7 - Ferramentas Da Qualidade

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 Número de clientes

Descrição 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 Run Chart of Número de Clientes

Número de Clientes

80000

75000

70000 65000

60000 1

2

3

Number of runs about median: Expected number of runs: Longest run about median: Approx P-Value for C lustering: Approx P-Value for Mixtures:

4

5

2 8,46667 8 0,00025 0,99975

6

7 8 9 Observation

10

Number of runs up or down: Expected number of runs: Longest run up or down: A pprox P-Value for Trends: A pprox P-Value for Oscillation:

11

12

13

14

15

3 9,66667 8 0,00001 0,99999

No nosso exemplo, adotando um nível de significância de 0,05, temos indicação de cluster e tendência para o conjunto de dados analisados.

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

1800 1600 1400 1200 1000 800 600 400 200 0

100 80 60 40 20

Reclamações

s Pe

al so

o nã

em

do iti

m co ito m s se pó ic a de ên de Ag te n a ov r p b Dé

m Co Count Percent Cum %

de in

os vid

s ito

599 36,2 36,2

351 21,2 57,4

209 12,6 70,0

o çã a ic un

F

Ca

188 11,4 81,4

il a

el ív

g ile s o t di rt a o nã Ex o c ni rô t e el xi a

132 8,0 89,4

73 4,4 93,8

el ív n po

56 3,4 97,2

r he t O

Percent

Count

Pareto Chart of Reclamações

0

47 2,8 100,0

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.

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 Diagrama de Causa e Efeito Mensuração

Meio ambiente

Método

Q ualidade de impressão

F alta de mensuração das cópias

Impressão colorida desnecessária Imprimir e-mail

U midade

Imprimir em v ez de salv ar N ão dar preferência a Custo laser

elevado de impressão D esconhecimento do custo

Tipo de papel S ujeira na impressora

Impressões desnecessárias Impressora desregulada

F alta de conscientização

Mão de obra

Máquina

Não reutilização do papel N ão reutilização do tonner N ão reutilização do cartucho

Matéria-prima

A partir do gráfico acima é possível visualizar as causas que geram o efeito custo elevado de impressão.

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 Peça Operador Medida

Descrição Espessura das peças. Operador A e B. 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 Peça Operador Peça * Operador Repeatability Total

DF 2 1 2 6 11

SS 0,160000 0,001180 0,001262 0,001187 0,163629

MS 0,0800001 0,0011801 0,0006311 0,0001978

F 126,766 1,870 3,191

P 0,008 0,305 0,114

Alpha to remove interaction term = 0,25

Gage R&R VarComp 0,0005059 0,0001978 0,0003082 0,0000915 0,0002167 0,0198422 0,0203482

Source Total Gage R&R Repeatability Reproducibility Operador Operador*Peça Part-To-Part Total Variation

StdDev (SD) 0,022493 0,014062 0,017555 0,009566 0,014720 0,140863 0,142647

%Contribution (of VarComp) 2,49 0,97 1,51 0,45 1,06 97,51 100,00

Source Total Gage R&R Repeatability Reproducibility Operador Operador*Peça Part-To-Part Total Variation

Study Var (6 * SD) 0,134956 0,084374 0,105328 0,057393 0,088318 0,845175 0,855882

Number of Distinct Categories = 8

%Study Var (%SV) 15,77 9,86 12,31 6,71 10,32 98,75 100,00

Curso de MINITAB – Universidade Federal de Ouro Preto

Gage R&R (ANOVA) for Medida Reported by : Tolerance: M isc:

G age name: D ate of study : Components of Variation

Medida by Peça

100

% Contribution

1,44

Percent

% Study Var

1,32 50 1,20 0

Gage R&R

Repeat

Reprod

1

Part-to-Part

2 Peça

R Chart by Operador Sample Range

A

B

3

Medida by Operador UCL=0,05936

1,44

0,050 1,32 0,025

_ R=0,01817

0,000

LCL=0

1,20 A

Operador * Peça Interaction

B

1,4 1,3 1,2

Operador

1,4 _ _ UCL=1,3072 X=1,2731 LCL=1,2389

Average

Sample Mean

A

B Operador

Xbar Chart by Operador

A B

1,3 1,2 1

2 Peça

3

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

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 Multi-Vari Chart for Diâmetro by Turno - Garrafa 4,725

Turno 1 2 3

4,700

Diâmetro

4,675 4,650 4,625 4,600 4,575 4,550 1

2

3

4

Garrafa

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.