Conceitos Básicos

Capítulo 3

A partir da década de 60, os gráficos desenvolvidos por Dr. Shewhart passaram a ser a principal fonte para análise dos dados provenientes de amostragem, substituindo a mera detecção e correção de produtos defeituosos pelo estudo e prevenção dos proble-mas relacionados à qualidade, resultando assim, que menos produtos defeituosos fossem produzidos.

Entende-se gráfico como uma plotagem de uma medição de processo (por exemplo, diâmetro interno ou tempo para processar uma reivindicação de seguro, por exemplo) no eixo vertical (eixo y) em relação ao tempo no eixo horizontal (eixo x). Como ilustrado na Figura 2.1, um Gráfico de Controle consiste simplesmente em três linhas paralelas: uma linha média que reflete o nível de operação do processo, ou seja, que representa o valor médio da característica da qualidade, e duas linhas externas denominadas limite superior de controle (LSC) e limite inferior de controle (LIC), obtidos em função da dispersão sob a média de alguma variável do processo (SHEWHART, 1931).

Figura 3.1: Exemplo de um Gráfico de Controle.(Fonte: Próprio Autor)

A flutuação aleatória de pontos dentro dos limites resulta das variações incorpora-das no processo. Segundo Shewhart (1931), qualquer processo está sujeito a duas fontes de variações, denominadas de causas comuns e causas especiais. De acordo com a ISO 21747, causas comuns são aquelas fontes de variação aleatórias e intrínsecas ao processo que não são controladas e representam pouca influência no processo. Enquanto as causas especiais são aquelas fontes de variação oriundas de falhas ocasionais que ocorrem durante o processo, e por sua vez, apresentam grande influência individualmente, devendo assim ser controladas.

O propósito de desenhar o gráfico de controle é detectar quaisquer causas incomuns de variação no processo, sinalizadas por pontos ou padrões anormais no gráfico. Ou seja o principal objetivo ao utilizar essa técnica é detectar rapidamente os fatores causadores das

variações no processo e poder assim propor uma ação corretiva antes das observações de não conformidades serem manufaturadas, eliminando assim a variabilidade no processo.

De forma simples, um processo é dito sob controle estatístico quando as causas especiais de variação são eliminadas do processo, e os pontos “plotados” no gráfico de controle permanecerem dentro dos limites de controle (MONTGOMERY, 1997).

Entretanto ainda que os pontos estejam dentro dos limites de controle, existem padrões de comportamento que indicam a presença de causas especiais de variação em um processo. Para detectar esses padrões geralmente os especialistas fazem uso das Regras Sensibilizantes. Inicialmente elaboradas por Western Electric Company, na década de 50, essas regras são verificadas através de oito testes baseados na construção de Zonas, distribuídas conforme Figura 2.2 abaixo.

Figura 3.2: Distribuição das seis zonas de controle (Fonte: Próprio Autor)

O primeiro teste é observar se um ou mais pontos caem fora dos limites de controle.

O teste é dito como positivo se for percebida alguma mudança na média do processo, se existe qualquer tendência à crescimento no desvio-padrão do processo, ou em caso de erros grosserios no processo, tal como um erro de cálculo, medida errada, e assim por diante.

Já o segundo teste é observar se oito pontos sucessivos estão em um mesmo lado da linha central. Ou seja, tomando como referência a Figura 2, o teste é considerao positivo se oito pontos estirevem consecutivamente dispostos na zona C e B acima da linha central, ou nas zonas C e B abaixo da linha central. Esse teste tem como objetivo principal determinar uma mudança na média do processo. Normalmente o segundo teste está associado ao terceiro. Este por sua vez analisa uma possível tendência na média do processo, e para isso observa se existêncem seis pontos consecutivos em ordem crescente ou decrescente.

Apesar da esperança por uma dispersão aleatória da observação dos pontos nas zo-nas mais próximas a linha central, a alternancia exagerada entre essas zozo-nas pode indicar

um efeito sistemático. Graças a essa preocupação o quarto teste verifica a existência ou não de quatorze pontos alternando acima e abaixo de uma linha. O teste é denotado como positivo quando essa ocorrência é verdadeira, e indica que de fato o processo parece apre-sentar certo tipo de padrão sistemático, tal como o produzido por duas máquinas, eixos, operadores ou vendedores usados alternativamente. O quinto teste é aplicado somente para gráficos por variáveis e mede a existência de dois pontos entre três consecutivos do mesmo lado da linha central na Zona A ou além. Este teste tem como objetivo central fornecer um rápido aviso sobre mudanças do processo. Os testes de número seis, sete e oito são menos usuais e geralmente ocorrem conjuntamente a um dos outros cinco teste anteriores. O sexto teste observa se existem quatro pontos entre cinco consecutivos do mesmo lado da linha central na Zona B ou além. Enquanto que o sétimo teste verifica a ocorrência de quinze pontos alinhados dentro da Zona C (acima e abaixo da linha central).

E por fim, o oitado teste, atenta para presença de oito pontos em linha de um ou ambos os lados da linha central com nenhum ponto na Zona C.

Entre os oito testes listados, os mais usuais para controle para detectar a instabi-lidade do processo e a presença de causas especiais são os testes de 1 á 4, ilustrados na Figura 2.3 de (a) á (d), respectivamente.

[h]

Figura 3.3: Western Electric rules (Fonte: Próprio Autor)

É notório que com tantas Regras Sensibilizantes o uso simplista de gráficos de controle não faz justiça ao seu poder. Os gráficos de controle estão executando registros do desempenho do processo e, como tal, eles contêm uma grande quantidade de informa-ções sobre possíveis melhorias. Apartir dos testes listados, é possível observar distintos

padrões de comportamento do processo, e investigar as causas e efeitos que resultaram nesses padrões. Segundo Mark Shewhart (2007), utilizar somente as regras sensibilizantes, aumenta o poder de detecção de descontrole, mas também torna o monitoramento mais suscetível a alarmes falsos. Portanto, uma solução proposta pelo mesmo foi detectar nove padrões de comportamento de processos e interpletá-los. São eles:

∙ Tendência Crescente e Tendência Decrescente: Ilustrados na Figura 2.4, esses tipos de padrão indicam que o valor do processo atual é parcialmente determinado pelo estado do processo anterior, como o desaste de uma ferramenta, ou o banho de revestimento. Quando detectados, é importante eliminar esse padrão de anomalia, uma vez que acarreta em aumento de custos do processo. Uma alternativa para correção do gráfico é inclinar a linha central e fazer com que os limites de controle correspondam ao desvio natural do processo. O gráfico de controle detectará então as partidas do desvio natural.

Figura 3.4: Padrão de Tendência Crescente (a) e Tendência Decrescente (b) (Fonte: Mark Shewhart(2007))

∙ Mudança de Média para Cima e Mudança de Média para Baixo: Esses padrões como o nome da diz indicam uma mudança no processo. Podem ser resultado da implementação de uma metologia nova, ou do simples processo de melhoria ou depressiação contínua. Em padrões como esses, a dependência temporal é clara, como evidencia-se ao observar a Figura 2.5 a seguir.

Figura 3.5: Padrão de Mudança de Média para Cima (a) e Mudança de Média para Baixo (b) (Fonte: Mark Shewhart(2007))

∙ Ciclo: geralmente ocorrem devido à natureza do processo. Os ciclos comuns incluem a hora do dia, o dia da semana, o mês do ano, o trimestre do ano, a semana do ciclo da contabilidade, etc. Como pode-se observar na Figura 2.6, os ciclos são causados pela modificação das entradas ou métodos do processo de acordo com uma programação regular. A existência desse cronograma e seus efeitos no processo podem ou não ser conhecidos antecipadamente. Uma vez que o ciclo tenha sido descoberto, a ação pode ser tomada. A ação pode ser ajustar o gráfico de controle plotando a medida de controle em relação a uma base variável. Por exemplo, se existir um ciclo de dia da semana para erros de envio devido ao carregamento de trabalho, pode-se plotar erros de envio por 100 pedidos enviados em vez de erros de remessa por dia. Alternativamente, pode valer a pena mudar o sistema para suavizar o ciclo. A maioria dos processos opera de forma mais eficiente quando as entradas são relativamente estáveis e quando os métodos são alterados o mínimo possível.

Figura 3.6: Padrão Cíclico (Fonte: Mark Shewhart(2007))

∙ Corrida: Nesse tipo de padrão, como ilustrado na Figura 2.7, observa-se um pe-riodo de "quebra"do processo. Esse tipo de situação acontece geralmente quando ocorre mudança temporária de uma equipe, ou quando algum tipo de incremento no processo foi testado por um determinado período.

Figura 3.7: Padrão de Corrida (Fonte: Mark Shewhart(2007))

∙ Estratificação: Esse tipo de padrão é bastante comum dentro do setor industrial pois geralmente ocorre quando o controle é feito tomando como referênica amostras de diferentes equipes, apesar de dentro do mesmo processo. Na Estratificação é possível observar que não existe padronização do processo entre as amostras, e que normalmente este sofre interferência das diferentes ações humanas ou de maquinários utilizados para execução do processo. Resultado disso é um gráfico com processos distintos dentro de um mesmo processo, como pode-se destacar na Figura 2.8 abaixo:

Figura 3.8: Padrão Estratificado (Fonte: Mark Shewhart(2007))

∙ Aberração Padrão e Aberração Pontual: Padrões de aberração são a clássica situa-ção de causa especial. Eles resultam de causas que têm um efeito grande, mas que ocorrem com pouca frequência. Ao investigar valores estranhos, é interesse observar o diagrama de causa e efeito para itens que atendem a esses critérios. A chave para identificar causas estranhas é o cronograma de coleta e registro dos dados. As aber-rações são ditas como pontuais quando, diferentemente da Aberração Padrão, esses valores estranhos não são recorrentes por um período, mas sim em um determinado momento isolado no processo. A diferença entre os dois padrões de aberrações fica mais nítida ao analisar a Figura 2.9:

Figura 3.9: Padrão de Aberração Padrão(a) e Aberração Pontual(b) (Fonte: Mark Shewhart(2007))