00:00:38:22 O espaço contará com o acompanhamento do instrutor Jair Eduardo Rocha, que é engenheiro industrial e mestre em engenharia industrial. Começou em pesquisas de produção e operações pela Universidade Distrital Francisco José de Caldas e mestre em Engenharia com especialização em Logística pela Pontifícia Universidade Americana e Doutor em Engenharia pela Universidade de Carabobo. Atualmente é professor titular do Departamento de Engenharia de Sistemas e Industrial da Universidade Nacional da Colômbia e diretor do Laboratório de Logística e pesquisador do Grupo SERPRO.

00:01:07:12 Nessa mesma instituição, pesquisador júnior e avaliador de projetos reconhecidos pelo Ministério da Ciência e Tecnologia. Muito obrigada por nos acompanhar no dia de hoje! Então, muito bom estar aqui nos dias de hoje compartilhando sobre a construção de cartas de controle estatístico com o apoio de sete gráficos. Nós trabalhamos com cartas com variáveis e agora vamos trabalhar com cartas de controle.

00:01:33:22 Então vamos começar com um conceito muito básico para poder estabelecer o que é um gráfico de controle, uma carta de controle, poder estabelecer a carta p. Então podemos começar falando que uma carta de controle é uma das técnicas que fazem parte do controle estatístico de processos e que tem como propósito determinar se um produto mantém um nível aceitável de qualidade.

00:02:24:28 Isso quer dizer que nós vamos poder medir diferentes atributos e diferentes, diferentes características e condições do produto e com isso, poder elaborar uma carta de controle que nos permita elaborar os níveis de qualidade aceitável desse produto. Ou seja, se cheguei a esses produtos para entender se esses produtos estão sendo realizados sob um determinado processo, sob controle e caso não exista tal controle, poderíamos identificar as causas e atribuir essa saída de controle do processo, como por exemplo, máquinas desajustadas, máquinas de controle, erros do operador, matéria prima ou qualquer outro fator que pudesse dar um que pudesse dar num processo fora de controle e estabelecer por que é que são originados esses produtos que não estão dentro

00:03:06:01 das especificações. Então, desse ponto de vista, nós temos aqui uma carta de controle. A carta de controle tem três elementos fundamentais o item central, que é um valor médio ou o padrão que vai permitir estabelecer a característica ser controlada e dois limites um superior e o inferior no limite superior. O que nós vamos ter, que é o máximo possível de saída das especificações do produto e o inferior, que é o mínimo nível permitido sobre sair das especificações do processo.

00:03:35:16 Então, a partir desse ponto de vista, os gráficos de controle são de diferentes tipos. Nós temos gráficos de controle para variável. Esses são bem característicos. Eles tratam de variáveis de tipo de medição, como por exemplo, ou dimensão, como longitude, peso, temperatura, entre outros, e utilizam dados contínuos que permitem fazer o monitoramento do comportamento dessas variáveis ao longo do tempo.

00:04:07:02 Já os gráficos de controle para atributos fazem avaliações das características que não podem ser medidas em termos numéricos, ou como a presença ou ausência de certos atributos, ou então eles são baseados em dados de categoria. Por exemplo, estabelecer se um determinado produto compre ou não com uma determinada característica. Se não cumprir, dizemos que ele não está conforme, ou seja, não está de acordo.

00:04:30:25 Exemplos comuns desses gráficos de controle são aqueles onde nós podemos registrar a frequência de um atributo específico numa amostra. Então nós colhemos uma amostra e decidimos se compra ou não com as características desejáveis do produto. No exemplo do dia de hoje, por exemplo, nós vamos ver como esse efeito é feito e o terceiro, que são os gráficos de controle para contagens.

00:05:11:26 Isso é feito quando nós precisamos registrar eventos contáveis, como o número de defeitos numa determinada unidade ou o número de erros no determinado documento, ou então o número de erros ou o número de erros num determinado número determinado. O comprimento de uma amostra é bom. Elas são feitas para medir para fazer a contagem de eventos específicos. No que diz respeito a medições numéricas, como podemos selecionar o tipo de controle?

00:05:53:15 Então nós estamos agora, nós vamos trabalhar aqui com esses diagramas de fluxo. Nós vamos trabalhar aqui para lado direito com atributos. Então nós vamos falar sobre o que nós estamos contando. Estamos contando elementos defeituosos, que seria o gráfico P e também uma porcentagem de defeitos que existem numa amostra tomada de um lote de fabricação. E nesse outro gráfico, o que nós vamos fazer aqui é detectar o número de defeitos por unidade.

00:06:20:28 A partir disso, como podemos fazer a detecção desses elementos defeituosos? Vamos fazer isso através de gráficos de controle P e NP. Esses gráficos de controle parecem ser parecidos, mas eles medem coisas diferentes. São ferramentas que são utilizadas no controle de qualidade para utilizar o número de unidades que não estão de acordo com uma população e analisar como muitas características desse produto não se ajusta ao padrão.

00:06:50:19 Ou seja, se uma determinada característica não é comprido, não se compre. Perdão, esse produto não é defeituoso. Mas se eu tenho um produto com muitas características que estão fora das especificações, então já nesse sentido, esse produto teria múltiplos defeitos que vão levar à não conformidade essa não conformidade. O que isso quer dizer é que o produto pode ser rejeitado e teríamos que entender a causa disso.

00:07:06:01 A causa no processo. Depois, podemos dizer que esse lote pode ser rejeitado ao ter tomado uma amostra por gerar uma grande quantidade de defeitos.

00:07:40:07 Para fazer isso, nós vamos falar sobre a fração não conforme é a fração, não conforme é a porcentagem ou a proporção de defeituosos que temos em um lote de fabricação. Uma. Um gráfico P mostra a porcentagem de produtos não conformes de um lote de produção a partir de uma amostra de tamanho variável ou constante. O que isso quer dizer?

00:08:08:24 Que aqui nesse tipo de gráfico. P. O que eu vou fazer é calcular o tamanho ou a porcentagem de produtos que não se ajustam às especificações e partindo de um tamanho de amostra, esse tamanho dessa amostra pode ser variável, contínuo ou constante. Ou seja, eu posso fazer um exercício de amostragem e um exercício para determinar o tamanho da amostra, e esse tamanho poderia ser constante ao longo do tempo, ou seja, sempre.

00:08:49:11 Eu sempre vou ter a mesma quantidade de amostragem ao longo do tempo. Então, por exemplo, eu vou pegar uma amostra do lote K de fabricação de 50 unidades. Então isso é feito através de uma técnica de amostragem padrão, ou então pode ser variável em termos de que poderíamos ter lotes de fabricação com variáveis ao longo do tempo. E aí eu vou fixar uma porcentagem, uma proporção para o tamanho da amostra.

00:09:26:27 Então eu posso fabricar A500500 peças por lote diário. Se eu fixo 10% dessa fabricação como tamanho de amostra, então hoje seriam 50. Se amanhã eu fabrico 600 amostras, seriam 60 e assim eu poderia ter mudanças no tamanho da amostra. Então o gráfico P serve para quê? Para ajudar a identificar a probabilidade de que qualquer unidade fabricada deixe de cumprir as especificações ao estimar a proporção de de produtos defeituosos.

00:10:11:20 Também permite detectar desvios significativos na porcentagem de unidades com defeito em lotes de produção consecutivos. Ou seja, como teologos consecutivos. Eu posso estabelecer aquilo que eu posso chamar de fração defeituosa ou fração não conforme habitual desse processo, todos os processos, apesar de que temos os maiores níveis de controle das variáveis, devem ter níveis de porcentagens defeituosas. E essa fração é isso que nós vemos aqui nessa linha de cor preta.

00:10:39:09 Essa seria a média e nós vamos ter níveis máximos e mínimos de fração defeituosa, que seriam as linhas vermelhas. Se eu tenho o maior nível defeituoso em direção ao topo a parte superior, eu posso dizer que o meu processo está fora de controle e eu preciso encontrar uma causa. Ou seja, preciso atribuir uma causa a esse, a essa mudança no decorrer do processo.

00:11:17:27 E, por último, vai permitir tomar medidas de correção caso o processo se desvia de forma sistemática de um nível máximo de unidades defeituosas. Isso é feito através da análise desse gráfico ou da carta de controle. Um gráfico NP vem a ser um gráfico complementar. Ele não vai medir a porcentagem de defeitos no gráfico. A NP mede o número de produtos que não estão, que não estão conformes de um lote de uma produção e que não está de tamanho constante ou variável.

00:11:55:14 Então que podemos. Aqui não vamos medi lo como uma porcentagem, mas como o número de produtos. Vocês lembram, antes nós tínhamos uma proporção em porcentagem. Aqui vocês já tem uma porcentagem, mas na qual nós medimos os produtos defeituosos nesse gráfico. NP Ele não mede a proporção. Ele está medindo o número de defeitos, o número de unidades, ou seja, estabelecendo a média desse número de peças defeituosas de amostras defeituosas e o mínimo de amostras defeituosas.

00:12:26:07 E para que nós fazemos isso? Esse gráfico NP ajuda a identificar a fração não conforme na inspeção 100% da saída total num período de tempo conveniente. O que isso quer dizer? Que eu uso o gráfico NP quando eu tenho uma certa fabricação e eu suspeito que existe uma variação na qualidade entre esses três tons entre três tons. Então é interessante fazer um gráfico NP para cada um desses tons e não para o total do dia.

00:13:18:00 Isso é muito importante para a construção de gráficos NP para estabelecer o período de tempo conveniente, assim como o tamanho da amostra também. Então esses são dois elementos fundamentais. Ele também permite identificar a fração não conforme em lotes de produção consecutiva, ou seja, nós poderíamos estabelecer se algum determinado lote tem um certo número de defeitos muito elevado no que diz respeito aos lotes anteriores e poder tomar medidas necessárias caso esse processo se desvia de forma sistemática para um nível máximo de unidades defeituosas, então, trocando em miúdos, nós vamos estabelecer com uma carta a porcentagem de defeitos e com a outra carta o número de defeitos.

00:14:11:13 Como interpretar uma carta P e uma carta NP, um gráfico P um gráfico NP No geral, nós temos três elementos o primeiro elemento ou valor padrão conhecido. Então, se a carta de controle que estamos tentando gerar está fundamentada em compará la com o valor conhecido ou um valor padrão. No geral, nós temos isso nas especificações de fabricação. Bom, quando isso acontece, nós não precisamos calcular o número de controle de amostras, mas precisamos ter muito cuidado de controle de prova, pois no geral, o valor padrão de P dificilmente nós vamos conhecer com precisão, então eles não são o valor objetivo da fração.

00:14:47:07 Eu acho que está oscilando um pouco a conexão com o objetivo, então. Bom, em termos práticos, em termos de fabricação, o processo vai ter uma fração não conforme de 0,05%. Isso quer dizer de 5% perdão. Isso quer dizer que ao fazer o gráfico eu vou ter muitos pontos de controle, mas esses pontos vão estar fora do sistema no que diz respeito ao objetivo, mas não em relação à medida geral do sistema de fabricação ou do processo de fabricação.

00:15:14:22 Ou seja, eu vou ter pontos fora de controle em relação ao objetivo, mas não o processo como um todo. Na verdade. Então essa é uma forma de analisar essas cartas de controle. Também vamos ter a detecção dos padrões dos padrões específicos. Os gráficos podem ser estabelecidos como corridas, que são pontos seguidos que tenham o comportamento para cima ou para baixo do ponto médio da carta de controle.

00:15:41:17 Oscilações suspeitas ou agrupamentos de pontos. Isso pode ser visto como problemas específicos no processo e também mudanças repentinas ou padrões anômalas podem ser sinais de alerta para pesquisar e abordar possíveis problemas. Tudo isso que vocês estão vendo aqui é possível realizá los de uma forma muito simples e de, mas de uma forma bem simples e fácil. Através de gráficos.

00:16:10:07 Eu não precisaria fazer muitos cálculos derivados, apenas teria que começar a trabalhar na interpretação da carta P e da carta NP a partir de um conjunto de dados bem básicos. Do ponto de vista da literatura. No que diz respeito à qualidade. Nós vamos ter que as cartas de controle P são calculadas como uma porcentagem de não conforme é o peixe e o número de defeituosos dividido.

00:16:42:17 O tamanho total da amostra. Essa primeira coisa que eu faria. Eu calcularia isso a partir de uma distribuição. Uma distribuição hiper geométrica onde a medida infere que esse valor defeituoso seria a média do sistema, a média geral e uma variância da proporção dada como p ou como esse valor p é obtido aqui, que é a proporção de defeituosos multiplicado por ou menos p, que é a fração de não defeituosos sobre n.

00:17:10:27 E com esses dois elementos nós vamos poder calcular os limites de controle, que seria o limite superior de controle que seria P. Mas três desvios padrões. Ou seja, se vocês vêem aqui, isso corresponde a p a raiz quadrada da variância e no caso aqui inferior de controle nós vamos ter que é p menos o desvio padrão. Então nós vamos seguir aqui com esse sistema de seis sigma.

00:18:13:23 Nesse caso, nós estamos trabalhando com três desvios para cima e abaixo da média que nós encontraremos aqui, de não conformes para NP. Nós calculamos um tamanho de amostra N e esse tamanho de amostra n corresponde a uma estimativa de L e ele vai ser o número de desvios que eu considero que eles vão medir o processo de dois pontos de vista diferentes, mas baseando nos nós na fração de defeituosos e vamos ter que ver os limites superiores de controle inferiores de controle tem o mesmo elemento que é NP, mas três desvios padrões do número de defeituosos que eu tenho é a que seria NP, menos aqui e menos -3 desvios padrões do número de defeituosos.

00:18:43:02 Nesse caso, podemos começar a operar e podemos ver isso do ponto de vista de estatística. Então, para isso nós vamos contemplar um exemplo. Esse exemplo de número um estabelece o seguinte há um concentrado de suco de laranja e ele vem embalado com Tetra Pak, que são aquelas caixas de cartão que tem um envoltório de metal na parte interna.

00:19:17:08 Então esse Tetra Pak é de tal medida e esses pacotes são feitos numa máquina, cortando essas peças e fixando um quadro metálico no fundo, mediante a inspeção de um envoltório, é possível determinar quando, se, quando ele é cheio, ele vai encher. É possível uma possível filtração nas juntas laterais ou no quadro metálico no fundo. Ou seja, eu vou fazer um teste onde cada caixa dessas eu vou encher com água e eu vou vencer essa fixação.

00:19:33:28 Se existe alguma filtração, ou seja, se existe alguma filtração, ou seja, se a água escorre e esse produto é considerado como defeituoso, ele não pode passar para a próxima etapa do processo.

00:20:29:21 Então, desse ponto de vista, o que nós queremos estabelecer é um gráfico de controle para estabelecer, ou melhor, melhorar a fração de garrafas que não estão conformes produzidas por essa máquina de então de cada lote. Eu vou sempre pegar uma amostra de 50 unidades e nessa amostra de 50 unidades, depois de fazer esse teste, nós, ou seja, exercendo esses s etc px de água, eu vou ver quantas delas.

00:20:59:01 Qual é o número de não conformes. Então, nessa amostra número um, 12 dessas caixas não eram não estavam em conformidade para colocar o suco. E assim, com cada uma dessas amostras ou com cada um desses lotes de produção. Então, no segundo lote de produção nós pegamos também uma amostra de 50 Tetra Pak e nós temos 15 deles que houve alguma filtração e assim sucessivamente.

00:21:47:09 Vamos encontrar oito, dez, quatro, sete, 16 amostras, etc. Ou unidades de amostras que estão em não conformidade com esse teste feito para verificar a filtragem. Então, desse ponto de vista, o que acontece que nós vamos ter aqui uma carta de construção p Nós vamos até sete gráficos e vamos usar esse menu, esse menu SPC Controle Estatístico de Processo, que é o que nós vamos encontrar aqui e nós vamos ter aqui diferentes elementos.

00:22:41:18 Então, aqui nós temos um arquivo em branco. É para esse tipo de sistemas. O que vamos fazer? Onde eu posso montar os dados no Excel? Nesse caso, eu tenho os dados que eu tenho. Eu posso tê los aqui no Excel com amostra, tamanho da amostra e número de não conformes. E no caso de eu ter uma informação muito grande ou ter uma base de dados que não está em excel, está no txt um arquivo estado ou de qualquer outro programa estatístico ou se eu tiver outras bases de dados como enfim, qualquer base de dados, eu poderia fazer o upload e nesse caso eu vou trabalhar assim e vou abrir fontes de dados.

00:23:15:18 E aqui eu tenho o seguinte o arquivo de dados está de gráficos ou um arquivo de dados externos, um ODBC ou um porta papéis arquivo, big data State Graphics, etc. Então eu vou dar arquivo de dados externos, Clico em aceitar que eu vou selecionar diferentes formatos de diferentes tipos de elementos de arquivos ou base de dados que eu posso ter para acessar para a State Graphics eu posso ter a C.

00:23:55:22 Posso ter todos esses ou outros como esse lotos uma lado lotos SAS, posso trazer, enfim, de diferentes lugares. Então a compatibilidade nesse caso que está de gráficos tem muito ampla. Se eu conheço o nome do arquivo eu posso colocar aqui. Eu posso navegar e navegar, Eu posso encontrar diferentes elementos, eu posso recorrer a base de dados personalizadas e nessas bases de dados eu posso encontrar os sistemas.

00:24:22:06 Então aqui ele indica que eu posso ter amostras constantes ou dois ou amostras variáveis. Isso coincide com a base de dados por página que eu tenho no meu arquivo original. Nesse caso do Excel, se vocês querem ter isso em outro formato, vocês podem ter. Então eu vou importar amostras constantes ON e eu posso ter delimitado ou também tabular por a vírgula.

00:24:53:06 Outros eu disse Eu tenho fileiras. Eu posso colocar aqui quantos registros eu posso ter e eu posso ter títulos também posso ter os nomes das colunas, nomes e comentários, ou eu posso colocar que eu não tenho nenhum título. Nesse caso eu vou importá los com o nome da coluna e vou clicar em Aceitar. Aqui. Ele já introduziu a amostra, tamanho da amostra e número de não conformes, que é exatamente igual à base de dados que eu tinha.

00:25:47:10 É bom. Desse ponto de vista, eu não precisaria recorrer a uma folha de cálculo externa. Eu posso ter uma folha na coluna quatro, que eu posso chamar de fração de defeituosas e a fração de defeituosos. Às vezes é preciso calcular. E como faremos isso? Essa fração pode ser calculada através de uma fórmula e numa fórmula. Eu posso dizer que eu posso colocar aqui o número de não conformes, assim como eu batizei a coluna dividido tamanho da amostra.

00:26:18:25 Se eu aceitar o que acontece, vai aparecer aqui a fração de defeituosos, ou seja, não precisaria fazer operações fora do estado de gráficos. Eu poderia fazer muitas das operações que costumamos fazer aqui e desse ponto de vista, eu posso ver isso no próprio sistema. Então aqui eu vou clicar em Aceitar. Aqui eu tenho zero 24, 016 020 014, etc.

00:26:50:12 E ele vai deixar na cor cinza. Isso quer dizer que é uma coluna que foi calculada previamente. Então, a partir desse ponto de vista, e uma vez que nós já introduzimos a informação, o que é que nós vamos fazer? Nós vamos fazer as preferências do sistema e nas preferências, nas preferências. Eu vou ajustar o meu sistema para que ele mostra alguns elementos ou para que de alguma forma ele possa mostrar os elementos que eu preciso estabelecer a partir da configuração própria do sistema.

00:27:21:05 Então nós temos uma geral. Eu posso usar o menu seis Seguir Ordenar os nomes de variáveis Aqui eu posso. Por exemplo, se eu quero fazer em ajustes, eu posso ter poderia fazer algumas mudanças de distribuição BigData e nós vamos aqui para a capacidade e com capacidade. Se eu quero analisar a capacidade, eu posso mostrar diferentes índices de capacidade CP dividido FP, PCR dividido PR.

00:27:51:29 Então eu vou ter os diferentes índices aqui que me permite estabelecer uma gestão de EU Seis Sigma e incluir a longo prazo curto prazo apenas longo prazo e etiquetar p eu apenas longo prazo. Etiquetado c ou apenas curto prazo. Esse baseado em S média é para quando nós fazemos de variáveis e nós podemos ter também de de capacidade.

00:28:22:22 Então aqui eu tenho todos os índices que eu vou precisaria em algum momento. E aqui se eu clico em gráficos de controle, eu vou ter esses gráficos para o rank que poderia ter, por exemplo aqui Suavização e esse que diz para todos os gráficos indicar relações, as regras de sequência, estar ativo, incluir limite de advertência externa também está ativo, ou seja, para ter regras de 1,5 sigmas para cima de 2,5 sigmas para cima.

00:29:03:29 Isso inclui elementos de advertência inferiores a utilizar tamanhos médios para subgrupos desiguais e zonas coloridas. Isso será muito interessante. Se vocês clicam aqui e zonas coloridas, vocês vão ver o fundo e o fundo não vai ficar branco, mas vai ter diferentes cores para mostrar, diferentes pontos que vão estar em distâncias diferentes. Ou seja, fazendo uma comparação com a média central.

00:29:42:12 E nós podemos ter também outros elementos. Eu vou clicar em aceitar. Então hoje nós vamos trabalhar nas cartas de controle. Aqui nós temos elas tanto por variáveis como por atributos, e que em atributos vocês vão ver a carta P e a carta NP. E além disso, nós também vamos ter as cartas de contagem, que são as cartas. O C, p prima com proposições dispersas e as cartas ou prima que são utilizadas.

00:30:12:16 Quando eu tenho variáveis e tenho cartas de outros tipos também. E também tenho os planos de amostra. Se eu quero fazer um plano de amostragem por atributo para calcular o tamanho da amostra, eu poderia fazer os planos de aceitação para atributos. Eu poderia ter os planos da medida padrão 105 e O1916. Isso poderia ser interessante para outra seção, como, por exemplo, fazer planos de atributos.

00:31:09:09 Então nós vamos para atributos, vamos aqui para gráfico de controle P e em gráfico de controle P ele Primeiro, o nosso primeiro elemento vai indicar as proporções. Então, quais são as proporções? Seria a nossa fração de defeituosas que é calculada que está de gráficos. Então nós introduzimos clicamos aqui e temos também o nosso tamanho de amostra. Se essas amostras tem algum rótulo específico ou alguma etiqueta de amostra, eu poderia introduzir as etiquetas de amostras aqui, e a partir disso, podemos ver que um valor superior ou inferior pede um valor nominal e o valor superior de especificação.

00:31:46:01 Então nós poderemos carregar aqui esses dados e clicamos em Aceitar. Aqui temos o segundo menu de captura de informação e aqui ele indica que são as opções de gráfico. P. Nesse caso, nós vamos ter estudo inicial e controle padrão, como nós estamos fazendo agora um estudo inicial, ou seja, nesse caso nós queremos estabelecer, ou seja, nós vamos fazer um estudo onde nós vamos calcular o limite ou a proporção central, os limites superiores e inferiores do gráfico de controle.

00:32:15:03 Então nós vamos colocar aqui e marcar estudo inicial. Se marcássemos controle padrão, nós verificaremos o valor objetivo, valor objetivo. Como eu já falei, é fixado pela empresa e poderíamos colocar aqui a proporção máxima. O valor objetivo que nós determina Vamos ou 1%, 3%, 5% E a carta? Ele vai fazer a carta de controle a partir desse valor. Como não é esse o caso, eu vou colocar aqui.

00:32:42:21 Estudo inicial e vou clicar em aceitar, em aceitar. Nós temos aqui o terceiro menu interativo para o gráfico de controle P, que são as tabelas e gráficos Em tabelas gráficos nós vamos ter a totalidade de análise que incluí um gráfico de controle P, que é o resumo da análise e o gráfico B, que é o que ele apresenta inicialmente.

00:33:22:01 Mas eu também posso complementar essa análise com outras análises, como por exemplo, o relatório do gráfico P, que é um relatório que me entrega esse gráfico. Estabelecer uma análise do gráfico P e fazer também um teste de anomalias, que era aquilo que nós chamávamos de pontos fora de controle que eu falei um pouco sobre isso. Quando nós falamos sobre a interpretação de um gráfico P E esse teste, o que ele faz é estabelecer, ou seja, eu não preciso pegar o gráfico em branco e contar o número de pontos, mas ele mesmo vai fazer a ferramenta.

00:33:46:26 Vai fazer isso automaticamente. Eu posso ter também um gráfico de tolerância, uma curva ou ser uma curva RL, um gráfico de diagnóstico. Então nesse momento eu vou clicar em todas ou em aceitar. E desse ponto de vista, se vocês podem ver essa informação, o que acontece é que eu já tenho os meus cinco gráficos e as três análises que eu estabeleci, que é o que eu preciso para fazer isso.

00:34:20:25 Então, desse ponto de vista, o que acontece desse ponto de vista? Eu vou estabelecer ou fazer análises diferenciais. Então vamos começar pelo primeiro. O que eu posso fazer para ver a tela por completo, eu vou dar um duplo clique aqui com o mouse com o botão esquerdo e ele vai mostrar aqui o resumo da fração de defeituosos que ele indica que o número da amostra foi de 30, o tamanho da amostra e G 51 tamanho de amostra nesse caso constante.

00:34:57:10 E nós temos zero amostras excluídas. Ou seja, ele não excluiu nenhuma amostra por falta de cálculo ou porque não encontrou o valor, ou por, enfim, qualquer erro de valência. Então aqui ele está mostrando os indicadores que eram as fórmulas que eu apresentei a pouco. A linha central. Então qual é 0,23? Isso quer dizer que essa é a nossa fração ou proporção de defeituosos, ou seja, que numa média eu vou ter um 23,1% de defeituosos na fabricação.

00:35:33:25 Esse é o limite central para esses 30 lotes de fabricação. O máximo nível de defeituosas vai ser de 41,0%, que é essa linha central. Mais três sigma. Ou seja, nesse caso ele vai mostrar aqui que é o máximo nível de defeituosas, vai ser de 41%. E aqui nós temos que o limite inferior de controle, que é o ponto central -3 sigma e isso vai indicar que ele está em 5,24%.

00:36:07:08 Em termos simples, o controle estaria no processo ou estaria sob o processo? Estaria sob controle. Se estamos entre cinco por 141% de defeituosas e como excedente, ele indica que tem dois fora dos limites. O que quer dizer isso? Que dois desses pontos ou duas observações ou duas amostras que eu peguei estão fora dos limites de controle, ou seja, eles vão estar acima de 41% ou abaixo de 5% de defeituosas.

00:36:43:07 Ele também calculou aqui que ao PM a média p, que é de 23,13%, é o desvio padrão que é de 0,05. Ou seja, isso é o que vocês têm aqui como um, como determinado. Se em algum momento eu esqueço de alguns desses elementos ou de algum elemento da literatura, seja porque eu estou fazendo o controle de muitas coisas e talvez eu não lembro de uma forma adequada, então estar de gráficos pode nos.

00:37:15:03 Ele nos proporciona ou está advisor e essa é uma das ferramentas que funciona e que para mim, particularmente, é uma das mais importantes do State Graphics. Neste set Advisor. O que nós fazemos é estabelecer uma análise bem simples do que ele está mostrando aqui. Então aqui ele fala esse procedimento. Crie um gráfico P para a fração de defeituosa está desenhada para permitir determinar se os dados vêm de um processo iniciado de controle estatístico.

00:37:43:06 Se o gráfico de controle foi construído sobre isso sob o pressuposto de que os dados provêm de uma distribuição binomial com uma proporção igual a 0,233. Ou seja, isso quer dizer que nesse caso, nós temos uma distribuição binomial com uma proporção a uma porcentagem média de 23,13%. Esse parâmetro foi estimado a partir dos dados dos 30 pontos não excluídos mostrados no gráfico dois dois.

00:38:19:07 No gráfico dois se encontram fora dos limites de controle, visto que a probabilidade de que apareçam dois ou mais pontos fora de controle apenas e porque sim é de 3,16. Isso quer dizer que eu estou tendo mais ou menos três pontos entre três de cada milhão de dados. São aqueles que poderiam estar, por acaso fora de controle. Se os dados vêm da distribuição da pressuposta distribuição, podemos declarar o processo está fora de controle, com um nível de confiabilidade de 95%.

00:38:45:15 Então, aqui ele mostra uma primeira análise e uma análise por milhão de partes que eu tenho nesse caso. E agora eu vou passar para o relatório do gráfico P que nesse relatório vocês podem ver aqui. O que ele fez aqui foi pegar esse gráfico que é o gráfico P nós vamos analisar agora. Zero 24, o primeiro zero 31 e assim sucessivamente.

00:39:07:23 Eu vou deixar isso aqui um pouquinho. Nós vamos ver o que ele indica, o que indica a análise desse gráfico no que diz respeito aos números. O gráfico p. Eu dei essa informação de zero 24 zero três zero 16 e assim sucessivamente. Os dois pontos que fora de controle são os dois que aparecem em vermelho com um asterisco.

00:39:47:08 Então nesse caso é a amostragem de número 15 e de número 23. Nesse caso, se vocês se lembram, o ponto de controle superior estava em zero 41, ou seja, 41% de defeituosos. Para esse caso aqui, ele indica que a amostra 15 tem 44% de defeito de defeituosas e a amostra 23 48%. Então ele indica que eu preciso tomar alguma ação e identificar causas e atribuí las a esses dois aspectos que estão fora de controle.

00:40:21:03 Esses pontos vêm com esse asterisco, então aqui vejam aqui a amostra de número 15. Ela está fora de controle, está na faixa vermelha e essa que é a zona colorida. Essa zona indica o verde mais escuro, digamos assim. É o ponto central, mais um desvio padrão. Então, nesse caso, aqui temos esses pontos que têm um baixo nível de desvios.

00:40:52:10 São pontos bem próximos ao ponto intermediário e não é preciso observá los muito nem ter muito controle sobre eles. A seguir, nós temos a A2 Sigma, que é linha. São áreas verdes claras, então aqui eu já tenho a amostra de número seis. Eu tenho amostras de número 13 e essas são amostras que estão que vão um pouco mais além de dois sigmas e isso está entre 2 e 2 ponto cinco.

00:41:18:12 Perdão, e essa linha amarela está entre dois ponto 05h03 sigmas, que são essas que estão aqui, que são pontos que estando dentro do controle, são pontos que estão bem distantes ou estão tem um leve afastamento do ponto, tem um afastamento do ponto central. Isso quer dizer que isso tem alguma causa? Deve ter alguma causa atribuída a elas para que elas estejam tão distantes do ponto médio.

00:41:53:16 E por último, nós vamos ter as faixas vermelhas, e esses são os pontos que estão fora de controle, que de fato é na amostra número 23 e na amostra número 15. Ou seja, eu precisaria atribuir uma causa para esses dois pontos. Então, aqui por exemplo, se eu faço uma pesquisa, eu faço modelos de qualidade de causas atribuíveis. Eu posso perceber que isso se deu, por exemplo, um ajuste de máquina, que foi feito um ajuste de máquina justamente antes de produzir esse lote de número 15.

00:42:21:07 E esse ajuste de máquina não foi um ajuste muito bom, visto que ele está aqui na proporção de defeituosas e já no ponto vinte e três nós tivemos uma mudança de fornecedor. Então a matéria prima utilizada nesse processo fez com que esse lote tivesse um número de defeituosas muito elevado.

00:43:06:06 Então muito bem, vamos ver o terceiro elemento. Esse teste de rajas aqui nós consideramos aqui nós consideramos violações ou elementos que precisamos considerar. Se não se compara com o seguinte a sequência de cima abaixo com uma longitude maior ou menor a oito. Ou seja, se tem oito pontos contínuos que estão acima ou abaixo da linha central, isso é considerada uma regra e por isso nós precisamos ver.

00:43:14:01 Atribuir a isso um processo causal seria um teste de sequência.

00:43:44:10 Então, aqui ele indica que eu preciso ter oito pontos consecutivos na sequência que esteja acima ou abaixo, ou seja, que esteja oito pontos contínuos para cima ou oito contínuos para baixo. E isso é considerado um comportamento estranho no processo. E é isso. Precisamos atribuir uma causa ao conjunto de cinco subgrupos com pelo -4 que vão além de um sigma.

00:44:11:16 Isso quer dizer que precisamos ter. Precisamos observar o é um fator que indica que o processo está fora de controle ou pode estar fora de controle. Ou seja, ele está indicando aqui que cinco dessas amostras que dá cinco amostras, quatro estão além de um sigma ou conjuntos de três subgrupos que têm pelo -2 que vão além de dois sigmas.

00:44:51:10 Então aqui nós temos uma violação e aqui nós temos observação 22, 23h24. Aqui ele indica que três. Por isso que ele está mostrando o que está violando e que está violando a regra de. Ou seja, que ao selecionar três amostras contínuas, nós temos duas ou mais que estão além de dois sigmas, então a 22 e 23 estão violando essa C Allegra D Perdão e E 24 está violando a regra de que quer dizer que conjuntos de cinco subgrupos quatro vão além da linha central.

00:45:16:24 Então observem aqui, vejam esses pontos vermelhos e que ele está indicando que a amostra 20 e 04h25 está além de dois sigma. É por isso que é muito importante que vocês considerem isso, e três pontos seguidos estão além da regra. Estipula. Nada como uma regra, como uma regra padrão, como uma regra de ter atenção ou cuidado, porque alguma coisa está acontecendo.

00:45:46:06 Se eu não entendo isso, eu posso ir até o Advisor e ver a informação que ele está me dando aqui. Essa tabela procura identificar qualquer padrão inusual nos dados, e isso frequentemente é útil para detectar processos que estão se distanciando lentamente do valor meta. Ainda quando nenhum ponto caia fora dos padrões de limite de controle. Então, por exemplo, aqui a regra D foi violada no ponto vinte e dois.

00:46:13:01 Nesse momento havia um grupo de dois e de três pontos que vão além de dois sigmas, todos do mesmo lado da linha central. É por isso que ele interpreta essa informação e ele brinda essa explicação, que é uma coisa que, no geral, outros softwares não oferecem. Bom, uma vez que nós já fizemos essa leitura, nós temos aqui uma porcentagem de defeituosos.

00:46:38:12 Aqui eu tenho uma proporção a que eu tenho um valor muito mais elevado. E aqui nós temos um número de amostras. Nós podemos fazer a podemos ver se tem um gráfico de tolerância para fração de defeituosas. Então aqui nós temos um gráfico onde eu tenho um ponto médio e nós podemos ver como os outros pontos se distribuem como uma fração de defeituosos.

00:46:51:06 Então, aqui nós temos um gráfico a ser uma curva de controle de operação.

00:47:38:28 Então, nesse caso, se nós temos uma proposição de processo defeituosa, por exemplo, se você tem uma proporção de 0,4, só um momento deixa eu voltar para o tamanho habitual. Então vocês veem aqui e vocês vêem se tem uma proporção de defeituosos daqui, vocês tem uma proporção de defeituosos de 0,4. Então aqui existe a probabilidade de que uma coisa assim como se fossem 60% para acertar o lote, se vocês têm uma proporção de zero 20 ou veja que é quase de 100% de aceitar esse lote e assim ela vai diminuindo.

00:48:28:12 Então esse é um gráfico bem simples. Nós podemos ver aqui o gráfico a RL para P. Nesse gráfico vocês estão vendo como? Como podemos ver aqui o tamanho e o tamanho a média desse tamanho de execução. Então essa aqui é uma curva onde nós podemos ver que aqui nós temos uma maior quantidade de elementos e como esses elementos estão sendo distribuídos entre as diferentes proporções de defeituosas e o gráfico de previsão P de diagnóstico P, Então aqui nós temos uma porcentagem de aceitação diante das contas transformadas desse ponto de vista.

00:48:57:04 Então, o que nós podemos indicar que, como conclusão do nosso exercício para essa fração de defeituosos, eu poderia dizer que eu teria que procurar causas para a amostra 15 e para a amostra 30 e precisaria ter atenção com o lote de produção número 15h24. Eu disse 30, mas não era 24, era 23, pois eles estão fora da proporção estabelecida pelo sistema.

00:49:28:26 Se eu coloco uma proporção de zero ou um, eu teria feito isso, mudado, alterado isso, e o gráfico teria mudado por completo. Muito provavelmente houvesse muito mais pontos de controle em relação. Isso depende do padrão que eu estou fixando. Então bem, esse seria o gráfico P. Para esse mesmo sistema nós vamos fazer um gráfico PNP e num gráfico para um gráfico NP vou até três atributos.

00:50:09:01 Eu tenho aqui tamanho de amostra e vamos aqui para a contagem que é o número de não conformes. Clico em aceitar e é que ele vai abrir outras opções Gráfico NP Estudo inicial e controle a padrão. Aqui eu poderia indicar que eu não quero uma proporção. Eu vou clicar isso de inicial vou acertar. Então aqui nós temos. Eu quero colocar todos esses relatórios relatório de análise de gráfico e teste de sequência.

00:50:42:17 Então nesse caso, nós já temos a nossa análise e na análise nesse elemento nós temos já o gráfico NP. Então esse gráfico NP indica que nós temos um tamanho de 30 amostras, o número de 30 amostras ou um tamanho de amostras de 50, e ele indica que a linha central está em 11,56 defeituosos e se está indicando que a média normal, ou seja, a média, seria de 11,56 defeitos, o máximo seria de 20,50.

00:51:32:26 Um defeitos e o mínimo de 2,62 defeitos. Isso foi estimado através de uma distribuição binomial com uma média igual a 11,56. E ele está fazendo aqui a mesma observação que a probabilidade de que apareçam dois ou mais pontos fora dos limites. Por acaso é de dois em 1 milhão 27 milhões, perdão, é de 3.669.000 vezes, ou seja, dois de cada 3 milhões vão estar fora de controle, mas por valores não controláveis, que é a mesma coisa que nós tínhamos na operação anterior.

00:52:13:10 E observe novamente aqui nós temos que o maior limite era de quantos de 20,5 defeitos. Então aqui ele indica que é o 15, que tem defeitos de 23h24 e mais uma vez ele está indicando as violações que ocorrem. Então observem que esse gráfico é muito parecido com o anterior, mas ela já não está expressando uma porcentagem de defeituosos, mas aqui que ele está mostrando o número total de defeituosos aqui ele está mostrando a distância Sigma entre dois 2,5 entre dois ponto 05h03 Sigmas é além de três sigmas.

00:52:40:23 Então observem que além de dois sigmas, nós temos esses três pontos que estão no lado dessa sequência. E aqui é a mesma interpretação. Essa é a curva. Pode ser que a probabilidade de aceitar, levando em consideração que o número de defeituosas é esse, então aqui nós teremos com 25 defeituosos a probabilidade. Vemos que com 25 defeituosas, a probabilidade de aceitar seria muito baixa.

00:53:03:23 Então, desse ponto de vista, nós já temos um gráfico P e NP. Até então não sei se vocês tem alguma pergunta se vocês estão conseguindo me acompanhar, se vocês puderam ver o potencial que nós temos de construção desses gráficos com sete graphics.

00:53:15:05 Muito obrigada, Jair. Nós temos duas perguntas. Você gostaria que eu lesse para você ou quer esperar pro final?

00:53:52:15 Estão perguntando sobre quais são as diferenças ou semelhanças desses gráficos em relação aos gráficos, ou os gráficos, ou bem os gráficos ou são parecidos e diferentes ao mesmo tempo. Em que sentido? Eu vou voltar um pouco aqui a minha apresentação para que eu possa te mostrar quando nós fizemos isso, eu dizia o que estamos contando. Eu mostrei aqui que nós estávamos contando elementos defeituosos, ou seja, numa carta P é NP ou nós queremos entender se o elemento é defeituoso ou não.

00:54:19:12 Em termos bem simples, ele pode indicar que tem tantos defeitos ou se ele tiver apenas um defeito já é defeituoso, pois ele não serve. Quando eu faço uma carta ou eu posso ter uma coisa que é chamada de defeitos maiores e menores. Os defeitos menores são defeitos que não afetam a distribuição do produto, mas eu também posso ter muitos defeitos acumulados desses e isso vai fazer com que o produto perca a sua qualidade.

00:54:51:24 Então, no gráfico, o que eu meço é o número de defeitos, então eu não sei como isso é chamado em outros países. Em nós chamamos em Colômbia de boliches, que são alguns são bolinhas de cristal com bolas de gude, aquelas bolinhas que as crianças brincam, elas têm cores dentro ou tem uma imagem dentro? E essas bolinhas de gude eu não faria com elementos defeituosos ou através de uma carta de controle.

00:55:12:27 P Porque elas podem ter defeitos que são borbulhas de ar que vêm dentro do produto, mas isso não afeta a usabilidade do. Eu poderia colocar quantas borbulhas ela poderia ter dentro, mas isso não afetaria, não afetaria nada. Mas aqui eu posso ter defeitos por unidade, são defeitos menores que por mais que ele tenha esses defeitos, ainda assim é passável.

00:55:54:22 A mesma coisa acontece com os tecidos. Eu posso utilizar uma ou um gráfico ou eu posso defeitos menores que fazem com que o tecido seja aceitável nesse caso, de elementos defeituosos na carta P. E tem que isso tem que ser funcional. Eu não sei se eu consegui me fazer entender e bem, a outra pergunta seria em relação às cartas de controle c se é possível trabalhar com essas cartas, com esses gráficos de controle ser em sete gráficos, sim, é necessário fazer uma pequena modificação, mas é possível.

00:56:22:29 Eu acredito que na próxima seção dos gráficos de controle eu acredito que nós estaremos abordando isso, porque, bom, isso seria P e NP. Vamos só voltar um pouquinho para a apresentação. Nós temos aqui o exemplo. Um exemplo no exemplo um.

00:56:52:17 Bom, aqui o que que temos? O que nós fizemos na apresentação? Nós tivemos a construção da carta de controle e esse gráfico de controle P é a NP. Como nós construímos a NP da mesma forma que a anterior, então o que nós temos aqui é o que vocês precisam considerar. Do ponto de vista estatístico, a independência das amostras, nós presumimos que as amostras são independentes entre si.

00:57:18:07 Isso quer dizer que a variação de uma amostra não influencia a variação de outras amostras. Em termos simples, cada amostra é independente, ou seja, não depende da anterior. Se a amostra é de 50, eu coloquei uma, ele me deu uma porcentagem de zero cinco. Eu vou colocar que na próxima 40 não. Cada amostra independente e nós não repetimos.

00:57:43:13 Então isso vai garantir que os gráficos vão funcionar. Se nós temos uma distribuição binomial e uma aproximação binomial, se pressupõe que a distribuição das medições estão dentro de cada amostra e entre amostras, segue uma distribuição binomial para cada p ou aproximadamente. Quais são para a carta NP? Por quê? Nesse caso, aqui eu mudo para a posição da carta P porque ele me mostra o número de defeitos.

00:58:11:11 Então é por isso que nós dizemos que a posição é uma aproximação para chegar a binomial na carta. NP Estabilidade do processo Presumimos que o processo está num estado de controle estatístico. Isso significa que a variabilidade está feito ou não está sendo feito num período de aquecimento que não está sendo feito em processos de fabricação que estão em decrescendo, mas que eles estão em controle e perdão, estão em estado estável.

00:58:44:06 E nesse estado estável nós fazemos a medição. Se existem medições precisas, isso quer dizer que existe uma precisão e o nível um nível alto de confiabilidade e não ausência de correlação serial. Se supõe que não existe correlação serial entre as medições consecutivas no tempo. Em outras palavras, as medições não estão relacionadas de forma significativa com as medições prévias ou posteriores.

00:59:25:23 E eu também tenho um segundo exemplo. Esse segundo exemplo, a quantidade de dados eu posso trabalhar, Eu posso trabalhar com até 1 milhão de registros. Isso quer dizer que você pode ter 1 milhão de registros e n variáveis. Então você pode trabalhar com qualquer quantia. Bem, nós temos um exemplo de número dois e aqui nós vamos ter uma fabricação de copos de cristal, e o que temos é que nós temos números não conformes, porque, por exemplo, o cristal, ele é transparente.

00:59:56:25 Podemos ter uma perda de translucidez, podemos ter borbulhas, bolhas. Então, o que nós fizemos nesse caso é que nós temos um processo de fabricação de copos de cristal transparente, onde qualquer bolha, a falta de translucidez ou falha na cor é considerada não conforme. Então nós tomamos 10% da produção como amostragem do lote de fabricação para estabelecer os defeitos.

01:00:17:26 Para isso, nós tomamos 25 amostras correspondentes ao meio de trabalho. Qual seria a carta de controle, o gráfico de controle para essa proporção, de forma que possamos melhorar esse processo? Então, observem que o tamanho das amostras está mudando. Então 180, 80. Isso quer dizer que nós fabricamos 1000 copos e a amostra foi de 180, 80, 100 e foi variando ao longo do tempo.

01:00:44:14 Por que pode variar? Porque temos tempo extra ou porque temos variações em nível de trabalho no número de funcionários. Depende da estratégia de produção. Então, como nós fazemos isso? Exatamente da mesma forma, vamos voltar agora para estate Graphics. Vamos aqui acessar o livro de dados e no livro de dados que vocês vêem, nós temos muitas páginas. Vamos partir para a página B na página B e vou carregar um novo arquivo.

01:01:23:15 Então, dados externos eu vou clicar em aceitar. Aqui eu vou indicar que é um arquivo excell e o mesmo arquivo eu vou abrir, mas aqui eu vou indicar que vai ser para amostras variáveis. Eu vou clicar em aceitar. Então temos aqui o tamanho de amostra sem número de não conformes e o que poderia ser feito aqui. Eu poderia fazer com que essa proporção ou essa poderia estabelecer a fração colocar o nome títulos de fração de defeituosos nessa coluna.

01:02:43:09 Então essa fração de defeituosas vai indicar que eu vou calcular. Ele não está reconhecendo aqui o número de não conforme. Deixe me fazer uma coisa eu vou aqui até amostras variáveis eu vou colar aqui. Vamos ver agora e vou trocar o título. Então eu vou trocar o nome. Vou renomear essas colunas. Às vezes quando carrego os dados acontece isso.

01:03:00:20 Então bem aqui seriam não conformes. Dividido pela amostra, um.

01:04:33:23 Pronto. Nesse caso, ele calculou aqui o número de fração de defeituosos. Ao calcular essa fração de defeituosos, nós já podemos fazer o nosso gráfico SPC atributos carta p ele não está reconhecendo a amostra um. Então proporções número de não conformes dividido amostra e pronto. Essa é uma forma de solucionar rapidamente um problema com estudo inicial. Vou clicar em todos.

01:05:04:23 Aceitar é aqui. Se vocês percebem, eu tive um problema de configuração e nesse caso vejam, ele fez o cálculo para as 25 amostras. Então temos aqui a proposição temos que a proporção ou a porcentagem de defeituosos é de 9%, máximo 18 e mínimo de 0%, nesse caso, 0,06%. A partir disso ele gera esse gráfico de controle. E aqui temos.

01:05:51:18 Mais uma vez, observem que esse processo está dentro de controle, está dentro do controle. Nós temos um processo sob controle. Vemos que não tem nenhuma sequência onde precisamos separar comportamentos em não usuais. E é que ele indica também a curva de operação. Um A curva RL para P é a de diagnóstico gráfico, então não é diferente fazer 1P1 NP para quando mudar o tamanho de amostra.

01:06:31:14 Então vamos fazer uma carta NP. Então, se vocês viram que essa recontagem é que seria não conformes e os tamanhos da amostra seria amostra, um clique em Aceitar e aqui temos o NP, então aqui teremos 9,3 defeitos por unidade máximo 18 e mínimo zero 63. E mais uma vez a ele indica que não defeituosos ou NP para não conformes.

01:07:06:12 E vemos aqui que tem um ponto que está fora de controle que seria o número 11. Então vamos ver aqui. E ele tem 20 defeitos, é o máximo aceitável, são 18 então, apesar de que em proporção eles não está em número de controle, ainda assim ele está fora de controle por causa do número de defeitos. Ele tem 20 defeitos, então bem, é isso queridos participantes, eu não sei se vocês têm mais perguntas.

01:07:26:18 Eu gostaria de esclarecer alguma dúvida. Se é isso, eu agradeço a atenção de todos. Um grande abraço para todos. Boa tarde a todos! Para obter mais informações sobre o software ou tópicos relacionados, não deixe de entrar em contato no e-mail em treinamentos arroba Safira shop pontocom.