slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
ISHIKAWA - 7 Ferramentas Estatísticas para o Controle da Qualidade: Folha de Verificação PowerPoint Presentation
Download Presentation
ISHIKAWA - 7 Ferramentas Estatísticas para o Controle da Qualidade: Folha de Verificação

Loading in 2 Seconds...

play fullscreen
1 / 51

ISHIKAWA - 7 Ferramentas Estatísticas para o Controle da Qualidade: Folha de Verificação - PowerPoint PPT Presentation


  • 202 Views
  • Uploaded on

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

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'ISHIKAWA - 7 Ferramentas Estatísticas para o Controle da Qualidade: Folha de Verificação' - kristine-eris


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

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

slide2

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 verifica o

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 verifica o1

FOLHA DE VERIFICAÇÃO

FOLHA DE VERIFICAÇÃO
  • O tempo de coleta não poder ser muito longo

 definir um prazo mínimo e máximo

  • Treinamento do pessoal
estratifica o

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
slide6

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

slide7

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
estratifica o1
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
slide9

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

slide10

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

estratifica o2
ESTRATIFICAÇÃO

Tabela 7. Comparação dos limites de controle para talhão 1, talhão 2 e análise conjunta (variável % de impurezas minerais)

modelo estat stico
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

slide13
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
slide14

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 hip teses probabil sticos
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
inclina o esquerda
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 estat stica
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
os 5 por qu s

HISTOGRAMA

OS 5 POR QUÊS
  • Permite uma rápida visualização da distribuição dos dados
opera o de escarifica o
Operação de escarificação

Histograma de distribuição da profundidade de escarificação, na área A1

diagrama de causa e efeito

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
diagrama de causa e efeito1

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
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

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 pareto1

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 pareto2

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
diagrama de dispers o
DIAGRAMA DE DISPERSÃO

Estuda a correlação entre causa e efeito

fatores determinantes dos melhores resultados

DIAGRAMA DE DISPERSÃO

Fatores determinantes dos melhores resultados

Qual é o meu grupo?

Seu Grupo

Produtividade

Custo de Produção

slide33

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 dispers o2
DIAGRAMA DE DISPERSÃO
  • Tendência pode não ser reta:
    • Parábolas  Maximização
    • Comportamentos Assintóticos
      • Exemplo: Curva de informação na amostragem, modelagem não linear.
gr ficos de controle

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
slide39

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

slide40

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

compara o com os melhores resultados
Comparação com os melhores resultados

Apenas você sabe o seu código!

Benchmarker

algor timo de amostragem para pesquisa de satisfa o
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 n o por heterogeneidade de 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 formata o de processos internos
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
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 estat stico1
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

slide50
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
slide51

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