Upload
dangtruc
View
218
Download
1
Embed Size (px)
Citation preview
Universidade Federal do Paraná - UFPR Setor de Ciências Agrárias - SCA Curso de Pós-Graduação em Gestão Florestal – Ed. a Distância
Depto de Economia Rural e Extensão - DERE
Prof.ª Ghislaine Bonduelle, Drª UFPR
Mód. Qualidade Total para a Produção Florestal
INSPEÇÃO
SUMÁRIO INSPEÇÃO POR AMOSTRAGEM
DEFINIÇÃO DOS NIVEIS DE QUALIDADE E RISCOS
INTERPRETAÇÃO DA CCO
BIBLIOGRAFIA CONSULTADA
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
2
INSPEÇÃO POR AMOSTRAGEM INTRODUÇÃO:
Devido a grande diversidade de peças a serem controladas, tanto na
Inspeção de Recebimento, como na Fabricação, torna-se impossível em alguns
casos o controle 100% de todas as características. Por este motivo adotou-se um
sistema de controle por amostragem.
Esse sistema se baseia em amostras formadas por um certo número de
peças extraídas do lote de acordo com regras bem determinadas.
A partir das informações obtidas no exame da amostra, inferem-se em bases
estatísticas das características da qualidade dos lotes orientando a decisão de
aceitar ou rejeitar os que atendem, ou não, as especificações.
A utilização desse sistema não oferece uma segurança ou certeza total
desses resultados devido ao erro amostral, que é o desvio na amostra em relação
ao valor real. Sabemos também que o controle 100% não oferece certeza
absoluta. Entretanto, ele sempre fornece maior informação sobre a qualidade do
lote que a inspeção por amostragem. A única grande vantagem da inspeção por
amostragem em relação à inspeção 100% tem razões puramente econômicas.
Devido ao erro amostral podemos incorrer em dois tipos de risco:
• Um lote de má qualidade pode ser aprovado;
• Um lote de boa qualidade pode ser rejeitado.
Nada impede que, de um lote de 2000 peças, das quais 60 são defeituosas
(3%), obtenhamos 4 peças defeituosa em uma amostra de 100 peças, das quais
admitiremos no máxima 3 peças defeituosas.
Esse erro, entretanto, não ocorre de forma descontrolada, desde que a
amostra seja retirada aleatoriamente (ao acaso) do lote. Determinadas leis
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
3
probabilísticas regem os limites de variação desse erro. Assim, para o erro acima,
o lote tem a probabilidade de 65% de ser aceito e 35% de ser rejeitado, calculadas
pelo modelo matemático binomial.
Em outras palavras, se 100 lotes ou remessas de qualidade igual a 3% forem
inspecionados por um plano de amostragem n= 100 e o número de aceitação a
=3. 65 desses lotes serão provavelmente aceitos e 35 rejeitados. Quanto maior for
a porcentagem de peças defeituosas no lote, menor será a probabilidade de
aceitação. Essa situação pode ser representada graficamente através da CCO –
Curva Característica Operacional do plano de inspeção por amostragem aleatória,
cujo exemplo está representado na figura 1 abaixo.
A CCO define, para cada plano de amostragem, a probabilidade de aceitação
(P) de um lotes que tenha uma qualidade (p) em fração defeituosa. Ao ser esse
lote submetido a inspeção através de uma amostra de tamanho n, retirada
aleatoriamente do lote, e um critério de aceitação (a) do lote ou da remessa.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
4
Figura 1
DEFINIÇÃO DOS NIVEIS DE QUALIDADE E RISCOS
Se a amostra fosse uma representação exata do lote, isto é, se não
existissem o erro amostral, os problemas de decisão na aceitação ou rejeição do
lote não existiriam. Esse plano ideal teria o maior poder discriminante, isto
conseguiria separar todos os lotes bons dos ruins, isto é, a amostra seria uma
representação fiel do lote, conforme mostra a Figura 2. Como a distribuição
amostral se apresenta desviada em relação à distribuição do lote (erro amostral),
surge a necessidade de definir os níveis de qualidade e os respectivos riscos que
cada plano de amostragem possui ao se operar com ele. Quanto maior for a
declividade da CCO, maior é o poder discriminante do plano, ou seja, maior é a
habilidade do plano em separar os lotes bons dos lotes ruins.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
5
Já vimos que um lote de boa qualidade pode ser às vezes rejeitado,
enquanto que um outro de má qualidade pode ser aceito. Portanto, ao operar com
um determinado plano de amostragem, aquele que recebe o lote (consumidor),
está assumindo um risco de aceitar um lote de má qualidade, enquanto que
aquele que fornece o lote (produtor) assume o risco de ver o seu lote de boa
qualidade ser rejeitado.
Nos planos de amostragem normalmente utilizados, esses riscos giram em
torno de 5% para o Produtor e 10% para o Consumidor.
O Risco do produtor (α) é a probabilidade de rejeição de um lote de boa qualidade, ao ser inspecionada por uma amostra de tamanho n e número de aceitação ª O Risco do Consumidor (β) é a probabilidade de aceitação de um lote de má qualidade ao ser inspecionado por uma amostra de tamanho n e número de aceitação a Um lote é considerado de boa qualidade quando a fração defeituosa (p) do lote for menor ou igual ao valor de NQA pré-estabelecido. NQA –Nìvel de Qualidade Aceitável é definido pela MIL STD 105D (NBR 5426) como sendo a máxima porcentagem defeituosa (ou máximo de defeitos por 100 unidades) que para fins de inspeção por amostragem pode ser considerada satisfatória como média de um processo. O valor de NQA é pré-fixado em contratos ou outros documentos. Um lote é considerado de má qualidade quando a fração defeituosa (p) for maior ou igual ao valor de QL(Qualidade Limite) , também chamada de FDT (Fração Defeituosa Tolerável). QL – Qualidade Limite é definida como sendo o limite mínimo de porcentagem de peças defeituosas (número mínimo de defeitos por 100 unidades) acima do qual o lote é considerado de má qualidade. a = Numero de Aceitação número máximo de defeitos aceitos em uma amostra de tamanho n. r= número de rejeição número de defeitos a partir do qual a amostra é rejeitada. Normalmente r= a+1 n= tamanho da amostra, ou seja, número de itens da amostra.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
6
Figura 2 - Localização dos elementos na CCO SISTEMAS DE AMOSTRAGEM Existem vários sistemas de amostragem, mas os mais conhecidos são somente 3: Mil-Std (baseado em AQL) Dodge-Romig (baseado em LTPD e em AOQL *1) Philips SSS ( Standard Sampling System) (baseado em Pa = 0,5)
O sistema de amostragem da MIL STD baseia-se no valor do NQA, isto é, para um mesmo valor de NQA existem planos de amostragem que variam os seus tamanhos de amostra e os respectivos números de aceitação de acordo com o tamanho do lote. O sistema MI LSTD visa proteger o produtor.
O sistema Dodge-Romig baseia-se no valor de LTPD (Lot Tolerance Percent Defective). Existe um mesmo valor de LTPD, para uma serie de curvas características de operação (CCO), de acordo com o tamanho do lote. O sistema Dodge-Romig visa proteger o consumidor quando a base for LTPD. Existe também o sistema AOQL planejamento pelo Dodge-Romig.
*1 AOQL (Average Outgoing Quality Limit) = LQMR (Limite da Qualidade Média Resultante) é o valor Maximo da qualidade média resultante (QMR) de todo um processo de inspeção por amostragem, que é determinada ataves dos resultados de todos os lotes aceitos e rejeitados, após estes últimos terem sido inspecionados 100% e todas as defeituosas serem substituídas por peças boas.
_______________________________________________________________________________________________
UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
7
O sistema Philips SSS baseia-se no valor de P 0,5 (ponto de indiferença), no qual produtor e consumidor possuem o mesmo risco. Neste texto vamos nos ater ao Sistema de Amostragem pela Mil STD105D. TIPOS DE PLANOS POR AMOSTRAGEM Existem dois tipos de planos por amostragem: Por atributos Por variáveis Os planos de amostragem por atributos são usados na inspeção por atributos. Inspeção por atributos é aquela segunda a qual a unidade de produto é classificada simplesmente como defeituosa ou não ( ou o número de defeitos é contado), em relação a um dado requisito ou a um conjunto de requisitos (MIL STD 105D e NBR 5426) Os planos de amostragem por variáveis são usados na inspeção por variáveis. Inspeção por variáveis é aquela segundo a qual uma característica de qualidade em uma unidade do produto é medida numa escala contínua, tal como: quilograma, metros, metros por segundo, etc. e o resultado de cada medição é anotado (MIL STD 414). Cada sistema de amostragem pode possuir ainda: Planos de Amostragem Simples onde a decisão de aceitação/rejeição do lote é tomada após a realização da inspeção de uma única amostra. Vamos supor que toma-se uma amostra de 200 peças (letra código L) e o número de aceitação a= 5 e r= 6 para um NAQ =1,0%. Se a quantidade de defeitos na amostra for menor ou igual a 5, aceita-se o lote; se for igual ou maior que 6, rejeita-se o lote. Plano de amostragem dupla onde a decisão pode ser tomada em até duas amostras. Para exemplificar, vamos supor que o plano de letra código L , NQA = 1%, 1a. amostra = 125 peças, a1 (aceitação da 1a. amostra)= 2 peças, r1(rejeição da 1a. amostra)=5 peças; 2a.amostra = 125 peças; amostra total = 250peças, at (aceitação da amostra total)=6, rt (rejeição da amostra total)=7. Se a quantidade de defeituosas na 1a. amostra for menor ou igual a 2, aceita-se o lote; se for maior ou igual a 5, rejeita-se o lote. Caso a quantidade de defeituosas na 1a. amostra seja maior que 2 e menor que 5, tira-se a 2a. amostra. Se a quantidade de defeituosas da 1a amostra mais a da 2a. amostra for menor ou igual a 6, aceita-se o lote; se for maior ou igual a 7, rejeita-se o lote.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
8
Plano de amostragem múltipla onde a decisão pode ser tomada em até sete amostras. O procedimento para sua utilização é semelhante ao do plano duplo. È mais econômico que o plano simples e o plano duplo correspondentes para lotes de boa ou má qualidade, entretanto,tem a sua aplicação limitada pela dificuldade em administra-lo. Um plano de amostragem é então definido em função de: NQA, n, a e r.
• Define-se o NQA • Define-se o tipo de amostragem : simples, dupla ou múltipla • Define-se o nível da inspeção : normal, severa ou atenuada. • Toma-se a letra código, no nível de inspeção II, em função do tamanho da
produção • Com a letra código e o NQA define-se o plano de amostragem PL (n, a, r)
Níveis de amostragem: são usadas para controlar o poder discriminante dos planos de acordo com a qualidade dos lotes. È uma forma de conseguir reduções nos custos da amostragem. Nível de inspeção normal; Normalmente a inspeção começa no nível normal.. Caso em 5 (cinco) amostragens consecutivas, duas forem rejeitadas, sinal que a qualidade do lote diminuiu, passa-se a inspeção severa. Nível de inspeção severa: Se em 5 amostragens consecutivas nenhuma for rejeitada, melhorou a qualdiade do lote, passa-se para a inspeção normal. Nível de inspeção atenuada: Se em dez inspeções normais nenhuma for rejeitada, melhorou a qualidade do lote, passa-se a inspeção atenuada. Uma única rejeição na atenuada volta-se para a normal.
INTERPRETAÇÃO DA CCO As curvas características podem se apresentar com declividades
(inclinações diferentes. Esta inclinação depende do tamanho da amostra (n) e do
critério de aceitação (a)
Quanto mais íngreme for a curva, maior também será a proteção do
consumidor e do produtor. Maior é o pode discriminante do plano de amostragem
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
9
de lotes bons e ruins, isto é, maior é a habilidade do plano em distinguir lotes bons
dos lotes ruins.
Quanto maior for o tamanho da amostra (n) maior será a chance de
encontrar peças defeituosa, portanto aumenta a declividade da curva e cai a
probabilidade de aceitação do lote.
Quanto maior for o número de aceitação (a) menor será a declividade da
curva e aumenta a probabilidade de aceitação do lote.
DISTRIBUIÇÃO DE PROBABILIDADES
1 Considerações preliminares
1.1 Atributos Uma característica de qualidade ao ser avaliada, através de uma
classificação, apesar da possibilidade de ser expressa em números, não implica,
necessariamente, numa mensuração.
Por exemplo:
- Dispondo de uma classificação de cores, através de comparação visual, é
possível identificar a cor empregada no acabamento de uma peça;
- Numa avaliação de diâmetro de eixos, pode-se utilizar um calibre simples
“passa”, ou seja, o item examinado será considerado satisfatório ou insatisfatório,
de acordo com o critério pré-estabelecido para utilizar o calibre, ou então, os eixos
podem ser classificados em menores ou maiores (que passam ou não no calibre);
- Avaliação de qualidade pela presença ou ausência de defeitos, como na
presença de rugosidade em superfícies metálicas.
Em todos os exemplos citados, a variação da qualidade é descrita
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
10
pela classificação e analisada por meio da técnica atributos. O resultado da
avaliação de um atributo poderá ser expresso por um número, em conseqüência
de uma contagem e, para tanto, atribui-se o valor “0”, quando verificado a
ausência do atributo em um item, e o valor “1”, quando verificado sua presença.
Exemplificando:
Numa inspeção de lâmpadas, considera-se “não acende” como atributo, o
que constitui um defeito. Portanto, uma lâmpada examinada poderá acender,
fornecendo o resultado “0” (ausência de atributo), ou não acender,
correspondendo ao resultado “1” (presença do atributo). Ou seja, numa amostra
de 100 lâmpadas, se 3 não acendem, a fração defeituosa na amostra corresponde
a 3%. Esta é uma das formas mais comuns de avaliação de qualidade.
1.2 Variáveis
Outro tipo de resultado numérico, comum na avaliação de uma
característica de qualidade, originada na mensuração e correspondendo a leituras
em uma escala. Por conseguinte, a variabilidade é descrita pelos diversos valores
possíveis dentro do intervalo da escala analisada pela técnica das variáveis. Cada
mensuração origina um único número descritivo da característica examinada.
Exemplos:
- Mensurações de comprimento de uma haste;
- Mensurações de diâmetros interno e externo de um tubo;
- Mensurações de propriedades como a resistência elétrica, ou tempo de
fusão, de um elo corta-circuito.
Esta técnica admite, em teoria, a subdivisão ilimitada da escala, supondo
que a variável seja contínua, ou seja, considerando a possibilidade de se tomar
qualquer valor no intervalo da escala. Contudo, na prática, a continuidade é
limitada pela precisão do processo de medição, o qual é vinculado à precisão dos
instrumentos de medição.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
11
1.3 Vantagens e desvantagens entre atributos e variáveis
É comum a não possibilidade, ou condição anti-econômica, de se realizar a
mensuração de uma característica de qualidade. Portanto, recorre-se à avaliação
de atributos, verificando, neste caso, se o item satisfaz especificações
razoavelmente definidas, como no caso de peças defeituosas ou perfeitas, de
acordo com uma lista de defeitos.
A técnica de variáveis fornece informações mais completas sobre a
qualidade, além de apresentar vantagens indiscutíveis ao exigir amostras
menores. Contudo, a técnica de atributos é normalmente mais rápida, e sua
execução é mais simples, com menor exigência de pessoal preparado.
Por exemplo, através da técnica de variáveis, em mensurações muito
precisas de características essenciais, consegue-se mais informação sobre a
qualidade do que seria possível com atributos. Entretanto, no caso de aplicação
desta técnica em fábricas, exige-se um trabalho de cálculo aritmético longo.
1.4 Número de aceitação e rejeição
Na construção de plano de amostragem simples, fixa-se, para que uma
partida seja aceitável na inspeção, o número máximo de defeituosos (a = número
de aceitação) permitido na amostra de tamanho “n”.
Ocorrendo na amostra um ou mais defeituoso além do “a”, a partida será
rejeitada, sendo o número de rejeição “r”, em que:
r = a + 1 e 0 ≤ a ≤ (n-1) e 1 ≤ r ≤ n
A probabilidade de que ocorram, no máximo, “a” defeituosos na amostra,
será calculada por uma das expressões da probabilidade acumulada F(x) do tipo
de distribuição aplicável binomial; hipergeométrica; e de Poisson.
1.5 Probabilidade de aceitação e rejeição
Determinado o número de aceitação “a”, para amostras de tamanho “n”,
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
12
extraídas de partidas com fração defeituosa “p”, a probabilidade de aceitação da
partida F(a) será igual à probabilidade de que ocorram, na amostra, no máximo,
“a” defeituosos F(a) = p (0 ≤ d ≤ a) e o seu cálculo se realizará conforme o tipo de
distribuição adotado em cada caso, com x = d.
A probabilidade de rejeição, por conseguinte, será a probabilidade de que
ocorram, na amostra, ao menos “r” defeituosos:
1 – F(a) = p (d > a) = p (r ≤ d ≤ n)
2 Inspeção da qualidade
A inspeção da qualidade é um processo de verificação de lotes ou amostras
a fim de determinar se a qualidade do produto atende às especificações.
É importante ressalvar que a inspeção da qualidade não previne defeitos, e
sim, constata-os. Todavia, há uma tendência da inspeção da qualidade cair em
desuso, em virtude da ocorrência do controle em cada etapa de um processo.
2.1 Distribuição de probabilidades As distribuições de probabilidades se relacionam com a inspeção de
atributos ou no controle destes.
2.1.1 Distribuição binomial
Esta distribuição descreve experimentos independentes, repetidos em
condições estáveis. Além disso, apenas dois resultados são possíveis em cada
repetição: peça defeituosa ou peça perfeita; sucesso ou fracasso.
A amostragem realizada é feita com reposição, ou seja, a probabilidade de
se obter uma peça defeituosa permanece constante.
Em uma repetição, a probabilidade de ocorrer peça defeituosa é “p”, e a de
ocorrer peça não-defeituosa é “q”. Como as repetições são idependentes, a
probabilidade de ocorrerem “x” peças defeituosas, em “n” repetições, é:
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
13
Média dos “x” = n × p
Desvio padrão = xnx qp
xn
xf −××⎟⎟⎠
⎞⎜⎜⎝
⎛=)( qpn ××
Portanto, a probabilidade de ocorrer, no máximo, “a” peças defeituosas, em
“n” repetições, é:
Coeficiente ( ) ∑=
=
−××⎟⎟⎠
⎞⎜⎜⎝
⎛=
ax
x
xnx qpxn
aF0 ( )!!
!xnx
nxn
−⋅=⎟⎟
⎠
⎞⎜⎜⎝
⎛ é o
número A soma dos f(x), de combinações simples de “n”
objetos, desde x = 0 até x = a tomadas x a x.
Sendo:
n = número de peças na amostra; x = defeitos na amostra; N = número de peças
de uma partida de produção.
Exemplo:
(por convenção) ou ou = 1
10 =Cn⎟⎟⎠
⎞⎜⎜⎝
⎛05
⎟⎟⎠
⎞⎜⎜⎝
⎛0
10⎟⎟⎠
⎞⎜⎜⎝
⎛0n
1203218910
310
4521910
210
101
101
10
1321123
33
32123
23
313
13
33
23
13
=××××
=⎟⎟⎠
⎞⎜⎜⎝
⎛=
××
=⎟⎟⎠
⎞⎜⎜⎝
⎛==⎟⎟
⎠
⎞⎜⎜⎝
⎛
=××××
==⎟⎟⎠
⎞⎜⎜⎝
⎛=
××
==⎟⎟⎠
⎞⎜⎜⎝
⎛===⎟⎟
⎠
⎞⎜⎜⎝
⎛CCC
A distribuição binomial é utilizada em amostras com f = n / N = < 0,10 de
partidas grandes.
Exemplo:
1. Numa partida de 200 peças produzidas por uma determinada máquina, faz-se
uma amostragem de 10 peças ao acaso. Supondo que a probabilidade de que _______________________________________________________________________________________________
UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
14
uma peça produzida seja defeituosa é de 0,2, qual a probabilidade de aceitação,
havendo até uma peça defeituosa nesta amostra?
f = 10/200 = 0,05 < 0,10 binomial
p = 0,2 então q = 0,8; n = 10; x = até 1
Aceitação 37,57% (até uma peça defeituosa)
Rejeição = 1 – F(a) = 1 – 0,3757 = 0,6243 = 62,43%
(acima de uma peça defeituosa)
2. Em uma partida de 1000 peças, a fração defeituosa é de 0,04. Calcular as
probabilidades de aceitação e de rejeição da partida, com amostras de 50 peças,
com até 3 peças defeituosas?
N = 1000; p = 0,04 então q = 1 – 0,04 = 0,96; n = 50; a = 3
f = n/N = 50/1000 = 0,05 < 0,10 binomial
Aceitação 86,09% (até 3 defeituosos)
Rejeição 1 – F(a) = 1 – 0,8609 = 0,1391 = 13,91%
( ) 3757,02680,01073,08,02,01
108,02,0
010 1101
0
0100 =+=⎥⎦
⎤⎢⎣
⎡⋅⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛+⎥
⎦
⎤⎢⎣
⎡⋅⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛=⋅⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛= −
=
=
−−∑ax
x
xnx qpxn
xF
( )
8609,096,004,03
5096,004,0
250
96,004,0150
96,004,00
50
35032502
1501
0
500
=⎥⎦
⎤⎢⎣
⎡⋅⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛+⎥
⎦
⎤⎢⎣
⎡⋅⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛+
+⎥⎦
⎤⎢⎣
⎡⋅⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛+⎥
⎦
⎤⎢⎣
⎡⋅⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛=⋅⋅⎟⎟
⎠
⎞⎜⎜⎝
⎛=
−−
−=
=
−∑ax
x
xnx qpxn
aF
2.1.2 Distribuição hipergeométrica
Conhecida como distribuição de tiragem exaustiva, pois descreve a
amostragem sem reposição, considerando uma população N, cuja fração inicial de
defeituosos seja p = D/N.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
15
A lei hipergeométrica se aproxima da binomial quando as extrações são
independentes, caso em que a probabilidade de sucesso se mantém constante, de
extração para extração. Entretanto, não havendo reposição, deixa de haver
independência, e a probabilidade de sucesso varia de extração para extração. O
cálculo dos termos desta distribuição é muito trabalhoso, e deverá ser empregado
quando houver partidas pequenas (f > 0,10, sendo f = n/N), com ensaios
destrutivos.
Extraída de uma amostra de tamanho “n”, a probabilidade de que ela
contenha “x” peças defeituosas será:
( )⎟⎟⎠
⎞⎜⎜⎝
⎛
⎟⎟⎠
⎞⎜⎜⎝
⎛−−
⋅⎟⎟⎠
⎞⎜⎜⎝
⎛
=
nN
xnDN
xD
xf
Portanto, para o cálculo da probabilidade de até “a” defeituosos:
( ) ∑=
=⎟⎟⎠
⎞⎜⎜⎝
⎛
⎟⎟⎠
⎞⎜⎜⎝
⎛−−
⋅⎟⎟⎠
⎞⎜⎜⎝
⎛
=ax
x
nN
xnDN
xD
xF0
Sendo: F(x) probabilidade de aceitação; D número de peças defeituosas em
um lote; x número máximo de defeitos aceitáveis em uma amostra; N
número total de peças em um lote; n número de peças em uma amostra; média
de x = n.p e desvio padrão = ( ) qpnf ⋅⋅⋅−1 ; f = n/N e q = 1-p.
Exemplo:
Considerando um lote de 50 peças, apresentando duas peças defeituosas.
Qual a probabilidade de aceitação e rejeição da partida, sendo inspecionada uma
amostra de 10 peças e o número de aceitação de até 1 defeituoso?
N = 50; D = 2; n = 10; a = 1
f = n/N = 10/50 = 0,2 f > 0,10 hipergeométrica
( ) ∑=
=⎟⎟⎠
⎞⎜⎜⎝
⎛
⎟⎟⎠
⎞⎜⎜⎝
⎛−−
⋅⎟⎟⎠
⎞⎜⎜⎝
⎛
=ax
x
nN
xnDN
xD
xF0
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
16
( ) ( )
( ) ( ) ( ) 9632,03265,06367,010
3265,0
1050
110250
12
16367,0
1050
010250
02
0
=+==+==
=
⎟⎟⎠
⎞⎜⎜⎝
⎛
⎟⎟⎠
⎞⎜⎜⎝
⎛−−
⋅⎟⎟⎠
⎞⎜⎜⎝
⎛
===
⎟⎟⎠
⎞⎜⎜⎝
⎛
⎟⎟⎠
⎞⎜⎜⎝
⎛−−
⋅⎟⎟⎠
⎞⎜⎜⎝
⎛
==
aFaFaF
aFaF
Aceitação F(a) = 96,32%
Rejeição 1- 0,9632 = 3,7%
2.1.3 Distribuição de Poisson
Conhecida como “lei dos eventos raros”, descreve a ocorrência de pequeno
número de vêzes sem periodicidade, em grande número de repetições. Esse é o
caso de amostragem, com ou sem repetição, em que f = n/N seja menor do que
0,10, com partidas de baixa fração de defeituosos p < 0,10 ou 10%. Utilizada
como aproximação da binomial, quando a fração de amostragem for menor do que
0,10 e a fração de defeituosos for baixa p < 0,10, como normalmente ocorre.
A probabilidade de ocorrerem até “x” defeituosos na amostra de tamanho
“n” é:
( ) ( )∑=
=
⋅−⋅⋅=
ax
x
pnx
xepnxF
0 !
Sendo:
e = 2,7183;
pn ⋅ = número de defeitos (média e quadrado do desvio padrão)
Exemplos:
1. Em um intervalo de tempo, um certo tipo de prensa mostrou, em média, 1,5
problemas de conserto. Qual a probabilidade de aceitação de que no mesmo
intervalo uma destas prensas exija até 2 consertos?
n.p = 1,5
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
17
( ) ( )⎥⎦
⎤⎢⎣
⎡ ⋅+⎥
⎦
⎤⎢⎣
⎡ ⋅+⎥
⎦
⎤⎢⎣
⎡ ⋅=
⋅⋅=
−−−=
=
⋅−
∑ !27183,25,1
!17183,25,1
!07183,25,1
!
5,125,115,10
0
ax
x
pnx
xepnxF
F(a) = 0,223130 + 0,334695 + 0,251021 = 0,808846
Aceitação 80,88% (para até 2 consertos)
Rejeição 1 – 0,808846 = 0,19115 = 19,12%
2. Qual a probabilidade de aceitação de uma amostra de tamanho 100, no caso da
ocorrência das seguintes frações defeituosas no lote: 0,01; 0,02; 0,03 e 0,04? As
amostras serão aceitas se apresentarem até 1 defeito.
n = 100; p = 0,01, 0,02, 0,03 e 0,04 n.p = 1, 2, 3 e 4
Para n.p = 1:
( ) 7358,036788,036788,0!1
7183,21!0
7183,2111110
=+=⎥⎦
⎤⎢⎣
⎡ ⋅+
⋅==
−−
xF
F(x=1)=73,58%
Para n.p = 2:
( ) 4060,027067,013534,0!1
7183,22!0
7183,2212120
=+=⎥⎦
⎤⎢⎣
⎡ ⋅+
⋅==
−−
xF
F(x=1)=40,60%
Para n.p = 3:
( ) 1992,014936,004979,0!1
7183,23!0
7183,2313130
=+=⎥⎦
⎤⎢⎣
⎡ ⋅+
⋅==
−−
xF
F(x=1)=19,92%
Para n.p = 4:
( ) 09158,007326,001832,0!1
7183,24!0
7183,2414140
=+=⎥⎦
⎤⎢⎣
⎡ ⋅+
⋅==
−−
xF
F(x=1)=9,158%
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
18
3. Uma partida de 1000 peças com fração defeituosa de 0,04. Calcular as
probabilidades de aceitação e de rejeição da partida, com amostras de 50 peças,
para até 3 defeituosos?
f = n/N = 50/1000 = 0,05 < 0,10; p = 0,04 < 0,10 e n.p = 2,0 < 10
( ) ⎥⎦
⎤⎢⎣
⎡ ⋅+
⋅+
⋅+
⋅==
−−−−
!37183,22
!27183,22
!17183,22
!07183,223
23222120
xF
F(x=3)= 0,13534 + 0,27067 + 0,27067 + 0,18045 = 0,85712
Aceitação F(x=3)= 85,71%
Rejeição 1 – 0,8571 = 0,1429 = 14,29%
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
19
Distribuição DE POISSON: PROBABILIDADES ACUMULADAS F(d)
d=a np 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
0,02 0,980 1,000 0,04 0,961 0,999 1,000 0,06 0,942 0,998 1,000 0,08 0,923 0,997 1,000 0,10 0,905 0,995 1,000
0,15 0,861 0,990 0,999 1,000 0,20 0,819 0,982 0,999 1,000 0,25 0,779 0,974 0,998 1,000 0,30 0,741 0,963 0,996 1,000
0,35 0,705 0,951 0,994 1,000
0,40 0,670 0,938 0,992 0,999 1,000 0,45 0,638 0,925 0,989 0,999 1,000 0,50 0,607 0,910 0,986 0,998 1,000
0,55 0,577 0,894 0,982 0,998 1,000 0,60 0,549 0,878 0,977 0,997 1,000 0,65 0,522 0,861 0,972 0,996 0,999 1,000 0,70 0,497 0,844 0,966 0,994 0,999 1,000 0,75 0,472 0,827 0,959 0,993 0,999 1,000
0,80 0,449 0,809 0,953 0,991 0,999 1,000 0,85 0,427 0,791 0,945 0,989 0,998 1,000 0,90 0,407 0,772 0,937 0,987 0,998 1,000 0,95 0,387 0,754 0,929 0,984 0,997 1,000 1,00 0,368 0,736 0,920 0,981 0,996 0,999 1,000
1,1 0,333 0,699 0,920 0,974 0,995 0,999 1,000 1,2 0,301 0,663 0,879 0,966 0,992 0,998 1,000 1,3 0,213 0,627 0,875 0,957 0,989 0,998 1,000 1,4 0,247 0,592 0,833 0,946 0,986 0,997 0,999 1,000 1,5 0,223 0,558 0,809 0,934 0,981 0,996 0,999 1,000
1,6 0,202 0,525 0,783 0,921 0,976 0,994 0,999 1,000 1,7 0,183 0,493 0,757 0,907 0,970 0,992 0,998 1,000 1,8 0,165 0,463 0,731 0,891 0,964 0,990 0,997 0,999 1,000 1,9 0,150 0,434 0,704 0,875 0,958 0,987 0,997 0,999 1,000 2,0 0,135 0,406 0,677 0,857 0,947 0,983 0,995 0,999 1,000
2,2 0,111 0,355 0,623 0,819 0,928 0,975 0,993 0,998 1,000 2,4 0,091 0,308 0,570 0,779 0,904 0,964 0,988 0,997 0,999 1,000 2,6 0,074 0,267 0,518 0,736 0,877 0,951 0,983 0,995 0,999 1,000 2,8 0,061 0,231 0,469 0,692 0,848 0,935 0,976 0,992 0,998 0,999 1,000 3,0 0,050 0,199 0,423 0,647 0,815 0,916 0,966 0,988 0,996 0,999 1,000
3,2 0,041 0,171 0,380 0,603 0,781 0,895 0,955 0,983 0,994 0,998 1,000 3,4 0,033 0,147 0,340 0,558 0,744 0,871 0,942 0,977 0,992 0,997 0,999 1,000 3,6 0,027 0,126 0,303 0,515 0,706 0,844 0,927 0,969 0,988 0,996 0,999 1,000 3,8 0,022 0,107 0,269 0,473 0,668 0,816 0,909 0,960 0,984 0,994 9,998 0,999 1,000 4,0 0,018 0,092 0,238 0,433 0,629 0,875 0,889 0,949 0,979 0,992 0,997 0,999 1,000
4,2 0,015 0,078 0,210 0,395 0,590 0,753 0,867 0,936 0,972 0,989 0,996 0,999 1,000 4,4 0,012 0,066 0,185 0,359 0,551 0,720 0,844 0,921 0,964 0,985 0,994 0,998 0,999 1,000 4,6 0,010 0,056 0,163 0,326 0,513 0,686 0,818 0,905 0,955 0,980 0,992 0,997 0,999 1,000 4,8 0,008 0,048 0,143 0,294 0,476 0,651 0,791 0,887 0,944 0,975 0,990 0,996 0,999 1,000 5,0 0,007 0,040 0,125 0,265 0,440 0,616 0,762 0,867 0,932 0,968 0,986 0,995 0,998 0,999 1,000
5,2 0,006 0,034 0,109 0,238 0,406 0,581 0,732 0,845 0,918 0,960 0,982 0,993 0,997 0,999 1,000 5,4 0,005 0,029 0,095 0,213 0,373 0,546 0,702 0,822 0,903 0,951 0,977 0,990 0,996 0,999 1,000 5,6 0,004 0,024 0,082 0,191 0,342 0,512 0,670 0,797 0,886 0,941 0,972 0,988 0,995 0,998 0,999 1,000 5,8 0,003 0,021 0,072 0,170 0,313 0,478 0,638 0,771 0,867 0,929 0,965 0,984 0,993 0,997 0,999 1,000 6,0 0,002 0,017 0,062 0,151 0,285 0,446 0,606 0,744 0,847 0,916 0,957 0,980 0,991 0,996 0,999 0,999 1,000
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
20
BIBLIOGRAFIA CONSULTADA
ANDRADE, Wagner Matias de; Almeida, Ricardo de. Dando um jeito na bagunça. Belo Horizonte: Solução Criativa em Comunicação, 1994
ASQC. Curso ABCQ de Preparação para exames de certificação “ Quality Engineer” da American Society for Quality Control. ABCQ: EUA.
ASSOCIATION FRANCAISE DE NORMALISATION. Guide d´évaluation des Côuts resultants de la non qualité.. NF X 50 126. Paris: Afnor, 1986.
BELLUT, Serge. La competitivité par la maîtrise des coûts. Paris: Afnor, 1990.
BONDUELLE, G. M. Controle de qualidade. Curitiba: FUPEF/Série didática no07,
1996. 96p.
BONDUELLE, G. M. Avaliação dos custos da má qualidade em uma indústria de painéis de fibras. Tese. Doutorado em Engenharia de Produção e
Sistemas. UFSC. Florianópolis , 1997.
CAMPOS, VICENTI FALCONI. TQC: Controle de qualidade total (n0 estilo japonês). 5a
edição BH: Fundação Christiano Ottani, 1994, 229P
CHAVES, José Mario. Gestão Integrada de custos da qualidade. In:
CONGRESSO INTRNACIONAL E CONGRESSO BRASILEIRO DE GESTÃO
ESTRATÉGICA DE CUSTOS. Anais... Campinas: UNICAMP, Instituto de
economia, 1995. v.2,p.633-641.
CHOVE, J. Les derniers avancées de l´école française de la qualité. In: AFNOR. Recueil de normes françaises. Paris, 1994.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
21
COSTA, Rosane Marques Crespo; PENA, Solange Mara do Nascimento; BOSCHI,
Celisa Mirtes. Como praticar o 5S na escola. Belo Horizonte: UFMG – Escola de
Engenharia, Fundação Christiano Ottoni, 1996
CROSBY, Philip. Qualidade é investimento. 3. ed. Rio de Janeiro: José
Olympio, 1984.
FILHO, Francisco Liberato Póvoa Filho; BRANDÃO, Leonor Cordeiro; PEREIRA,
Nanci Camponez ; COSTA, Rosane Marques Crespo. Escola: Solucionando problemas, melhorando resultados. Belo Horizonte: UFMG – Escola de
Engenharia, Fundação Christiano Ottoni, 1996
GALLORO & ASSOCIADOS. Custo como ferramenta gerencial. Conselho
Regional de Contabilidade do Estado de São Paulo, n. 8. São Paulo: Atlas,
1995.
GODOY, Maria Helena Pádua Coelho de; AMORIM, Rita de Cássia Sá. A mochila e o 5S. Belo Horizonte: Editora FCO Ltda, 1995.
GORMAND, C. Le coût global: pour investir plus. Paris: Eyrolles, 1986.
HARRINGTON, H. Le côut de la non qualité. Paris Eyrolles, 1990.
LAPA, Reginaldo P.; FILHO, Antônio M. Barros, ALVES, José F. Praticando os 5 sensos. Rio de Janeiro: Qualitymark Ed., 1997
LEMAITRE P.. La Qualité. In: Management Integral et organisation de la qualité. Paris: Institut Lemaitre, 1995.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
22
LOURENÇO FILHO, Rui de C. B. Controle estatístico de qualidade. Rio de
Janeiro: Livros Técnicos e Científicos, 1974. 223p.
NOBREGA, K.C. Uma abordagem sistêmica para o diagnóstico da qualidade. Florianópolis, 1990. Dissertação (Mestrado em Engenharia de
Produção) – Universidade Federal de Santa Catarina.
J. M. JURAN; FRANK M. GRYNA: CONTROLE DE QUALIDADE. SP: MAKRON
BOOKS, 1991. V. 1,2,3 A 9
JURAN J.M. PLANEJANDO PARA A QUALIDADE 3 ED. SP: PIONEIRA 1995,
394P
DELLARETTI FILHO, OSMÁRIO. AS SETE FERRAMENTAS P/ O PLANNEJAMENTO DA QUALIDADE, BH: FUNDAÇÃO C.O. 1996, 183P V.5
(FERRAMENTAS DE QUALIDADE)
DEMING, W. EDWARD. QUALIDADE: A REVOLUÇÃO NA ADMINISTRAÇÃO. RJ: MARQUES SARAIVA,1990, 367p
NAKAGAWA, MASAYUKI. GESTÃO ESTRATÉGICA DE CUSTOS: CONCEITOS, SISTEMAS E IMPLEMENTAÇÃO, SP: ATLAS, 1991, 111P
PARAISO, Paulo Roberto. Um sistema de apuração de custos associados à inspeção da qualidade. Florianópolis, 1986. Dissertação (Mestrado em
Engenharia de Produção) – Universidade federal de |Santa Catarina.
RODDE, G. Les systèmes de production: modélisation er performances.
Paris: Hèrmes, 1989.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
23
SHANK, J. E GOVINDARAJAN. La gestion strategique des côuts. Paris: Les
Editions d´Organisation, 1995.
SILVA, João Martins da. 5S para praticantes. Belo Horizonte: UFMG – Escola de
Engenharia, Fundação Christiano Ottoni, 1995
SOBREIRA. Paulo Eduardo. Gestão da excelência. Seminário apresentado na
Disciplina Controle de Qualidade na Industria Madeireira AT 714 da UFPR..
Curitiba, 2001.
LOURENÇO, FILHO RUY. CONTROLE ESTATÍSTICO DE QUALIDADE RJ:
LIVROS TECNICOS E CIENTÍFICOS, 1974, 223P
TOWSEND, Patrick. Compromisso com a qualidade. São Paulo: Campus [198-].
VELASQUEZ, C.U.V. Uma abordagem conceitual do sistema de informação da qualidade. Florianópolis, 1987. Dissertação (Mestrado)- Universidade Federal
de Santa Catarina.
VIGIER, Michael G. Pratique des plans d´experiences . Methodologie Taguchi. Paris: Lês èditions d`´Organisation, 1968.
Programa 5S: A base para a Qualidade Total. Revista produzida por ABIMAQ –
Associação Brasileira da Indústria de Máquinas e Equipamentos; SINDIMAQ –
Sindicato Nacional da Industria de Maquinas; NITMAQ – Núcleo Especializado em
Informações Tecnologias em Maquinas e Equipamento. São Paulo: Montadon &
Dias Comunicação.
Qualidade Total Coopavel: “A decisão da mudança começa em cada um”
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
24
A Qualidade e a ISO 9001. Coleção Qualidade em Quadrinhos. São Paulo:
Montadon & Dias Comunicação, 2001.
QUALIFIEMG – Programa de Qualidade Sistema FIEMG (Federação das
Industrias do Estado de Minas Gerais). Belo Horizonte, Núcleo de Qualidade.
HIRANO, Hiroyuki; YOSHINAGA, Ciro. 5S na Prática. São Paulo: IMAM,1994
5S – O Ambiente da Qualidade. Fundação Christiano Ottoni, QFCO - Projeto
Gestão pela Qualidade Total. Escola de Engenharia, Universidade de Minas
Gerais.
Avaliação e Promoção do Programa 5S – A Chave para Resultados Crescentes.
Fundação Christiano Ottoni, QFCO - Projeto Gestão pela Qualidade Total. Escola
de Engenharia, Universidade de Minas Gerais.
(1) NF EN ISO 9001. Systèmes de management de la qualité. AFNOR:
December 2000.
(2) ISO 9000 – 3 : 1997, Quality management and quality assurance standards
– Part 3 Guidelines .......apllication of ISO 9001:1994 to the development,
supply, installation and maintenance of computer software.
(3) NBR ISO 9004:2000, Sistemas de gestão da qualidade – Diretrizes para
planos da qualidade
(4) NBR ISO 10005: 1997, Gestão da qualidade – Diretrizes para os planos da
qualidade
(5) NBR ISO 10006: 1997, Quality management – Guidelines to quality in
project management
(6) NBR ISO 10007:1996, Gestão da qualidade – Diretrizes para a gestão de
configuração
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
25
(7) NBR ISO 10011 – 3 1993, Diretrizes para auditoria de sistema da qualidade
parte ...................
(8) NBR ISO 10011 – 2 1993, Diretrizes para auditoria de sistemas da
qualidade .................para qualificação de auditores de sistema de qualidade
(9) NBR ISO 10011 – 3 1993, Diretrizes para auditoria de sistemas da
qualidade ........Gestão de programas de auditoria
(10) NBR ISO 10012 – 1993, Requisitos de garantia da qualidade para
equipamento de medição – Parte 1 Sistema de comprovação metrológica
para equipamento de medição.
(11) NBR ISO 10012-2 :1999. Garantia de quaalidade para equipamento
de medição – Parte 2 : Diretrizes para controle de processos de medição .
(12) NBR ISO 10013: 1995 Diretrizes para o desenvolvimento de manuais
de qualidade
(13) ABNT ISO / TR 10014:2000, Diretrizes para gestão de aspectos
econômicos da qualidade
(14) ISO 10015:1999 Quality management – Guidelines of training
(15) ABNT ISO /TR 10017:2000, Guias de técnicas estatísticas para a
NBR ISO 9001 : 1994
(16) NBR ISO 14001:1996, Sistemas de gestão ambiental . Especificação
e diretrizes para o uso
(17) IEC 60300 – 1 , Dependability management. Dependability
programme management
(18) Princípios da gestão da qualidade e diretrizes sobre sua aplicação.
(19) ISO 9000 – ISO 14000 News (uma publicação bimestral que fornece
uma ampla cobertura dos desenvolvimentos internacionais relacionados às
normas de gestão da ISO) , incluindo as notícias de suas implementações
por diversas organizações do mundo)
(20) Referências de websites: www.move.to/cb25
www.iso.ch
www.bsi.org.uk/iso-tc176-sc2
www.5s.com.br
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
26
ALBUQUERQUE, Carlos Camargo. Distribuição de Probabilidades. Seminário
apresentado na Disciplina Controle de Qualidade na Industria Madeireira AT 714
da UFPR.. Curitiba, 1999.
PEREIRA, Sanatiel de Jesus. CAPACIDADE DO PROCESSO. Seminário
apresentado na Disciplina Controle de Qualidade na Industria Madeireira AT 714
da UFPR.. Curitiba, 1999.
FORD MOTOR COMPANY. Capacidade do processo e controle contínuo do processo. Curitiba, 1982, 90p.
KLOSS, Celso Romero. Gráficos para Controle. Uma ferramenta para produtividade. Tecpar.. 55p.
MAYER, J. ª & CARRADORE, S.R. Controle Estatístico de Processo. Blount:
Curitiba, 52p.
PALADINI, Edson Pacheco. Controle de Qualidade. Uma abordagem abrangente. São Paulo: Atlas, 1990, 239p.
.
SPENCER, Alceu. Controle Estatístico de Processos (CEP). Joinville, 1989.
TRINDADE, Celso et al. Ferramentas da qualidade : aplicação na atividade florestal. Viçosa: UFV, 2000, 124p.
BANAS QUALIDADE. As ferramentas a qualidade. Aprendendo a aplicar para solucionar problemas. Editora Epse. CD-ROM.
_______________________________________________________________________________________________UFPR – Curso de Pós-Graduação em Gestão Florestal - mód. Qualidade Total para a Produção Florestal
27