Baixe Artigo-TCC-2014 Final - Julio Rosa e outras Teses (TCC) em PDF para Engenharia de Produção, somente na Docsity!
MODELO ESTATÍSTICO DE CONTROLE DE QUALIDADE APLICADO À
PINTURA ELETROSTÁTICA
Julio Cesar Alves da Rosa Faculdades Integradas de Taquara – Faccat – Taquara – RS – Brasil jca.rosa@gmail.com
RESUMO
O artigo proposto tem por objetivo aplicar um modelo de controle estatístico de qualidade utilizando as ferramentas da área de gestão da qualidade, analisando a aplicação destas, ligadas ao Controle Estatístico do Processo (CEP). O estudo foi realizado em uma empresa de médio porte do ramo metalúrgico analisando a percepção, aplicabilidade, metodologia e uso das ferramentas de controle da qualidade. De forma especifica buscou-se com as diversas ferramentas da qualidade sendo o Diagrama de Pareto, Diagrama de Causa e Efeito, Histogramas, Gráficos de Controle e Folha de Verificação. Ferramentas fundamentais para identificar e solucionar os principais problemas no processo produtivo, utilizando um modelo eficiente a fim de controlar ou eliminar as causas potenciais dos problemas. Com a análise dos gráficos e tabelas desenvolvidas verificou-se que os resultados obtidos foram relevantes, superando o esperado, atingindo um melhor controle continuo do processo, permitindo o alcance de melhor qualidade, menor custo e maior capacidade de produção. Ao decorrer da aplicação do modelo foram obtidos os seguintes resultados, a redução no consumo de tinta em 29,2%, redução do refugo na linha em 35% e a redução do retrabalho na linha em 28,2%.
Palavras-chave : Controle estatístico de processo, Ferramentas da qualidade, Pintura Eletrostática.
STATISTICAL MODEL OF QUALITY CONTROL APPLIED TO
ELECTROSTATIC PAINTING
ABSTRACT
The proposed article aims to apply a model of statistical quality control using the tools in the area of quality management, analyzing their application, linked to Statistical Process Control (SPC), conducting a study in a medium-sized branch metallurgical analyzing perception,
Faculdades Integradas de Taquara - FaccatAv. Oscar Martins Rangel, 4.
Taquara, RS, CEP 95600-000^ Curso de Engenharia de Produção
applicability, methodology and use of quality control tools. In real terms was sought with the various quality tools being Pareto, Cause and Effect Diagram, Histograms, Control Charts and Check Sheet, fundamental to identify and solve the main problems in the production process, using an efficient model to control or eliminate potential causes of problems. With the analysis of graphs and tables developed it was found that the results obtained were significant, exceeding the expected still achieving a better process control is achieved enabling better quality, lower cost, increased production capacity. Throughout the application the following results model, the reduction in paint consumption by 29,2%, reduced the waste line and a 35% reduction in rework line of 28,2% was obtained.
Keywords: Statistical Process Control, Quality Tools, Electrostatic Painting.
1 INTRODUÇÃO
Para atingir metas e objetivos, as organizações têm adotado várias estratégias ao longo do tempo, aplicando métodos e ferramentas da qualidade que auxiliam na melhoria e no controle dos processos produtivos, buscando redução do retrabalho e refugo gerado na produção. Paladini (2006) e Alvarez (2012) afirmam que garantindo a qualidade do processo, pode-se reduzir os custos operacionais de produção, retrabalhos e os refugos do processo, e por consequência aumenta a produtividade e eficiência. De acordo com Montegomery (2013) a melhora da qualidade dos produtos e processos é um fator muito importante para que a empresa tenha uma posição de destaque no mercado, tendo assim uma maior competitividade.
O desenvolvimento de um modelo de controle estatístico da qualidade, permite fazer uma distinção clara entre os tipos de causas dos problemas encontrados no processo produtivo, garantindo que as ações necessárias sejam tomadas. Assim se busca a otimização do controle de qualidade garantindo a qualidade dos produtos e processos, este controle é uma importante ferramenta para reduzir custos e otimizar o processo produtivo (MONTEGOMERY, 2013). Segundo Campos (2014), oferecer produtos de primeira qualidade, é eliminar as ineficiências internas do processo de produção, isto segnifica oferecer mais do que um produto sem defeitos, o que pode ser atingido com uma inspeção final. O importante é oferecer produtos de qualidade, com altos redimentos no processo reduzindo os defeitos e retrabalho no processo de produção e por consequência diminuindo o desperdício de matéria prima. Segundo Mann (1992), a melhoria da qualidade dos produtos e processos aumenta a produtividade, fato este que não é levado muito a sério e em alguns casos nem muito
produzir produtos com alta qualidade. Já Juran e Gryna (1991) conceituam o controle de qualidade como o processo regulador que mede o desempenho real da qualidade de um processo comparando com os objetivos pré-estabelecidos e atuando nos problemas encontrados. Com a utilização desta ferramenta é possível identificar quais são os problemas que estão atuando no processo e assim tomar as medidas necessárias para solucionar os mesmos, tanto no processo estudado quando nos processos produtivos que antecedem a pintura eletrostática. O CEQ consiste na coleta, análise e interpretação de dados com o propósito de resolver um problema, identificando quais suas principais causas e onde elas se originam. No processo produtivo, o objetivo deste controle é monitorar o processo estudado, de modo a controlar e restringir a variação dentro de limites pré-determinados (PARANTHAMAN, 1990). Hines et al (2006) descreve os métodos de controle estatísticos como uma ferramenta de medição, monitoramento e controle da qualidade, usados na compreensão das variabilidades de um processo produtivo. Para Soares (2003) o CEQ pode ser realizado de duas maneiras, a primeira consiste em uma inspeção no final do processo produtivo, onde se avalia a qualidade dos produtos depois da produção e a segunda é o Controle Estatístico de Processo (CEP), realizado no processo de produção de um produto. Segundo Werkema (2006) dentro da estatística existem diversas ferramentas que auxiliam na interpretação da variabilidade dos processos, estas ferramentas quando bem utilizadas nos indicam qual o melhor caminho que devemos tomar para obtermos a melhor resposta para anomalias encontradas no processo. As mais utilizadas são as sete ferramentas da qualidade, que são: (i) a estratificação; (ii) folha de verificação; (iii) gráfico de Pareto; (iv) diagrama de causa e efeito; (v) histograma; (vi) diagrama de dispersão e (vii) gráfico de controle.
2.2 Ferramentas da qualidade
2.2.1 Estratificação
De acordo com Werkema (2006) a estratificação é a subdivisão de um determinado grupo de dados em grupos menores, conforme uma definição prévia. Já Mariani (2005) afirma que a estratificação é uma técnica utilizada para dividir o problema em partes menores,
facilitando sua análise para posterior busca de solução, não havendo um único modelo a ser seguido, sendo assim cada caso deve ser avaliado como se fosse único. Esses dados são conhecidos como fatores de estratificação, a ferramenta de estratificação pode ser aplicada nas etapas de observação, análise, execução, verificação e padronização dos mais diversos processos produtivos. Ainda nesta linha de pensamento, Trivellato (2010) comenta que estes fatores são as possíveis causas que podem gerar algum tipo de variação e que atuam diretamente no processo produtivo. São considerados fatores de estratificação naturais os seguintes itens: turnos, máquinas, tempo, método, pessoas, medidas, matéria prima, condições ambientais entre outros.
2.2.2 Folha de Verificação
A folha de verificação consiste em um formulário, no qual os itens a serem verificados para a observação do problema já estão impressos, com o objetivo de facilitar a coleta e o registro dos dados. Normalmente é construída após a definição das categorias para a estratificação dos dados (KUME, 1993; WERKEMA, 2006). Segundo Mariani (2005) e Vieira (1999), o principal objetivo de utilizar a folha de verificação é facilitar o trabalho de quem realiza a coleta de dados. Tornando esta tarefa rápida e fácil, assim os dados coletados já terão uma organização prévia o que padroniza a coleta de dados.
2.2.3 Gráfico de Pareto
Segundo Werkema (2006) é um gráfico de barras verticais que dispõe as informações de forma a tornar evidente e visual a priorização as causas dos problemas. A informação assim disposta também permite o estabelecimento de metas numéricas viáveis a serem alcançadas. Já Ramos (2000) afirma que o diagrama de Pareto é utilizado quando pretendemos analisar um problema, de uma sistemática quando se tem vários problemas e um número reduzido ou limitado de recursos disponíveis para poder solucioná-los. Kume (1993) e Trivellato (2010) afirmam que o gráfico de Pareto mostra que um problema é causado, por um número reduzido de causas. Assim, se identificarmos estas poucas causas tornar-se-á mais fácil realizar as ações necessárias para eliminá-las nos concentrando nas causas principais e por consequência resolvendo a maioria dos problemas
causas básicas geradas por um brainstorming , desdobrá-las até a causa raiz do problema e leva a tomadas das medidas necessárias para resolvê-lo (KUME, 1993; LINS, 1993).
2.3 Controle estatístico do processo (CEP)
Segundo Montgomery (2013) o Controle Estatístico de Processos (CEP) é uma ferramenta muito utilizada na indústria para a melhoria dos processos. Com a utilização desta ferramenta podemos obter ótimos resultados como a prevenção de defeitos e aumento da produtividade. Já Cauburon e Morales (2006) afirmam que “O CEP não é ferramenta que por si só implantada traga sucesso no sentido de garantir a qualidade dos produtos, mas sim uma ferramenta importante do sistema de gerenciamento da qualidade no sentido de manter e melhorar resultados”. Sabe-se que a melhoria da qualidade de qualquer sistema só pode ser realizada com a aplicação conjunta do CEP com outras ferramentas da qualidade, ou seja, o CEP sozinho dificilmente irá realizar uma melhoria em um processo.
De acordo com Galuch (2002), CEP desde que inserido num programa de melhoria contínua, utiliza as técnicas estatísticas e as ferramentas de qualidade para analisar o comportamento do processo. Assim podem-se efetuar ações corretivas que permitam mantê-lo dentro de condições preestabelecidas e tendo como objetivo, evitar a produção de itens defeituosos, melhorando e garantindo a qualidade da produção. Esse tipo de controle de qualidade reduz os custos evitando desperdícios, retrabalho e refugo. Além disso, o CEP aumenta a produtividade, identificando e eliminando as causas da variação do processo e por consequência reduzindo a necessidade de inspeção final na linha de produção.
Sommer (2000) complementa afirmando que o CEP é uma ferramenta que atua no processo produtivo de maneira preventiva, comparando continuamente os resultados obtidos com um padrão estabelecido pela empresa podendo assim, fazer com que o produto atenda as demandas dos clientes. É necessário que o processo ocorra em condições ideais, conhecidas, controladas e livres de grandes variações para manter-se todos os parâmetros dentro de condições preestabelecidas pela empresa e assim obter os objetivos de melhoria da qualidade almejados pela mesma.
De maneira geral, para que um determinado produto atenda às exigências do cliente é necessário que o processo ocorra em condições conhecidas e controladas (WERKEMA, 2006). A fim de reduzir as variações nas características dos produtos, de forma a obter maior
segurança e uniformidade dos produtos garantindo a qualidade e menor custo de produção no processo.
2.3.1 Gráfico de Controle
Uma das ferramentas mais utilizadas no CEP é o gráfico de controle e ela é mais recomendada para o controle da qualidade de materiais, bateladas, itens e montagens, pois permitem avaliar se uma produção está sob controle e apresentam o desempenho do processo de produção ao longo do tempo. Eles comparam a variação real na produção de itens com os limites de controle estipulados para esses mesmos itens. Estes gráficos analisam o comportamento do processo, permitindo que o gestor possa atuar no processo de maneira preventiva implementando ações no momento em que ocorrem os desvios do processo (FEIGENBAUM, 1994; MONTGOMERY, 2013; WERKEMA, 2006). Segundo Montegomery (2013), existem gráficos de controle para atributos e para variáveis: a) Atributos: estudam o comportamento de números e proporções. Exigem somente uma classificação de medições descontínuas como boas ou más; b) Variáveis: referem-se a aspectos como peso, comprimento, densidade, concentração, etc. Os gráficos de controle exigem medições em uma escala contínua, pois uma vez que a coleta de dados é permitida corre-se o risco de uma análise de dados que não expresse a realidade do processo.
2.3.2 Capacidade do Processo
A capacidade de um processo refere-se em produzir produtos cujos resultados atendam as especificações do projeto ou as especificações utilizadas pela empresa. Segundo Sommer (2000) e Montegomery (2013) a capacidade de um processo envolve a comparação entre os limites do processo e os limites de especificação utilizados no processo. Assim podemos dizer que um processo pode ser classificado, quanto à sua capacidade, em: a) Processo capaz: quando os resultados das medições encontram-se dentro dos limites das especificações do projeto, ou seja, estatisticamente não estão sendo produzidos produtos defeituosos;
Onde:
- índice de desempenho do processo; LSE – limite superior de especificação; LIE – limite inferior de especificação; σ – desvio padrão; μ - média dos valores;
- índice de potencial do processo inferior;
- índice de potencial do processo superior.
Para que o processo seja considerado excelente, o valor do índice deve ser maior
ou igual a 2,0 e podemos afirmar que o processo esta sobre controle. Quando o valor de estiver no intervalo entre 1,33 e 2,0, o processo é considerado capaz e o mesmo deve ser
monitorado. Já quando o valor de estiver entre 1,0 e 1,33, o processo é considerado
relativamente incapaz e exige controle contínuo, quando o valor de estiver entre 0 e 1,0, exige que toda a produção esteja sobre monitoramento, pois pode ter produção de produtos
defeituosos. Finalmente quando o valor de for negativo, o processo é considerado totalmente incapaz e também exige que se controle toda a produção (MONTEGOMERY, ; SOARES, 2003).
3. ESTUDO APLICADO
3.1. Cenário
Este estudo foi aplicado em uma empresa do setor metalúrgico, fornecedora de biqueiras de aço para calçados de segurança, sendo a maior produtora deste componente em nível mundial. O estudo foi realizado em sua planta produtiva localizado na cidade de Campo Bom, Rio grande do Sul. A empresa conta, na planta estudada, com aproximadamente 200 funcionários, ou seja, é uma empresa de médio porte e possui uma capacidade produtiva de 120.000 pares de biqueiras de aço por dia. O processo produtivo da empresa em linhas gerais é dividido em quatro grandes áreas, que são estamparia, tratamento térmico, pintura eletrostática e colagem de protetor. O estudo foi realizado em uma das linhas de pintura eletrostática denominada
“ Pintura 319”, o setor da pintura foi escolhido para a aplicação do modelo pelos seguintes motivos: a) Por ter o maior índice de retrabalho e refugo da empresa, como está apresentado no Gráfico de Pareto da Figura 01; b) Por ter o segundo maior custo de matéria prima da empresa, cujo consumo de tinta esta fora dos padrões estabelecidos pelo fornecedor; c) Pelas características do processo serem compatíveis com a implantação do CEP, onde a variável que será controlada é a espessura da camada de tinta.
Figura 01 – Gráfico de Pareto – Retrabalho e Refugo (Fev/Mar/Abr)
Fonte: do Autor
3.2. Procedimentos Metodológicos
Atualmente na empresa não existe um modelo de controle de qualidade bem definido, sendo que o setor da qualidade juntamente com a supervisão de cada setor estabelece um acompanhamento de poucos indicadores de qualidade em cada setor. A proposta deste trabalho é desenvolver um método de controle de qualidade que possa ser expandido para todos os setores da empresa, a fim de manter um controle mais eficaz da qualidade. No inicio da implantação do modelo ouve resistência por parte das equipes do setor de qualidade e da pintura eletrostática porque, na opinião das equipes, o sistema de controle de qualidade neste setor estava funcionando muito bem, refutando todos os argumentos contrários utilizados na tentativa de analisar os problemas do sistema de controle de qualidade. Para romper está resistência inicial foi desenvolvido um modelo de controle de
Na segunda etapa do modelo foram definidas as formas de obtenção destes dados e assim foram criados modelos de coletas de dados juntamente com a supervisão do setor, para serem utilizados na produção. Um destes modelos foi à utilização de uma folha de verificação, onde o operador da cabine de pintura irá colocar a quantidade em massa (Kg) do retrabalho e refugo que está sendo gerada, esta quantidade em massa (Kg) será multiplicada a um valor médio (0,17 Kg/Par) para obtenção da quantidade de pares que esta sendo gerado de retrabalho e refugo. Outra folha de verificação que foi criada para o controle do consumo de tinta, onde o operador registrava a quantidade de caixas de tinta utilizada. Cada caixa de tinta tem um peso de 25 Kg de matéria prima, a produção diária da pintura é retirada do sistema utilizado pela empresa e dividindo a quantidade de tinta utilizada pela a quantidade de pares produzida no dia obteve-se um consumo médio por par no período. A carta de controle foi outro modelo adotado para o levantamento dos dados, onde a cada hora o operador da pintura deveria medir a espessura da camada de tinta de um grupo de 10 peças, estes valores coletados deram origem a dois gráficos de controle que foram posteriormente analisados a fim de obter o comportamento do processo e assim verificar se o mesmo possuía condições de ser melhorado. A Figura 03 monstra a carta de controle utilizada neste modelo. Figura 03 – Carta de Controle da Espessura de Camada
Fonte: do Autor
Os gráficos de controle mais recomendados para amostras maiores de seis, são os
gráficos “ e s” (média e desvio-padrão). As médias amostrais são registradas e a variabilidade é avaliada através do desvio-padrão, mas esse tipo de gráfico apresenta maior dificuldade de interpretação. Na terceira etapa do modelo foram analisados e estratificados os dados coletados na fase anterior, após a análise dos dados foi realizada uma reunião com o setor da qualidade e o setor da pintura eletrostática para mostrar a compilação dos dados. A Tabela 01 monstra os dados referentes à variável de retrabalho, a Tabela 02 monstra os dados referentes à variável de refugo e a Tabela 03 demonstra os dados referentes à variável de consumo de tinta.
Tabela 01 – Valores referentes ao retrabalho. Mês Quant. Produzida (Pares)
Quant. Retrabalho (Pares)
Percentual de Retrabalho Fevereiro 981.963 9.226 0,94% Março 1.098.972 12.650 1,15% Abril 1.468.160 14.680 1,00% Fonte: do Autor
Tabela 02 – Valores referentes ao refugo Mês Quant. Produzida (Pares)
Quant. Refugo (Pares)
Percentual de Refugo Fevereiro 981.963 2.606 0,27% Março 1.098.972 2.667 0,24% Abril 1.468.160 3.650 0,25% Fonte: do Autor
Tabela 03 – Valores referentes ao consumo de tinta Mês Quant. Produzida (Pares)
Consumo de Tinta Mensal em Kg
Consumo de Tinta g/par Fevereiro 981.963 3.175 3, Março 1.098.972 3.575 3, Abril 1.468.160 4.650 3, Fonte: do Autor
A Figura 04 e a Figura 06 mostram os gráficos de controle da (média) e do S (desvio padrão) consecutivamente. Os dados apresentados nos gráficos a seguir são referentes a
- LSC – Limite Superior de Controle;
- LIC – Limite Inferior de Controle;
- LSE – Limite Superior de Especificação;
- LSC – Limite Inferior de Especificação;
- LM – Linha Média;
- S – Desvio Padrão. O índice de potencial do processo ( ) nesta primeira amostragem ficou em 0,84 e o
índice de desempenho do processo ( ) ficou em 0,80, indicando que havia muita variabilidade no processo como podemos obeservar no histograma da Figura 06.
Figura 06 – Histograma
0
1
2
3
4
5
6
7
8
9
30 -
35 35 -
40 40 -
45 45 -
50 50 -
55 55 -
60 60 -
65 65 -
70 70 -
75
Frequência
Espessura da Camada de Tinta (μm)
Histograma
Fonte: do Autor
Após a verificação dos dados levantados, foi realizado um brainstorm com as equipes da qualidade e da pintura eletrostática para serem verificados e priorizados os problemas, para então se descobrir quais as possíveis causas, e para tanto foi usado o Diagrama de Causa e Efeito. A partir de uma lista bem definida de possíveis causas, as mais prováveis foram identificadas e selecionadas para uma melhor análise. Quando examinar cada causa, se devem observar fatos que mudaram, como, por exemplo, desvios da norma ou dos padrões. Precisa ser lembrado de eliminar a causa e não o sintoma do problema. A investigação da causa e de seus componentes deve ser tão a fundo quanto possível. A Figura 07 monstra o Diagrama de Causa e efeito sobre a variável de
consumo de tinta e a Figura 08 monstra o Diagrama de Causa e Efeito sobre as variáveis de retrabalho e refugo.
Figura 07 – Diagrama de Causa e Efeito – Consumo de Tinta
Fonte: do Autor
Figura 08 – Diagrama de Causa e Efeito – Retrabalho e Refugo
Fonte: do Autor
f) Uso das gancheiras corretamente: A troca das gancheiras era feita sem uma definição de tempo exato ou uma quantidade de peças que deveriam ser pintadas antes da troca das gancheiras, a partir da verificação realizada no setor, ficou definido que a troca das gancheiras passaria a ser feita a cada 120.000 pares pintadas, com o objetivo de garantir que a corrente elétrica passada para as peças seria de maneira uniforme obtendo uma pintura de qualidade.
4. RESULTADOS
Com os resultados obtidos na implantação deste modelo de controle de qualidade pode-se analisar que já no início dos estudos, ocorreu uma mudança importante no comportamento dos colaboradores do setor da pintura, eles passaram a ter uma visão da importância da qualidade do produto e do sistema produtivo do qual fazem parte, e assim passaram a prestar mais atenção ao processo e as possíveis causas de falhas que este poderia apresentar. Pode-se verificar na Tabela 04 que houve uma mudança significativa nas quantidades geradas de retrabalho e refugo. Portanto, obteve-se uma redução significativa na quantidade de refugo, passando de uma média (Fev/Mar/Abr) 2.974 pares para uma média (Jun/Jul) de 1.924 pares, assim na variável refugo foi alcançando uma redução de 35%, outra variável estudada foi o retrabalho que tinha uma quantidade média (Fev/Mar/Abr) de 12.185 e passou para uma média (Jun/Jul) de 8.749 pares, e tivemos uma redução de 28,2%. Conforme pode ser observado na tabela abaixo ocorreu um aumento de retrabalho no mês de julho este se deu em função da entrada de um modelo diferenciado de biqueira que é produzid o sazonalmente e para este produto é utilizado um tipo especial de gancheira, o qual resultou neste aumento.
Tabela 04 – Diferença nas quantidades de refugo e retrabalho Mês Quant. Produzida (Pares)
Quant. Refugo (Pares)
Quant. Retrabalho (Pares) Média (Fev/Mar/Abr) 1.183.032 2.974 12. Junho 1.109.544 1.862 7. Julho 1.251.200 1.985 9. Fonte: do Autor
A Figura 09 mostra a diferença dos percentuais de refugo e retrabalho após a implantação do modelo. Nesta pode-se verificar que ocorreu uma redução significativa de retrabalho, que passou de uma média de 1,03% ao mês antes da aplicação do modelo para 0,72% em Junho e 0,76% em Julho após a aplicação do modelo. Com relação ao refugo gerado neste setor obteve-se uma redução de 0,25% em média nos meses anteriores a aplicação do modelo para 0,17% em Junho e 0,16% em Julho. Como se trata de uma produção mensal de 1.150.000 pares ao mês essa queda é significativa e muito importante para empresa.
Figura 09– Percentual de refugo e retrabalho
0,25%
1,03%
0,17%
0,72%
0,16%
0,76%
0,00%
0,20%
0,40%
0,60%
0,80%
1,00%
1,20%
% Refugo % Retrabalho
Percentual
Percentual de Refugo e Retrabalho
Média (Fev/Mar/Abr) Junho Julho
Fonte: Rosa (2014)
No aspecto prático da implantação das cartas de controle, constatou-se que o processo avaliado está sob controle estatístico. Como pode-se verificar no cálculo do índice de
potencial do processo ( ), a amostragem final ficou em 1,44 e o índice de desempenho do
processo ( ) ficou em 1,29. Os gráficos de controle após a implantação do modelo estão demonstrados na Figura 10 e Figura 11.
