Controle de Processo Plano de Controle Estatstico de

Controle de Processo Plano de Controle Estatístico de Processo Análise de Capabilidade de Processo Diego Rodrigues & Franciele Borba

Plano de Controle Diego Rodrigues & Franciele Borba

Plano de Controle n O Plano de Controle é derivado do FMEA; n O Plano de Controle inclui todos controles previstos em cada operação listada no Fluxograma de Processo; n Técnicas à Prova de Erro (Poka Yoke / Mistake Proofing) devem ser preferidas a controles convencionais; n Estabelecer as características a serem verificadas, os métodos e o plano de reação em cada etapa aplicável do processo; n Pode ser incorporado às Folhas de Processos. Diego Rodrigues & Franciele Borba

Formulário Cabeçalho Diego Rodrigues & Franciele Borba

Formulário Identificação da Etapa do Processo onde o controle é aplicado Diego Rodrigues & Franciele Borba

Formulário Descrição das características controladas Diego Rodrigues & Franciele Borba

Características Especiais Controle Robusto Dispositivo à Prova de Erro Controle Estatístico de Processo Poka Yoke / Mistake Proofing Cartas de Controle e Análise de Capabilidade Preferencial Recomendável Diego Rodrigues & Franciele Borba Inspeção 100% Contenção (85% eficaz)

Formulário Detalhes sobre o método de controle Diego Rodrigues & Franciele Borba

Formulário Plano de Reação Diego Rodrigues & Franciele Borba

Exemplos Diego Rodrigues & Franciele Borba

Exemplos Diego Rodrigues & Franciele Borba

Interface com outros documentos Fluxograma de Processo PFMEA Plano de Controle Op. 30 Colocar água na cuia Cevar a erva Queimar a erva Gosto amargo Água muito quente Chiado da chaleira Experiment ar chimarrão Diego Rodrigues & Franciele Borba Folhas de Processo

Controle Estatístico de Processos CEP n Controle Estatístico de Processo (Statistical Process Control – SPC). n Definição: método preventivo de se comparar, continuamente, os resultados de um processo com referenciais, identificando a partir de dados estatísticos as tendências para variações significativas, a fim de eliminar ou controlar essas variações; n Objetivo: reduzir a variabilidade de um processo através da eliminação das causas especiais de variação. Diego Rodrigues & Franciele Borba

Conceitos Básicos n Variação; n Distribuição Normal; n Causas Especiais e Causas Comuns; n Controle estatístico. Diego Rodrigues & Franciele Borba

Variação (Dispersão) Diego Rodrigues & Franciele Borba

Medidas de Variação n Amplitude (A ou R): n R = Maior leitura – menor leitura n Desvio padrão (s): informa quanto os dados estão dispersos em torno da média. Para variações pequenas o desvio padrão é pequeno. Diego Rodrigues & Franciele Borba

Distribuição Normal Desvio Padrão Média Diego Rodrigues & Franciele Borba

Tipos de Variação n Aleatória: n Inerentes ao processo; n Podem ser eliminadas somente através de melhorias no processo; n Tipicamente 15% dos problemas; n Causas comuns. n Não Aleatória: n Devido a razões identificáveis (assinaláveis); n Podem ser eliminadas através de ações do operador ou da gerência; n Tipicamente 85% dos problemas; n Causas especiais. Diego Rodrigues & Franciele Borba

Causas comuns x Causas especiais Diego Rodrigues & Franciele Borba

Variabilidade e Previsibilidade n Todos os processos têm Processo sob ação de variação. . . Mas somente variação devido a causas comuns é previsível. n Um processo está sob controle estatístico quando somente causas comuns estão presentes. causas comuns Processo sob ação de causas especiais Diego Rodrigues & Franciele Borba

Controle de Processo sob controle: • Causas especiais eliminadas • Presença somente de causas comuns de variação • Processo estável • Processo previsível Processo fora de controle: • Presença de causas especiais • Processo instável Implementação de • Processo não previsível Controle de Processo m Diego Rodrigues & Franciele Borba

Gráfico de Controle Causa Especial LSE LSC Média Gráficos de controle mostram a variação do processo ao longo do tempo LIC LIE 1 2 3 4 5 6 7 Número da Amostra Diego Rodrigues & Franciele Borba 8 9 10

Cartas de Controle: objetivo Identificar causas especiais de variação. Diego Rodrigues & Franciele Borba

Principais Tipos de Cartas de Controle n Dados Tipo Atributos n n Para itens defeituosos (carta p) Para defeitos (carta c) n Dados Tipo Variáveis n n X e AM (individuais e amplitude móvel) X e R (média e amplitude) Diego Rodrigues & Franciele Borba

Cartas: apresentação Composta de dois gráficos: n Gráfico das médias (X) ou dos valores individuais (I) Mostram a localização do processo n Tipicamente possuem Limites Inferiores e Superiores de Controle (LIC / LSC) n n Gráfico das amplitudes (R) ou amplitude móvel (m. R) Mostram a variação (disperção) do processo n Possuem somente Limite Superior de Controle (LSC) n Diego Rodrigues & Franciele Borba

Processo Estável = Sob Controle Histograma: “fotografia do processo” Diego Rodrigues & Franciele Borba Carta de controle: comportamento ao longo do tempo

Determinação dos Limites de Controle Limites para gráfico Xbar x 1 + x 2 +. . . xk = x= k = LSC = x + A 2 R = LIC = x - A 2 R Onde: Aproximadamente igual a 3 Desvios Padrão = x = média das médias das amostras Diego Rodrigues & Franciele Borba

Critérios para identificação de causas especiais nas cartas de controle 8 ou mais pontos acima ou abaixo da Linha Central Possíveis causas: Mudança no ajuste de máquina Processo, método ou material diferente Avaria de um componente na máquina Quebra de máquina Grande variação no material recebido 6 ou mais pontos Subindo ou Descendo Possíveis causas: Desgaste de Ferramenta Gradual desgaste do equipamento Desgaste relacionado ao instrumento de medição Pontos fora dos Limites de Controle Possíveis causas: Erro na medição ou digitação Quebra de ferramenta Instrumento de medição desregulado Operador não consegue identificar a medida Deslocamento da Média Possíveis causas: Novo Método Nova Máquina Melhoria de Qualidade Novo Lote de Material Periodicidade dos Pontos Possíveis causas: Não-uniformidade na matéria-prima recebida Rodízio de Operadores, Gabaritos e instrumentos Diferença entre turnos Diego Rodrigues & Franciele Borba

Processo Instável = Fora de Controle Presença de causas especiais Diego Rodrigues & Franciele Borba

Exemplos n Criação de uma carta: n Virtual Machine n Formulário Carta de Controle n Exemplo 1 n Exemplo 2 Diego Rodrigues & Franciele Borba

Seleção de Cartas de Controle Diego Rodrigues & Franciele Borba

Capabilidade de Processo - Conceitos Tolerâncias: especificações de engenharia que representam requisitos do produto. n Capabilidade do Processo: representa o melhor desempenho do processo e é determinada pela variação das causas comuns. Isso é demonstrado quando o processo está sendo operado sob controle estatístico. n n A capabilidade potencial do processo (Cp) é a entre tolerância e a variabilidade do processo. A capabilidade efetiva do processo (Cpk) mede a localização da variação do processo com relação aos limites de especificação. É a condição real de operação do processo. Considera a variação dentro dos subgrupos c (desvio padrão estimado por Rbar/d 2) – estudo de curto prazo. Desempenho do Processo: representa o desempenho geral do processo considerando todas as variações presentes. n O desempenho potencial e efetivo do processo (Pp/Ppk) tem conceito similar ao da capabilidade, porém utiliza a variação entre os subgrupos p, que é a variação total do processo (desvio padrão amostral s) - longo prazo. Diego Rodrigues & Franciele Borba

Cálculo da Capabilidade do Processo Índice de Capabilidade Potencial do Processo Amplitude da tolerância Cp = Amplitude do processo Cp = LSE – LIE 6 c Onde: _ c = R d 2 Diego Rodrigues & Franciele Borba

Calculando Cp Exemplo: Dimensão = 9, 0 mm 0. 5 mm Média do processo = 8, 80 mm Amplitude média = 0, 33 mm Tamanho da amostra = 5 LSE – LIE Cp = 6 c Onde: _ c = R d 2 9. 5 - 8. 5 = 1, 17 Cp = 6 (0, 33/2, 326) Diego Rodrigues & Franciele Borba

Cálculo da Capabilidade do Processo Índice de Capabilidade “efetiva” do Processo _ Cpk = mínimo _ x - LIE LSE - x ; 3 c Onde: _ c = R d 2 Diego Rodrigues & Franciele Borba

Calculando Cpk Exemplo: Dimensão = 9, 0 mm 0. 5 mm Média do processo = 8, 80 mm Amplitude média = 0, 33 mm Tamanho da amostra = 5 _ _ Cpk = mínimo x - LIE LSE - x ; 3 c 1, 64 0, 70 Cpk = mínimo 8. 80 - 8. 50 3 (0, 33/2, 326) ; 9. 50 - 8. 80 3 (0, 33/2, 326) Diego Rodrigues & Franciele Borba = 0, 70

Representação da Capabilidade Cp = 1, 17 Cpk = 0, 70 LIE 8, 5 LSE _ X 9, 0 Diego Rodrigues & Franciele Borba 9, 5

Processos capazes e não capazes Limites de Especificação (a) Variação natural excede os limites de especificação; processo não é capaz de atender as especificações o tempo todo. Processo Limites de Especificação (b) Limites de especificação e variação natural são iguais; processo é capaz de atender as especificações a maior parte do tempo. Processo Diego Rodrigues & Franciele Borba

Processos capazes e não capazes Limites de Especificação (c) Limites de especificação maiores que a variação natural do processo; o processo é capaz de atender a especificação ao longo do tempo. Processo (d) Limites de especificação maiores que a a variação natural do processo, mas o processo está descentralizado. Processo capaz mas alguns resultados não vão atender o limite superior de especificação. Diego Rodrigues & Franciele Borba Limites de Especificação Processo

Análise da capabilidade n Cp < 1: a capabilidade do processo é inadequada à tolerância exigida. n 1 ≤ Cp ≤ 1, 33: a capabilidade do processo está em torno da diferença entre as especificações. n Cp > 1, 33: a capacidade do processo é adequada à tolerância exigida (resta 30% de “folga” na tolerância). Diego Rodrigues & Franciele Borba

Desempenho do Processo Índice de Desempenho Potencial do Processo Amplitude da tolerância Pp = Amplitude do processo Pp = LSE – LIE 6 p Diego Rodrigues & Franciele Borba Onde: p = s

Resultados da Análise de Capabilidade Diego Rodrigues & Franciele Borba

Exemplos n Cálculo de Capabilidade n Virtual Machine n Formulário Estudo de Capabilidade n Exemplo 1 n Exemplo 2 Diego Rodrigues & Franciele Borba