X-2
X-3 LIC
1ª 2ª 3ª 4ª 5ª 6ª 7ª 8ª
33
34. Cartas de Controlo
• Se numa distribuição normal o processo estiver sob
controlo, isto é normalmente entre (X + 3 ) e (X - 3 ),
a probabilidade de uma peça estar fora dos limites de
controlo é de 0,27% - aproximadamente 0,3%.
Quer isto dizer que a quantidade de peças defeituosas
que será gerada pelo processo será 0,3%, isto é, apenas
três peças em mil.
34
35. Cartas de Controlo
BENEFÍCIOS DAS CARTAS DE CONTROLO
1. São instrumentos fáceis e simples de aplicar pelos executantes, no sentido de se
obter o controlo contínuo do processo.
(podem ser traçadas no local de trabalho, dando informações preciosas sobre os momentos em que
são necessárias acções correctivas)
2. Desde que o processo esteja sob controlo estatístico elas permitem:
- Prever de forma adequada o comportamento do processo ajudando a garantir que o processo
tenha consistência em termos de custo e qualidade;
- Melhorar, com base na informação disponível nas cartas, os processos no sentido de reduzir a
variabilidade, fornecendo um instrumento para verificação da eficácia das acções de melhoria.
(aumentar a satisfação do cliente, reduzir nº de rejeições ou de reciclagens, aumento do
rendimento do processo e da capacidade efectiva de produção)
35
36. Cartas de Controlo
BENEFÍCIOS DAS CARTAS DE CONTROLO
3. Permitem a utilização de uma linguagem comum:
- no estudo das melhorias do processo, entre operários, os supervisores, e as restantes
actividades ligadas à produção (métodos, materiais, projecto, etc.);
- estabelecem uma linguagem comum entre a empresa e os seus clientes.
4. Ao distinguirem entre as causas comuns e as causas especiais que afectam os processos,
os gráficos de controlo facilitam:
- indicações precisas sobre a oportunidade e possibilidade de acções correctivas:
> no próprio local de trabalho;
> ou através de decisões da direcção da empresa.
36
37. Cartas de Controlo
Tipos de Cartas de Controlo
Variáveis Atributos
(características mensuráveis; variáveis contínuas) (variáveis discretas)
Média e Amplitude Número de Artigos Não Conformes
Carta X e Carta R Carta np
Média e Desvio Padrão Proporções de Artigos Não Conformes
Carta X e Carta s (n>10) Carta p
Média e Variância Número de Defeitos
Carta X e Carta s² Carta c
Observações individuais e Amplitudes Móveis Número de Defeitos por unidade
Carta X e Carta MR Carta u
37
38. Cartas de Controlo
A CARTA DE CONTROLO np
O gráfico de controlo np monitora a variação do número (np) de produtos não-conformes em
amostras de tamanho constante (n)
1. organize uma folha de registo como a do exemplo 2 do ponto 2.1.;
2. escreva, na folha de registo, o número (d) de artigos não-conformes em cada amostra;
3. calcule a proporção (pi)de artigos não-conformes de cada amostra através da fórmula:
4. pi = di / n
5. calcule a média das proporções de artigos não conformes:
6. p = 1/m Σpi = 1/m Σdi / n = 1/mn Σ di
7. calcule o número médio de artigos não-conformes, isto é, calcule np;
8. calcule o limite superior de controlo (LSC) e o limite inferior (LIC) através das fórmulas:
LSC = np + 3 np (1 – p )
LIC = np - 3 np (1- p )
38
39. Cartas de Controlo
A CARTA DE CONTROLO np
AMOSTRAS
1 2 3 4 5 6 12
10 10.162
n 100 100 100 100 100 100
8
d 5 2 7 3 6 2 6
4.167
p 0.05 0.02 0.07 0.03 0.06 0.02 4
2
Dados para a construção de um gráfico de controlo np 0
1 2 3 4 5 6
p = 0.04167
np = 4.167
LSC = 10.16
LIC = -1.828
Como LIC < 0 faz-se LIC = 0
39
40. Cartas de Controlo
A CARTA DE CONTROLO p
O gráfico de controlo p monitora a proporção de produtos não conformes em
amostras de tamanho constante ou variável.
1. Calcule a média ponderada da proporção de não conformes nas m
amostras; d
p
n
2. Calcule o tamanho médio das amostras;
n
n i
m
3. Calcule os limites superior e inferior de controle através das fórmulas:
LSC p 3
p 1 p LIC p 3
p 1 p
n n
40
41. Cartas de Controlo
A CARTA DE CONTROLO p
AMOSTRAS
1 2 3 4 5 6 Total 0.08
n 300 300 320 350 325 350 1945 0.0663
0.06
d 9 3 16 7 13 21 69
0.04
p 0.03 0.01 0.05 0.02 0.04 0.06 0.035 0.0355
0.02
Dados para a construção de um gráfico de controlo p
0.00469
0
1 2 3 4 5 6
p = 0.035
Amostras
n = 324.17
LSC = 0.0663
LIC = 0.00469
41
42. Cartas de Controlo
A CARTA DE CONTROLO c
O gráfico de controlo c monitora o número de defeitos (ou não conformidades) em
unidades de tamanho constante
1. Organize uma folha de verificação para registar o número de defeitos por
unidade ci;
2. Calcule o número médio de defeitos nas m unidades, usando a expressão:
c
c i
3. Calcule os limites superior e inferior de controlo : m
LSC c 3 c LIC c 3 c
42
43. Cartas de Controlo
A CARTA DE CONTROLO c
Foram contados os defeitos de acabamento em 8 unidades produzidas.
Os resultados encontram-se na tabela seguinte:
30
Unidade
1 2 3 4 5 6 7 8 25 24.52
cj 14 12 18 11 1 17 19 16 20
Dados para a construção de um gráfico de controlo c 15 13.5
10
14 12 ... 16
c 13.5 5
8 2.48
0
LSC 13.5 3 13.5 24.52 1 2 3 4 5 6 7 8
Amostras
LIC 13.5 3 13.5 2.48
Existe um ponto fora dos limites de controlo. É preciso encontrar a causa especial dessa ocorrência.
Imagine-se que se estudou esse ponto e se verificou que essa unidade foi vistoriada por um inspector
recém contratado, que não reconheceu alguns defeitos presentes. 43
44. Cartas de Controlo
A CARTA DE CONTROLO c
Então é razoável excluir essa unidade e estimar novos limites de controlo. A nova estimativa de c é
Unidade 30
1 2 3 4 5 6 7 27.02
25
cj 14 12 18 11 17 19 16
20
Dados para a construção de um gráfico de controlo c 15 15.29
10
14 12 ... 16
c 15.29 5
7 3.56
0
LSC 15.29 3 15.29 27.02 1 2 3 4 5 6 7
LIC 15.29 3 15.29 3.56 Amostras
44
45. Cartas de Controlo
A CARTA DE CONTROLO u
O gráfico de controlo u monitora o número médio de defeitos em unidades de
tamanho constante ou variável
1. Organize uma folha de verificação para registar o tamanho de cada amostra e o
número de defeitos por amostra;
2. Estabeleça a unidade e calcule o número (ni) de unidades em cada amostra;
3. Divida o número total de defeitos pelo número total de unidades para obter o
número médio de defeitos (ui) por unidade em cada amostra
4. Calcule o número médio de defeitos por unidade: u
LSCi u 3 u ni
5. Calcule os limites superior e inferior de controlo para cada amostra;
LICi u 3 u ni
45
46. Cartas de Controlo
A CARTA DE CONTROLO u
A tabela seguinte apresenta o número de defeitos por rolo de tecido e o tamanho em m 2 de cada rolo
amostrado.
Amostra 1 2 3 4 5 6
Nº de defeitos por rolo 14 20 7 21 19 23
Tamanho do rolo (m 2) 500 650 475 600 600 625
Se for estabelecido que a unidade é 50 m2 de tecido calcula-se o número médio de unidades (ni) e o
número médio de defeitos por unidade (ui)
Amostra 1 2 3 4 5 6
Unidades por rolo (ni) 10 13 9.5 12 12 12.5
Nº médio def.por unidade (ui) 1.4 1.54 0.74 1.75 1.58 1.84
46
47. Cartas de Controlo
A CARTA DE CONTROLO u
Número médio de defeitos por unidade
e limites de controlo
14 20 ... 23 3.0
u 1.51
10 13 ... 12.5 2.5
2.0
1.5 1.51
Amostras ui LSC LIC 1.0
1 1.4 2.68 0.34 0.5
2 1.54 2.53 0.49
3 0.74 2.71 0.31 0
1 2 3 4 5 6 7
4 1.75 2.57 0.45
5 1.58 2.57 0.45 Amostras
6 1.84 2.55 0.47
47
48. Cartas de Controlo
A CARTA DE CONTROLO X/R
- São elaboradas a partir de medições efectuadas de uma característica da produção do
processo;
- Os dados são obtidos de amostras de tamanho constante geralmente de 3 a 5 unidades
recolhidas consecutivamente com intervalos de tempo entre amostras constantes (de 15
em 15 minutos, de ½ em ½ hora ou de 2 em 2 horas, etc.);
- Deve ser elaborado um plano de recolha de dados, que deverá ser usado como base para
a colheita, registo e marcação dos dados no gráfico.
48
49. Cartas de Controlo
A CARTA DE CONTROLO X/R
Selecção do tamanho, frequência e número de amostras
1. Devem utilizar-se amostras de tamanho racional, isto é, que sejam eficazes para o controlo e não
acarretem um esforço demasiado e desnecessário na colheita;
2. As amostras devem ser obtidas de forma a que as possibilidades de variação entre as suas unidades
sejam pequenas;
3. As amostras devem ser recolhidas com o intervalo necessário para que mudanças possíveis no processo
possam ser detectadas (no início do processo, as amostras devem ser colhidas com intervalos muito
curtos. À medida da estabilização do processo os períodos de colheita são aumentados;
4. O número de amostras deve ser tal que se manifestem forçosamente as causas de variação do processo
que sejam capazes de interferir. Estatisticamente devem ser colhidas 25 ou mais amostras contendo 100
ou mais leituras individuais.
49
50. Cartas de Controlo X-R
1. Organize uma folha de registo para registar as medidas feitas em cada um dos n
artigos das m amostras;
2. Meça a característica de qualidade em cada um dos n artigos das m amostras e
escreva os resultados na folha de registo;
3. Calcule a média e a amplitude das medidas para cada uma das m amostras;
4. Calcule a média das m amostras x1 x 2 ... x m
x
m
R1 ... Rm
5. Calcule a média das amplitudes das m amostras R
m
6. Calcule o limite superior de controlo (LSC) e o limite inferior de controlo (LIC)
para a média x, através das fórmulas:
LSC x A2 R LIC x A2 R
7. Calcule os limites de controlo (LSC e LIC) de R através das fórmulas:
LSC D4 R LIC D3 R
50
52. Cartas de Controlo X-s
Para construir um gráfico de controlo x s para amostras de tamanho constante :
1. Organize uma folha de registo como nos gráficos x-R;
2. Calcule a média e o desvio padrão das medidas para cada uma das m amostras;
3. Calcule a média das m amostras x1 x 2 ... x m
x
m
s1 ... s m
4. Calcule a média dos desvios padrão das m amostras s
m
5. Calcule o limite superior de controlo (LSC) e o limite inferior de controlo (LIC)
para a média x, através das fórmulas:
LSC x A3 s
LIC x A3 s
6. Calcule os limites de controlo (LSC e LIC) de R através das fórmulas: LSC B4 s
LIC B3 s
52
54. Cartas de Controlo X-s
Para construir um gráfico de controlo x s para amostras de tamanho variável :
n1 x1 n2 x2 ... nm xm
x
1. Calcular a média ponderada das médias das amostras n1 n2 ... nm
s1 ... s m
2. Calcular a média dos desvios padrão s
m
n1 ... nm
3. Calcular o tamanho médio das m amostras n
m
4. Calcule o limite superior de controlo (LSC) e o limite inferior de controlo (LIC)
para a média x, através das fórmulas:
LSC x A3 s
LIC x A3 s
5. Calcule os limites de controlo (LSC e LIC) de R através das fórmulas: LSC B4 s
LIC B3 s
54
56. Controlo Estatístico do
Processo
INTERPRETAÇÃO DAS CARTAS DE CONTROLO
Para a interpretação dos limites de controlo:
- se a variabilidade peça a peça do processo permanecesse constante e nos níveis encontrados,
raríssimas vezes (apenas 0,27% dos casos) apareceriam pontos fora do controlo por razões
ocasionais normais. Portanto, podemos concluir que um ponto fora dos limites de controlo estarão
muito provavelmente causas especiais de variação.
Pontos fora de Controlo
- deve merecer uma análise imediata quanto à causa;
- quando não se puder encontrar imediatamente a causa, os pontos são registados, e procede-se
a uma acção correctiva
As razões do ponto fora de controlo:
- O limite de controlo ou o ponto marcado foram mal calculados ou marcados;
- A variabilidade modificou-se;
- O sistema de medida foi modificado.
56
57. Cartas de Controlo
INTERPRETAÇÃO DAS CARTAS DE CONTROLO
Situações típicas fora de Controlo
- Movimentos cíclicos (acima, abaixo). Pode significar a existência de efeitos sazonais
e/ou rotação de trabalhadores;
- Tendências (uma única direcção). Pode significar o desgaste da ferramenta ou melhoria
do desempenho;
- Pontos isolados fora de controlo (PICOS). Podem significar defeitos no material,
arranques ou paragens.
57
58. Cartas de Controlo
INTERPRETAÇÃO DAS CARTAS DE CONTROLO
Situações de Variação Normal e Fora de Controlo
• Alteração do nível
- 7 pontos consecutivos do mesmo lado da linha média;
- 10 em 11 pontos do mesmo lado da linha média;
- 12 em 14 pontos do mesmo lado da linha média;
- 16 em 20 pontos do mesmo lado da linha média.
• Tendência – existência de causas previsíveis
• Pontos próximos dos limites de controlo - 2 pontos em 3 na zona
• Aproximação à linha central – resultante de processos de melhoria ou causas de variação
• Ciclos recorrentes – presença de causas sazonais
58
59. Capacidade do Processo
Os projectos de produtos fornecem não somente as medidas que o produto deve
ter, mas também o intervalo em que essas medidas podem variar. Esses
valores são as especificações do produto. Tipicamente especificam-se:
• O valor nominal (VN), isto é, o valor que determinada medida deve ter;
• O limite superior de especificação (LSE) ;
• O limite inferior de especificação (LIE);
A diferença entre LSE e LIE é a tolerância do produto.
Os limites de controlo são função da variabilidade do processo, medida pelo
desvio padrão. Os limites de especificação são estabelecidos no projecto
pelos engenheiros, pela administração ou pelo cliente.
59
60. Capacidade do Processo
Os limites são conhecidos como os limites naturais de tolerância. O limite de
6s é chamado amplitude do processo ou capacidade do processo. Como o
valor de s é em geral, desconhecido, para se obter a capacidade do processo
usa-se o estimador R
ˆ
d2
Se n>10 e for feito um gráfico de controlo , o estimador de s é s
( x x) 2
n 1
Para analisar a capacidade do processo:
• Verifique se a média do processo coincide ou tem um valor próximo do valor
nominal;
• Compare a capacidade do processo com a tolerância do projecto (LSE-LIE).
LSE LIE
PCR
6
60
61. Capacidade do Processo
PCR Conclusões
Processo totalmente incapaz; não tem condições para
PCR < 1 manter as especificações; exige controlo de 100% da
produção
O equipamento pode cumprir a especificação desde que a
PCR =1 média do processo esteja centrada com o valor nominal da
especificação.
O equipamento cumprirá a especificação desde que não haja
1 < RCP < =1,3 descentramentos significativos; processo pouco fiável, exige
controlo contínuo.
Equipamento com capacidade adequada; Relativamente
1,3 < PCR < 2 fiável, sendo no entanto, preciso monitorar para evitar
deterioração;
PCR >= 2 Processo excelente, altamente fiável.
61