mce0464 estudo de capabilidade de um processo … · desse trabalho foram cumpridos, quantificando...
Post on 24-Nov-2018
216 Views
Preview:
TRANSCRIPT
XVII Encontro de Iniciação Científica XIII Mostra de Pós-graduação
VII Seminário de Extensão IV Seminário de Docência Universitária
16 a 20 de outubro de 2012
INCLUSÃO VERDE: Ciência, Tecnologia e
Inovação para o Desenvolvimento Sustentável
MCE0464
ESTUDO DE CAPABILIDADE DE UM PROCESSO DE PINTURA EM ESTRUTURAS METÁLICAS
DANIELA DOS REIS SIMÕES RODRIGUES dannysimoes@gmail.com
ESPEC ENGENHARIA DA QUALIDADE UNIVERSIDADE DE TAUBATÉ
ORIENTADOR(A) ALVARO AZEVEDO CARDOSO UNIVERSIDADE DE TAUBATÉ
ESTUDO DE CAPABILIDADE DE UM PROCESSO DE PINTURA EM
ESTRUTURAS METÁLICAS1
(Autor) Daniela dos Reis Simões Rodrigues 2
(Orientador) Álvaro Azevedo Cardoso 3
Resumo
O crescimento ininterrupto da competitividade entre empresas junto à
globalização tem acarretado mudanças nos processos produtivos. Desta maneira,
compreender e aprimorar a qualidade são fatores decisivos que podem conduzir ao bom
êxito, crescimento e posição competitiva do negócio. O presente estudo se destina a
verificar se o processo de pintura eletrostática com tinta líquida desenvolvido por uma
empresa fabricante de estruturas metálicas atende à especificação solicitada por um
novo cliente potencial. Para condução e monitoramento adequados, os métodos
utilizados sintetizam-se em realização da coleta de dados, com elaboração de Plano de
Coleta de Dados; verificação da normalidade do processo com a aplicação de
histograma; elaboração de gráficos de controle, possibilitando a detecção e análise de
causas normais e especiais; validação do sistema de medição, através da análise de
R&R; e realização do estudo de capabilidade do processo. Os resultados obtidos
apresentaram um processo com distribuição normal e com variabilidade e estabilidade
de características importantes monitoradas, atingindo um estado de controle estatístico.
Com o resultado da análise do sistema de medição em 15, 75%, verifica-se que é um
processo válido, com a variação considerada aceitável (inferior a 30%). Finalizando,
garantiu-se a capabilidade através dos índices Cp e Cpk que se apresentaram em 1,52 e
1,48, respectivamente, em consenso à regra que delimita valores acima de 1,33 para
processos capazes de atender às especificações. Conclui-se, portanto, que os objetivos
desse trabalho foram cumpridos, quantificando e demonstrando a capabilidade do
processo em relação ao especificado pelo cliente, fornecendo também base para futuras
melhorias.
Palavras-chave: Controle Estatístico de Processo, Gráficos de Controle, Capabilidade
CAPABILITY STUDY OF A PAINTING PROCESS IN METALLIC
STRUCTURES
Key words: Process Statistical Control, Control Graphics, Capability
1 XIII MPG - Mostra de Pós Graduação 2 Pós Graduanda, UNITAU - Universidade de Taubaté, dannysimoes@gmail.com 3 PhD, UNITAU - Universidade de Taubaté, aazevedocardoso@gmail.com
1 INTRODUÇÃO
Atualmente as empresas se deparam com a necessidade em modificar sua
cultura, política e estratégias, com alterações e melhorias contínuas no ambiente
empresarial que acarretem em aumento da competitividade e garantia da satisfação das
necessidades e anseios de seus clientes, reconhecendo, inclusive, as características e as
variáveis mais relevantes no processo.
Nessa esfera, a qualidade tornou-se um dos mais importantes fatores de decisão
dos consumidores na preferência de produtos e serviços competitivos entre si. Portanto,
o controle da qualidade nos itens oferecidos adquiriu significativa importância para
geração de lucros e manutenção dos mesmos no mercado.
A execução do presente trabalho é justificada em virtude deste constante avanço
tecnológico utilizado nos processos produtivos industriais, exigindo métodos de
controle estatístico da qualidade capazes de acompanhar, monitorar, detectar e avaliar
mudanças nas características da qualidade durante o processo.
Define-se ainda como justificativa a necessidade de verificação da capacidade de
um processo em atender às especificações dos clientes, tendo em vista à plena satisfação
destes,
qualidade do produto final e garantia de produção conforme determinado, sem
interferências inesperadas.
Portanto, o objetivo define-se em verificar se o processo de pintura eletrostática
com tinta líquida, desenvolvido por uma empresa fabricante de estruturas metálicas,
atende à especificação solicitada por um novo cliente potencial.
2 REFERENCIAL TEÓRICO
2.1 Controle Estatístico da Qualidade (CEQ)
Segundo Western Electric (1956), o CEQ é uma forma de estudo das
características de um processo com auxílio de números – dados estatísticos – de maneira
a fazê-lo comportar-se da forma desejada, ou seja, sob controle.
De acordo com Montgomery (2004), um processo está sob controle quando a
variação da qualidade for atribuída ao acaso e não a causas identificáveis, ou seja,
quando as causas da modificação podem ser detectadas. Desta maneira, o CEQ tem
como objetivo estabelecer, melhorar e assegurar a qualidade de uma produção, atuando
em todas as fases do processo produtivo.
Alguns autores como Woodall e Montgomery (1999) definem o CEQ como um
ramo da Estatística Industrial composto de quatro grandes áreas:
Controle Estatístico de Processo (CEP) que inclui os gráficos de controle,
responsáveis pelo monitoramento do desempenho de um processo, e demais ferramentas
estatísticas e de gerenciamento que permitem identificar problemas e buscar suas
respectivas causas;
Estudo de Capabilidade de Processos que mensuram a capacidade do
processo de produzir itens condizentes com as especificações;
Aceitação por Amostragem que pode ser definida como o grupo de
técnicas utilizadas para aceitação ou rejeição de matéria-prima ou lotes de produtos
acabados;
Planejamento de Experimentos composto por experimentos estatísticos
devidamente planejados no intuito de identificar quais variáveis influem para que um
processo tenha um comportamento indesejado, bem como a magnitude do efeito.
Os dois primeiros itens serão detalhadamente apresentados, visto que são alvos
do presente estudo.
2.2 Controle Estatístico de Processo (CEP)
Woodall (2000) defende que o controle estatístico de processos consiste em
métodos para entender, monitorar e melhorar o desempenho do processo ao longo do
tempo. Para tanto, é necessário priorizar a compreensão da variação das características
de qualidade como sendo de importância primária para o controle estatístico de
processos.
Sabe-se então que o CEP, além de uma ferramenta estatística que contempla o
desenvolvimento e interpretação dos resultados de gráficos de controle de processos, é
visto como uma filosofia de gerenciamento e um conjunto de técnicas que visam
garantir a estabilidade e a melhoria contínua de um processo de produção
A prática dos métodos de controle estatístico de processos é, sem dúvida
nenhuma, uma das ferramentas mais poderosas para a melhoria dos processos
produtivos de forma geral. No entanto, Does et al. (1997) afirma que uma das maiores
causas de falha na implementação do CEP está relacionada a fatores organizacionais e
sociais, citando como exemplos a ausência de gerenciamento, o não comprometimento
ou falta de treinamento e entendimento das técnicas de controle estatístico de processos,
controle de projetos inadequado e a falta de atenção.
2.3 Gráficos de Controle
Os gráficos de controle são a principal ferramenta utilizada para monitoramento
da variabilidade e avaliação da estabilidade de características importantes em um
processo, sinalizando a presença de causas especiais e permitindo atingir um estado de
controle estatístico. Ajudam a estabelecer uma referência de medição a partir da qual se
medem melhorias, além de fornecer uma imagem gráfica do processo ao longo do
tempo.
Os gráficos de controle permitem, então, a distinção entre dois tipos de causas de
variação (comuns e especiais). As causas comuns são originárias da variabilidade
natural do processo, sendo, portanto, consideradas aleatórias, sinalizando que o processo
está sob controle estatístico. Já as causas especiais são originárias da formação de
padrões, sinalizando que algo está influenciando o processo, sendo, portanto necessário
identificá-la e removê-la para que toda a produção não seja afetada. Quando causas
especiais aparecem, diz-se que o processo está fora de controle estatístico, ou seja,
processo não está sob controle. É o que diz Nelson (1999), ao descrever que os gráficos
de controle de Shewhart são usados para indicar a presença de causas que produzem
desvios importantes na operação de um processo estável.
Sendo assim, os gráficos de controle definem-se por uma apresentação gráfica de
uma característica da qualidade que foi medida ou calculada a partir de uma amostra
versus o número da amostra ou o tempo, conforme apresentado na figura a seguir.
Figura 01. Exemplo de Gráfico de Controle (Minitab 15).
Fonte: Mafra.
Diz-se, enfim, que a importância do gráfico de controle está em identificar a
ocorrência de causas especiais e então removê-las, conduzindo a redução em variação
do processo.
Ramos (2008) apresenta o procedimento de construção de gráficos de controle,
de forma geral, como uma coleta de amostras de tamanhos fixos em intervalos amostrais
e através destas, obter estimativas para o nível e para a dispersão do processo. Estas
estimativas são utilizadas para determinar as linhas dispostas nos gráficos.
Desta maneira, dizemos que um gráfico de controle consiste em uma linha
central (LC) ou linha média (LM), que representa o valor da média amostral e duas
outras linhas horizontais chamadas de limite superior de controle (LSC) e limite inferior
de controle (LIC), a partir da média a ± 3 desvios padrão.
Tais limites de controle são determinados de modo que, se o processo estiver sob
controle, os pontos amostrais estarão dispostos entre eles. Caso o processo não esteja
sob controle estatístico, apresentará pontos além dos limites - os outliers - que
representam causas especiais do processo. Nestes casos é necessária uma investigação e
ação corretiva para encontrar e eliminar a causa ou as causas atribuíveis responsáveis
por tais.
2.3.1 Tipos de Gráficos de Controle
Os gráficos de controle podem ser classificados em dois tipos: gráficos de
variáveis, cujas características da qualidade podem ser expressas como um número em
alguma escala contínua de medida; e gráficos de atributos, cujas características da
qualidade não são medidas em uma escala contínua ou mesmo em uma escala
quantitativa.
De acordo com Toledo e Allinpradini (2004), os gráficos de controle por
variáveis são utilizados quando as amostras podem ser representadas por unidades
quantitativas de medida como peso, espessura, altura, comprimento, etc.
Os dados provenientes de variáveis geralmente contem mais
informações/detalhes, portanto são mais usuais no Controle Estatístico de Processos,
confirmando-se essenciais para o diagnóstico do processo em estudo.
Já os gráficos de controle por atributos exigem uma contagem ou classificação de
medidas descontínuas, como boas ou más, passa ou não passa, conformes e não
conformes, entre outros.
Conforme apresentado por Toledo e Alliprandini (2004), esses gráficos são
utilizados quando o número de características a controlar em cada produto é muito
grande; ou quando é conveniente colocar calibradores do tipo passa-não-passa; ou ainda
quando o custo de mensuração é maior do que a peça e, por final quando a verificação
da qualidade pode ser feita por uma simples inspeção visual.
De acordo com Montgomery (1997), os gráficos de atributos são responsáveis
pelo estudo do comportamento de números e proporções ou somente o fato de
determinado item estar conforme ou não-conforme, dependendo da natureza da medição
e dos custos envolvidos.
2.3.1.1 Gráficos x e R
Em seguida são apresentados detalhes e conceitos relativos aos gráficos de
controle do tipo x e R, devido a sua aplicação no presente trabalho.
Sabe-se inicialmente que o gráfico R é utilizado para controle da variabilidade
dentro dos subgrupos determinados, ou seja, controla a variabilidade entre as
observações que compõem cada subgrupo.
Afirma-se, por conseguinte, que o gráfico x é responsável pelo controle da
variabilidade entre as médias dos diversos subgrupos. Este gráfico é muito comum para
estudo e controle da tendência central na distribuição básica de uma característica da
qualidade, devido a sua relativa facilidade de cálculo e aplicação, aliada a excelente
sensibilidade na detecção de mudanças na média da distribuição.
2.4 Capabilidade de Processo
2.4.1 Premissas para o Estudo de Capabilidade de Processo
A principal e inicial condição para o estudo de capabilidade de um processo é a
de que os dados devem seguir uma distribuição normal. Caso essa condição não seja
acatada, a interpretação dos resultados pode se tornar errônea e a confiabilidade ser
comprometida.
Conforme apresentado por Montgomery (2004), uma segunda condição para a
utilização dos índices de capacidade é a de que o processo esteja sob controle estatístico
(estável), ou seja, com os dados do processo mantendo uma aleatoriedade em torno dos
limites de controle, sem apresentar tendência, nem ao menos pontos fora dos limites. É
importante ressalvar ainda o fato de que o processo não apresente variabilidade muito
inferior aos limites.
Isso denota que para se calcular a capacidade de um processo, é necessário
inicialmente realizar o CEP, com execução de gráficos de controle, garantindo,
inclusive, a suposição de normalidade dos dados.
Uma outra suposição importante é a verificação da centralidade da média do
processo em relação aos limites de especificação, significando que a média pode
representar o centro dos limites, mas caso não represente, deve ao menos apresentar-se
entre os limites inferior e superior para que os cálculos da capacidade sejam válidos.
Finalizando as premissas a serem analisadas, faz-se necessária a validação do
Sistema de Medição, garantindo a produção de resultados corretos e com certo grau de
incerteza aceitável.
2.4.1.1 Distribuição Normal
Diversas características da qualidade de interesse, principalmente aquelas
associadas a processos produtivos, seguem, pelo menos de forma aproximada, uma
distribuição normal.
A curva simétrica em forma de sino representada na Figura 2 é conhecida como
distribuição normal.
Figura 2. Exemplo da Curva de Distribuição Gaussiana ou Curva de Gauss.
Fonte: Própria.
De acordo com Montgomery (1997): “A distribuição normal é provavelmente a
mais importante distribuição na teoria e na aplicação estatística”.
A distribuição normal ou Gaussiana é a distribuição de probabilidade mais
importante dentro da teoria estatística, devido a sua grande aplicabilidade na descrição
de fenômenos da vida real.
2.4.1.2 Processo Estável
Paladini (1990) e Pyzdek (1996) delimitam que um processo cujas variações são
devidas somente a causas aleatórias é um processo estável, ou seja, sob controle
estatístico.
De acordo com Sutherland (2002) a presença de causas especiais significa que o
processo não é estável, previsível, econômico. Neste caso, os esforços devem ser para
entender as causas especiais de variação e achar o mais cedo possível o motivo da
variação, restabelecendo o estado estável.
A visão de variação de causas comuns produz pontos em um gráfico de controle
que por um longo tempo, enquadram-se dentro dos limites de controle. Uma causa
especial de variação não faz parte do sistema comum das causas, sendo detectada por
um ponto fora dos limites de controle.
2.4.1.3 Sistema de Medição (MSA - Measurement System Analyser) Validado
Sistema de Medição é o conjunto de operações, procedimentos, dispositivos de
medição e outros equipamentos, software e pessoal usado para atribuir um número à
característica que está sendo medida.
Afirmamos que a avaliação do sistema de medição deve ser utilizada para
garantir a confiabilidade dos dados empregados.
Tradicionalmente, um sistema de medição pode ser impactado por duas fontes
de variação:
Aleatória: representa as pequenas variações que ocorre em medidas
repetidas de uma grandeza e que possuem como causa alterações ambientais ou
espaciais, interferência elétrica, etc;
Sistemática: ocorre em todas as medições mais ou menos com a mesma
intensidade. Se este efeito puder ser quantificado e, se for significativo, uma correção ou
fator de correção pode ser aplicado.
Conforme o Manual de MSA da QS-9000 (1997), para se controlar a variação do
sistema de medição é necessário identificar as fontes de variação potenciais e eliminar
ou monitorar essas fontes de variação.
Para tanto, faz-se imprescindível realizar a análise de R&R - duas variações
importantes ao sistema. São elas:
Repetibilidade: é a variação inerente ao equipamento. Trata-se de um
erro aleatório decorrente de sucessivas medições feitas sob condições fixas e definidas
(peça, instrumento, método, operador, ambiente, etc);
Figura 3. Conceito de repetibilidade.
Fonte: Adaptado de Werkema.
Reprodutibilidade: pode ser definida como a variação das médias das
medições feitas por diferentes avaliadores, utilizando um mesmo instrumento, enquanto
medindo uma mesma característica, sob as mesmas condições.
Figura 4. Conceito de reprodutibilidade.
Fonte: Adaptado de Werkema.
A variabilidade da análise de R&R é a porcentagem que a variabilidade da
medição (repetibilidade e reprodutibilidade) representa na variabilidade observada no
processo.
Sabe-se que há uma regra geral de aceitação, citada no Manual de MSA da QS-
9000 (1997):
Erro menor que 10% - sistema de medição aceitável;
Erro entre 10% e 30% - o sistema pode ser aceito com base na
importância de sua aplicação, no custo do aparato de medição e nos seus custos de
reparo;
Erro acima de 30% - sistema de medição inaceitável.
Além disso, o número de categorias distintas (critério de discriminação) deve ser
maior ou igual a 5, podendo ser aceito o valor 4 como marginal.
O número de categorias distintas mede a habilidade do sistema de medição
resolver os dados em um determinado número de categorias - conseqüentemente uma
medida de resolução maior, melhor.
2.4.2 Análise da Capabilidade de Processo
O estudo da capabilidade de processo aborda a relação existente entre os limites
de controle, obtidos com base nos dados de processo, com os limites de especificação,
que definem o intervalo em que as medidas das características da qualidade podem
variar, sejam eles determinados pelos clientes ou não.
Kotz & Johnson (1993) ressaltam que os índices de capabilidade devem ser
empregados em etapa posterior à verificação de que o processo encontra-se sob controle
estatístico, reforçando o caráter complementar de tais técnicas à implantação de um
sistema de garantia da qualidade.
Montgomery (2004) afirma que a análise da capacidade de um processo envolve
várias técnicas estatísticas durante o ciclo produtivo, com atividades de
desenvolvimento anteriores à fabricação, quantificação e análise da variabilidade do
processo em relação às especificações do produto, facilitando a eliminação ou redução
de tal variabilidade.
Montgomery (2004) cita os principais usos da análise de capabilidade de
processo, sendo elas:
Prever como o processo se manterá dentro das tolerâncias;
Auxiliar na seleção ou alteração do processo;
Auxiliar no estabelecimento de um intervalo entre as amostragens para o
controle do processo;
Determinar requisitos de desempenho para novos equipamentos;
Auxiliar na seleção de fornecedores;
Esboçar a seqüência dos processos produtivos quando há interação entre
tais processos e as tolerâncias;
Restringir a variabilidade em um processo;
Aferir o sistema de obtenção de medidas da qualidade (MSA).
Os índices de capacidade do processo (ICPs) são parâmetros adimensionais que
indiretamente medem o quanto o processo consegue atender às especificações. Não há
uma relação fixa entre seu valor e a porcentagem de itens que o processo é capaz de
produzir dentro das especificações. Contudo para grande parte dos índices, quanto
maior o seu valor, melhor o processo consegue atender ao especificado.
Focaremos no presente trabalho a utilização dos índices Cp e Cpk, que de
maneira simplificada, são baseados na relação entre os limites de especificação e o
desvio padrão dos dados.
Nota-se ainda uma outra maneira de se expressar capabilidade em processos
onde as amostras são relativamente pequenas, ou quando ainda não há certeza sobre a
estabilidade do processo. Nestes casos os índices Pp e Ppk são utilizados.
Diferentemente do caso anterior onde o desvio é estimado, neste caso o valor do
desvio padrão é obtido diretamente dos dados.
2.4.2.1 Índice da Capacidade Potencial do Processo (Cp)
Ao observar um processo centrado, ou seja, com a média do processo
representada no centro dos limites de especificação ou controle, o índice de capacidade
é determinado por Cp.
Conforme definido, tal índice se preocupa com a centralização do processo,
fornecendo uma medida indireta do potencial do processo em satisfazer a especificação.
Sugere-se, então, uma regra que garanta que o processo seja suficientemente
capaz considerando a sua centralização:
Cp < 1,00: capacidade do processo é inadequada à especificação exigida.
Deve-se diminuir a variabilidade, garantindo que o produto atenda a especificação;
1,00 ≤ Cp ≤ 1,33: capacidade está dentro da especificação exigida. Nesta
situação deve-se tentar diminuir a variabilidade do processo, evitando a produção de
unidades não-conformes;
Cp > 1,33: capacidade é adequada à especificação exigida. Neste caso
não se faz necessária intervenção a menos que se queira reduzir a variabilidade para
aumentar a qualidade dos produtos.
Supondo normalidade dos dados, índice Cp igual a 1 e um processo centrado,
verifica-se que há uma variabilidade dos dados sobre a especificação, assumindo,
portanto, cerca de 99,73% dos pontos amostrais dentro destes limites. Analogamente,
determina-se a ocorrência de 0,27% ou 2700 ppm de não conformidades.
2.4.2.2 Índice de Desempenho do Processo (Cpk)
Nos casos em que o processo não se apresenta centrado, ou seja, quando a média
não está dentro dos limites, é necessário efetuar o cálculo de um outro índice melhor
elaborado. Tal índice é fundamentado na média do processo, considerando o menor
desvio do valor central do processo e os limites de aceitação.
Sendo assim, o índice Cpk foi desenvolvido para inteirar algumas deficiências
do Cp.
Analisando a definição de Cpk, verifica-se que este índice permite quantificar a
capacidade em função da pior metade dos dados do processo. Ou seja, este índice, além
de avaliar a variabilidade natural do processo em relação a variabilidade permitida,
verifica também a posição do processo em relação aos limites de especificação (LSE e
LIE), relacionando a distância escalar entre a média do processo e o limite de
especificação mais próximo.
Para considerar o processo capaz, Cpk deve ser igual ou superior a um.
Entretanto, as mesmas regras definidas para o índice Cp podem ser aplicadas,
garantindo maior margem de segurança para a operação do processo.
Observa-se ainda que quando a média do processo coincidir com o valor
nominal da especificação, o valor de Cp será igual ao valor de Cpk.
2.5 Processo de Pintura Líquida em Estruturas Metálicas
2.5.1 Aplicação de Tintas
Como etapa preliminar à aplicação, faz-se necessário realizar a homogeneização,
devido ao fato de que as tintas são constituídas de produtos em suspensão e, sob ação da
gravidade, se sedimentam formando duas fases distintas.
Sabe-se que cada componente possui resinas reativas em proporções que devem
ser respeitadas no momento de executar a mistura da tinta. A falta ou excesso de um dos
reagentes pode produzir uma tinta com propriedades diferentes da que foi idealizada.
A mistura e diluição devem ser realizadas considerando as especificações
técnicas, sejam elas determinadas pelo cliente ou pela equipe responsável em determinar
o processo.
Finalizada a mistura e diluição, deve-se aguardar cerca de 10 ou 15 minutos
(tempo de indução) para que as resinas reajam completamente e, ao serem aplicadas,
estejam mais homogêneas e prontas para aderirem à superfície.
Para que um processo de pintura seja devidamente executado é também
importante selecionar o método de aplicação a ser utilizado, dentre os quais se
apresentam como opções:
Pintura a pincel
Pintura a rolo, com utilização de rolos que podem ser fabricados com
pele de carneiro ou lã sintética (acrílica) para tintas a base de água ou de solventes; ou
de espuma de poliuretano somente para tintas a base de água;
Pintura por pistola do tipo convencional, sendo este o método mais
tradicional utilizado na indústria. Pode ser utilizado com caneca de sucção ou tanque de
pressão, conforme tabela a seguir;
Pintura eletrostática com tinta líquida, com envolvimento de cargas
eletrostáticas. Neste método, a tinta é eletrizada na pistola e lançada contra a peça que
está aterrada, portanto, com carga de sinal contrário. Na pistola convencional a tinta é
projetada e as partículas que não atingem a peça são perdidas. Em contrapartida, ao
utilizar a pistola eletrostática, a tinta eletrizada é atraída pelo campo eletrostático e as
partículas que seriam perdidas são atraídas para a peça, garantindo maior
aproveitamento;
Pintura eletrostática com tinta em pó, exigindo a utilização de estufa para
cura adequada. Neste método são utilizadas tintas de grande resistência à umidade;
Pintura por imersão sem corrente elétrica, onde a tinta é colocada em um
tanque e as peças são mergulhadas completamente. A viscosidade da tinta deve ser
ajustada para que a espessura da camada seja uniforme e contínua;
Pintura por imersão com corrente elétrica, também conhecido por
eletroforese – migração das partículas de uma solução coloidal (tinta na água) sob a
influência de um campo elétrico.
2.5.2 Medidas de Espessura Seca da Tinta
Após a evaporação dos solventes e da cura das tintas, a película seca deve ser
medida, através da execução do Teste de Determinação da Espessura da Película Seca,
discorrido na norma NBR 10443.
Trata-se de um teste realizado em laboratório, com o objetivo de determinar a
espessura de películas secas de tintas, vernizes e produtos similares aplicados sobre
superfícies rugosas metálicas.
Para realização do teste, utiliza-se um instrumento de medição denominado
medidor de camada de superfície, previamente calibrado e certificado por um
laboratório credenciado na Rede Brasileira de Calibração (RBC), e com capacidade para
efetuar medições de camada (em mícron) da peça pintada conforme especificação,
exigência do cliente, e padronização do processo.
As peças a serem ensaiadas devem possuir um intervalo de tempo de pelo menos
24 horas após a pintura.
O teste é dividido em etapas, a fim de que sejam realizadas exatamente da
mesma maneira e com as mesmas características, independentemente do operador que
executará as ações:
Ajuste do zero: Antes de iniciar os testes, o aparelho deverá ser
verificado conforme padrões e instruções fornecidos pelo fabricante. Caso não estejam
disponíveis, o instrumento deverá ser verificado, conforme próximas etapas;
Utilizar uma placa de aço jateada ao metal branco, com pelo menos 3
mm de espessura e zerar a leitura do aparelho na superfície através do dispositivo de
controle;
Utilizando no mínimo duas lâminas com espessuras conhecidas, fazer a
leitura da espessura das mesmas sobre a peça, ajustando a leitura para a espessura
correspondente. Atentar-se para que a mesma esteja lisa, plana e devidamente limpa,
isenta de sujeiras.
Cada região deve medir 200 x 200 mm;
Efetuar, pelo menos, oito medições em cada região selecionada;
Descartar a menor e a maior leitura obtida. Fazer a média aritmética das
demais leituras que resultará a medida da espessura das lâminas. Após este processo o
instrumento estará apto a ser utilizado.
Posicionamento do instrumento: a posição do instrumento deve ser
sempre perpendicular à superfície do substrato;
Deve-se posicionar o aparelho medidor sobre a superfície desejada em
oito pontos distintos e efetuar a leitura;
Descartar o menor e o maior valor obtido na leitura;
Calcular a média aritmética dos demais valores obtidos;
A espessura seca por camada será dada pela expressão:
Espessura seca = Espessura média da camada - Fator de redução
O Fator de Redução varia de acordo com o perfil de rugosidade da superfície,
conforme Tabela 01 a seguir:
Tabela 01. Fator de redução, 2012.
Perfil de rugosidade da superfície (µm) Fator de redução da espessura (FR)
25 a 39 10
40 a 69 25
70 a 100 40 Fonte: Própria.
3 MÉTODOS
3.1 Fase A: Coleta de Dados
Nesta primeira etapa determinou-se um Plano de Coleta de Dados, no intuito de
garantir a padronização e veracidade das informações.
No presente estudo, os dados coletados representam a base para tomada de
decisão se o processo em análise será capaz ou não de atender à especificação de um
cliente, portanto, é fundamental que sejam concretos e confiáveis. Caso não sejam
coletados de forma apropriada, as informações obtidas poderão ser inúteis ou nos
conduzir a análises e decisões incorretas.
Para padronizar a coleta de dados, definiu-se que todos os lotes analisados
seriam coletados no período da manhã (entre 8 e 12 horas) após 24 horas de secagem
das peças. Para assentar também os pontos/locais de medição de camada nas peças, foi
elaborado um gabarito.
Em seqüência, os inspetores responsáveis por tal atividade foram devidamente
treinados e orientados quanto à utilização do Plano, assegurando uma interpretação
comum e consistente dos resultados.
Após a realização da coleta de dados durante 25 dias, procedeu-se a tabulação
dos mesmos em uma planilha Excel, facilitando o acesso e disponibilidade.
3.2 Fase B: Verificação da Normalidade do Processo
Em seguida, deu-se andamento à verificação da normalidade do processo com a
aplicação de histograma, ferramenta de caráter preliminar em qualquer estudo, e
importante indicador da distribuição de dados, podendo demonstrar se uma distribuição
aproxima-se de uma função normal ou não.
Para criação do histograma, os dados tabulados na planilha Excel foram
copiados no software Minitab 15.
3.3 Fase C: Elaboração de Gráfico de Controle
Dando continuidade às etapas, os dados foram copiados novamente da planilha
Excel e disponibilizados no software Minitab 15 para elaboração de gráficos de
controle, possibilitando a detecção e análise de causas normais e especiais no processo.
3.4 Fase D: Validação do Sistema de Medição através da Análise de R&R
Na quarta etapa do estudo, validou-se o sistema de medição utilizado no
processo através da análise de R&R (Repetibilidade e Reprodutibilidade), garantindo
assim a confiabilidade dos dados empregados. Nesta etapa, o software Minitab 15 foi
utilizado novamente com os dados copiados da planilha Excel elaborada anteriormente.
3.5 Fase E: Estudo de Capabilidade do Processo
Na última etapa, os dados iniciais (planilha Excel) foram disponibilizados mais
uma vez no software Minitab 15 para realização do estudo de capabilidade do processo
em análise.
4 RESULTADOS E DISCUSSÃO
4.1 Resultado da Fase A: Coleta de Dados
Em resultado à utilização do Plano de Coleta previamente formulado (Relatório
de Espessura da Camada), os dados foram tabulados em uma planilha Excel, conforme
apresentados na Tabela 02.
Com a tabela de dados, pode-se afirmar que os inspetores compreenderam a
importância da utilização do Plano de Coleta. Desta maneira, é possível garantir que tais
dados serão transformados em informações relevantes, que serão utilizadas como base
para a tomada de decisão sobre atender ou não o cliente frente às especificações
apresentadas pelo mesmo. Tabela 02. Modelo da Planilha Excel referentes a tabulação dos dados coletados no Relatório de
Espessura de Camada, 2012.
Fonte: Própria.
4.2 Resultado da Fase B: Verificação da Normalidade do Processo
Em resultado à verificação da normalidade do processo, o software Minitab 15
plotou os dados apresentados em um histograma padrão, vide Figura 5.
F
igura 5.
Histogra
ma para Espessura de Camada (µm).
Fonte: Software Minitab 15.
Ao observar o histograma apresentado pelo software Minitab 15, pode-se
afirmar que se trata de um processo cuja distribuição dos dados é normal, ou seja, os
dados constituem uma curva simétrica em forma de sino. Isso nos permite prosseguir
para a próxima etapa do estudo.
4.3 Resultado da Fase C: Elaboração de Gráfico de Controle
Em resultado à detecção de causas comuns e especiais no processo, o software
Minitab 15 elaborou o Gráfico de Controle x e R, conforme Figura 6.
F
igura 6. Gráfico de Controle Xbar-R parra Espessura de Camada (µm).
Fonte: Software Minitab 15.
Ao analisar o gráfico de controle Xbar-R, observa-se que o processo em estudo
apresenta apenas causas comuns, ou seja, todos os pontos coletados se apresentam
dentro dos limites superior e inferior de controle.
Conclui-se, portanto, que se trata de um processo que possui variabilidade e
estabilidade de características importantes monitoradas, atingindo um estado de controle
estatístico.
Esperava-se tal conclusão, pois o processo de pintura eletrostática com tinta
líquida é alvo de um Grupo de Melhoria desenvolvido na empresa, onde seus dados são
medidos, acompanhados e monitorados por uma equipe devidamente qualificada há
cerca de 12 meses.
4.4 Resultado da Fase D: Validação do Sistema de Medição através da Análise de
R&R
Em resultado à validação do Sistema de Medição, o software Minitab 15
apresentou a análise de R&R (Repetibilidade e Reprodutibilidade) através de gráficos e
de valores numéricos de aceitabilidade, segundo apresentado nas Figuras 7e 8.
Figura 7. Gráficos de Análise de R&R para Espessura de Camada (µm).
Fonte: Software Minitab 15.
No gráfico Components of Variation é possível proceder uma análise ampla dos
componentes de variação total retirado dos dados coletados.
Verifica-se na primeira barra verde (legenda “Gage R&R”) que a variação total de R&R
encontra-se em cerca de 20%. Para confirmar mais exatamente este valor, observa-se
no resultado numérico da análise de R&R que este valor corresponde a 15, 75%,
conforme Figura 8.
Figura 8. Valores Numéricos de Aceitabilidade para Espessura de Camada (µm).
Fonte: Software Minitab 15.
Pode-se então afirmar que a análise do sistema de medição é válida, pois a
variação do sistema obedece à regra citada no Manual de MSA da QS-9000 (1997),
onde erro entre 10 e 30% é considerado aceitável.
Para concluir esta primeira validação do sistema de mediação, observa-se que o
número de categorias distintas “Number of Distinct Categories” é igual a oito, em
consonância ao critério de discriminação que indica que tal valor deve ser igual ou
superior a cinco.
No gráfico R Chart by Operador é possível efetuar uma análise da
reprodutibilidade do sistema, onde as diferenças das medições de cada operador (1 e 2)
em cada uma das cinco peças são plotadas. Se a diferença entre o maior valor de uma
peça medida e o menor valor da mesma peça não exceder o limite superior de controle
(UCL), a análise e o operador são considerados repetíveis, como neste processo em
estudo.
No gráfico Xbar Chart by Operador, realiza-se a apreciação da repetibilidade
do sistema, observando graficamente se existem diferenças significativas no padrão
gerado por cada operador que está medindo as mesmas amostras. Para tanto, é desejável
percorrer pontos que consistentemente vão além dos limites superior e inferior de
controle (UCL e LCL); isto porque os limites são determinados pela variância do
dispositivo e os gráficos devem apresentar que a variância do dispositivo é muito menor
que a variabilidade dentro das peças.
No gráfico Medição by Peça observa-se as medidas executadas pelos operadores
para cada peça. As marcas devem ser muito próximas, evidenciando a pequena
variabilidade entre peças.
No gráfico Medição by Operador apresenta-se a média das medidas executadas
por cada operador por cada peça. A linha de união entre as médias deve ser o mais
horizontal possível, indicando uniformidade no conjunto operador x processo. Este
gráfico correlaciona a variabilidade entre os operadores.
No gráfico Operador * Peça Interation é possível verificar a média de todas as
medidas de todas as peças por operador . É o mais simples de utilizar para sinalizar a
interação entre operador e peça. As linhas não devem se cruzar e devem ser bem
próximas.
4.5 Resultado da Fase E: Estudo de Capabilidade do Processo
Em resultado ao estudo de capabilidade do processo, o software Minitab 15
elaborou um gráfico com os valores de Cp e Cpk resultantes da análise realizada, vide
Figura 9.
Figura 9. Gráfico de Capabilidade para Espessura de Camada (µm).
Fonte: Software Minitab 15.
Ao analisar o gráfico de capabilidade do processo observa-se que o processo é
capaz de atender aos valores especificados pelo cliente (36 a 54 µm), com todos os
dados coletados plotados dentro dos limites superior e inferior de especificação.
Para garantir a capabilidade deste processo, verifica-se que os índices Cp e Cpk
apresentam-se em 1,52 e 1,48, respectivamente, em consenso à regra que delimita
valores acima de 1,33 para processos capazes de atender à especificação exigida.
5 CONCLUSÃO
Finalizando o estudo, conclui-se que os dados obtidos no processo de pintura
eletrostática com tinta líquida atendem ao propósito da empresa praticante.
Trata-se de um processo com distribuição normal, apenas com causas comuns
originárias da variabilidade natural e sem apresentação de causas especiais, o que
sinaliza um processo sob controle estatístico. Apresenta ainda um sistema de medição
devidamente validado e índices de Cp e Cpk satisfatórios, que comprovam sua
capacidade.
Tendo em vista a grande competitividade das empresas no mercado e o anseio na
conquista de novos clientes potenciais, é de suma importância a garantia dos requisitos e
especificações de cada cliente, garantindo satisfação e perpetuação dos negócios.
Desta forma, diz-se que os objetivos desse trabalho foram cumpridos, uma vez
que se conseguiu quantificar e demonstrar a capabilidade do processo em relação ao
especificado pelo cliente, fornecendo também base para futuras melhorias dos
parâmetros processuais.
Agradecimentos
Inicialmente a Deus, que me concedeu vida e inspiração necessária para chegar ao
término deste trabalho;
Ao meu esposo, pelo habitual companheirismo e inigualável compreensão;
Aos meus pais, pelo exemplo de vida e incentivo nesta jornada;
A todos os familiares e amigos, pelo estímulo e apoio oferecidos;
Aos colegas de turma, pelos momentos vividos e experiências compartilhadas;
À Universidade de Taubaté e professores, pelas oportunidades de aprendizado e
crescimento;
Finalmente, a todos que de alguma forma contribuíram para a conclusão desta etapa em
minha vida.
REFERÊNCIAS
Análise do Sistema de Medição (MSA) – Instituto de Qualidade Automotiva (IQA) -
QS 9000 – MAS 3ª edição.
ANFAVEA. Análises de sistemas de medição – MSA, Manual de referência. 3ª. Ed. São
Paulo: IQA, 2002.
DOES, R. J. M. M., SCHIPPERS, W. A. J., TRIP, A., A framework for Implementation
of Statistical Process Control, International Journal of Quality, vol. 2, Nº 3, 1997.
FAZANO, CARLOS ALBERTO T.V. Tintas - Métodos de controle de pinturas e
superfícies", Hemus Editora Ltda - São Paulo.
FUNDAMENTOS de controle estatístico do processo (CEP): Manual de Referência.
São Paulo. Chrysler, Ford e General Motors. Co-patrocínio Ford Brasil Ltda e General
Motors do Brasil Ltda. 1995.
GNECCO, CELSO. Pintura de manutenção industrial, Publicação IPT nº 1558, Instituto
de Pesquisas Tecnológicas - São Paulo.
KOTZ, S. e JOHNSON, N. L. Process Capability Indices, London: Chapman & Hall,
1993.
MONTGOMERY, D. C. Introduction to statistical quality control. 3rd ed. New York:
John Wiley & Sons, 1997.
MONTGOMERY, Douglas C.. Introdução ao Controle Estatístico da Qualidade. 4ª ed.
Rio de Janeiro: Editora LTC, Tradução de Ana Maria Lima de Farias, Vera Regina
Lima de Farias e Flores, Revisão Técnica de Luiz da Costa Laurencel, 2004.
NELSON, Lloyd S. The calculation of process capability indices, Journal of Quality
Technology, v. 31, n. 2, p. 249-250, April 1999.
PALADINI, E. P. Controle de Qualidade: uma Abordagem Abrangente. São Paulo:
Editora Atlas, 1990.
PYZDEK, Thomas. Control Charts interpretation. In: The complete Guide to the CQE.
[S. l.]: Quality Publishing, 1996. Disponível em:
<http://www.qualityamerica.com/knowledgecente/articles/CQEIVH3d.html>. Acesso
em 18 de maio de 2012.
RAMOS, Alberto W., RIBEIRO, Celma O., MIYAKE, Dario I., NAKANO, Davi,
Laurindo, Fernando J. B., Ho Linda L., Carvalho, Marly M., BRAZ, Moacyr A.,
BALESTRASSI, Pedro P., ROTONDARO, Roberto G.. Seis Sigma: Estratégia
Gerencial para a Melhoria de Processos, Produtos e Serviços. 1ª ed. 2002; 5.
Reimpressão 2008; São Paulo: Editora Atlas S. A., 375 p., 2008.
SUTHERLAND, W. J. Quality Engineering. Michigan Tecnological University.
Michigan, no.14, Sept. 2002. Disponível em:
<http://www.me.mtuedu/~jwsuth/qual2002/lect14..pdf>. Acesso em 18 de maio de
2012.
TOLEDO, J.C; CARPINETTI, L.C.R. Gestão da qualidade na fábrica do futuro. In: A
fábrica
do futuro. São Paulo: Banas, 2000.
WERKEMA, Maria C. C.. Ferramentas Estatísticas Básicas para o Gerenciamento de
Processos. 1ª ed. Belo Horizonte, MG: Fundação Christiano Ottoni, Escola de
Engenharia da UFMG, 404 p., 1995.
WESTERN ELECTRIC, Statistical Quality Control Handbook, AT&T, Indianápolis,
IN, 1956.
WOODALL, William H. Controversies and contradictions in statistical process control,
Journal of Quality Technology, v. 32, n. 4, p. 341-350, October 2000.
top related