7 - Ferramentas da Qualidade

Curso de MINITAB – Universidade Federal de Ouro Preto

Ferramentas da Qualidade


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:


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


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:


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


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:


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


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:


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


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


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

Documents

7 - Ferramentas da Qualidade