SlideShare uma empresa Scribd logo
Controle Estatístico do Processo
C E P
1
Controle Estatístico do
Processo - CEP
Controle Estatístico do Processo
C E P
2
EXPECTATIVAS FUTURAS
SOBREVIVÊNCIA PELA PRODUTIVIDADE
Controle Estatístico do Processo
C E P
3
TIPOS DE EMPRESAS
INERTES TEORIA DO SAPO FERVIDO
REATIVAS TEORIA DA CENOURA
PRÓ-ATIVAS SE ANTECIPAM AS TENDÊNCIAS
Controle Estatístico do Processo
C E P
4
OBJETIVOS DE UMA EMPRESA HONESTA
Uma empresa honesta SÓ PODERÁ SOBREVIVER dentro de uma
sociedade se for para contribuir para a SATISFAÇÃO DAS PESSOAS.
CLIENTE PRIORIDADE
• Cliente : Característica de Qualidade VALOR
• Colaborador: Crescimento do ser humano
• Acionista: Produtividade CUSTO/PREÇO
Controle Estatístico do Processo
C E P
5
SOBREVIVÊNCIA DA EMPRESA
Para toda empresa existe e cada vez mais FORTE, a possibilidade
de saturação de mercado para os seus produtos; novas
tecnologias que com o tempo os tornam obsoletos ou caros
demais quando comparados com novos produtos e/ou da
CONCORRÊNCIA.
Apenas com um processo de MELHORIA CONTÍNUA é possível
alcançar o nível potencial ideal de produtividade e lucratividade que
pode representar o SUCESSO ou o FRACASSO da EMPRESA.
Controle Estatístico do Processo
C E P
6
VALOR =
Qualidade X Atendimento
Custo X Tempo
VALOR: PRODUTOS / SERVIÇOS QUE SE TORNAM NECESSÁRIOS;
DESEJADOS E AMBICIONADOS PELOS CLIENTES
Melhorar => Controlar
Controle Estatístico do Processo
C E P
7
 Existem várias formas de se manter controle sobre as variáveis
mais importantes do processo:
 Elaboração de check list e procedimentos;
 Dispositivos à prova de erros;
 Controle Estatístico do Processo - CEP.
CONTROLE - FORMAS
Controle Estatístico do Processo
C E P
8
 Dispositivos à prova de erros (Poka-yoke)
 A Toyota foi a pioneira na elaboração destes dispositivos, criando
os sistemas de pino e furos descentralizados nas suas linhas de
montagem.
 Consiste em tornar o controle dos poucos “X’s” vitais, automático;
fazendo com que a probabilidade de o operador cometer um erro
seja nula.
CONTROLE - POKA-YOKE
Controle Estatístico do Processo
C E P
9
O QUE É CEP?
 Representação gráfica da variação de um processo ou produto
ao longo do tempo;
 Transforma os dados em padrões que podem ser testados
estatisticamente;
 Usado para detectar se alguma causa especial está provocando
variação.
Controle Estatístico do Processo
C E P
10
Processo
APROVADO
REJEITADO
6M
Material
Mão de obra
Meio
Medidas
Métodos
Máquina
Inspeção
FOCO:
• Produto
CONTROLE POR: “DETECÇÃO“
Controle Estatístico do Processo
C E P
11
CONTROLE POR: “PREVENÇÃO“
Processo
FOCO:
• Processo
• Produto
6M
Auditoria
C
E
P
Monitoramento
Ajustes
Material
Mão de obra
Meio
Medidas
Métodos
Máquina
APROVADO
REJEITADO
Controle Estatístico do Processo
C E P
12
FLUXOGRAMA PARA IMPLANTAÇÃO DO CEP
Seleção dos
Pontos Críticos
Escolha do
meio de medição
Estudo de
MSA
OK?
NÃO SIM
Cmk é
viável?
Estudo de Cmk
OK?
Plano de
Ação
Estudo de Cpk
Carta Experimental
Análise crítica dos
Resultados
CARTA
Análise critica
dos resultados
OK?
Plano de
Ação
SIM
NÃO
Relatório de
justificativa
SIM
OK?
Plano de
Ação
Treinamento
Operacional
SIMNÃO
SIM
NÃO
NÃO
Controle Estatístico do Processo
C E P
13
ALGUNS BENEFÍCIOS DO CEP
 Custos mais baixos de fabricação;
 Processos estáveis e controlados;
 Especificações mais realistas;
 Menos inspeções;
 Melhor qualidade do produto.
Controle Estatístico do Processo
C E P
14
 Use FMEA para identificar RPN’s (Número de Prioridade de
Risco) elevados devido a falta de controle;
 Identifique fatores críticos através de experimentos;
 Identifique fatores críticos através de gráficos de dispersão;
 Coloque inicialmente os gráficos nas variáveis de saída (“Y”);
 Depois, coloque gráficos nas variáveis críticas de entrada;
 Se um gráfico não estiver proporcionando informação para gerar
ações, REMOVA-O.
GRÁFICOS DE CONTROLE - ESTRATÉGIA PARA UTILIZAÇÃO:
Controle Estatístico do Processo
C E P
15
N=1Quando é necessário um
longo período de tempo
para se obter uma
amostra significativa
Monitorar a
variabilidade de uma
característica
individual
Individual Amplitude
Móvel
I e MR
N>6Usado em conjunto com
o gráfico de médias
Monitorar a
variabilidade (+
sensível)
Desvio Padrão
S
2<n<6Usado em conjunto com
o gráfico de médias
Monitorar a
variabilidade
Amplitude
R
N>1Amostragem de + de 3
unidades por vez
Monitorar a média de
uma característica
Média
X
Sub grupoAplicaçãoFinalidadeTipo de Gráfico
TIPOS DE GRÁFICOS DE CONTROLE PARA VARIÁVEIS
Controle Estatístico do Processo
C E P
16
Sub grupoAplicaçãoFinalidadeTipo de Gráfico
= 1Número de defeitos por
unidade inspecionada
Número de defeitos por
unidade inspecionada
Número médio de
defeitos por unidade
VariávelNúmero de defeitos por
subgrupo inspecionado
Número de defeitos por
subgrupo inspecionado
Número de defeitos por
subgrupo
(c)
VariávelO resultado da
inspeção é “passou /
falhou”
Unidades rejeitadas /
unidades inspecionadas
em um subgrupo
Fração defeituosa
(p)
FixoTamanho do subgrupo
fixo
Número de unidades
defeituosas em um
subgrupo
Número de defeituosos
(np)
TIPOS DE GRÁFICOS DE CONTROLE PARA ATRIBUTOS
Controle Estatístico do Processo
C E P
17
X ind e
MR
Tipo
Dados
início
Defeitos
Ou
Defeituosos
Individual
Ou
Subgrupo
Oportunidades
constantes Sub grupo
<6
Tamanho
Amostra
constante
X barra e
R
X barra e
S
Np ou
p
pC ou UU
ATRIBUTOS VARIÁVEIS
DEFEITUOSOS
DEFEITOS
INDIVIDUAIS
SUBGRUPOS
RACIONAIS
NÃO
SIMNÃO SIMNÃO SIM
ESCOLHA DO TIPO DE GRÁFICO
Controle Estatístico do Processo
C E P
18
LSC = Limite Superior de
Controle (média + 3 σ)
LIC = Limite Inferior de
Controle (média - 3 σ)
LC = Linha Central
LSC
LIC
LC
TEMPO
GRÁFICOS DE CONTROLE - COMPONENTES DE UM GRÁFICO:
“Y”(Resposta,oquêestamos
medindo)
Controle Estatístico do Processo
C E P
19
LSC = Limite superior de controle
LIC = Limite inferior de controle
LSE = Limite Superior de Especificação
LIE = Limite Inferior de Especificação
LSC
LIC
LC
TEMPO
LSE
LIE
GRÁFICOS DE CONTROLE - LSC E LIC X LSE E LIE
Controle Estatístico do Processo
C E P
20
LIMITES DE CONTROLE PARA VARIÁVEIS
Carta R/X
Gráfico das Médias Gráfico das Amplitudes
LSC X A RX
  2
LSC D RR
 4
LIC X A RX
  2
LIC D RR
 3
Carta X R/
Gráfico de Valores Individuais Gráfico das Amplitudes
LSC X A RX
  2 LSC D RR
 4
LIC X A RX   2 LIC D RR
 3
Controle Estatístico do Processo
C E P
21
FATORES PARA CÁLCULO DOS LIMITES
Número de
Valores CartaX R/ CartaX R/
n A2 d2 D3 D4 A2 D2 D3 D4
2 1.880 1.128 --- 3.267 2.660 1.128 --- 3.267
3 1.023 1.693 --- 2.574 1.772 1.693 --- 2.574
4 0.729 2.059 --- 2.282 1.457 2.059 --- 2.282
5 0.577 2.326 --- 2.114 1.290 2.326 --- 2.114
6 0.483 2.534 --- 2.004 1.184 2.534 --- 2.004
7 0.419 2.704 0.076 1.924 1.109 2.704 0.076 1.924
8 0.373 2.847 0.136 1.864 1.054 2.847 0.136 1.864
9 0.337 2.970 0.184 1.816 1.010 2.970 0.184 1.816
10 0.308 3.078 0.223 1.777 0.975 3.078 0.223 1.777
Controle Estatístico do Processo
C E P
22
LIMITES DE CONTROLE PARA ATRIBUTOS
Carta Média Limite Superior de Controle Limite Inferior de Controle
p LC p LSC p
p p
n
 

3
1( )
LIC p
p p
n
 

3
1( )
np LC np
LSC np np p  3 1( ) LIC np np p  3 1( )
c
LC c LSC c c  3 LIC c c  3
u
LC u
LSC u
u
n
  3 LIC u
u
n
  3
Controle Estatístico do Processo
C E P
23
 Aplicação Prática
 Carta de controle por variáveis
 Xbarra, R
SPC - CHART:
PRODUTO: CÓDIGO: OPERAÇÃO/ M ÁQUINA:
Comando XP7t Solda
M EIO DE CONTROLE: ESPEC. M Í N.: ESPEC. M ÁX .: UNIDADE:
Controle Visual --- --- ---
Total de defeitos 11 16 24 21 26 17 14 21 28 31 26 33 20 30
Defeitos / Unidade 5,5 8 12 11 13 8,5 7 11 14 16 13 17 10 15
DATA 1/jul 1/jul 1/jul 1/jul 1/jul 1/jul 1/jul 1/jul 2/jul 2/jul 2/jul 2/jul 2/jul 2/jul
HORA 1tur. 1tur. 1tur. 1tur. 2tur. 2tur. 2tur. 2tur. 1tur. 1tur. 1tur. 1tur. 2tur. 2tur.
A
Solda fria no
led
7 14 17 18 15 13 12 11 24 29 20 29 18 16
B
Solda fria
(geral)
2 1 7 2 11 2 2 5 4 1 5 4 2 14
LSC
LIC
Média
19
0
9
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
Controle Estatístico do Processo
C E P
24
TEMPO
Centralização
GRÁFICOS DE CONTROLE - O QUE MUDOU?
Controle Estatístico do Processo
C E P
25
TEMPO
Dispersão
GRÁFICOS DE CONTROLE - O QUE MUDOU?
Controle Estatístico do Processo
C E P
26
TEMPO
Centralização
e
Dispersão
GRÁFICOS DE CONTROLE - O QUE MUDOU?
Controle Estatístico do Processo
C E P
27
 Um ponto fora dos limites de controle (+ ou - 3 σ);
 Dois de três pontos consecutivos fora dos limites (+ ou - 2σ);
 Quatro de cinco pontos consecutivos fora dos limites (+ ou - 1 σ);
 Sete pontos consecutivos de um mesmo lado da linha central;
 Sete pontos consecutivos Crescentes;
 Sete pontos consecutivos Decrescentes;
 O padrão se repete oito vezes consecutivas;
 Qualquer padrão claramente não aleatório.
 IMPORTANTE: Todas as alterações do processo e as ações
corretivas tomadas devem ser registradas no “Diário de Bordo”.
GRÁFICOS DE CONTROLE - DETECTANDO A FALTA DE CONTROLE:
Controle Estatístico do Processo
C E P
28
 PRINCÍPIO DA NATUREZA:
Não existem dois seres exatamente iguais.
MAS ... POR QUE OS PROCESSOS VARIAM???
 Existem duas naturezas básicas de causas:
 Causas Comuns,
 Causas Especiais.
Controle Estatístico do Processo
C E P
• Intrínsecas ao processo;
• Presença constante;
• Origem no sistema.
EXEMPLOS:
• Processo mal definido;
• Equipamento inadequado;
• Especificações mal definidas;
• Condições ambientais inadequadas.
CAUSAS COMUNS:
Mais exemplos:
Controle Estatístico do Processo
C E P
• Ocasionais;
• Acidentais;
• Localizadas;
• Origem específica.
EXEMPLOS:
• Queima de uma resistência;
• Quebra de uma ferramenta;
• Desgaste excessivo de um equipamento;
• Um operador particular.
CAUSAS ESPECIAIS:
Mais exemplos:
Controle Estatístico do Processo
C E P
CAUSAS COMUNS: PODEM SER REDUZIDAS!
• Ações gerenciais;
• Atuação no sistema.
VOLTANDO AOS EXEMPLOS:
• Processo mal definido;
• Equipamento inadequado;
• Especificações mal definidas;
• Condições ambientais inadequadas.
Como reduzir as
causas
comuns???
Controle Estatístico do Processo
C E P
CAUSAS ESPECIAIS: DEVEM SER LOCALIZADAS E ELIMINADAS!
• Ações operacionais;
• Atuação no local.
VOLTANDO AOS EXEMPLOS:
• Queima de uma resistência;
• Quebra de uma ferramenta;
• Desgaste excessivo de um equipamento;
• Um operador particular.
Como reduzir as
causas
especiais???
Controle Estatístico do Processo
C E P
DOIS ERROS COMUNS:
• Subcontrole:
Inexistência de atuação sobre as causas comuns impedindo a
redução da variabilidade.
• Supercontrole:
Atuar sobre causas “supostamente especiais” aumentando a
variabilidade.
Controle Estatístico do Processo
C E P
PROCESSOS AFETADOS SOMENTE POR CAUSAS COMUNS SÃO:
• Sob controle (estatístico);
• Estáveis;
• Previsíveis.
Controle Estatístico do Processo
C E P
PROCESSOS AFETADOS POR CAUSAS ESPECIAIS SÃO:
• Fora de controle (estatístico);
• Instáveis;
• Imprevisíveis.
?
Controle Estatístico do Processo
C E P
ESTATÍSTICA
QUAL É A BASE DO CEP?
Controle Estatístico do Processo
C E P
37
150,0 + 0,2 mm
É o que o cliente deseja !!!
Mas como eu cheguei nesta especificação?
Exemplo do giz de cera
ESTATÍSTICA - RECORDANDO UM POUCO ...
Controle Estatístico do Processo
C E P
150,O 150,1 150,2 150,3149,9149,8149,7
Tolerância: 150,0  0,2
EXEMPLO DO GIZ DE CERA:
Controle Estatístico do Processo
C E P
39
PARÂMETROS ESTATÍSTICOS
 Tendência central (posição)
 Média, mediana, moda.
 Tendência lateral (dispersão)
 Amplitude, Desvio padrão, Variância.
Controle Estatístico do Processo
C E P
40
CÁLCULOS
n
x
x
n
i
i
 1
Exemplo!
Média aritmética
Controle Estatístico do Processo
C E P
41
EXEMPLO:
Peça (Xi ) Medida
01 4,41
02 3,96
03 4,32
04 4,95
05 4,62
06 4,59
07 4,02
08 3,30
09 3,30
10 5,04
25,4
10
04,530,330,302,459,462,495,432,496,341,4



x
x
n
x
x
n
i
i
 1
Média aritmética
Controle Estatístico do Processo
C E P
42
CÁLCULOS:
2
ˆ
d
R

mínmáx xxR 
Exemplo!
Desvios padrão
Desvio Padrão Populacional: 
Desvio Padrão Amostral: s
Amplitude - R
 =
(x
n
i
i 1
n


 x)2
s
x
=
(x
n - 1
i
i 1
n


 )2
Controle Estatístico do Processo
C E P
43
AMPLITUDE (R):
Maior valor
(Xmáx)
Menor valor
(Xmín)
74,1
30,304,5



R
R
xxR
mínmáx
Peça (Xi ) Medida
01 4,41
02 3,96
03 4,32
04 4,95
05 4,62
06 4,59
07 4,02
08 3,30
09 3,30
10 5,04
Controle Estatístico do Processo
C E P
44
DESVIO PADRÃO (EXATO):
X1 4,41 4,25-4,41= -0,16 0,03
X2 3,96 4,25-3,96= 0,29 0,08
X3 4,32 4,25-4,32= -0,07 0,00
X4 4,95 4,25-4,95= -0,70 0,49
X5 4,62 4,25-4,62= -0,37 0,14
X6 4,59 4,25-4,59= -0,34 0,11
X7 4,02 4,25-4,02= 0,23 0,05
X8 3,30 4,25-3,30= 0,95 0,90
X9 3,30 4,25-3,30= 0,95 0,90
X10 5,04 4,25-5,04= -0,79 0,62
3,34TOTAL
2
)( ixx )( ixx )( ix
61,0
9
34,3
1
)(
1
2







n
xx
n
i
i
s
Peça (Xi ) Medida
01 4,41
02 3,96
03 4,32
04 4,95
05 4,62
06 4,59
07 4,02
08 3,30
09 3,30
10 5,04
Controle Estatístico do Processo
C E P
45
DESVIO PADRÃO ESTIMADO:
Peça (Xi ) Medida
01 4,41
02 3,96
03 4,32
04 4,95
05 4,62
06 4,59
07 4,02
08 3,30
09 3,30
10 5,04
57,0
078,3
74,1
ˆ
2

d
R

Controle Estatístico do Processo
C E P
46
HISTOGRAMA
 É um gráfico, de barras verticais, que mostra a variação em um
grupo de dados, através da distribuição de freqüência.
c d e f g ia b h
Quantidade
Classes
Controle Estatístico do Processo
C E P
47
Altura da barra vertical
(proporcional à freqüência de
ocorrência)
O eixo horizontal mostra a característica de
medida dividida em classes
h
Altura
HISTOGRAMA
Controle Estatístico do Processo
C E P
48
Classes
c d e f g ia b h
Quantidade
Curva de Gauss
(Normal)
Polígono de
Freqüência
HISTOGRAMA
Controle Estatístico do Processo
C E P
49
1x
2x
3x
4x
5x
6x
Ponto de
inflexão = 1 
Média da
distribuição

ÁREA SOB A CURVA NORMAL
P X x e dx
xx
( )
( )
 




1
2
2
2
2
 


Controle Estatístico do Processo
C E P
50
%9999998,996
%999943,995
%994,994
%73,993
%952
%681












x
x
x
x
x
x
ÁREA SOB A CURVA NORMAL - (PROBABILIDADE)
Controle Estatístico do Processo
C E P
51
68 %
16 %
16 %
1x1x
Controle Estatístico do Processo
C E P
52
95 %
2,5 %
2,5 %
2x2x
Controle Estatístico do Processo
C E P
53
99,73 %
0,135 % 0,135 %
3x3x
Controle Estatístico do Processo
C E P
54
CONSTRUÇÃO DO HISTOGRAMA:
 Número de amostras (N)
 Tamanho da amostra (n)
 Número de classes (k)
N.n k
31 a 50
51 a 100
101 a 250
acima de 250
5 a 7
6 a 10
7 a 12
10 a 20
Controle Estatístico do Processo
C E P
55
 Amplitude (R)
 R = Maior leitura - Menor leitura
 Amplitude de classe (h)
 h = R : k
CONSTRUÇÃO DO HISTOGRAMA:
Controle Estatístico do Processo
C E P
56
 Foram observados 100 diâmetros de um eixo (20 amostras de
tamanho = 5):
 N.n = 20 x 5 = 100 medidas
 k = 6 a 10 (tabela); k escolhido = 10 classes
 Maior leitura = 3,68 mm
 Menor leitura = 3,30 mm
 Amplitude (R) = 3,68 - 3,30 = 0,38 mm
 h = R : k = 0,38 : 10 = 0,038 ou 0,04 mm
EXEMPLO:
Controle Estatístico do Processo
C E P
57
3,30 3,34
3,66 3,70
3,62 3,66
3,58 3,62
3,38 3,42
3,42 3,46
3,46 3,50
3,50 3,54
3,54 3,58
Classe Não Ajustada
3,34 3,38
02 **
23 ***** ***** ***** ***** ***
22 ***** ***** ***** ***** **
04 ****
05 *****
10 ***** *****
15 ***** ***** *****
10 ***** *****
05 *****
04 ****
Freqüência
3,30 3,335
3,34 3,375
3,66 3,765
3,62 3,655
3,58 3,615
3,38 3,415
3,42 3,455
3,46 3,495
3,50 3,535
Classe Ajustada
3,50 3,535
EXEMPLO:
Controle Estatístico do Processo
C E P
58
Quantidade
Classes
3,30
3,34
3,38
3,50
3,42
3,46
3,54
3,58
3,62
3,66
3,70
5
2
22
10
4
23
15
10
5
4
00
05
10
15
20
25
Controle Estatístico do Processo
C E P
59
DISTRIBUIÇÃO NORMAL:
 Determinação da probabilidade.
 Tomemos o seguinte exemplo:
 Um processo produz peças segundo uma distribuição
normal de média 150,0 mm e desvio padrão de 0,5 mm.
 Queremos saber qual a porcentagem de peças produzidas,
por esse processo, que têm medida superior a 151,5 mm
Controle Estatístico do Processo
C E P
60
150,0 mm
 = 0,5 mm
P(X>151,5)
Controle Estatístico do Processo
C E P
61
TABELA NORMAL REDUZIDA:
 Usando a tabela normal reduzida:

xLSE
ou
LIExZ 
 No nosso exemplo:
%135,0)5,151(
00135,0)(00,3
>

xP
tabelaZ
5,0
0,1505,151 



xLSE
Z

Controle Estatístico do Processo
C E P
62
CPK AND CMK ANALYSIS
16,015,815,615,415,215,0
USLLSL
Process Capability Analysis for Altura Led
PPM Total
PPM > USL
PPM < LSL
PPM Total
PPM > USL
PPM < LSL
PPM Total
PPM > USL
PPM < LSL
Ppk
PPL
PPU
Pp
Cpm
Cpk
CPL
CPU
Cp
StDev (LT)
StDev (ST)
Sample N
Mean
LSL
Target
USL
64,60
32,30
32,30
17,00
8,50
8,50
0,00
0,00
0,00
1,33
1,33
1,33
1,33
*
1,43
1,43
1,43
1,43
0,146148
0,135762
216
15,4996
14,9157
*
16,0835
Expected LT PerformanceExpected ST PerformanceObserved PerformanceOverall (LT) Capability
Potential (ST) Capability
Process Data
ST
LT
Controle Estatístico do Processo
C E P
63
 Aplicação Prática
 O índice Cp;
 O índice Cpk;
 Cpk e Nível Sigma.
6
LIELSE
Cp

 




 

 3
;
3
.
LIExxLSE
mínCpk
CPK AND CMK ANALYSIS
Controle Estatístico do Processo
C E P
ENTENDENDO UM POUCO DE CAPABILIDADE
Muita variação
Descentralizado
Pouca variação
Centralizado
Baixa Capabilidade
do Processo
LIE LIE LSE
Alta
Capabilidade
de ProcessoMédia deslocada
e
dispersão
excessiva
LSE
Controle Estatístico do Processo
C E P
LIE LSE LIE LSE
Pouca variação
Descentralizado
Muita variação
Descentralizado
Controle Estatístico do Processo
C E P
OBJETIVO DO 6 !
Na mosca!
Pouca variação => EXATIDÃO
Centralizado=> PRECISÃO
LIE LSE
Controle Estatístico do Processo
C E P
O QUE SIGNIFICA UM PROCESSO SER “3”
+ 3 de Capabilidade
-
LSE
1  2  3 
LIE Alvo
Desvio
padrão
Controle Estatístico do Processo
C E P
LSELIE
6432 51
Alvo
+ 6 de Capabilidade
-
AGORA VAMOS VER UM PROCESSO “6”
Controle Estatístico do Processo
C E P
ONDE ESTAMOS HOJE ???...
2 308.537
3 66.807
4 6.210
5 233
6 3,4
 PPM
Capabilidade de Processo Defeitos por Milhão
de Oportunidades
Cpk
0,67
1,00
1,33
1,67
2,00
Controle Estatístico do Processo
C E P
70
IMPLANTAÇÃO OU REESTRUTURAÇÃO DO CEP - CONCEITOS
 Elaboração de uma estrutura simples e funcional;
 Que possibilite a interação dos setores envolvidos;
 Que propicie a evolução do sistema da Qualidade;
 Prevenção de falhas;
 Ações preventivas;
 Melhoria contínua;
Controle Estatístico do Processo
C E P
71
OBJETIVOS ESPECÍFICOS DO CEP
 Reduzir perdas e retrabalhos;
 Tornar e manter os processos capazes;
 Identificar as causas dos problemas;
 Planejar as ações corretivas e/ou preventivas;
 Obter a estabilidade dos processos;
 Melhorar a qualidade da mão de obra;
 Garantir a qualidade do produto final.
Controle Estatístico do Processo
C E P
72
A EQUIPE GERENCIAL
 Formada por membros de alta responsabilidade na empresa;
 Deve cobrir todas as áreas da empresa;
 Deve nomear um coordenador para a implantação e
manutenção;
 Compromisso pessoal de dedicação ao sistema;
 Reuniões periódicas de caráter deliberativo.
Controle Estatístico do Processo
C E P
73
COORDENADOR
 Deve dedicar-se efetivamente à implantação e manutenção;
 Seguir as diretrizes traçadas pela equipe gerencial;
FUNÇÕES DO COORDENADOR:
 Reduzir ao mínimo o tempo de implantação;
 Ter um cronograma preliminar, detalhado por setor;
 Definir os objetivos;
 Estimar as quantidades e tipos de gráficos previstos;
 Prever as várias etapas e tipos de treinamento a serem ministrados;
 Determinar as responsabilidades dentro dos processos;
 Desenvolver o trabalho em equipe.
Controle Estatístico do Processo
C E P
74
GRUPOS SETORIAIS
 Formados por integrantes dos vários departamentos da
empresa;
 Devem ter como base de apoio:
 Engenharia do produto;
 Engenharia de processo;
 Gestão da Qualidade;
 Produção;
 Manutenção;
 Área financeira (Análise e controle de custos)
Controle Estatístico do Processo
C E P
75
GRUPOS SETORIAIS (CONT.)
 Os membros devem reunir-se afim de:
 Estudar procedimentos;
 Tomar decisões;
 Planejar novas ações;
 Resumir progressos;
 Reportar resultados.
Controle Estatístico do Processo
C E P
76
GRUPOS SETORIAIS (FUNÇÕES)
 Elaborar o plano setorial de implantação;
 Estabelecer os procedimentos para o CEP, adaptados às
necessidades do setor e objetivos da empresa;
 Preparar os formulários e instruções escritas necessários ao
efetivo uso desses procedimentos;
 Planejar e conduzir os estudos de capacidade do processo;
Controle Estatístico do Processo
C E P
77
GRUPOS SETORIAIS (FUNÇÕES)
 Planejar os gráficos de controle do setor e determinar o tipo e o
número a ser utilizado;
 Implantar os gráficos, treinando os operadores;
 Medir, analisar e relatar, periodicamente, os progressos e as
inadequações encontradas;
 Analisar criticamente, periódica e sistematicamente, cada
gráfico;
Controle Estatístico do Processo
C E P
78
FATORES QUE DIFICULTAM A IMPLANTAÇÃO:
 Ausência de objetivos claros e definidos;
 Alegação de atrasos na produção;
 Mentalidade de “apaga-incêndio”;
 Desinformação (custo de implantação);
 Expectativas de resultados a curto prazo;
 Falta de confiança no sistema;
Controle Estatístico do Processo
C E P
79
FATORES QUE DIFICULTAM A IMPLANTAÇÃO: (CONT.)
 Falta de comprometimento;
 Falta de apoio ou estímulo da alta administração;
 Falta de cooperação e envolvimento;
 Barreiras interdepartamentais;
 Medo de mudanças;
 Falta de definição de responsabilidades;
 Burocracia excessiva (decisão demorada);
 Acesso difícil às informações sobre custos;
Controle Estatístico do Processo
C E P
80
CONCEITOS IMPORTANTES NA IMPLANTAÇÃO:
 A evolução é contínua;
 Nenhum dos passos pode ser considerado definitivo;
 Consciência que deve haver uma mudança no sistema atual;
Controle Estatístico do Processo
C E P
81
CONCEITOS CHAVES:
 Qualidade é Função e não Departamento;
 A Qualidade tem dois inimigos básicos:
 As variações e
 A permissividade.
 Todos os problemas ou defeitos estão correlacionados a
requisitos do consumidor e especificações do projeto não
atendidas;
 Prevenção é não deixar a falha acontecer;
 É mais econômico prevenir as falhas do que tentar mantê-las
sob controle;
Controle Estatístico do Processo
C E P
82
CONCEITOS CHAVES: (CONT.)
 A força maior para erradicar falhas reside na gerência e
supervisão;
 Se a qualidade for a prioridade primeira, os objetivos de volume,
custo e prazo serão obtidos mais facilmente;
 Quanto melhor a qualidade, maior a produtividade e menores os
custos;
 A qualidade é obtida por quem faz o trabalho e não por quem a
controla;
Controle Estatístico do Processo
C E P
83
CONCEITOS PARA PREVENIR:
 O projeto deve formalizar as necessidades e desejos do Cliente;
 O projeto deve estar “vacinado” contra oportunidades de falhas;
 Observar o processo e identificar oportunidades de falha;
 O processo deve ser bem definido, previsível e capaz;
 Obter qualidade na prevenção e não na avaliação;
Controle Estatístico do Processo
C E P
84
CONCEITO SOCIAL:
 Livre e franca conversação entre todos os níveis;
 Programa de treinamento contínuo;
 O líder não policia e sim tutela;
 Cada colaborador é responsável pelo trabalho que executa;
 A responsabilidade das falhas não é só do operador mas de todo
o sistema.
Controle Estatístico do Processo
C E P
85
MASP - FERRAMENTAS ELEMENTARES.
 Tempestade de idéias;
 Fluxograma de processo;
 Folha de verificação;
 Diagrama de Pareto;
 Diagrama de Causa e Efeito;
 Histograma;
 Carta de Controle;
Controle Estatístico do Processo
C E P
REFERÊNCIAS BIBLIOGRÁFICAS
 Esta apostila foi elaborada por Divino Vieira da Silva, utilizando as
seguintes referências:
 Manual do Green Belt - GE Dako - Six Sigma Training GE Dako -
2000;
 Manual do Programa Black Belt para Candidatos do Grupo
Brasmaotor - FDG - Fundação de Desenvolvimento Gerencial -
1998;
 Aperfeiçoamento da Qualidade e da Produtividade - John L.
Hradeski - Mc Graw Hill - 1989;
 Brassard, Michael - Memory Jogger - Qualitymark Editora Ltda -
1996;
 Ferramentas Estatísticas Básicas para o Gerenciamento de
Processos - WERKEMA, Maria Cristina Catarino - Fundação
Christiano Ottoni - 1995.

Mais conteúdo relacionado

Mais procurados

Noções Básicas de Estatística
Noções Básicas de EstatísticaNoções Básicas de Estatística
Noções Básicas de Estatística
Elisa Rocha Pinto de Castro
 
Teste de hipoteses
Teste de hipotesesTeste de hipoteses
Teste de hipoteses
zimbu
 
Carta de Controle - André.pptx
Carta de Controle - André.pptxCarta de Controle - André.pptx
Carta de Controle - André.pptx
CassioPereiradePaula2
 
Introdução ao modelo clássico de regressão linear
Introdução ao modelo clássico de regressão linearIntrodução ao modelo clássico de regressão linear
Introdução ao modelo clássico de regressão linear
Felipe Pontes
 
Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais
Rodrigo Rodrigues
 
Testes de especificação, diagnóstico e interpretação de Modelo OLS (Ordinary ...
Testes de especificação, diagnóstico e interpretação de Modelo OLS (Ordinary ...Testes de especificação, diagnóstico e interpretação de Modelo OLS (Ordinary ...
Testes de especificação, diagnóstico e interpretação de Modelo OLS (Ordinary ...
Kleverton Saath
 
Gráfico de gantt
Gráfico de ganttGráfico de gantt
Gráfico de gantt
Edesio Silva Alves
 
Estatística Para Engenharia - Correlação e Regressão Linear - Exercícios.
Estatística Para Engenharia - Correlação e Regressão Linear - Exercícios.Estatística Para Engenharia - Correlação e Regressão Linear - Exercícios.
Estatística Para Engenharia - Correlação e Regressão Linear - Exercícios.
Jean Paulo Mendes Alves
 
Aula Qualidade 3
Aula Qualidade 3Aula Qualidade 3
Aula Qualidade 3
rosilane32
 
421548223-CEP-Controle-Estatistico-de-Processo.ppt
421548223-CEP-Controle-Estatistico-de-Processo.ppt421548223-CEP-Controle-Estatistico-de-Processo.ppt
421548223-CEP-Controle-Estatistico-de-Processo.ppt
Marcos Boaventura
 
Prática de Regressão no SPSS
Prática de Regressão no SPSSPrática de Regressão no SPSS
Prática de Regressão no SPSS
Vitor Vieira Vasconcelos
 
Testes hipoteses introducao
Testes hipoteses introducaoTestes hipoteses introducao
Testes hipoteses introducao
Célia M. D. Sales
 
Introdução à Regressão Linear
Introdução à Regressão LinearIntrodução à Regressão Linear
Introdução à Regressão Linear
Fernando A. B. Sabino da Silva
 
Modelagem de Processos e Decisões com BPMN e DMN
Modelagem de Processos e Decisões com BPMN e DMNModelagem de Processos e Decisões com BPMN e DMN
Modelagem de Processos e Decisões com BPMN e DMN
Mauricio Bitencourt, CBPP
 
Gestão de qualidade (slides)
Gestão de qualidade (slides)Gestão de qualidade (slides)
Gestão de qualidade (slides)
Roberto Luna Mendes Monteiro Filho
 
Criação e Gestão de Indicadores de Processos
Criação e Gestão de Indicadores de ProcessosCriação e Gestão de Indicadores de Processos
Criação e Gestão de Indicadores de Processos
Stratec Informática
 
Distribuição normal
Distribuição normalDistribuição normal
Distribuição normal
joseagrosa
 
Trabalho de estatística
Trabalho de estatísticaTrabalho de estatística
Trabalho de estatística
1721lab
 
Qualidade e Produtividade
Qualidade e ProdutividadeQualidade e Produtividade
Qualidade e Produtividade
Hyldon Herbert Dias Mendes
 
Testes de hipóteses
Testes de hipótesesTestes de hipóteses
Testes de hipóteses
CLT Valuebased Services
 

Mais procurados (20)

Noções Básicas de Estatística
Noções Básicas de EstatísticaNoções Básicas de Estatística
Noções Básicas de Estatística
 
Teste de hipoteses
Teste de hipotesesTeste de hipoteses
Teste de hipoteses
 
Carta de Controle - André.pptx
Carta de Controle - André.pptxCarta de Controle - André.pptx
Carta de Controle - André.pptx
 
Introdução ao modelo clássico de regressão linear
Introdução ao modelo clássico de regressão linearIntrodução ao modelo clássico de regressão linear
Introdução ao modelo clássico de regressão linear
 
Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais Modelo de regressão linear: aspectos teóricos e computacionais
Modelo de regressão linear: aspectos teóricos e computacionais
 
Testes de especificação, diagnóstico e interpretação de Modelo OLS (Ordinary ...
Testes de especificação, diagnóstico e interpretação de Modelo OLS (Ordinary ...Testes de especificação, diagnóstico e interpretação de Modelo OLS (Ordinary ...
Testes de especificação, diagnóstico e interpretação de Modelo OLS (Ordinary ...
 
Gráfico de gantt
Gráfico de ganttGráfico de gantt
Gráfico de gantt
 
Estatística Para Engenharia - Correlação e Regressão Linear - Exercícios.
Estatística Para Engenharia - Correlação e Regressão Linear - Exercícios.Estatística Para Engenharia - Correlação e Regressão Linear - Exercícios.
Estatística Para Engenharia - Correlação e Regressão Linear - Exercícios.
 
Aula Qualidade 3
Aula Qualidade 3Aula Qualidade 3
Aula Qualidade 3
 
421548223-CEP-Controle-Estatistico-de-Processo.ppt
421548223-CEP-Controle-Estatistico-de-Processo.ppt421548223-CEP-Controle-Estatistico-de-Processo.ppt
421548223-CEP-Controle-Estatistico-de-Processo.ppt
 
Prática de Regressão no SPSS
Prática de Regressão no SPSSPrática de Regressão no SPSS
Prática de Regressão no SPSS
 
Testes hipoteses introducao
Testes hipoteses introducaoTestes hipoteses introducao
Testes hipoteses introducao
 
Introdução à Regressão Linear
Introdução à Regressão LinearIntrodução à Regressão Linear
Introdução à Regressão Linear
 
Modelagem de Processos e Decisões com BPMN e DMN
Modelagem de Processos e Decisões com BPMN e DMNModelagem de Processos e Decisões com BPMN e DMN
Modelagem de Processos e Decisões com BPMN e DMN
 
Gestão de qualidade (slides)
Gestão de qualidade (slides)Gestão de qualidade (slides)
Gestão de qualidade (slides)
 
Criação e Gestão de Indicadores de Processos
Criação e Gestão de Indicadores de ProcessosCriação e Gestão de Indicadores de Processos
Criação e Gestão de Indicadores de Processos
 
Distribuição normal
Distribuição normalDistribuição normal
Distribuição normal
 
Trabalho de estatística
Trabalho de estatísticaTrabalho de estatística
Trabalho de estatística
 
Qualidade e Produtividade
Qualidade e ProdutividadeQualidade e Produtividade
Qualidade e Produtividade
 
Testes de hipóteses
Testes de hipótesesTestes de hipóteses
Testes de hipóteses
 

Destaque

Apresentação de Estatística Aplicada a Qualidade
Apresentação de Estatística Aplicada a QualidadeApresentação de Estatística Aplicada a Qualidade
Apresentação de Estatística Aplicada a Qualidade
Wilson Rodrigues
 
Aula introducao cep
Aula introducao cepAula introducao cep
Aula introducao cep
nigr0 s
 
Gerenciamento de Qualidade
Gerenciamento de QualidadeGerenciamento de Qualidade
Gerenciamento de Qualidade
elliando dias
 
Cep
CepCep
Cep
emc5714
 
Introdução à Engenharia da Qualidade e o Método Taguchi
Introdução à Engenharia da Qualidade e o Método TaguchiIntrodução à Engenharia da Qualidade e o Método Taguchi
Introdução à Engenharia da Qualidade e o Método Taguchi
Carlos Yukimura
 
Estatística Básica - Ensino médio, concursos, 6 Sigma, Qualidade
Estatística Básica - Ensino médio, concursos, 6 Sigma, QualidadeEstatística Básica - Ensino médio, concursos, 6 Sigma, Qualidade
Estatística Básica - Ensino médio, concursos, 6 Sigma, Qualidade
Horacimar Cotrim
 
Estatistica facil
Estatistica facilEstatistica facil
Estatistica facil
Larissa Pinheiro
 
Estatística - Aula 2 - Estatística descritiva
Estatística - Aula 2 - Estatística descritivaEstatística - Aula 2 - Estatística descritiva
Estatística - Aula 2 - Estatística descritiva
Helder Lopes
 
Livro estatística fácil antônio arnot crespo - ed saraiva
Livro estatística fácil   antônio arnot crespo - ed saraivaLivro estatística fácil   antônio arnot crespo - ed saraiva
Livro estatística fácil antônio arnot crespo - ed saraiva
Pablo Cotes
 
Morettin estatistica básica, probabilidade
Morettin   estatistica básica, probabilidadeMorettin   estatistica básica, probabilidade
Morettin estatistica básica, probabilidade
lalabbesteves
 
129549705 estatistica-facil-antonio-arnot-crespo-19º-ed
129549705 estatistica-facil-antonio-arnot-crespo-19º-ed129549705 estatistica-facil-antonio-arnot-crespo-19º-ed
129549705 estatistica-facil-antonio-arnot-crespo-19º-ed
Gii Paulo
 
Apresentacao fmea
Apresentacao fmeaApresentacao fmea
Estatistica aplicada exercicios resolvidos manual tecnico formando
Estatistica aplicada exercicios resolvidos manual tecnico formandoEstatistica aplicada exercicios resolvidos manual tecnico formando
Estatistica aplicada exercicios resolvidos manual tecnico formando
Antonio Mankumbani Chora
 
Questões de provas e simulados probabilidade e estatística junho 2014
Questões de provas e simulados probabilidade e estatística junho 2014Questões de provas e simulados probabilidade e estatística junho 2014
Questões de provas e simulados probabilidade e estatística junho 2014
Nina Silva
 
Slides de estatística aplicada
Slides de estatística aplicadaSlides de estatística aplicada
Slides de estatística aplicada
Enio José Bolognini
 

Destaque (15)

Apresentação de Estatística Aplicada a Qualidade
Apresentação de Estatística Aplicada a QualidadeApresentação de Estatística Aplicada a Qualidade
Apresentação de Estatística Aplicada a Qualidade
 
Aula introducao cep
Aula introducao cepAula introducao cep
Aula introducao cep
 
Gerenciamento de Qualidade
Gerenciamento de QualidadeGerenciamento de Qualidade
Gerenciamento de Qualidade
 
Cep
CepCep
Cep
 
Introdução à Engenharia da Qualidade e o Método Taguchi
Introdução à Engenharia da Qualidade e o Método TaguchiIntrodução à Engenharia da Qualidade e o Método Taguchi
Introdução à Engenharia da Qualidade e o Método Taguchi
 
Estatística Básica - Ensino médio, concursos, 6 Sigma, Qualidade
Estatística Básica - Ensino médio, concursos, 6 Sigma, QualidadeEstatística Básica - Ensino médio, concursos, 6 Sigma, Qualidade
Estatística Básica - Ensino médio, concursos, 6 Sigma, Qualidade
 
Estatistica facil
Estatistica facilEstatistica facil
Estatistica facil
 
Estatística - Aula 2 - Estatística descritiva
Estatística - Aula 2 - Estatística descritivaEstatística - Aula 2 - Estatística descritiva
Estatística - Aula 2 - Estatística descritiva
 
Livro estatística fácil antônio arnot crespo - ed saraiva
Livro estatística fácil   antônio arnot crespo - ed saraivaLivro estatística fácil   antônio arnot crespo - ed saraiva
Livro estatística fácil antônio arnot crespo - ed saraiva
 
Morettin estatistica básica, probabilidade
Morettin   estatistica básica, probabilidadeMorettin   estatistica básica, probabilidade
Morettin estatistica básica, probabilidade
 
129549705 estatistica-facil-antonio-arnot-crespo-19º-ed
129549705 estatistica-facil-antonio-arnot-crespo-19º-ed129549705 estatistica-facil-antonio-arnot-crespo-19º-ed
129549705 estatistica-facil-antonio-arnot-crespo-19º-ed
 
Apresentacao fmea
Apresentacao fmeaApresentacao fmea
Apresentacao fmea
 
Estatistica aplicada exercicios resolvidos manual tecnico formando
Estatistica aplicada exercicios resolvidos manual tecnico formandoEstatistica aplicada exercicios resolvidos manual tecnico formando
Estatistica aplicada exercicios resolvidos manual tecnico formando
 
Questões de provas e simulados probabilidade e estatística junho 2014
Questões de provas e simulados probabilidade e estatística junho 2014Questões de provas e simulados probabilidade e estatística junho 2014
Questões de provas e simulados probabilidade e estatística junho 2014
 
Slides de estatística aplicada
Slides de estatística aplicadaSlides de estatística aplicada
Slides de estatística aplicada
 

Semelhante a Cep apres dvs

CEP APRESENTACAO COMPLETA.pdf
CEP APRESENTACAO COMPLETA.pdfCEP APRESENTACAO COMPLETA.pdf
CEP APRESENTACAO COMPLETA.pdf
Ligia Pinheiro da Silva
 
CEP APRESENTACAO COMPLETA.pdf
CEP APRESENTACAO COMPLETA.pdfCEP APRESENTACAO COMPLETA.pdf
CEP APRESENTACAO COMPLETA.pdf
Ligia Pinheiro da Silva
 
4. Controle Estatístico de Processos.pptx
4. Controle Estatístico de Processos.pptx4. Controle Estatístico de Processos.pptx
4. Controle Estatístico de Processos.pptx
RaulOliveira96
 
03 cep atributos1 (1)
03 cep atributos1 (1)03 cep atributos1 (1)
03 cep atributos1 (1)
raparecido2600
 
Controle+estatístico+da+qualidade[1]
Controle+estatístico+da+qualidade[1]Controle+estatístico+da+qualidade[1]
Controle+estatístico+da+qualidade[1]
silvioxavierjunior
 
Controle estatistico unijorge
Controle estatistico unijorgeControle estatistico unijorge
Controle estatistico unijorge
nigr0 s
 
Prof.Dr. Nilo Antonio de Souza Sampaio - CEP na área industrial
Prof.Dr. Nilo Antonio de Souza Sampaio - CEP na área industrialProf.Dr. Nilo Antonio de Souza Sampaio - CEP na área industrial
Prof.Dr. Nilo Antonio de Souza Sampaio - CEP na área industrial
Nilo Sampaio
 
CEP.pptx
CEP.pptxCEP.pptx
AULAO-EXTRA03_no_gab.pdf
AULAO-EXTRA03_no_gab.pdfAULAO-EXTRA03_no_gab.pdf
AULAO-EXTRA03_no_gab.pdf
PriscilaCarolinaSalo
 
Apresentação cep
Apresentação cepApresentação cep
Apresentação cepemc5714
 
Introdução ao CEP
Introdução ao CEPIntrodução ao CEP
Introdução ao CEP
Harbor Inf. Indl.
 
CEP
CEPCEP
02 Cep VariáVeis
02 Cep VariáVeis02 Cep VariáVeis
02 Cep VariáVeis
guestf4d212
 
Cepqualidadefusco2010
Cepqualidadefusco2010Cepqualidadefusco2010
Cepqualidadefusco2010
José Paulo Alves Fusco
 
Fmea for All
Fmea for AllFmea for All
Fmea for All
António Moreira
 
Process Capability
Process CapabilityProcess Capability
Process Capability
CLT Valuebased Services
 
Gráficos de Controle
Gráficos de ControleGráficos de Controle
Gráficos de Controle
Ramon Santos
 
DMAIC - Ferramentas para projetos Six Sigma - Lean
DMAIC - Ferramentas para projetos Six Sigma - LeanDMAIC - Ferramentas para projetos Six Sigma - Lean
DMAIC - Ferramentas para projetos Six Sigma - Lean
Aragon Vieira
 
Controle de processos
Controle de processosControle de processos
Controle de processos
Claudio Correa
 
Aula 1 __introdu__o___engenharia_da_qualidade
Aula 1 __introdu__o___engenharia_da_qualidadeAula 1 __introdu__o___engenharia_da_qualidade
Aula 1 __introdu__o___engenharia_da_qualidade
Geisa Duarte
 

Semelhante a Cep apres dvs (20)

CEP APRESENTACAO COMPLETA.pdf
CEP APRESENTACAO COMPLETA.pdfCEP APRESENTACAO COMPLETA.pdf
CEP APRESENTACAO COMPLETA.pdf
 
CEP APRESENTACAO COMPLETA.pdf
CEP APRESENTACAO COMPLETA.pdfCEP APRESENTACAO COMPLETA.pdf
CEP APRESENTACAO COMPLETA.pdf
 
4. Controle Estatístico de Processos.pptx
4. Controle Estatístico de Processos.pptx4. Controle Estatístico de Processos.pptx
4. Controle Estatístico de Processos.pptx
 
03 cep atributos1 (1)
03 cep atributos1 (1)03 cep atributos1 (1)
03 cep atributos1 (1)
 
Controle+estatístico+da+qualidade[1]
Controle+estatístico+da+qualidade[1]Controle+estatístico+da+qualidade[1]
Controle+estatístico+da+qualidade[1]
 
Controle estatistico unijorge
Controle estatistico unijorgeControle estatistico unijorge
Controle estatistico unijorge
 
Prof.Dr. Nilo Antonio de Souza Sampaio - CEP na área industrial
Prof.Dr. Nilo Antonio de Souza Sampaio - CEP na área industrialProf.Dr. Nilo Antonio de Souza Sampaio - CEP na área industrial
Prof.Dr. Nilo Antonio de Souza Sampaio - CEP na área industrial
 
CEP.pptx
CEP.pptxCEP.pptx
CEP.pptx
 
AULAO-EXTRA03_no_gab.pdf
AULAO-EXTRA03_no_gab.pdfAULAO-EXTRA03_no_gab.pdf
AULAO-EXTRA03_no_gab.pdf
 
Apresentação cep
Apresentação cepApresentação cep
Apresentação cep
 
Introdução ao CEP
Introdução ao CEPIntrodução ao CEP
Introdução ao CEP
 
CEP
CEPCEP
CEP
 
02 Cep VariáVeis
02 Cep VariáVeis02 Cep VariáVeis
02 Cep VariáVeis
 
Cepqualidadefusco2010
Cepqualidadefusco2010Cepqualidadefusco2010
Cepqualidadefusco2010
 
Fmea for All
Fmea for AllFmea for All
Fmea for All
 
Process Capability
Process CapabilityProcess Capability
Process Capability
 
Gráficos de Controle
Gráficos de ControleGráficos de Controle
Gráficos de Controle
 
DMAIC - Ferramentas para projetos Six Sigma - Lean
DMAIC - Ferramentas para projetos Six Sigma - LeanDMAIC - Ferramentas para projetos Six Sigma - Lean
DMAIC - Ferramentas para projetos Six Sigma - Lean
 
Controle de processos
Controle de processosControle de processos
Controle de processos
 
Aula 1 __introdu__o___engenharia_da_qualidade
Aula 1 __introdu__o___engenharia_da_qualidadeAula 1 __introdu__o___engenharia_da_qualidade
Aula 1 __introdu__o___engenharia_da_qualidade
 

Cep apres dvs

  • 1. Controle Estatístico do Processo C E P 1 Controle Estatístico do Processo - CEP
  • 2. Controle Estatístico do Processo C E P 2 EXPECTATIVAS FUTURAS SOBREVIVÊNCIA PELA PRODUTIVIDADE
  • 3. Controle Estatístico do Processo C E P 3 TIPOS DE EMPRESAS INERTES TEORIA DO SAPO FERVIDO REATIVAS TEORIA DA CENOURA PRÓ-ATIVAS SE ANTECIPAM AS TENDÊNCIAS
  • 4. Controle Estatístico do Processo C E P 4 OBJETIVOS DE UMA EMPRESA HONESTA Uma empresa honesta SÓ PODERÁ SOBREVIVER dentro de uma sociedade se for para contribuir para a SATISFAÇÃO DAS PESSOAS. CLIENTE PRIORIDADE • Cliente : Característica de Qualidade VALOR • Colaborador: Crescimento do ser humano • Acionista: Produtividade CUSTO/PREÇO
  • 5. Controle Estatístico do Processo C E P 5 SOBREVIVÊNCIA DA EMPRESA Para toda empresa existe e cada vez mais FORTE, a possibilidade de saturação de mercado para os seus produtos; novas tecnologias que com o tempo os tornam obsoletos ou caros demais quando comparados com novos produtos e/ou da CONCORRÊNCIA. Apenas com um processo de MELHORIA CONTÍNUA é possível alcançar o nível potencial ideal de produtividade e lucratividade que pode representar o SUCESSO ou o FRACASSO da EMPRESA.
  • 6. Controle Estatístico do Processo C E P 6 VALOR = Qualidade X Atendimento Custo X Tempo VALOR: PRODUTOS / SERVIÇOS QUE SE TORNAM NECESSÁRIOS; DESEJADOS E AMBICIONADOS PELOS CLIENTES Melhorar => Controlar
  • 7. Controle Estatístico do Processo C E P 7  Existem várias formas de se manter controle sobre as variáveis mais importantes do processo:  Elaboração de check list e procedimentos;  Dispositivos à prova de erros;  Controle Estatístico do Processo - CEP. CONTROLE - FORMAS
  • 8. Controle Estatístico do Processo C E P 8  Dispositivos à prova de erros (Poka-yoke)  A Toyota foi a pioneira na elaboração destes dispositivos, criando os sistemas de pino e furos descentralizados nas suas linhas de montagem.  Consiste em tornar o controle dos poucos “X’s” vitais, automático; fazendo com que a probabilidade de o operador cometer um erro seja nula. CONTROLE - POKA-YOKE
  • 9. Controle Estatístico do Processo C E P 9 O QUE É CEP?  Representação gráfica da variação de um processo ou produto ao longo do tempo;  Transforma os dados em padrões que podem ser testados estatisticamente;  Usado para detectar se alguma causa especial está provocando variação.
  • 10. Controle Estatístico do Processo C E P 10 Processo APROVADO REJEITADO 6M Material Mão de obra Meio Medidas Métodos Máquina Inspeção FOCO: • Produto CONTROLE POR: “DETECÇÃO“
  • 11. Controle Estatístico do Processo C E P 11 CONTROLE POR: “PREVENÇÃO“ Processo FOCO: • Processo • Produto 6M Auditoria C E P Monitoramento Ajustes Material Mão de obra Meio Medidas Métodos Máquina APROVADO REJEITADO
  • 12. Controle Estatístico do Processo C E P 12 FLUXOGRAMA PARA IMPLANTAÇÃO DO CEP Seleção dos Pontos Críticos Escolha do meio de medição Estudo de MSA OK? NÃO SIM Cmk é viável? Estudo de Cmk OK? Plano de Ação Estudo de Cpk Carta Experimental Análise crítica dos Resultados CARTA Análise critica dos resultados OK? Plano de Ação SIM NÃO Relatório de justificativa SIM OK? Plano de Ação Treinamento Operacional SIMNÃO SIM NÃO NÃO
  • 13. Controle Estatístico do Processo C E P 13 ALGUNS BENEFÍCIOS DO CEP  Custos mais baixos de fabricação;  Processos estáveis e controlados;  Especificações mais realistas;  Menos inspeções;  Melhor qualidade do produto.
  • 14. Controle Estatístico do Processo C E P 14  Use FMEA para identificar RPN’s (Número de Prioridade de Risco) elevados devido a falta de controle;  Identifique fatores críticos através de experimentos;  Identifique fatores críticos através de gráficos de dispersão;  Coloque inicialmente os gráficos nas variáveis de saída (“Y”);  Depois, coloque gráficos nas variáveis críticas de entrada;  Se um gráfico não estiver proporcionando informação para gerar ações, REMOVA-O. GRÁFICOS DE CONTROLE - ESTRATÉGIA PARA UTILIZAÇÃO:
  • 15. Controle Estatístico do Processo C E P 15 N=1Quando é necessário um longo período de tempo para se obter uma amostra significativa Monitorar a variabilidade de uma característica individual Individual Amplitude Móvel I e MR N>6Usado em conjunto com o gráfico de médias Monitorar a variabilidade (+ sensível) Desvio Padrão S 2<n<6Usado em conjunto com o gráfico de médias Monitorar a variabilidade Amplitude R N>1Amostragem de + de 3 unidades por vez Monitorar a média de uma característica Média X Sub grupoAplicaçãoFinalidadeTipo de Gráfico TIPOS DE GRÁFICOS DE CONTROLE PARA VARIÁVEIS
  • 16. Controle Estatístico do Processo C E P 16 Sub grupoAplicaçãoFinalidadeTipo de Gráfico = 1Número de defeitos por unidade inspecionada Número de defeitos por unidade inspecionada Número médio de defeitos por unidade VariávelNúmero de defeitos por subgrupo inspecionado Número de defeitos por subgrupo inspecionado Número de defeitos por subgrupo (c) VariávelO resultado da inspeção é “passou / falhou” Unidades rejeitadas / unidades inspecionadas em um subgrupo Fração defeituosa (p) FixoTamanho do subgrupo fixo Número de unidades defeituosas em um subgrupo Número de defeituosos (np) TIPOS DE GRÁFICOS DE CONTROLE PARA ATRIBUTOS
  • 17. Controle Estatístico do Processo C E P 17 X ind e MR Tipo Dados início Defeitos Ou Defeituosos Individual Ou Subgrupo Oportunidades constantes Sub grupo <6 Tamanho Amostra constante X barra e R X barra e S Np ou p pC ou UU ATRIBUTOS VARIÁVEIS DEFEITUOSOS DEFEITOS INDIVIDUAIS SUBGRUPOS RACIONAIS NÃO SIMNÃO SIMNÃO SIM ESCOLHA DO TIPO DE GRÁFICO
  • 18. Controle Estatístico do Processo C E P 18 LSC = Limite Superior de Controle (média + 3 σ) LIC = Limite Inferior de Controle (média - 3 σ) LC = Linha Central LSC LIC LC TEMPO GRÁFICOS DE CONTROLE - COMPONENTES DE UM GRÁFICO: “Y”(Resposta,oquêestamos medindo)
  • 19. Controle Estatístico do Processo C E P 19 LSC = Limite superior de controle LIC = Limite inferior de controle LSE = Limite Superior de Especificação LIE = Limite Inferior de Especificação LSC LIC LC TEMPO LSE LIE GRÁFICOS DE CONTROLE - LSC E LIC X LSE E LIE
  • 20. Controle Estatístico do Processo C E P 20 LIMITES DE CONTROLE PARA VARIÁVEIS Carta R/X Gráfico das Médias Gráfico das Amplitudes LSC X A RX   2 LSC D RR  4 LIC X A RX   2 LIC D RR  3 Carta X R/ Gráfico de Valores Individuais Gráfico das Amplitudes LSC X A RX   2 LSC D RR  4 LIC X A RX   2 LIC D RR  3
  • 21. Controle Estatístico do Processo C E P 21 FATORES PARA CÁLCULO DOS LIMITES Número de Valores CartaX R/ CartaX R/ n A2 d2 D3 D4 A2 D2 D3 D4 2 1.880 1.128 --- 3.267 2.660 1.128 --- 3.267 3 1.023 1.693 --- 2.574 1.772 1.693 --- 2.574 4 0.729 2.059 --- 2.282 1.457 2.059 --- 2.282 5 0.577 2.326 --- 2.114 1.290 2.326 --- 2.114 6 0.483 2.534 --- 2.004 1.184 2.534 --- 2.004 7 0.419 2.704 0.076 1.924 1.109 2.704 0.076 1.924 8 0.373 2.847 0.136 1.864 1.054 2.847 0.136 1.864 9 0.337 2.970 0.184 1.816 1.010 2.970 0.184 1.816 10 0.308 3.078 0.223 1.777 0.975 3.078 0.223 1.777
  • 22. Controle Estatístico do Processo C E P 22 LIMITES DE CONTROLE PARA ATRIBUTOS Carta Média Limite Superior de Controle Limite Inferior de Controle p LC p LSC p p p n    3 1( ) LIC p p p n    3 1( ) np LC np LSC np np p  3 1( ) LIC np np p  3 1( ) c LC c LSC c c  3 LIC c c  3 u LC u LSC u u n   3 LIC u u n   3
  • 23. Controle Estatístico do Processo C E P 23  Aplicação Prática  Carta de controle por variáveis  Xbarra, R SPC - CHART: PRODUTO: CÓDIGO: OPERAÇÃO/ M ÁQUINA: Comando XP7t Solda M EIO DE CONTROLE: ESPEC. M Í N.: ESPEC. M ÁX .: UNIDADE: Controle Visual --- --- --- Total de defeitos 11 16 24 21 26 17 14 21 28 31 26 33 20 30 Defeitos / Unidade 5,5 8 12 11 13 8,5 7 11 14 16 13 17 10 15 DATA 1/jul 1/jul 1/jul 1/jul 1/jul 1/jul 1/jul 1/jul 2/jul 2/jul 2/jul 2/jul 2/jul 2/jul HORA 1tur. 1tur. 1tur. 1tur. 2tur. 2tur. 2tur. 2tur. 1tur. 1tur. 1tur. 1tur. 2tur. 2tur. A Solda fria no led 7 14 17 18 15 13 12 11 24 29 20 29 18 16 B Solda fria (geral) 2 1 7 2 11 2 2 5 4 1 5 4 2 14 LSC LIC Média 19 0 9 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
  • 24. Controle Estatístico do Processo C E P 24 TEMPO Centralização GRÁFICOS DE CONTROLE - O QUE MUDOU?
  • 25. Controle Estatístico do Processo C E P 25 TEMPO Dispersão GRÁFICOS DE CONTROLE - O QUE MUDOU?
  • 26. Controle Estatístico do Processo C E P 26 TEMPO Centralização e Dispersão GRÁFICOS DE CONTROLE - O QUE MUDOU?
  • 27. Controle Estatístico do Processo C E P 27  Um ponto fora dos limites de controle (+ ou - 3 σ);  Dois de três pontos consecutivos fora dos limites (+ ou - 2σ);  Quatro de cinco pontos consecutivos fora dos limites (+ ou - 1 σ);  Sete pontos consecutivos de um mesmo lado da linha central;  Sete pontos consecutivos Crescentes;  Sete pontos consecutivos Decrescentes;  O padrão se repete oito vezes consecutivas;  Qualquer padrão claramente não aleatório.  IMPORTANTE: Todas as alterações do processo e as ações corretivas tomadas devem ser registradas no “Diário de Bordo”. GRÁFICOS DE CONTROLE - DETECTANDO A FALTA DE CONTROLE:
  • 28. Controle Estatístico do Processo C E P 28  PRINCÍPIO DA NATUREZA: Não existem dois seres exatamente iguais. MAS ... POR QUE OS PROCESSOS VARIAM???  Existem duas naturezas básicas de causas:  Causas Comuns,  Causas Especiais.
  • 29. Controle Estatístico do Processo C E P • Intrínsecas ao processo; • Presença constante; • Origem no sistema. EXEMPLOS: • Processo mal definido; • Equipamento inadequado; • Especificações mal definidas; • Condições ambientais inadequadas. CAUSAS COMUNS: Mais exemplos:
  • 30. Controle Estatístico do Processo C E P • Ocasionais; • Acidentais; • Localizadas; • Origem específica. EXEMPLOS: • Queima de uma resistência; • Quebra de uma ferramenta; • Desgaste excessivo de um equipamento; • Um operador particular. CAUSAS ESPECIAIS: Mais exemplos:
  • 31. Controle Estatístico do Processo C E P CAUSAS COMUNS: PODEM SER REDUZIDAS! • Ações gerenciais; • Atuação no sistema. VOLTANDO AOS EXEMPLOS: • Processo mal definido; • Equipamento inadequado; • Especificações mal definidas; • Condições ambientais inadequadas. Como reduzir as causas comuns???
  • 32. Controle Estatístico do Processo C E P CAUSAS ESPECIAIS: DEVEM SER LOCALIZADAS E ELIMINADAS! • Ações operacionais; • Atuação no local. VOLTANDO AOS EXEMPLOS: • Queima de uma resistência; • Quebra de uma ferramenta; • Desgaste excessivo de um equipamento; • Um operador particular. Como reduzir as causas especiais???
  • 33. Controle Estatístico do Processo C E P DOIS ERROS COMUNS: • Subcontrole: Inexistência de atuação sobre as causas comuns impedindo a redução da variabilidade. • Supercontrole: Atuar sobre causas “supostamente especiais” aumentando a variabilidade.
  • 34. Controle Estatístico do Processo C E P PROCESSOS AFETADOS SOMENTE POR CAUSAS COMUNS SÃO: • Sob controle (estatístico); • Estáveis; • Previsíveis.
  • 35. Controle Estatístico do Processo C E P PROCESSOS AFETADOS POR CAUSAS ESPECIAIS SÃO: • Fora de controle (estatístico); • Instáveis; • Imprevisíveis. ?
  • 36. Controle Estatístico do Processo C E P ESTATÍSTICA QUAL É A BASE DO CEP?
  • 37. Controle Estatístico do Processo C E P 37 150,0 + 0,2 mm É o que o cliente deseja !!! Mas como eu cheguei nesta especificação? Exemplo do giz de cera ESTATÍSTICA - RECORDANDO UM POUCO ...
  • 38. Controle Estatístico do Processo C E P 150,O 150,1 150,2 150,3149,9149,8149,7 Tolerância: 150,0  0,2 EXEMPLO DO GIZ DE CERA:
  • 39. Controle Estatístico do Processo C E P 39 PARÂMETROS ESTATÍSTICOS  Tendência central (posição)  Média, mediana, moda.  Tendência lateral (dispersão)  Amplitude, Desvio padrão, Variância.
  • 40. Controle Estatístico do Processo C E P 40 CÁLCULOS n x x n i i  1 Exemplo! Média aritmética
  • 41. Controle Estatístico do Processo C E P 41 EXEMPLO: Peça (Xi ) Medida 01 4,41 02 3,96 03 4,32 04 4,95 05 4,62 06 4,59 07 4,02 08 3,30 09 3,30 10 5,04 25,4 10 04,530,330,302,459,462,495,432,496,341,4    x x n x x n i i  1 Média aritmética
  • 42. Controle Estatístico do Processo C E P 42 CÁLCULOS: 2 ˆ d R  mínmáx xxR  Exemplo! Desvios padrão Desvio Padrão Populacional:  Desvio Padrão Amostral: s Amplitude - R  = (x n i i 1 n    x)2 s x = (x n - 1 i i 1 n    )2
  • 43. Controle Estatístico do Processo C E P 43 AMPLITUDE (R): Maior valor (Xmáx) Menor valor (Xmín) 74,1 30,304,5    R R xxR mínmáx Peça (Xi ) Medida 01 4,41 02 3,96 03 4,32 04 4,95 05 4,62 06 4,59 07 4,02 08 3,30 09 3,30 10 5,04
  • 44. Controle Estatístico do Processo C E P 44 DESVIO PADRÃO (EXATO): X1 4,41 4,25-4,41= -0,16 0,03 X2 3,96 4,25-3,96= 0,29 0,08 X3 4,32 4,25-4,32= -0,07 0,00 X4 4,95 4,25-4,95= -0,70 0,49 X5 4,62 4,25-4,62= -0,37 0,14 X6 4,59 4,25-4,59= -0,34 0,11 X7 4,02 4,25-4,02= 0,23 0,05 X8 3,30 4,25-3,30= 0,95 0,90 X9 3,30 4,25-3,30= 0,95 0,90 X10 5,04 4,25-5,04= -0,79 0,62 3,34TOTAL 2 )( ixx )( ixx )( ix 61,0 9 34,3 1 )( 1 2        n xx n i i s Peça (Xi ) Medida 01 4,41 02 3,96 03 4,32 04 4,95 05 4,62 06 4,59 07 4,02 08 3,30 09 3,30 10 5,04
  • 45. Controle Estatístico do Processo C E P 45 DESVIO PADRÃO ESTIMADO: Peça (Xi ) Medida 01 4,41 02 3,96 03 4,32 04 4,95 05 4,62 06 4,59 07 4,02 08 3,30 09 3,30 10 5,04 57,0 078,3 74,1 ˆ 2  d R 
  • 46. Controle Estatístico do Processo C E P 46 HISTOGRAMA  É um gráfico, de barras verticais, que mostra a variação em um grupo de dados, através da distribuição de freqüência. c d e f g ia b h Quantidade Classes
  • 47. Controle Estatístico do Processo C E P 47 Altura da barra vertical (proporcional à freqüência de ocorrência) O eixo horizontal mostra a característica de medida dividida em classes h Altura HISTOGRAMA
  • 48. Controle Estatístico do Processo C E P 48 Classes c d e f g ia b h Quantidade Curva de Gauss (Normal) Polígono de Freqüência HISTOGRAMA
  • 49. Controle Estatístico do Processo C E P 49 1x 2x 3x 4x 5x 6x Ponto de inflexão = 1  Média da distribuição  ÁREA SOB A CURVA NORMAL P X x e dx xx ( ) ( )       1 2 2 2 2    
  • 50. Controle Estatístico do Processo C E P 50 %9999998,996 %999943,995 %994,994 %73,993 %952 %681             x x x x x x ÁREA SOB A CURVA NORMAL - (PROBABILIDADE)
  • 51. Controle Estatístico do Processo C E P 51 68 % 16 % 16 % 1x1x
  • 52. Controle Estatístico do Processo C E P 52 95 % 2,5 % 2,5 % 2x2x
  • 53. Controle Estatístico do Processo C E P 53 99,73 % 0,135 % 0,135 % 3x3x
  • 54. Controle Estatístico do Processo C E P 54 CONSTRUÇÃO DO HISTOGRAMA:  Número de amostras (N)  Tamanho da amostra (n)  Número de classes (k) N.n k 31 a 50 51 a 100 101 a 250 acima de 250 5 a 7 6 a 10 7 a 12 10 a 20
  • 55. Controle Estatístico do Processo C E P 55  Amplitude (R)  R = Maior leitura - Menor leitura  Amplitude de classe (h)  h = R : k CONSTRUÇÃO DO HISTOGRAMA:
  • 56. Controle Estatístico do Processo C E P 56  Foram observados 100 diâmetros de um eixo (20 amostras de tamanho = 5):  N.n = 20 x 5 = 100 medidas  k = 6 a 10 (tabela); k escolhido = 10 classes  Maior leitura = 3,68 mm  Menor leitura = 3,30 mm  Amplitude (R) = 3,68 - 3,30 = 0,38 mm  h = R : k = 0,38 : 10 = 0,038 ou 0,04 mm EXEMPLO:
  • 57. Controle Estatístico do Processo C E P 57 3,30 3,34 3,66 3,70 3,62 3,66 3,58 3,62 3,38 3,42 3,42 3,46 3,46 3,50 3,50 3,54 3,54 3,58 Classe Não Ajustada 3,34 3,38 02 ** 23 ***** ***** ***** ***** *** 22 ***** ***** ***** ***** ** 04 **** 05 ***** 10 ***** ***** 15 ***** ***** ***** 10 ***** ***** 05 ***** 04 **** Freqüência 3,30 3,335 3,34 3,375 3,66 3,765 3,62 3,655 3,58 3,615 3,38 3,415 3,42 3,455 3,46 3,495 3,50 3,535 Classe Ajustada 3,50 3,535 EXEMPLO:
  • 58. Controle Estatístico do Processo C E P 58 Quantidade Classes 3,30 3,34 3,38 3,50 3,42 3,46 3,54 3,58 3,62 3,66 3,70 5 2 22 10 4 23 15 10 5 4 00 05 10 15 20 25
  • 59. Controle Estatístico do Processo C E P 59 DISTRIBUIÇÃO NORMAL:  Determinação da probabilidade.  Tomemos o seguinte exemplo:  Um processo produz peças segundo uma distribuição normal de média 150,0 mm e desvio padrão de 0,5 mm.  Queremos saber qual a porcentagem de peças produzidas, por esse processo, que têm medida superior a 151,5 mm
  • 60. Controle Estatístico do Processo C E P 60 150,0 mm  = 0,5 mm P(X>151,5)
  • 61. Controle Estatístico do Processo C E P 61 TABELA NORMAL REDUZIDA:  Usando a tabela normal reduzida:  xLSE ou LIExZ   No nosso exemplo: %135,0)5,151( 00135,0)(00,3 >  xP tabelaZ 5,0 0,1505,151     xLSE Z 
  • 62. Controle Estatístico do Processo C E P 62 CPK AND CMK ANALYSIS 16,015,815,615,415,215,0 USLLSL Process Capability Analysis for Altura Led PPM Total PPM > USL PPM < LSL PPM Total PPM > USL PPM < LSL PPM Total PPM > USL PPM < LSL Ppk PPL PPU Pp Cpm Cpk CPL CPU Cp StDev (LT) StDev (ST) Sample N Mean LSL Target USL 64,60 32,30 32,30 17,00 8,50 8,50 0,00 0,00 0,00 1,33 1,33 1,33 1,33 * 1,43 1,43 1,43 1,43 0,146148 0,135762 216 15,4996 14,9157 * 16,0835 Expected LT PerformanceExpected ST PerformanceObserved PerformanceOverall (LT) Capability Potential (ST) Capability Process Data ST LT
  • 63. Controle Estatístico do Processo C E P 63  Aplicação Prática  O índice Cp;  O índice Cpk;  Cpk e Nível Sigma. 6 LIELSE Cp            3 ; 3 . LIExxLSE mínCpk CPK AND CMK ANALYSIS
  • 64. Controle Estatístico do Processo C E P ENTENDENDO UM POUCO DE CAPABILIDADE Muita variação Descentralizado Pouca variação Centralizado Baixa Capabilidade do Processo LIE LIE LSE Alta Capabilidade de ProcessoMédia deslocada e dispersão excessiva LSE
  • 65. Controle Estatístico do Processo C E P LIE LSE LIE LSE Pouca variação Descentralizado Muita variação Descentralizado
  • 66. Controle Estatístico do Processo C E P OBJETIVO DO 6 ! Na mosca! Pouca variação => EXATIDÃO Centralizado=> PRECISÃO LIE LSE
  • 67. Controle Estatístico do Processo C E P O QUE SIGNIFICA UM PROCESSO SER “3” + 3 de Capabilidade - LSE 1  2  3  LIE Alvo Desvio padrão
  • 68. Controle Estatístico do Processo C E P LSELIE 6432 51 Alvo + 6 de Capabilidade - AGORA VAMOS VER UM PROCESSO “6”
  • 69. Controle Estatístico do Processo C E P ONDE ESTAMOS HOJE ???... 2 308.537 3 66.807 4 6.210 5 233 6 3,4  PPM Capabilidade de Processo Defeitos por Milhão de Oportunidades Cpk 0,67 1,00 1,33 1,67 2,00
  • 70. Controle Estatístico do Processo C E P 70 IMPLANTAÇÃO OU REESTRUTURAÇÃO DO CEP - CONCEITOS  Elaboração de uma estrutura simples e funcional;  Que possibilite a interação dos setores envolvidos;  Que propicie a evolução do sistema da Qualidade;  Prevenção de falhas;  Ações preventivas;  Melhoria contínua;
  • 71. Controle Estatístico do Processo C E P 71 OBJETIVOS ESPECÍFICOS DO CEP  Reduzir perdas e retrabalhos;  Tornar e manter os processos capazes;  Identificar as causas dos problemas;  Planejar as ações corretivas e/ou preventivas;  Obter a estabilidade dos processos;  Melhorar a qualidade da mão de obra;  Garantir a qualidade do produto final.
  • 72. Controle Estatístico do Processo C E P 72 A EQUIPE GERENCIAL  Formada por membros de alta responsabilidade na empresa;  Deve cobrir todas as áreas da empresa;  Deve nomear um coordenador para a implantação e manutenção;  Compromisso pessoal de dedicação ao sistema;  Reuniões periódicas de caráter deliberativo.
  • 73. Controle Estatístico do Processo C E P 73 COORDENADOR  Deve dedicar-se efetivamente à implantação e manutenção;  Seguir as diretrizes traçadas pela equipe gerencial; FUNÇÕES DO COORDENADOR:  Reduzir ao mínimo o tempo de implantação;  Ter um cronograma preliminar, detalhado por setor;  Definir os objetivos;  Estimar as quantidades e tipos de gráficos previstos;  Prever as várias etapas e tipos de treinamento a serem ministrados;  Determinar as responsabilidades dentro dos processos;  Desenvolver o trabalho em equipe.
  • 74. Controle Estatístico do Processo C E P 74 GRUPOS SETORIAIS  Formados por integrantes dos vários departamentos da empresa;  Devem ter como base de apoio:  Engenharia do produto;  Engenharia de processo;  Gestão da Qualidade;  Produção;  Manutenção;  Área financeira (Análise e controle de custos)
  • 75. Controle Estatístico do Processo C E P 75 GRUPOS SETORIAIS (CONT.)  Os membros devem reunir-se afim de:  Estudar procedimentos;  Tomar decisões;  Planejar novas ações;  Resumir progressos;  Reportar resultados.
  • 76. Controle Estatístico do Processo C E P 76 GRUPOS SETORIAIS (FUNÇÕES)  Elaborar o plano setorial de implantação;  Estabelecer os procedimentos para o CEP, adaptados às necessidades do setor e objetivos da empresa;  Preparar os formulários e instruções escritas necessários ao efetivo uso desses procedimentos;  Planejar e conduzir os estudos de capacidade do processo;
  • 77. Controle Estatístico do Processo C E P 77 GRUPOS SETORIAIS (FUNÇÕES)  Planejar os gráficos de controle do setor e determinar o tipo e o número a ser utilizado;  Implantar os gráficos, treinando os operadores;  Medir, analisar e relatar, periodicamente, os progressos e as inadequações encontradas;  Analisar criticamente, periódica e sistematicamente, cada gráfico;
  • 78. Controle Estatístico do Processo C E P 78 FATORES QUE DIFICULTAM A IMPLANTAÇÃO:  Ausência de objetivos claros e definidos;  Alegação de atrasos na produção;  Mentalidade de “apaga-incêndio”;  Desinformação (custo de implantação);  Expectativas de resultados a curto prazo;  Falta de confiança no sistema;
  • 79. Controle Estatístico do Processo C E P 79 FATORES QUE DIFICULTAM A IMPLANTAÇÃO: (CONT.)  Falta de comprometimento;  Falta de apoio ou estímulo da alta administração;  Falta de cooperação e envolvimento;  Barreiras interdepartamentais;  Medo de mudanças;  Falta de definição de responsabilidades;  Burocracia excessiva (decisão demorada);  Acesso difícil às informações sobre custos;
  • 80. Controle Estatístico do Processo C E P 80 CONCEITOS IMPORTANTES NA IMPLANTAÇÃO:  A evolução é contínua;  Nenhum dos passos pode ser considerado definitivo;  Consciência que deve haver uma mudança no sistema atual;
  • 81. Controle Estatístico do Processo C E P 81 CONCEITOS CHAVES:  Qualidade é Função e não Departamento;  A Qualidade tem dois inimigos básicos:  As variações e  A permissividade.  Todos os problemas ou defeitos estão correlacionados a requisitos do consumidor e especificações do projeto não atendidas;  Prevenção é não deixar a falha acontecer;  É mais econômico prevenir as falhas do que tentar mantê-las sob controle;
  • 82. Controle Estatístico do Processo C E P 82 CONCEITOS CHAVES: (CONT.)  A força maior para erradicar falhas reside na gerência e supervisão;  Se a qualidade for a prioridade primeira, os objetivos de volume, custo e prazo serão obtidos mais facilmente;  Quanto melhor a qualidade, maior a produtividade e menores os custos;  A qualidade é obtida por quem faz o trabalho e não por quem a controla;
  • 83. Controle Estatístico do Processo C E P 83 CONCEITOS PARA PREVENIR:  O projeto deve formalizar as necessidades e desejos do Cliente;  O projeto deve estar “vacinado” contra oportunidades de falhas;  Observar o processo e identificar oportunidades de falha;  O processo deve ser bem definido, previsível e capaz;  Obter qualidade na prevenção e não na avaliação;
  • 84. Controle Estatístico do Processo C E P 84 CONCEITO SOCIAL:  Livre e franca conversação entre todos os níveis;  Programa de treinamento contínuo;  O líder não policia e sim tutela;  Cada colaborador é responsável pelo trabalho que executa;  A responsabilidade das falhas não é só do operador mas de todo o sistema.
  • 85. Controle Estatístico do Processo C E P 85 MASP - FERRAMENTAS ELEMENTARES.  Tempestade de idéias;  Fluxograma de processo;  Folha de verificação;  Diagrama de Pareto;  Diagrama de Causa e Efeito;  Histograma;  Carta de Controle;
  • 86. Controle Estatístico do Processo C E P REFERÊNCIAS BIBLIOGRÁFICAS  Esta apostila foi elaborada por Divino Vieira da Silva, utilizando as seguintes referências:  Manual do Green Belt - GE Dako - Six Sigma Training GE Dako - 2000;  Manual do Programa Black Belt para Candidatos do Grupo Brasmaotor - FDG - Fundação de Desenvolvimento Gerencial - 1998;  Aperfeiçoamento da Qualidade e da Produtividade - John L. Hradeski - Mc Graw Hill - 1989;  Brassard, Michael - Memory Jogger - Qualitymark Editora Ltda - 1996;  Ferramentas Estatísticas Básicas para o Gerenciamento de Processos - WERKEMA, Maria Cristina Catarino - Fundação Christiano Ottoni - 1995.