630 likes | 1.07k Views
ISHIKAWA - 7 Ferramentas Estatísticas para o Controle da Qualidade: Folha de Verificação Estratificação Diagrama de Causa e Efeito Diagrama de Pareto Histograma Diagrama de Dispersão Gráfico de Controle. 7 FERRAMENTAS PARA O CONTROLE DA QUALIDADE. 7 FERRAMENTAS PARA O CONTROLE
E N D
ISHIKAWA - 7Ferramentas Estatísticas para o Controle da Qualidade: • Folha de Verificação • Estratificação • Diagrama de Causa e Efeito • Diagrama de Pareto • Histograma • Diagrama de Dispersão • Gráfico de Controle 7 FERRAMENTAS PARA O CONTROLE DA QUALIDADE
7 FERRAMENTAS PARA O CONTROLE DA QUALIDADE • ISHIKAWA: • O uso dessas ferramentas resolve aproximadamente 95% dos problemas de qualidade em qualquer tipo de organização, seja ela industrial, comercial, de prestação de serviços ou pesquisa
FOLHA DE VERIFICAÇÃO FOLHA DE VERIFICAÇÃO • É preciso ter em mãos dados que possam ser analisados • A folha de verificação serve para coletar esses dados • Deve ser simples, prática e de fácil entendimento • Definir bem quais são os dados a serem coletados
FOLHA DE VERIFICAÇÃO FOLHA DE VERIFICAÇÃO • O tempo de coleta não poder ser muito longo definir um prazo mínimo e máximo • Treinamento do pessoal
ESTRATIFICAÇÃO ESTRATIFICAÇÃO • Quando levantamos os dados na nossa folha de verificação, está tudo confuso, tudo misturado • Precisamos classificar, ou seja, juntar aquilo que é igual ou muito parecido: isso éestratificar • A estratificação permite saber onde estão, quais são e quanto pesa cada problema encontrado
ESTRATIFICAÇÃO Estratificação Tudo Subgrupos heterogêneo homogêneos Estratificar por: • Tipo de solo, umidade, corte, linha de ônibus, mesorregião, tamanho do produtor, sexo, idade, classe social, tipo de cliente, tempo, etc Estratificação
ESTRATIFICAÇÃO Modelo matemático hierárquico • Hipóteses testadas: • H0: Igualdade de talhões • H0: Igualdade de caminhões dentro de talhões • H0: Igualdade da posição de amostragem na carga
ESTRATIFICAÇÃO • Estrato A – Talhão 1: • Fazenda Bom Retiro, Zona 13 • Solo arenoso (L.V.A.) • 40 dias após última chuva (15 mm) • Cana de primeiro corte • Estrato B – Talhão 2: • Fazenda Santa Isabel, Zona 1 • Solo argiloso (L.V.E.) • 5 dias após última chuva (64 mm) • Cana de terceiro corte
Gráfico de controle e análise exploratória em solo arenoso e seco 20 Limites 3s para n = 9 15 Impurezas minerais (%) 10 LS = 5,1 5 = X = 3,2 LI = 1,2 0 1 2 3 4 5 6 Caminhões
Gráfico de controle e análise exploratória em solo argiloso e úmido 50 Limites 3s para n = 9 40 30 Impurezas minerais (%) 20 10 LS = 8,1 X = 4,5 LI = 0,9 = 0 1 2 3 4 5 6 Caminhões
ESTRATIFICAÇÃO Tabela 7. Comparação dos limites de controle para talhão 1, talhão 2 e análise conjunta (variável % de impurezas minerais)
Modelo Estatístico onde, l = 1, 2, 3, 4 índice de variável de resposta i = 1, 2 índice de talhão j = 1, 2, .., 6 índice de caminhão k = 1, 2, ..., 9 índice de furo Ylijk = % de impurezas minerais no talhãoi, caminhão j e furo k, para a variável de resposta l
Variáveis de resposta: % de impurezas minerais (amostra seca) estimada a partir da concentração de Th, Sc, Fe e Hf • Denominadas Th, Sc, Fe e Hf, respectivamente, no trabalho
Tabela 1. Níveis de confiança, em percentagem, considerando todas as variáveis de resposta e técnicas aplicadas, para rejeição da hipótese H0:talhão 1 = talhão 2
Testes de Hipóteses Probabilísticos • Distribuição de palha no plantio direto: • Teste “t” de Student • Mau funcionamento da máquina • Estratificação, possibilidade de melhoria e posição de amostragem: • Carregamentos de cana-de-açúcar • Testes Uni e Multivariados
Inclinação à Esquerda Hipótese Testada: • H0: Palha à Esquerda = Palha à Direita • H1: Palha à Esquerda > Palha à Direita • Valor de “t” de Student Calculado = 34 • Valor de “t” Tabelado ((12-1) gl., Alfa= 1/1.000.000) = 9,5 • Assim: • Rejeita-se Ho com mais de 99,9999% de Confiança • Erro < 1/milhão
Metodologia Estatística • Estratificação: • Modelo matemático hierárquico • Hipóteses testadas: • H0: Igualdade de talhões • H0: Igualdade de caminhões dentro de talhões • H0: Igualdade da posição de amostragem na carga
HISTOGRAMA OS 5 POR QUÊS • Permite uma rápida visualização da distribuição dos dados
Operação de escarificação Histograma de distribuição da profundidade de escarificação, na área A1
DIAGRAMA DE CAUSAS E EFEITO OU ESPINHA DE PEIXE DIAGRAMA DE CAUSA E EFEITO • Depois de sabermos quais são os nossos problemas precisamos encontrar as suas causas • Cada problema será um efeito e para encontramos suas causas podemos utilizar os 6m • Vale a pena ressaltar que 90% das causas são encontradas (“se encaixam”) em 4 dos 6m: • Material, mão-de-obra, método, máquina • Outros: meio ambiente, medida
materiais métodos mão-de-obra EFEITO máquinas medidas meio ambiente DIAGRAMA DE CAUSA E EFEITO OU ESPINHA DE PEIXE DIAGRAMA DE CAUSA E EFEITO
FATORES QUE INFLUENCIAM TEOR DE IMPUREZAS MINERAIS(Diagrama de Ishikawa) Queima Chuva Solo Intens. do fogo Intens. Variedade Impurezas minerais (%) Média Disposição Tipo Número Pressa Treinamento Formigas Corte Carregadeira Carregamento “Pensar globalmente, agir localmente”
DIAGRAMA DE PARETO DIAGRAMA DE PARETO • Depois de estratificado, precisamos priorizar aquilo que realmente tem peso • Utilizando o Pareto, fica fácil visualizar o que é importante
DIAGRAMA DE PARETO DIAGRAMA DE PARETO Reclamações dos Clientes Reclamações dos Clientes 1 - Demora na entrega 2 - Conserto da peça 3 - Defeito na embalagem 4 - Substituição da peça 5 - Outros
DIAGRAMA DE PARETO DIAGRAMA DE PARETO • Devemos gastar energia na barra que apresentar maior índice • Na maioria das vezes, tomando medidas para resolver o que é mais importante, os outros problemas automaticamente desaparecem
Oportunidades e Ameaças Planejamento Estratégico - Empresa Agrícola 80 % dos votos !
DIAGRAMA DE DISPERSÃO Estuda a correlação entre causa e efeito
DIAGRAMA DE DISPERSÃO Fatores determinantes dos melhores resultados Qual é o meu grupo? Seu Grupo Produtividade Custo de Produção
Diagrama de dispersão para resíduos das variáveis Sc e Th 30 25 20 Correlação Residual : r = 0,999 15 : Teste de Hipótese Ho: r=0 10 H1: (r > 0) ou (r < 0) Residuos da variável Sc 5 Rejeita-se Ho com 99,99% 0 -15 -10 -5 0 5 10 15 20 25 30 35 -5 -10 -15 Resíduos da variável Th
DIAGRAMA DE DISPERSÃO • Tendência pode não ser reta: • Parábolas Maximização • Comportamentos Assintóticos • Exemplo: Curva de informação na amostragem, modelagem não linear.
GRÁFICOS DE CONTROLE GRÁFICOS DE CONTROLE • Muitas vezes não podemos parar e ficar analisando dados, números, tabelas, etc • Quando usamos gráficos padronizados, o acompanhamento das metas torna-se mais simples, fácil e rápido • Depois de definirmos o que vamos controlar, como coletar os dados e estabelecermos uma meta, o acompanhamento se torna fácil através dos gráficos de controle
Gráfico de controle e análise exploratória em solo arenoso e seco 20 Limites 3s para n = 9 15 Impurezas minerais (%) 10 LS = 5,1 5 = X = 3,2 LI = 1,2 0 1 2 3 4 5 6 Caminhões
Gráfico de controle e análise exploratória em solo argiloso e úmido 50 Limites 3s para n = 9 40 30 Impurezas minerais (%) 20 10 LS = 8,1 X = 4,5 LI = 0,9 = 0 1 2 3 4 5 6 Caminhões
Comparação com os melhores resultados Apenas você sabe o seu código! Benchmarker
GRÁFICOS DE CONTROLE GRÁFICOS DE CONTROLE
Algorítimo de Amostragem para Pesquisa de satisfação Fórmula geral por segmento (estrato) de clientes • N = Tamanho de segmento (número de clientes) • n0 = Tamanho de amostra se N é muito grande (população infinita ≥ 3000 clientes) • n = Tamanho de amostra por segmento
Dimensionamento de no por Heterogeneidade de Segmento • Segmento com alta heterogeneidade (variância): n0 = 100 • Segmento com média heterogeneidade: n0 = 50 • Segmento com baixa heterogeneidade: n0 = 25 Trabalhando com aproximadamente 90% da informação 10% de erro • Exemplo: Segmento de média heterogeneidade,n0= 50 e tamanho de segmento igual a 40 clientes (N). • n = 50 = 22.2 ≈ 22 questionários nesse segmento • 1+ 1 * 50 • 40
P – Produto(formatação de processos internos) Peter Drucker “O Papa da Administração” • “o que o consumidor compra e considera de valor nunca é um produto. É sempre a utilidade, isto é, o que o produto ou serviço faz por ele. E o que é de valor para o consumidor é tudo, menos o óbvio.”
AMOSTRAGEM ESTIMATIVA DA GRANDEZA DE AMOSTRAS n = tamanho da amostra np = tamanho da amostra piloto; em cada caminhão 9 furos, np = 9 t = valor “t” de Student, com np-1 graus de liberdade e uma confiança especificada s = estimativa do desvio padrão a partir de amostra piloto d = margem de erro ou precisão escolhida N = tamanho da população
Modelo Estatístico onde, l = 1, 2, 3, 4 índice de variável de resposta i = 1, 2 índice de talhão j = 1, 2, .., 6 índice de caminhão k = 1, 2, ..., 9 índice de furo Ylijk = % de impurezas minerais no talhãoi, caminhão j e furo k, para a variável de resposta l
Variáveis de resposta: % de impurezas minerais (amostra seca) estimada a partir da concentração de Th, Sc, Fe e Hf • Denominadas Th, Sc, Fe e Hf, respectivamente, no trabalho