Controle estatístico do processo - Statistical process control

O controle estatístico de processo ( CEP ) é um método de controle de qualidade que emprega métodos estatísticos para monitorar e controlar um processo. Isso ajuda a garantir que o processo opere com eficiência, produzindo mais produtos em conformidade com as especificações com menos desperdício (retrabalho ou refugo ). O SPC pode ser aplicado a qualquer processo em que a saída do "produto em conformidade" (produto que atende às especificações) possa ser medida. As principais ferramentas usadas no SPC incluem gráficos de execução , gráficos de controle , foco na melhoria contínua e o projeto de experimentos . Um exemplo de processo onde o SPC é aplicado são as linhas de manufatura.

A SPC deve ser praticada em duas fases: a primeira fase é o estabelecimento inicial do processo e a segunda fase é o uso regular da produção do processo. Na segunda fase, deve ser tomada uma decisão do período a ser examinado, dependendo da mudança nas condições 5M e E (Homem, Máquina, Material, Método, Movimento, Ambiente) e taxa de desgaste das peças utilizadas no processo de fabricação (peças da máquina , gabaritos e acessórios).

Uma vantagem do SPC sobre outros métodos de controle de qualidade, como a " inspeção ", é que ele enfatiza a detecção precoce e a prevenção de problemas, ao invés da correção de problemas após sua ocorrência.

Além de reduzir o desperdício, o CPS pode levar à redução do tempo necessário para a produção do produto. O SPC torna menos provável que o produto acabado precise ser retrabalhado ou descartado.

História

O controle estatístico do processo foi iniciado por Walter A. Shewhart nos Laboratórios Bell no início dos anos 1920. Shewhart desenvolveu o gráfico de controle em 1924 e o conceito de um estado de controle estatístico. O controle estatístico é equivalente ao conceito de permutabilidade desenvolvido pelo lógico William Ernest Johnson também em 1924 em seu livro Logic, Part III: The Logical Foundations of Science . Junto com uma equipe da AT&T que incluía Harold Dodge e Harry Romig, ele trabalhou para colocar a inspeção de amostragem em uma base estatística racional. Shewhart consultou o Coronel Leslie E. Simon na aplicação de gráficos de controle à fabricação de munições no Arsenal Picatinny do Exército em 1934. Essa aplicação bem-sucedida ajudou a convencer o Armamento do Exército a envolver George Edwards da AT&T para consultar sobre o uso de controle estatístico de qualidade entre suas divisões e empreiteiros com a eclosão da Segunda Guerra Mundial.

W. Edwards Deming convidou Shewhart para falar na Escola de Graduação do Departamento de Agricultura dos Estados Unidos e serviu como editor do livro de Shewhart, Método Estatístico do Ponto de Vista de Controle de Qualidade (1939), que foi o resultado daquela palestra. Deming foi um importante arquiteto dos minicursos de controle de qualidade que treinaram a indústria americana nas novas técnicas durante a Segunda Guerra Mundial. Os graduados desses cursos de guerra formaram uma nova sociedade profissional em 1945, a American Society for Quality Control , que elegeu Edwards como seu primeiro presidente. Deming viajou para o Japão durante a Ocupação Aliada e se reuniu com a União de Cientistas e Engenheiros Japoneses (JUSE) em um esforço para introduzir métodos SPC para a indústria japonesa.

Fontes de variação 'comuns' e 'especiais'

Artigo principal: causa comum e causa especial (estatísticas)

Shewhart leu as novas teorias estatísticas vindas da Grã-Bretanha, especialmente o trabalho de William Sealy Gosset , Karl Pearson e Ronald Fisher . No entanto, ele entendeu que os dados de processos físicos raramente produziam uma curva de distribuição normal (ou seja, uma distribuição gaussiana ou ' curva em sino '). Ele descobriu que os dados de medições de variação na manufatura nem sempre se comportavam da mesma forma que os dados de medições de fenômenos naturais (por exemplo, movimento browniano de partículas). Shewhart concluiu que, embora todo processo exiba variação, alguns processos exibem variação natural ao processo ( fontes " comuns " de variação); esses processos ele descreveu como estando sob controle (estatístico) . Outros processos, adicionalmente, exibem variação que não está presente no sistema causal do processo em todos os momentos ( fontes " especiais " de variação), que Shewhart descreveu como fora de controle .

Aplicação a processos de não fabricação

Em 1988, o Software Engineering Institute sugeriu que o SPC pudesse ser aplicado a processos de não fabricação, como processos de engenharia de software, no Capability Maturity Model (CMM). As práticas de nível 4 e nível 5 do Capability Maturity Model Integration ( CMMI ) usam esse conceito.

A aplicação do SPC a processos não repetitivos e intensivos em conhecimento, como pesquisa e desenvolvimento ou engenharia de sistemas, encontrou ceticismo e permanece controversa.

Em seu artigo seminal No Silver Bullet , Fred Brooks aponta que a complexidade, os requisitos de conformidade, a mutabilidade e a invisibilidade do software resultam em variações inerentes e essenciais que não podem ser removidas. Isso implica que o SPC é menos eficaz no domínio do desenvolvimento de software do que, por exemplo, na manufatura.

Variação na fabricação

Na fabricação, a qualidade é definida como conformidade com as especificações. No entanto, dois produtos ou características nunca são exatamente iguais, porque qualquer processo contém muitas fontes de variabilidade. Na fabricação em massa, tradicionalmente, a qualidade de um artigo acabado é garantida pela inspeção pós-fabricação do produto. Cada artigo (ou uma amostra de artigos de um lote de produção) pode ser aceito ou rejeitado de acordo com o quão bem atende suas especificações de design , o SPC usa ferramentas estatísticas para observar o desempenho do processo de produção a fim de detectar variações significativas antes que resultem em a produção de um artigo abaixo do padrão. Qualquer fonte de variação em qualquer ponto do tempo em um processo se enquadrará em uma das duas classes.

(1) Causas comuns
Causas 'comuns' às vezes são chamadas de fontes de variação 'não atribuíveis' ou 'normais'. Refere-se a qualquer fonte de variação que atua de forma consistente no processo, normalmente muitas. Esse tipo de causa produz coletivamente uma distribuição estatisticamente estável e repetível ao longo do tempo.
(2) Causas especiais
Causas 'especiais' às vezes são chamadas de fontes de variação 'atribuíveis'. O termo se refere a qualquer fator que causa variação e afeta apenas parte da saída do processo. Freqüentemente, são intermitentes e imprevisíveis.

A maioria dos processos tem muitas fontes de variação; a maioria deles são menores e podem ser ignorados. Se as fontes dominantes atribuíveis de variação forem detectadas, potencialmente elas podem ser identificadas e removidas. Quando eles são removidos, o processo é considerado "estável". Quando um processo é estável, sua variação deve permanecer dentro de um conjunto conhecido de limites. Isto é, pelo menos, até que outra fonte atribuível de variação ocorra.

Por exemplo, uma linha de embalagem de cereal matinal pode ser projetada para encher cada caixa de cereal com 500 gramas de cereal. Algumas caixas terão um pouco mais de 500 gramas e algumas um pouco menos. Quando os pesos dos pacotes são medidos, os dados demonstram uma distribuição dos pesos líquidos.

Se o processo de produção, suas entradas ou seu ambiente (por exemplo, a máquina na linha) mudar, a distribuição dos dados mudará. Por exemplo, à medida que os cames e as polias da máquina se desgastam, a máquina de enchimento de cereais pode colocar mais do que a quantidade especificada de cereais em cada caixa. Embora isso possa beneficiar o cliente, do ponto de vista do fabricante é um desperdício e aumenta o custo de produção. Se o fabricante encontrar a alteração e sua origem em tempo hábil, a alteração pode ser corrigida (por exemplo, os cames e polias substituídos).

Aplicativo

A aplicação do SPC envolve três fases principais de atividade:

  1. Compreender o processo e os limites das especificações.
  2. Eliminar fontes de variação atribuíveis (especiais), de modo que o processo seja estável.
  3. Acompanhamento do processo produtivo em andamento, auxiliado pelo uso de gráficos de controle, para detectar mudanças significativas de média ou variação.

Gráficos de controle

Os dados de medições de variações em pontos no mapa de processo são monitorados por meio de cartas de controle . Os gráficos de controle tentam diferenciar as fontes de variação "atribuíveis" ("especiais") das fontes "comuns". Fontes "comuns", porque são uma parte esperada do processo, são de muito menos preocupação para o fabricante do que fontes "atribuíveis". Usar cartas de controle é uma atividade contínua, contínua ao longo do tempo.

Processo estável

Quando o processo não aciona nenhuma das "regras de detecção" do gráfico de controle para o gráfico de controle, ele é considerado "estável". Uma análise de capacidade do processo pode ser realizada em um processo estável para prever a capacidade do processo de produzir "produto conforme" no futuro.

Um processo estável pode ser demonstrado por uma assinatura de processo livre de variações fora do índice de capacidade. Uma assinatura de processo são os pontos traçados em comparação com o índice de capacidade.

Variações excessivas

Quando o processo aciona qualquer uma das "regras de detecção" do gráfico de controle (ou, alternativamente, a capacidade do processo é baixa), outras atividades podem ser realizadas para identificar a fonte da variação excessiva. As ferramentas usadas nessas atividades extras incluem: diagrama de Ishikawa , experimentos projetados e gráficos de Pareto . Os experimentos planejados são um meio de quantificar objetivamente a importância relativa (força) das fontes de variação. Uma vez que as fontes de variação (causa especial) são identificadas, elas podem ser minimizadas ou eliminadas. As etapas para eliminar uma fonte de variação podem incluir: desenvolvimento de padrões, treinamento da equipe, proteção contra erros e mudanças no próprio processo ou em suas entradas.

Métricas de estabilidade do processo

Ao monitorar muitos processos com gráficos de controle, às vezes é útil calcular medidas quantitativas da estabilidade dos processos. Essas métricas podem então ser usadas para identificar / priorizar os processos que mais precisam de ações corretivas. Essas métricas também podem ser vistas como um complemento das métricas tradicionais de capacidade do processo . Várias métricas foram propostas, conforme descrito em Ramirez e Runger. Eles são (1) um coeficiente de estabilidade que compara a variabilidade de longo prazo com a variabilidade de curto prazo, (2) um teste ANOVA que compara a variação dentro do subgrupo com a variação entre subgrupos e (3) um coeficiente de instabilidade que compara o número de subgrupos que têm uma ou mais violações das regras da Western Electric com o número total de subgrupos.

Matemática de gráficos de controle

Os gráficos de controle digital usam regras baseadas em lógica que determinam "valores derivados" que sinalizam a necessidade de correção. Por exemplo,

valor derivado = último valor + diferença absoluta média entre os últimos N números.

Veja também

Referências

Bibliografia

  • Barlow, RE & Irony, TZ (1992) "Foundations of Statistical Quality Control" em Ghosh, M. & Pathak, PK (eds.) Current Issues in Statistical Inference: Essays in Honor of D. Basu , Hayward, CA: Institute of Estatística Matemática, 99-112.
  • Bergman, B. (2009) "Conceptualistic Pragmatism: A framework for Bayesian analysis?", IIE Transactions , 41 , 86-93
  • Deming, WE (1975) "Sobre a probabilidade como base para a ação", The American Statistician , 29 (4) , 146-152
  • - (1982) Out of the Crisis: Quality, Productivity and Competitive Position ISBN  0-521-30553-5
  • Grant, EL (1946) Controle estatístico de qualidade ISBN  0071004475
  • Oakland, J (2002) Statistical Process Control ISBN  0-7506-5766-9
  • Salacinski, T (2015) SPC - Statistical Process Control . Editora da Universidade de Tecnologia de Varsóvia. ISBN  978-83-7814-319-2
  • Shewhart, WA (1931) Economic Control of Quality of Manufactured Product ISBN  0-87389-076-0
  • - (1939) Método Estatístico do Ponto de Vista do Controle de Qualidade ISBN  0-486-65232-7
  • Wheeler, DJ (2000) Normality and the Process-Behavior Chart ISBN  0-945320-56-6
  • Wheeler, DJ & Chambers, DS (1992) Understanding Statistical Process Control ISBN  0-945320-13-2
  • Wheeler, Donald J. (1999). Variação de compreensão: a chave para gerenciar o caos - 2ª edição . SPC Press, Inc. ISBN  0-945320-53-1 .
  • Wise, Stephen A. & Fair, Douglas C (1998). Gráficos de controle inovadores: soluções práticas de SPC para o ambiente de fabricação de hoje. ASQ Quality Press. ISBN  0-87389-385-9
  • Zabell, SL (1992). “Prevendo o imprevisível”. Synthese . 90 (2): 205. doi : 10.1007 / bf00485351 .

links externos