TCC: Estudar os fatores que geram falhas de fuga interna e
externa nas linhas de forno de microndas - (FMO)
Cayo Douglas Jamir Muller Joseana Vinhote Helison Muller de Souza Helem Sintia Souza da Silva Washington Junior Almeida de Almeida
Cayo Douglas Jamir Muller Joseana Vinhote Helison Muller de Souza Helem Sintia Souza da Silva Washington Junior Almeida de Almeida
TCC MELHORIA NO PROCESSO DE FUGA NO FORNO MICROONDAS
Trabalho de conclusão de curso apresentado ao Programa de Pós-Graduação em Qualidade em seis sigma do Instituto de Desenvolvimento da Amazônia (IDAAM) como requisito parcial para a obtenção do grau de Especialista em Engenharia de Qualidade.
Orientador: Valteir Romão
Manaus 2017
A dedicatória é opcional, mas se trata de um momento especial de expressar o reconhecimento e a gratidão por alguma pessoa que, de forma significativa, foi um auxílio para você durante o processo de elaboração do trabalho.
AGRADECIMENTOS
A Deus por ter nos dado sabedoria, entendimento, força e recurso financeiros para superar as dificuldades e focar nos nossos objetivos.
Ao Idaam, seu corpo docente, direção e administração que oportunizaram a janela que hoje vislumbramos um horizonte superior, eivado pela acendrada confiança no mérito e ética aqui presentes.
Ao nosso orientador, pelo suporte e direcionamento no pouco tempo que lhe coube, pelas suas correções e incentivos.
Aos nossos familiares, pelo amor, incentivo e apoio incondicional.
E a todos que direta ou indiretamente fizeram parte da nossa formação, o nosso muito obrigado.
RESUMO
O objetivo deste estudo é utilizar a metodologia de lean seis sigma e outras ferramentas para a melhoria no processo de fuga interna e externa do forno de microondas de uma empresa americana. Logo o objetivo deste trabalho é identificar as variabilidades que ocasionam a falha de vazamento de fuga do forno, onde esta variabilidade pode causar acúmulo de produtos, perda de volume e entrega das metas. Fez-se então um levantamento do histórico do processo da linha para se verificar o que estava fora ou dentro das especificações do processo e com base nisso deu-se início ao estudo fazendo o uso da metodologia lean seis sigma, do mapa de raciocínio, FMEA, CEP, MSA entre outros para obter dados que possibilitassem melhoria nos testes de fuga. Este estudo possibillitou redução de tempo de teste de fuga, evitou custos e mostrou que havia a chance de unificação dos testes e que estes percentualmente teriam um bom aproveitamento.
ABSTRACT
The purpose of this study is to use the lean six sigma methodology and other tools to improve the process of internal and external leakage of the microwave oven of an American company. Therefore, the objective of this work is to identify the variabilities that cause leakage leakage of the furnace, where this variability can cause accumulation of products, loss of volume and delivery and failure to reach targets. A history of the process of the line was then made to verify what was outside or within the specifications of the process and based on this the study was made using lean six sigma, the map of reasoning, Fmea, CEP, BUT among others to obtain data that allow improvement in leakage tests. This study allowed reduction of leakage test time, avoided costs and proved that there was a chance of unification of the tests and that these percentages would have a good use.
Sumário 1 Introdução ... 9 2 Revisão Bibliográfica ... 11 3 Estudo de Caso ... 17 3.1 A empresa... 17 3.2 O Problema ... 17 3.3 Desenvolvimento do projeto ... 17
3.3.1 Análise dos dados carta de controle ‘carta R of Y’... 19
3.3.2 Análise dos dados carta de controle ‘carta x barra’ ... 19
4 Resultado final de variabilidade do problema ... 21
4.1 COV componenents of variability before - antes ... 21
4.2 COV componenents of variability after - depois ... 22
4.3 Resultado conclusivo do problema de fuga de microondas ... 23
5 Conclusão ... 24
LISTA DE FIGURAS
Figura 1 - Mapa de processo operacional ... 18
Figura 2 - Mapa de raciocício de investigação do problema de vazamento de fuga de microondas ... 18
Figura 3 - Carta R amplitude ... 19
Figura 4 - Carta X barra... 20
Figura 5 - Indicador de variabilidade processo anterior ... 21
Figura 6 - Indicador de variabilidade processo posterior ... 22
Figura 7 - Carta X barra... 22
9
1 Introdução
O Seis Sigma nasceu na Motorola, em 15 de janeiro de 1987, com o objetivo de tornar a empresa capaz de enfrentar os concorrentes estrangeiros, que estavam fabicando produtos de melhor qualidade a um custo mais baixo.
Depois que a Motorola recebeu o Prêmio Nacional de Qualidade Malcolm Baldrige, em 1988, o Seis Sigma passou a ser conhecido como o responsável pelo sucesso alcançado pela organização. Entre o final da década de 80 e o início da década de 90, a Motorola obteve ganhos de 2.2 bilhões de dólares com o programa.
Para que o Lean Seis Sigma tenha sucesso na empresa, é necessário treinar pessoas com perfil apropriado, que se transformarão em patrocinadores do programa ou em especialistas no método e nas ferramentas Lean Seis Sigma. Esses patrocinadores e especialistas são apresentados a seguir:
Sponsor do Lean Seis Sigma: é o principal executivo da empresa, responsável por promover e definir as diretrizes para a implementação do Lean Seis Sigma.
Sponsor Facilitador: é um dos diretores da empresa. Esse gestor tem a responsabilidade de assessorar o Sponsor do Lean Seis Sigma na imprementação do programa.
Champions: Gestorores cuja responsabilidade e apoiar os projetos e remover possíveis barreiras para o seu desenvolvimento. São diretores ou gerentes da empresa.
Master Black Belts ou Coordenador do Programa Lean Seis Sigma e Consultoria: São profissionais que assessoram os Sponsors e os Chapions e atuam como mentores do Black Belts e Green Belts.
Black Belts: Lideram equipes na condução de projetos multifuncionais ou funcionais, alcança Black Belts:
Iniciativa, entusiasmo, habilidades de relacionamento interpessoal e comunicação, motivação para alcançar resultados e efetuar mudanças, influência no setor em que atuam, habilidade para trabalhar em equipe, raciocínios analítico e quantitativo, capacidade de concentração.
Elevado conhecimento técnico em sua área de trabalho é uma característica desejável.
Green Belts: São profissionais que participam das equipe liderados pelos Black Belts ( projetos multifuncionais ou funcionais) ou liderem equipe na condução de projetos funcionais. Perfil dos Green Belts: Simular aos dos Black Belts, mas com menor ênfase nos aspectos comportamentais.
Yellow Belts: São profissionais que geralmente atuam na empresa no nível de supervisão, trienados nos fundamentos e ferramentas básicas do Lean Seis Sigma. Sua principais
10 atribuições são supervisionar o uso das ferramentas Lean Seis Sigma na rotina da organização e executar projetos mais focados e de desenvolvimento mais rápido que os executados pelo Green Belts.
Whites Belts: São profissionais do nível operacional da empresa, treinados nos fundamentos do Lean Seis Sigma para que possam dar suporte aos Black Belts e Green Belts na implementação dos projetos.
11
2 Revisão Bibliográfica
Segundo Andreoli (2017) O controle da qualidade, começou a ser implantado na era da inspeção, quando todos os produtos eram examinados ao término da produção. Depois de tal análise, os produtos que atingiam a conformidade esperada eram liberados para serem comercializados no mercado consumidor, enquanto os que apresentavam certos desvios ou falhas de produção eram simplesmente descartados. Como podemos notar, o controle da qualidade nessa época era meramente analítico, pois não possibilitava uma ação corretiva dos erros identificados, muito menos uma ação proativa no sentido de se descobrirem as causas que geravam eventuais erros.
Esse panorama apenas começou a mudar com a era do controle estatístico, quando o critério da avaliação da qualidade das organizações transferiu-se dos produtos acabados para os processos. Ou seja, os produtos deixaram de ser inspecionados apenas ao término da produção e passaram a ser examinados durante as diversas etapas do ciclo produtivo. Com essa mudança, eventuais desvios ou falhas de produção começaram a ser identificados no decorrer do processo produtivo, possibilitando que fossem analisados e, assim, revestidos. Também passou a predominar uma nova concepção de controle da qualidade, que a partir de então passou a ter caráter corretivo e proativo (Carvalho e Paladini, 2012). Para viabilizar essa nova forma de controle da qualidade, começou-se a aplicar a estatísitica ao processo produtivo. O controle estatístico da qualidade pode ser entendido ao processo produtivo como um método para medir o nível da qualidade de determinado produto, atividade ou processo, permitindo que seja comparado com um padrão previamente estabelecido, com a finalidade de manter esse nível em parâmetros desejavéis ou mesmo implementar melhorias. (Andreoli, 2017 P.56)
Gráficos de controle e a variabilidade dos processos
O sistema estatístico de controle da qualidade chegou às linhas de produção principalmente em virtude do trabalho do engenheiro norte-americano Walter A. Shewhart (Costa; Carpinetti; Ribeiro, 2004). Uma das primeiras contribuições de Shewhart foi o desenvolvimento dos gráficos de controle, utilizados para detectar alterações nos processos produtivos.
Na década de 1930, acontece outro grande avanço na ciência da melhoria: inicia-se a utilização das ferramentas estatísticas e do método científico na melhoria de processos. Esse avanço aconteceu nos laboratórios Bell, uma das mais renomadas instituições de pesquisa da história (8 prêmios Nobel foram concedidos a trabalhos realizados nestes labotórios). O protagonista desse avanço foi o estatístico Walter Shewhart. Ele trabalhava com a análise dos processos do laboratório. Dentre suas inovações mais importantes, podemos citar o controle estatístico de processo (CEP), que culmina com os gráficos de controle. O objetivo de Shewhart ao desenvolver tais ferramentas era identificar quando um sistema estava em estabilidade e quando ele tornava-se instável.
Dentre as mais famosas podemos citar o seis sigma, criado Bill Smith na Motorola e popularizado por meio de seu presidente na década de 1980, Robert W. Galvin.
De acordo com Werkema (2006) O Seis Sigma é uma estratégia gerencial disciplinada e altamente quantitativa, que tem como objetivo aumentar expressivamente a performance e
12 a lucratividade das empresas, por meio da melhoria da qualidaade de produtos e processos e do aumento da satisfação de clientes e consumidores. Ele nasceu na Motorola, em 15 de janeiro de 1987, com o objetivo de tomar a empresa capaz de enfrentar seus concorrentes, que fabricavam produtos de qualidade superior a preços menores. A partir de 1988, quando a Motorola foi agraciada com o Prêmio Nacional da Qualidade Malcolm Baldrige, o seis sigma tornou-se conhecido como o programa responsável pelo sucesso da organização. O Seis Sigma enfoca os objetivos estratégicos da empresa e estabelece que todos os setores-chave para a sobrevivência e sucesso futuros da organização possuam metas de melhoria baseadas em métricas quantificáveis, que serão atingidas por meio de um esquema de aplicação projeto por projeto. Os projetos são conduzidos por equipes lideradas pelos especialistas dos Seis Sigma (Black Belt ou Green Belts), com base nos métodos DMAIC (Define, Measure, Analyse, Design, Verify). (Werkema, Maria 2006 p.18).
Como construir o mapa de raciocínio de um projeto Lean Seis Sigma O Mapa de Raciocínio
É uma documentação progressiva da forma de raciocínio durante a execução de um trabalho ou projeto. Ele deve documentar:
• A meta inicial do projeto (objetivo inicial)
• As questões às quais a equipe precisou responder durante o desenvolvimento do projeto • O que foi feito para responder às questões
• Respostas às questões
• Novas questões, novos passos, novas respostas.
Para ser efetivo, o Mapa de Raciocínio deve possuir as seguintes características:
• Apresentar todas as atividades paralelas desenvolvidas durante a execução do projeto. • Mostrar a relevância das perguntas formuladas, ferramentas utilizadas e atividades realizadas para o alcance da meta inicial do projeto.
• Apresentar a identificação da etapa do DMAIC correspondente a cada parte do projeto. • Apresentar referências aos documentos que contêm o detalhamento dos dados e do uso de ferramentas necessárias ao desenvolvimento do projeto (utilizadas para responder às perguntas constantes no Mapa de Raciocínio). Esses documentos podem ser integrados ao mesmo sob a forma de anexos.
• Apresentar símbolos, fontes, formatos ou cores distintos, com o objetivo de destacar os diferentes elementos do mapa: perguntas, respostas, referências aos documentos que justificam as respostas, etapas do DMAIC e caminhos paralelos seguidos dentro de cada etapa.
13 A seguir são identificados os principais benefícios do uso do Mapa de Raciocínio :
• Permite a documentação de informações que, muitas vezes, são de conhecimento apenas da equipe responsável pelo desenvolvimento do projeto. Em outras palavras, torna possível a retenção, na empresa, do conhecimento gerado e serve como fonte de consulta para o desenvolvimento de projetos similares, o que pode evitar duplicidade de esforços.
• A natureza evolutiva do Mapa de Raciocínio força os responsáveis pela condução do projeto a questionar a lógica de seu pensamento e de suas análises e ações, tendo em vista a meta a ser atingida.
• Pode constituir a base de uma apresentação do projeto que está sendo desenvolvido para colegas, pessoas de outras áreas funcionais da empresa, gestores, fornecedores e clientes. Facilita o entendimento do projeto por pessoas que não participam da equipe. Por meio do Mapa de Raciocínio, é mais fácil entender:
- Por que e como foram coletados os dados;
- As análises realizadas, as interpretações dos resultados e as conclusões daí decorrentes; - Que perguntas ainda necessitam ser respondidas;
- Quais são os resultados não conclusivos;
- Os aspectos do trabalho que estão fora da área de influência direta e imediata da equipe e necessitam de suporte dos níveis gerenciais.
• O Mapa de Raciocínio favorece contribuições (novos conhecimentos e idéias) de pessoas que não fazem parte da equipe responsável pelo trabalho, já que o entendimento do projeto fica facilitado.
Análise de Variância
Análise de variância (ANOVA – Analysis of Variance) de acordo com Hair et al. (2006) e Triola (2005), a análise é uma técnica estatística usada para determinar se as amostras de dois ou mais grupos surgem de populações com mesma média μ, através da análise das variâncias amostrais.
Landim (2003) afirma que se aplica a análise de variância para a comparação simultânea entre médias de diversas amostras ou para estimar a variabilidade associada a diferentes fontes de variação. Essa análise baseia-se no fato de que a variância de uma soma de variáveis aleatórias, não correlacionáveis entre si, é igual à soma das variâncias dessas mesmas variáveis. Há ANOVA de um e de dois critérios.
De acordo com Triola (2005), chama-se análise de variância de um critério (ou análise de variância de fator único) porque usa uma única propriedade, ou característica, para
14 categorizar as populações, essas características podem ser chamadas de fator ou tratamento. E a análise de variância de dois critérios envolve dois fatores, tais como sexo e idade. O autor ainda menciona que métodos da ANOVA exigem conhecimento da Distribuição F e essa distribuição têm as seguintes propriedades importantes: a distribuição F não é simétrica, ela é assimétrica à direita e os valores de F podem ser zero ou positivos, mas nunca negativos.
Segundo Lapponi (2005) o F observado mede a variabilidade entre os grupos por unidade de variabilidade dentro dos grupos, ou quantas vezes a variabilidade das médias das amostras é maior do que a variabilidade amostral. De acordo com Triola (2005), para aceitar ou rejeitar a hipótese nula faz-se a seguinte análise: se o p-value ≤ α, rejeite a hipótese nula de médias iguais e conclua que pelo menos uma das médias populacionais é diferente das demais. Mapeamento de Processos
O gerenciamento eficaz de uma organização impõem o conhecimento de seus processos e sua estrutura organizacional. A principal ferramenta para entender profundamente os processos é o seu mapeamento, o qual oferece a representação visual das atividades por meio de diversas funções da organização, o que possibilita a identificação de oportunidades de melhoria, racionalização e simplificação das atividades. De acordo com Barnes (1982), é possível, com a análise de processo:
reduzir e eliminar o trabalho desnecessário combinar operações ou elementos
modificar a sequência das operações simplificar as operações essenciais.
O mapeamento contribui para identificar as fontes de desperdício, fornecendo um padrão comum para analisar os processo de manufatura e serviços, e ações de apoio ao cenário de mudanças e competitividade.
A técnica de mapeamento de processos possibilita que entendamos, de forma clara e simples, com uma organizaçao está operando, representando as suas atividades em termos de entradas, saídas e ações.
O mapeamento de processos é realizado por meio de técnicas que permitem um melhor entendimento de como a organização funciona e como pode ser melhorada. Cada ferramenta oferece informações diferenciadas sobre o processo mapeado.
O mapeamento de processos tem se tornado tarefa constante e de grande importância na gestão por processos, pois segundo Rotondaro (2005, p.224), “permite que sejam
15 conhecidas com detalhe e profundidade todas as operações que ocorrem durante a fabricação de um produto ou a produção de um serviço”.
Rotondaro (2005, p.224) acrescenta ainda que no dia-a-dia de uma empresa, todas as variações que ocorrem no processo, sejam devidas à matéria-prima, mão-de-obra ou manutenção das máquinas, provocam ajustes no processo, que, com o tempo, vão criando novos procedimentos, novos caminhos, que, por sua vez, modificam o processo original. Para Rotondaro (2005, p.224) as pessoas que vão fazer o mapeamento têm que entender os conceitos do processo; entender os elementos do processo e estar aptos a aplicá-los a seu próprio processo; entender o que é valor para a empresa e o cliente e saber como usar os rendimentos obtidos nos passos do processo para identificar onde uma melhoria deve ter maior impacto.
FAILURE MODE AND EFFECTS ANALYSIS (FMEA) A análise de modos e falhas é uma técnica
de análise de risco qualitativa e indutiva, ou seja, qualifica os riscos e define os efeitos indesejados a partir da identificação dos equipamentos, seus modos de falhas e efeitos em outros componentes e no sistema (CALIXTO, 2016).
A Failure Mode and Effects Analysis (FMEA) – Análise de Modos de Falha e Efeitos – tem a vantagem de relacionar a falha de um equipamento específico com outros equipamentos e sistema, sendo muito utilizada em processos da indústria automotiva, visto a exigência de sua utilização pela ISO TS 16949, pois possibilita a identificação dos mais diferentes modos de falha de um equipamento ao permitir que a prevenção seja específica e detalhada.
Segundo Puente apud Gonçalves (2010), o método Failure Mode and Effetcs Analysis (FMEA) surgiu na Indústria Militar Americana em 1949. Em meados de 1963, a NASA (National Aeronautics and Space Administration) de uma forma sistemática, desenvolveu um método para identificar potenciais falhas em sistemas, processos ou serviços, identificar seus efeitos, consequentemente suas causas, e assim definir ações para diminuir ou eliminar o risco associado diretamente a estas falhas.
Conceitos Segundo Gonçalves (2010), a FMEA é considerada uma técnica de análise, desenvolvida em componentes principalmente, com o objetivo de “radiografar” cada componente distinto de um sistema, com a função de destacar todas as possibilidades pelas quais o componente possa vir a falhar.
A FMEA permite que principais problemas e possíveis defeitos de um componente ou sistema sejam analisados e identificados antes que os mesmos chegam ao seu destino, ou seja, ao cliente final (PUENTE apud GONÇALVES, 2010). Ainda cita o autor que a FMEA possibilita do uso de ações preventivas ao invés de corretivas, que normalmente geram custos extras de mão de obra e materiais, transtornos aos clientes e ainda o retrabalho para a correção dos componentes. Concorda ainda Palady apud Gonçalves (2010), quando afirma que a utilização da FMEA gera custos para qualquer organização, mas de outra forma a eficácia na utilização, transforma consequentemente estes custos em investimentos. O autor
16 ressalta ainda que o custo associado à utilização da FMEA pode ser incluído pelas organizações em três categorias: Custo de Avaliação, Custo de Prevenção e custo de falha. A finalidade com a utilização da FMEA é a redução no Custo da Falha, gerando assim maiores dividendos que o Custo de Prevenção e Avaliação. Uma empresa que investe no Custo de Prevenção irá ter ou não um retorno considerável do investimento. Este retorno dependerá claramente da eficácia na implementação das ferramentas e dos métodos de prevenção (GONÇALVES, 2010, p. 17).
CEP – CONTROLE ESTATÍSTICO DE PROCESSO
O Controle estatístico do processo (Cep) é uma coleção de ferramentas, que auxiliando na diminuição da variabilidade do processo, permitem o alcance de um processo estável cuja capabilidade pode ser melhorada. (RIBEIRO, 1998).
O Controle estatístico do processo é uma metodologia que potencialmente permite conhecer o processo, manter o mesmo em estado de controle estatístico e melhorar a capacidade de produção. Tudo isto se resume à redução de variabilidade do processo (SCHISSATTI, 1998).
MSA – ANALISE DE SISTEMA DE MEDIÇÃO
De acordo com IQA (2004), a função básica do MSA é verificar se o sistema de medição é adequado ou não para avaliar ou controlar um determinado processo ou produto, e, se possível, identificar as causas da não adequação do sistema.
A Análise do Sistema de Medição – MSA (Measurement Systems Analysis) é uma metodologia estatística que permite estudar e analisar as condições de operação de um sistema 5 de medição, analisar o seu comportamento e oferecer aumento da confiança e certeza dos dados obtidos (LIMA; FERREIRA; BARBOSA, 2010).
O objetivo do MSA é avaliar a qualidade do sistema de medição e verificar se o mesmo é adequado e capaz de controlar determinado processo ou produto (GONÇALVES et al., 2014).
17
3 Estudo de Caso
3.1 A Empresa
A empresa Alfa foi criada em 1919, nos Estados Unidos e foi trazida em 2008 para o Brasil. Ela trabalha com o conceito da arte de cozinhar e tornou-se uma marca cultuada pelos chefs e amantes da boa cozinha, onde em seu portfólio há utensílios, acessórios para a batedeira, eletrodomésticos e eletroportáteis de qualidade, precisão, alta performance, design atemporal e utensílios coloridos, necessários para que o consumidor apaixonado pela arte da culinária possa montar uma cozinha completa. Esta é líder de produtos de linha branca, excelência operacional e desenvolvimento de pessoas.
A empresa de eletrodomésticos da Alfa S.A., uma subsidiária, centenária e maior fabricante de eletrodomésticos do mundo, presente em praticamente todos os países. No Brasil, a Empresa possui 3 fábricas, 2 escritórios administrativos, 4 centros de tecnologia, 23 laboratórios e 3 centros de distribuição.
São mais de 11 mil colaboradores imbuídos da missão de, cada vez mais, não só atender, mas antecipar as necessidades dos consumidores e traduzi-las em produtos e serviços que sejam sustentáveis, pioneiros, únicos e façam a vida das pessoas cada dia melhor.
3.2 O Problema
Estudar os fatores de vazamento de fuga das linhas de uma empresa de (Forno de micro-ondas - FMO), onde ocasionam um alto de índice de reprocesso – (defeitos) gerando assim acúmulos de produtos, afetando o indicador (FPY- First Pass Yield), ou seja, primeira remessa de produtos bons produzidos a cada hora, gerando uma perda de 2.548 falhas em um volume de 1.281,423 de produtos produzidos em um período de Janeiro de 2016 à fevereiro de 2017.
De acordo com à NORMA Internacional NM-IEC 60335-2-25:2006 onde trata especificamente de eletroeletrônico de fornos de micro-ondas, onde têm como limites de controle a margem de 5.0mw/cm². No entanto, não consta qualquer tipo de obrigatoriedade de testes de equipamentos de fuga interna ou externa aplicado no processo estudado, pois afirma-se apenas testes de confiabilidade durante ou no processo final.
Contudo, a análise desenvolverão ações que irão facilitar a abordagem do problema para uma grande eficácia, mantendo o processo estável para o atendimento dos volumes, com objetivo de unificar o processo de testes de FUGA e diminuir a variabilidade destes parâmetros de processos e produtos.
3.3 Desenvolvimento do projeto
O projeto esta sendo desenvolvido com envolvimento e interação das áreas e grupos de Black belt’s, com finalidade de identificar as variabilidades que ocasionam as falhas de vazamento de fuga em uma linha de montagem de forno de microondas. Com isso, encontrar a oportunidade de unificar os processos de testes de fuga de microondas, onde esta sendo aplicado o uso das ferramentas 6 sigmas.
18 Etapa 1, “Mapa de processo”, utilizou-se o mapa de processo para auxiliar na documentação de entradas e saídas de cada atividade relacionada a montagem do produto, identificando as oportunidades de melhorias através dos fatores percebidos durante à análise. As vulnerabilidades, fatores, no processo foram classificadas em críticas (Cr), ou seja, aqueles itens importantes que afetam diretamente na entrega das atividades, fatores controlados (C) que são aqueles de facéis percepcão na identificacão das causas, operação padrão (S), que são atividades padronizada e formalizada em documentos de cumprimento de operacões de cada atividade do processo de montagem, e por fim os fatores ou parâmetros (x’s) que se tratam de oportunidades de melhoria encontradas para cada entregas de (y’s), conforme mostra na figura 1:
Figura 1 - Mapa de processo operacional
Etapa 2 A ferramenta MAPA de RACIOCÍNIO promoveu o raciocínio crítico, documentando o conhecimento e definindo caminhos paralelos planejando, priorizando a comunicação das estratégias bem similar com o PDSA – Plan, Develop, Study and Act (Planejar, Desenvolver, Estudar e Agir). Abaixo figura 2 que representa o mapa de racíocinio:
Figura 2 - Mapa de raciocício de investigação do problema de vazamento de FUGA de microondas
19 Os estudos apresentaram como base a investigação e conhecimento do processo, os mapas, que por sua vez facilitou nas investigações e informações, mostrando as variações para dar sequência nas medições e testes, avaliando o sistema de medição (análise de sistema de medição - MSA) e (avaliação das variações - COV) que após essas identificações realizadas em (brainstorming – Tempestade de ideias) para tratativas de ações que garantirão que todos os fatores estejam controlados por meio de (Analise de erros e modos de falhas - FMEA) para dar consistência e estabilidade de determinadas ações de processos.
3.3.1 Análise dos dados Carta de Controle“CARTAS “R of Y”
A carta R of Y representa variacão de curto e longo prazo, determina a priorizacão para processos instáveis, imprevísiveis e sem consistência. No entanto, o ideal é que os dados deste processo estejam dentro dos limites de controle (limite inferior 0,000 e limite superior 0,014) com ausência de causas especiais excedendo a carta conforme figura 3 abaixo:
Figura 3 Carta "R" amplitude
3.3.2 Análise de dados de carta de controle carta “X barra”
A carta X-barra - É um modo de mostrar dados quantitativos, ex: largura, diâmetro, temperatura, peso, etc. No entanto, são necessárias algumas perguntas a serem tomadas feitas para a carta:
1) O que varia dentro dos subgrupos? 2)O que não varia dentro dos subgrupos? 3) O que varia entre dos subgrupos? 4)O que não varia entre dos subgrupos?
No entanto, as oportunidades de efetividades dos processo em estudo depende desses dados estarem fora dos limites de controle por se tratar de mudanças em relacão ao comportamento do processo. Portanto, o ideal é que as medidas estejam com maior parte fora dos limites de controle de (limite inferior 0,0548 e limite superior de 0,0718) para que a variabilidade não seja em medidas e sim nas outras etapas de processo como, linha, operador, amostras e não medidas, pelo fato das mesmas não serem modificadas. Com isso,
20 o sistema de medicão se torna aprovado pelo fato de o mesmo ter estabilidade em relacão as dados apurados . Vejam a figura 4 abaixo:
Figura 4 - Carta “X” barra
Na figura acima, observa-se que das 20 medidas 4 delas encontra-se dentro dos limites e os 16 restantes estão fora dos limites estabelecidos. Logo a leitura da carta mostra um processo estável, reprodutivo e obtendo repetibilidade. Então é possível saber presivibilidade dos fatores que serão corrigidos.
A carta R of Y mostra as mudanças na dispersão "dentro" do subgrupo do processo. Pergunta: "A variação nas medições dentro dos subgrupos é consistente?
Através de conjunto de medidas em cada intervalo de tempo especificado ou de cada fonte de variação suspeita calcula-se a média e a amplitude para cada medida plotando os dados como mostra a carta de controle acima.
No entanto, depois que os fatores e ruídos suficientes forem capturados se a carta não estiver sob controle é necessários a tomada de decisão para controle da variabilidade, se estiver sob controle deve-se tomar as ações adequadas, o processo esta aprovado ou deve ser revisado. Contudo, se os limites de controle superior e inferior da carta das amplitudes “R” não serão confiáveis se a carta R estiver alguma causa especial, ou seja, com pontos fora do limite de controle. Nesse caso, indicar-se investigar a variação entre os subgrupos do que dentro dos subgrupos. Conforme identificação dos fatores de processo (x’s) e análises dos resultados das cartas de controle, cada etapa do processo foi avaliada e tomadas ações de controle dos processos que estavam fora dos limites com base no formulário de FMEA – Analise de erros e modos de falhas demonstrado abaixo conforme figura 5:
21 Figura 5 - FMEA de processo fuga de MICROONDAS
No entanto, cada etapa obteve ações, garantia dos padrões e eliminação das causas críticas passando a serem itens controlados. Avaliação de desvio da porta após fixação da capa no produto, mostra a relação de interação dos itens controlados no FMEA, garantindo assim uma padronização no processo de montagem e garantia das peças conforme especificado. Análise realizada em robô tridimensional simulando condições que poderiam agravar para um vazamento de fuga de microondas impactando na performance do produto e intervindo na qualidade do produto podendo causar falhas prematuras impactando o consumidor final.
4. Resultado final de variabilidade do problema
4.1 COV – Components of variability before - Antes
Esse método divide a variação geral do processo em porções atribuíveis a causas em cada um dos vários estágios do processo de estrategia, exemplo, a variação total do processo pode ser divida entre um componente de variação “dentro da peça” um componente de variação “entre as peças” (dentro do lote) e um componente de variação “entre lotes” o COV ajuda a entender:
- As fontes de variação que atuam no processo em estudo (causas comuns e causas especiais);
22 A análise de variabilidade baseia-se na estratégia de 40 amostras, sendo que as mesmas foram medidas por 4 operadores e utilização de 4 máquinas diferentes para captar a maior fonte de variação de acordo com a figura 6 mostrada abaixo.
Figura 6 - Indicador de variabilidade processo anterior
Foi observado que as variações do processo está entre máquinas e operador havendo grande dispersão causando instabilidade do processo devido a falta de padrões estabelecidos no processo de montagem em relação a atividade de cada operador e falta de padronização entre as 4 máquinas nos fornos de microondas.
4.2 COV – Components of variability after – depois.
O processo da figura 7 abaixo mostra a estabilidade, tendo precisão e reprodutibilidade entre os operadores e máquinas em relação as 40 amostras, 4 operadores e 4 máquinas, ou seja, o processo medido consegue basicamente reproduzir consistência com as medidas, com base em treinamentos operacionais que padronizaram as atividades dos operadores. Quanto as máquinas, todas foram parametrizadas de forma única obtendo um padrão constante entre elas.
Figura 7 - Indicador de variabilidade processo posterior
Logo, pode-se afirmar que o processo é robusto a variação com controle que possibilitam a identificação das causas e tomada de decisão a curto prazo com base em registro de dados para avaliação do problema.
23 4.3 Resultado conclusivo do problema de fuga de microondas
Através dos estudos realizados, obteve-se custos evitados em 3 equipamentos de medição, onde cada um deles tinham um custo unitário de 13.936,61 totalizando 41.809,83 e também com ponteiras (sensores) de medição que seus valores unitários variam entre 2.457,47 à 4.000,00 onde mensalmente seriam utilizadas 12 unidades.
Destaca-se outros ganhos na parte operacional, o balaceamento das operações, nivelando o tempo de montagem de cada posto, atendendo os requisitos de qualidade e estabelecendo o processo consistente para o atendimento de metas e volumes.
Figura 8 – Ganhos estimados
Com a unificação dos testes de cada posto com padrão estabelecido em 27 segundos, os postos obtinham atualmente 25,51 e outro com 20 segundos, passando os mesmos para os tempos de 19 e outro com 23 segundos. Esta diferença resulta em um bom tempo de montagem, na qual passou a ter um melhor desempenho entre as operações de 94,48% e 74,07% conforme figura 8.
24
5 Conclusão
A empresa Alfa é uma organização global americana, que dentre outros países, também tem suas instalações aqui no Brasil. Esta é um negócio de eletrodoméstico que se estende por três fábricas e uma destas é a de Manaus,onde se realizou um estudo nas linhas de montagem de forno de microondas com o intuito de identificar as variabilidades que ocasionavam a falha de vazamento de fuga do forno, onde esta variabilidade que, por sua vez, implicava no acúmulo de produtos, na perda de volume, e o não atingimento de metas. O estudo da variabilidade da falha de vazamento de fuga do forno de microondas só pôde ser realizado por meio da utilização da metodologia lean seis sigma, que é uma estratégia gerencial o qual visa identificar a maior fonte de variabilidade de processos administrativos e de manufatura, e também do uso de outros métodos como o CEP, MSA, análise de variância, mapeamento de processo, FMEA, mapa de raciocínio, carta X- barra e carta R, onde estes vão tornar o processo estável para o atendimento dos volumes, possibilitar a unificação de testes de fuga e reduzir a variabilidade dos parâmetros de processos e produtos. Vale ressaltar que a fuga pode ser interna e externa ao forno.
Inicialmente, analisou-se a quantidade de volume produzido versus a quantidade de falhas e percebeu-se que em 2016 o percentual de fuga interna era de 0,83 e externa de 1,16 e em 2017 esses valores passaram a ser de 0,06 e 0,21, esses valores só puderam ser percebidos por meio do mapeamento de processo, onde o mesmo também indicou quais os fatores e parâmetos críticos do processo: solda, tinta na parte de fixação, método e fixação.
Depois utilizou-se o mapa de raciocínio para organizar e registrar as etapas de desenvolvimeto dos estudos, em seguidas o MSA para a avaliação do sitema de medição, identificação das maiores fontes de variações, FMEA para a determinação de ações nos processos, análises de dados das carta de controle “cartas X-barra e R of Y, ou seja, não atendia as especificações de processo com base nos dados analisados.
Continuando a análise das cartas X-barra e R of Y, verificou-se a oportunidade de melhorar o processo, diminuindo a variabilidade e identificando os fatores de maior influência. É importante evidenciar que essas ações tiveram como base os relatórios FMEA que auxiliou na garantia dos padrões e eliminação das causas a curto prazo.
Portanto, com a utilização das ferramentas 6 sigmas, pôde-se realizar os estudos necessários para a melhoria do processo e ficou comprovado também que os testes de fugas de microondas das linhas de FMO poderiam ser unificados, onde este foi uma oportunidade de melhoria, com o intuito de garantir todas as especificações de qualidade e segurança para o produto com um só teste. No entanto, foram utilizados todos os recursos sendo; análises de medições (MSE), avaliação de variação (COV), mapeamento de todos os potenciais e falhas (FMEA), mapas para entendimento de fatores de processo e produto para garantia um teste final robusto e atendendo também a essência de processos críticos por se tratar de um posto controlado.
Contudo, o estudo realizado trouxe ganho a organização com um custo evitado de 3 equipamentos que teriam que ser utilizados, onde cada um tem um custo unitário de R$ 13.936,61, dando um valor total de R$ 41.809,83 e houve também a redução de tempo no teste de fuga externa e interna que antes ambos eram de 27 segundos, passaram a ser de 25,51 e 20 segundos. Também ficou constatado que havia a possibilidade dos testes de fuga serem unificados, onde o teste de fuga externa cairia para 19 segundos com um ganho de 6, 51 segundos e a interna teria um aumento de 3. A fuga de teste externa teria um melhor
25 aproveitamento em 94,48 % enquanto a interna de 74,07% em relação ao tact. Logo, os resultados foram significativos para um bom desenvolvimento de processo com base em qualidade e ergonomia, estabelecendo um maior grau de satisfação aos processos críticos, produtos acabados resguardando o atendimento e satisfação dos consumidores finais.
26 6 REFERÊNCIAS
ALBERTIN, Marcos Ronaldo; PONTES, Heráclito Lopes Jaguaribe. Gestão de processos e técnicas de produção enxuta. Curitiba: InterSaberes , p.17-25, 2016
ANDREOLI, Taís Pasquotto. Gestão da qualidade melhoria contínua e busca pelo
excelência. Curitiba: InterSaberes , p.56-57, 2017.
GONÇALVES, P. R. (2010). Aplicação da FMEA no desenvolvimento de novos produtos. Universidade de Aveiro.
GONÇALVES, J. B. et al. Implicações do uso integrado do estudo de MSA e CEP na produtividade industrial. Espacios, Caracas, v. 35, n. 9, p. 2, 2014. Disponível em: . Acesso em: 12 ago. 2014.
IQA. Análise de sistemas de medição – MSA, Manual de referência Instituto da Qualidade Automotiva, 2. ed., São Paulo: IQA., 2004.
HAIR, J. F.; ANDERSON, R. E.; TATHAM, R. L.; BLACK, W. C. Análise Multivariada de Dados. 5. ed.Porto Alegre: Bookman, 2006.
KAERCHER, Adi Regina; DA LUZ, Daniel Fonseca. Geranciamento de riscos: do ponto de vista da gestão de produção. Rio de Janeiro: Interciência , p.53-54, 2016.
Werkema, Maria Cristina Catarino. Lean Seis Sigma: Introdução às Ferramentas Lean Manufacturing. Belo Horizonte: Werkema, p.18, 2006.
LANDIM, Paulo Milton Barbosa. Análise Estatística de dados Geológicos. 2. ed. São Paulo: UNESPE, 2003.
LIMA, J. T.; FERREIRA, T. F.; BARBOSA L. Measurement Systems Analysis (MSA): garantindo a consistência dos controles nos processos de fabricação. Revista Banas Qualidade, São Paulo, ano 19, n. 26, p. 74-79, jun. 2010.
LAPPONI, Juan Carlos. Estatística usando Excel. 4. ed. Rio de Janeiro: Elsevier, 2005.
RIBEIRO, J.L. & CATEN, C.T. (1998) – Controle Estatístico do Processo. Apostila do Curso de Pós – Graduação em Engenharia de Produção. Editora da UFRGS. Porto Alegre.
ROTONDARO, Roberto Gilioli. Gerenciamento por processos. In: CARVALHO, Marly Monteiro de; PALADINI, Edson Pacheco (Org). Gestão da qualidade: teoria e casos. Rio de Janeiro: Elsevier, 2005.
SCHISSATTI, M.L. (1998) – Uma metodologia de implantação de cartas de Shewarth para o controle de processos. Florianópolis. Dissertação (Mestrado em Engenharia de Produção). UFSC