Upload
danilocuti
View
1.214
Download
3
Embed Size (px)
DESCRIPTION
Autores: Danilo, Débora, Magno, Mateus, Robert e Tays
Citation preview
Curso de MINITAB – Universidade Federal de Ouro Preto
Ferramentas da Qualidade
Curso de MINITAB – Universidade Federal de Ouro Preto
1 - Introdução Este capítulo abordará as mais diversas ferramentas da qualidade, fornecidas pelo MINITAB. Estas ferramentas são largamente utilizadas na área da qualidade de produtos e processos. Gráfico Seqüencial O gráfico seqüencial estuda os dados relativos ao tempo para revelar qualquer comportamento não aleatório. Esta ferramenta permite a detecção de padrões no conjunto de dados analisados. EXEMPLO 1 Proposta: Verificar se existe alguma tendência no número de clientes atendidos por ano. Problema: Um banco deseja saber a quantidade de clientes que são atendidos por ano. A fim de adotar práticas de melhoria de atendimento, bem como aumentar o número de clientes. Dados coletados: Foi coletado o número de clientes por ano durante 15 anos. Ferramenta:
• Run Chart Arquivo de dados: clientes.MPJ
Variável Descrição Número de clientes Números de clientes atendidos por ano.
Run Chart 1. Abra clientes.mpj 2. Selecione Stat > Quality Tools > Run Chart 3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto
4. Clique em OK INTERPRETANDO OS RESULTADOS
No nosso exemplo, adotando um nível de significância de 0,05, temos indicação de cluster e tendência para o conjunto de dados analisados.
Observation
Núm
ero
de C
lient
es
151413121110987654321
80000
75000
70000
65000
60000
Number of runs about median: 2Expected number of runs: 8,46667Longest run about median: 8Approx P-Value for Clustering: 0,00025Approx P-Value for Mixtures: 0,99975
Number of runs up or down: 3Expected number of runs: 9,66667Longest run up or down: 8Approx P-Value for Trends: 0,00001Approx P-Value for Oscillation: 0,99999
Run Chart of Número de Clientes
Curso de MINITAB – Universidade Federal de Ouro Preto
Gráfico de Pareto O gráfico de Pareto permite determinar a ordem em que os problemas devem ser solucionados de acordo com sua freqüência de ocorrência e sua importância relativa. EXEMPLO 2 Proposta: Analise das insatisfações dos clientes. Problema: Uma agência bancária está interessada em melhorar a satisfação de seus clientes para isso precisa saber quais problemas possuem maior relevância para a clientela e, então, poder trabalhar nestes primeiro. Coleta de dados: Os dados foram coletados através de questionário aplicado aos cliente todos os dias em um período de um mês. Ferramenta:
• Pareto Chart Arquivo de dados: reclamacoes.MPJ
Variável Descrição Reclamações Tipos de reclamações feitas pelos clientes.
Pareto Chart 1. Abra reclamacoes.mpj 2. Selecione Stat > Quality Tools > Pareto Charts 3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto
4. Clique em OK INTERPRETANDO OS RESULTADOS
A maior barra corresponde ao efeito Pessoal que possui um total de 599 ocorrências, ou seja, representa a maior insatisfação do cliente. O gráfico de linha mostra o percentual acumulado até determinada categoria (até 95%). Observa-se que a última coluna é determinada por Others que significa o acúmulo das freqüências dos tipos de reclamações que excederam o percentual acumulado definido.
Count 599 351 209 188 132 73 56 47Percent 36,2 21,2 12,6 11,4 8,0 4,4 3,4 2,8Cum % 36,2 57,4 70,0 81,4 89,4 93,8 97,2 100,0
Coun
t
Perc
ent
ReclamaçõesOt
her
Caixa
eletr
ônico
não d
ispon
ível
Extra
to ile
gívelFil
a
Agên
cia se
m comun
icaçã
o
Compro
vante
de de
pósit
o não
emitid
o
Débit
os in
devid
os
Pess
oal
18001600140012001000800600400200
0
100
80
6040
20
0
Pareto Chart of Reclamações
Curso de MINITAB – Universidade Federal de Ouro Preto
Diagrama de Causa e Efeito O Diagrama de Causa e Efeito é realizado por pessoas que estão diretamente envolvidas com o processo, elaborando-se uma lista dos fatores que podem estar alterando a média do processo e/ou aumentando sua variabilidade. Para isso torna-se necessário uma coleta sistemática de informações qualitativas e quantitativas que permita decidir (entre os fatores listados) quais os que efetivamente estão agindo sobre o processo.
EXEMPLO 3 Proposta: Analisar o custo elevado de impressão. Problema: O departamento de uma impressão de uma gráfica preocupada com os seus gastos mensais decidiu analisar as prováveis causas que poderiam influenciar na sua contabilidade no final do mês. Coleta de dados: As causas identificadas através de brainstorm. Ferramenta:
• Cause-and-effect Arquivo de dados: impressão.MPJ Cause-and-Effect 1. Abra impressao.mpj 2. Selecione Stat > Quality Tools > Cause-and-effect 3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto
4. Clique em OK. INTERPRETANDO OS RESULTADOS
A partir do gráfico acima é possível visualizar as causas que geram o efeito custo elevado de impressão.
impressãoelevado deCusto
Mão de obra
Mensuração
Máquina
Meio ambiente
Matéria-prima
Método
laserNão dar preferência a
salv arImprimir em v ez de
Imprimir e-maildesnecessáriaImpressão colorida
Q ualidade de impressão
Tipo de papel
Não reutilização do papel
tonnerNão reutilização do
cartuchoNão reutilização do
Umidade
Sujeira na impressora
desreguladaImpressora
das cópiasFalta de mensuração
custoDesconhecimento do
desnecessáriasImpressões
conscientizaçãoFalta de
Diagrama de Causa e Efeito
Curso de MINITAB – Universidade Federal de Ouro Preto
Estudo de Repetitividade e Reprodutibilidade A repetitividade é o grau de concordância entre o resultado de medições sucessivas de um mesmo mensurando (ex.: uma mesma peça), sob as mesmas condições de medição. As condições de repetitividade são: mesmo procedimento de medição, mesmo observador, mesmo instrumento d medição, mesmo local e repetição em curto período de tempo. A reprodutibilidade dos resultados de medição é o grau de concordância entre os resultados das medições de um mesmo mensurando efetuadas sob condições variadas de medição (ex: variando o operador). Comando Gage R&R Study (Crossed) EXEMPLO 4 Proposta: Análise da espessura de três peças. Problema: Uma fábrica deseja verificar a espessura de suas peças. Coleta de dados: Foram medidas as espessuras de três peças por duas vezes e por dois operdores. Ferramenta:
• Gage R&R Study (Crossed) Arquivo de dados: espessura.MPJ
Variável Descrição Peça Espessura das peças. Operador Operador A e B. Medida Valor da espessura da peça.
Gage R&R Study (Crossed) 1. Abra espessura.mpj 2. Selecione Stat > Quality Tools > Gage R&R Study (Crossed) 3. Complete a caixa de diálogo como mostra a figura:
Curso de MINITAB – Universidade Federal de Ouro Preto
4. Clique em OK. APRESNTANDO OS RESULTADOS Gage R&R Study - ANOVA Method
Two-Way ANOVA Table With Interaction Source DF SS MS F P Peça 2 0,160000 0,0800001 126,766 0,008 Operador 1 0,001180 0,0011801 1,870 0,305 Peça * Operador 2 0,001262 0,0006311 3,191 0,114 Repeatability 6 0,001187 0,0001978 Total 11 0,163629 Alpha to remove interaction term = 0,25
Gage R&R %Contribution Source VarComp (of VarComp) Total Gage R&R 0,0005059 2,49 Repeatability 0,0001978 0,97 Reproducibility 0,0003082 1,51 Operador 0,0000915 0,45 Operador*Peça 0,0002167 1,06 Part-To-Part 0,0198422 97,51 Total Variation 0,0203482 100,00 Study Var %Study Var Source StdDev (SD) (6 * SD) (%SV) Total Gage R&R 0,022493 0,134956 15,77 Repeatability 0,014062 0,084374 9,86 Reproducibility 0,017555 0,105328 12,31 Operador 0,009566 0,057393 6,71 Operador*Peça 0,014720 0,088318 10,32 Part-To-Part 0,140863 0,845175 98,75 Total Variation 0,142647 0,855882 100,00 Number of Distinct Categories = 8
Curso de MINITAB – Universidade Federal de Ouro Preto
Gráfico Multi-Vari O gráfico Multi-Vari é uma das importantes ferramentas utilizadas para o estudo das interações entre variáveis e entre níveis de uma determinada variável. Este gráfico apresenta, de forma gráfica, a análise de variância, pis compara as médias dos diferentes grupos. Podendo, assim analisar o relacionamento entre variáveis que influenciam o processo.
EXEMPLO 5 Proposta: Identificar como as variáveis do processo influenciam na variável resposta. Problema: Uma empresa injetora de plástico fabrica quatro garrafas de uma vez. Deseja-se saber como que o diâmetro do gargalo das garrafas (variável de interesse) é influenciada pela posição da garrafa (garrafa 1,2,3,4) e pelo turno (turno 1,2). Ferramenta:
• Multi-Vari Chart Arquivo de dados: garrafas.MPJ Multi-Vari Chart 1. Abra garrafa.mpj 2. Selecione Stat > Quality Tools > Multi-Vari Chart
Per
cent
Part-to-PartReprodRepeatGage R&R
100
50
0
% Contribution
% Study Var
Sam
ple
Ran
ge 0,050
0,025
0,000
_R=0,01817
UCL=0,05936
LCL=0
A B
Sam
ple
Mea
n
1,4
1,3
1,2
__X=1,2731UCL=1,3072
LCL=1,2389
A B
Peça321
1,44
1,32
1,20
OperadorBA
1,44
1,32
1,20
Peça
Ave
rage
321
1,4
1,3
1,2
A
B
Operador
Gage name: Date of study :
Reported by : Tolerance: M isc:
Components of Variation
R Chart by Operador
Xbar Chart by Operador
Medida by Peça
Medida by Operador
Operador * Peça Interaction
Gage R&R (ANOVA) for Medida
Curso de MINITAB – Universidade Federal de Ouro Preto
3. Complete a caixa de diálogo como mostra a figura:
4. Clique em OK. INTERPRETANDO OS RESULTADOS
Neste gráfico, observa-se que o valor médio de diâmetro vai aumentando à medida que analisamos a garrafa 1,2,3,4. Ou seja, a variação entre as garrafas é muito maior que a variação entre os turnos.
Garrafa
Diâ
met
ro
4321
4,725
4,700
4,675
4,650
4,625
4,600
4,575
4,550
123
Turno
Multi-Vari Chart for Diâmetro by Turno - Garrafa