O que é o Controle estatístico de processo?
O Controle estatístico de processo (CEP) monitora os processos de fabricação com tecnologia que mede e controla a qualidade. O CEP aciona várias máquinas e instrumentos para fornecer dados de qualidade de medições de produtos e leituras de processos. Uma vez coletados, os dados são avaliados e monitorados para controlar esse processo.
O controle estatístico do processo é uma maneira simples de incentivar a melhoria contínua. Quando um processo é monitorado e controlado continuamente, os gerentes podem garantir que ele funcione em todo o seu potencial, resultando em uma fabricação consistente e de qualidade.
O conceito de controle estatístico de processo já existe há algum tempo. Em 1924, o funcionário da Bell Laboratories, William A Shewart, projetou o primeiro gráfico de controle e foi pioneiro na ideia de controle estatístico. Este processo de controle de qualidade foi amplamente utilizado durante a Segunda Guerra Mundial em instalações de munição e armas. O controle estatístico do processo monitorou a qualidade dos produtos sem comprometer a segurança.
Após a guerra, o uso de controles estatísticos de processos diminuiu nos Estados Unidos, mas foi adotado pelos japoneses, que o aplicaram ao seu setor manufatureiro e continuam a usá-lo hoje. Na década de 1970, o controle estatístico de processos voltou a ser usado nos Estados Unidos para rivalizar com os produtos do Japão.
Hoje, o setor manufatureiro mundial usa extensivamente controles estatísticos de processo.
As empresas manufatureiras modernas têm que lidar com preços constantemente flutuantes de matérias-primas e uma grande concorrência. As empresas não podem controlar esses fatores, mas podem controlar a qualidade de seus produtos e processos. Elas precisam trabalhar constantemente para melhorar a qualidade, a eficiência e as margens de custo para serem líderes de mercado.
A inspeção continua sendo a principal forma de detectar problemas de qualidade para a maioria das empresas, mas sua eficácia é discutível. Com o controle estatístico de processos, uma organização pode deixar de ser baseada em detecção para ser baseada em prevenção. Com o monitoramento constante do desempenho do processo, os operadores podem detectar tendências ou processos em mudança antes que o desempenho seja afetado.
Uma visão geral das ferramentas de controle estatístico de processos
No total, são utilizadas 14 ferramentas de controle de qualidade no controle estatístico de processos, que são divididas em sete ferramentas de controle de qualidade e sete ferramentas complementares:
Ferramentas de controle de qualidade
Diagramas de causa e efeito
Também conhecido como diagrama de Ishikawa ou diagrama espinha de peixe. Diagramas de causa e efeito são usados para identificar várias causas de qualquer problema. Quando criados, os diagramas parecem uma espinha de peixe, com cada osso principal se estendendo em ramos menores que se aprofundam em cada causa.
Folhas de verificação
São formulários simples e prontos para uso que podem ser coletados e analisados. As folhas de verificação são especialmente boas para dados que estão repetidamente sob observação e coletados pela mesma pessoa ou no mesmo local.
Histogramas
Os histogramas parecem gráficos de barras e representam distribuições de frequência. Eles são ideais para dados numerados.
Gráficos de Pareto
Estes são gráficos de barras que representam tempo e dinheiro ou frequência e custo. Os gráficos de Pareto são particularmente úteis para medir a frequência do problema. Eles mostram o princípio de Pareto 80/20: abordar 20% dos processos resolverá 80% dos problemas.
Diagramas de dispersão
Também conhecidos como gráficos XY. Diagramas de dispersão funcionam melhor quando combinados com dados numéricos.
Estratificação
Esta é uma ferramenta para separar dados que simplifica a identificação de padrões. A estratificação é um processo que classifica objetos, pessoas e dados relacionados em camadas ou grupos específicos. É perfeita para dados de diferentes fontes.
Gráficos de controle
Essas são as ferramentas de processo estatístico mais antigas e populares.
Ferramentas complementares
Estratificação de dados
Uma pequena diferença da ferramenta de estratificação nas ferramentas de controle de qualidade.
Mapas de defeitos
São mapas que visualizam e rastreiam os defeitos de um produto, com foco em falhas e localizações físicas. Cada defeito é identificado no mapa.
Registros de eventos
São registros padronizados dos principais eventos de software e hardware.
Fluxogramas de processo
Os fluxogramas de processo são uma captura instantânea de etapas em um processo, exibidas na ordem em que ocorrem.
Centros de progresso
Quando as decisões precisam ser tomadas, os centros de progresso são locais centralizados que permitem que as empresas monitorem o progresso e coletem dados.
Randomização
Randomização é o uso do acaso para atribuir unidades de fabricação a um grupo de tratamento.
Determinação do tamanho da amostra
Esta ferramenta determina o número de indivíduos ou eventos necessários para serem incluídos na análise estatística.
Benefícios do Controle estatístico de processo
Os controles estatísticos de processo têm uma série de benefícios:
- Redução de desperdício e reclamações de garantia
- Produtividade maximizada em uma unidade fabril
- Maior eficiência operacional
- Menor necessidade de inspeções manuais
- Maior satisfação do cliente
- Custos controlados
- Análise e relatórios aprimorados
Como usar o controle estatístico de processo
Como acontece com qualquer novo processo, o primeiro passo para usar o controle estatístico de processo é avaliar onde a empresa de manufatura está enfrentando problemas de desperdício ou desempenho. Isso pode estar relacionado ao retrabalho de produtos, desperdício de gamas inteiras de produtos ou longos tempos de inspeção. Uma empresa se beneficia ao aplicar sistemas de controle estatístico de processo a essas áreas problemáticas primeiro.
O controle estatístico do processo nem sempre está relacionado a fatores como despesas, tempo ou atrasos na produção, dependendo da necessidade. Ao implementar novos processos, uma equipe multifuncional identificará os aspectos críticos do design ou do processo que precisam ser abordados.
Isso é feito no decorrer de uma revisão impressa ou de um exercício conhecido como exercício de análise de efeitos e modo de falha de projeto (DFMEA). Os dados deste exercício são coletados e monitorados para características críticas no seguinte processo:
Coleta e registro de dados
Os dados estatísticos de controle de processo são coletados de duas maneiras: primeiro como medições de um produto específico e segundo como leituras de instrumentação de processo.
Uma vez registrados, esses dados são rastreados com diversos tipos de gráficos de controle, específicos para o tipo de dados coletados. Usar o gráfico apropriado é imperativo para obter informações úteis. Os dados são a variável contínua ou são dados de atributo. A coleta e registro de dados podem ser valores individuais ou podem ser a média de um conjunto de leituras, dependendo do que a organização precisa.
Com dados variáveis para valores individuais, é usado um gráfico de alcance móvel. Se os dados forem registrados em subgrupos de oito ou menos, será usado um gráfico X-bar R. Se o valor do subgrupo for maior que oito, o gráfico X-bar S será usado.
Com dados de atributo, um gráfico AP é usado para registrar quantas peças defeituosas estão dentro de um conjunto de peças. Um gráfico AU ajuda a registrar quantos defeitos existem em cada peça específica.
Gráficos de controle: chamados de gráficos X-bars e R. X-bar refere-se à “média” da variável x. Os gráficos de intervalo são representativos das variações dentro dos subgrupos. O intervalo aqui se refere à diferença entre o valor mais alto e o mais baixo.
Aqui estão os passos para construir um gráfico X-bar e R:
- Comece designando um tamanho de amostra como “a”. Um número comum é quatro ou cinco, mas a amostra precisa ser inferior a oito. Estabeleça a frequência das medições da amostra nesta etapa.
- Comece a coletar um conjunto de amostras inicial. Uma regra prática é 100 medições em um conjunto de quatro, resultando em 25 pontos de dados.
- Comece calculando o valor médio para cada um dos 25 grupos de cada uma das quatro amostras.
- Em seguida, calcule o intervalo da mesma maneira para cada uma das quatro amostras de medição. A diferença entre o valor mais alto e o mais baixo em cada conjunto é o intervalo.
- O próximo passo é calcular a média das médias. Isto é para X-bar e é representado por uma linha sólida.
- Em seguida, calcule as médias dos valores “R”, representadas por uma linha central.
- A próxima etapa é calcular os limites de controle superior e inferior para os gráficos X-bar e R.
- Com o gráfico em mãos, o técnico continuará medindo várias amostras, somando os valores e depois calculando a média. Esses valores são registrados no gráfico X-bar. As medições da amostra devem ser registradas em intervalos fixos, juntamente com a data e a hora, para rastrear a estabilidade do processo. Se surgirem problemas únicos, eles devem ser ajustados no processo para manter a estabilidade.
Os gráficos X-bar e R são alguns exemplos dos tipos de gráficos de controle usados para monitorar e melhorar os processos.
Análise dos dados
Durante a análise, todos os pontos de dados registrados no gráfico de controle devem estar dentro dos limites de controle, desde que não haja causas especiais. Causas comuns resultam em pontos de dados dentro dos limites de controle, mas causas especiais tendem a ser outliers. Para classificar um processo como estando sob controle estatístico, não deve haver outliers em nenhum gráfico. Quando um processo está sob controle, ele não terá nenhuma causa especial identificada e todos os dados ficarão entre os limites de controle.
No entanto, existem exemplos de variação de causa comum:
- Uma mudança nas propriedades do material
- Mudanças sazonais relacionadas à temperatura ou uma mudança nos níveis de umidade
- Desgaste regular de máquinas ou ferramentas
- Variações nas configurações relacionadas ao operador
- Variações de medição regulares
Causas especiais estão fora dos limites de controle de alcance e podem indicar uma grande mudança no processo. Essas variações podem incluir coisas como:
- Controladores com falha
- Ajuste incorreto do equipamento
- Mudanças nos sistemas de medição
- Turnos em andamento
- Máquinas com defeito
- Propriedades do material de recurso que estão fora do alcance de uma especificação de projeto
- Ferramentas quebradas
- Inexperiência do operador
Durante o monitoramento de processos com gráficos de controle estatístico de processos, todos os pontos de dados são constantemente verificados para verificar se estão dentro dos limites de controle. Eles estarão atentos a quaisquer mudanças nas tendências ou mudanças abruptas nos processos. Se uma causa especial for identificada, as medidas necessárias são tomadas para determinar a causa. Em seguida, é remediar e permitir que o processo volte ao controle estatístico.
Além dessas variações, existem outras variações de pontos de dados que estão dentro dos limites de controle e devem ser investigadas:
- Ciclos em que sete pontos de dados ou mais terminam em um lado da linha central do processo
- Uma mudança na extensão usual de dados. Pode ser onde vários pontos de dados terminam próximos ou distantes
- Quando surge uma nova tendência, com sete pontos de dados ou mais, constantemente subindo ou descendo
- Mudanças na distribuição de dados que estão claramente acima da média normal ou abaixo dela
Desvantagens do Controle estatístico de processo
Como em qualquer processo, existem algumas desvantagens no controle estatístico de processo:
Requisitos de tempo
Embora a ênfase do controle estatístico do processo esteja na detecção precoce, a implementação do sistema em uma configuração de fabricação pode levar muito tempo. Além disso, o processo de monitoramento e preenchimento de gráficos é demorado. Como o sistema deve ser integrado a uma estrutura existente, o treinamento de pessoal é necessário, o que leva tempo.
Considerações de custo
O controle estatístico de processos também é um assunto caro e exige que a empresa assine um contrato com um prestador de serviços e invista em recursos e materiais de treinamento.
Medições de qualidade
Um problema do controle estatístico de processo é que ele detecta quando há não conformidade no protocolo do processo, mas não informa quantos produtos podem estar com defeito até aquele momento.
O futuro do Controle estatístico de processos
Ao estabilizar seu processo produtivo, uma organização pode reduzir o número de variações de produtividade, beneficiando tanto o consumidor quanto a empresa. Enquanto o consumidor obtém um produto seguro e bem testado, a empresa se beneficia reduzindo os custos de produção e qualquer constrangimento que surja de um produto defeituoso.
À medida que o aprendizado de máquina e a inteligência artificial avançam, as habilidades de controle estatístico de processos aumentarão. Isso levará a maiores ganhos para o fabricante, maior vantagem competitiva e clientes satisfeitos.