7 - Selecionar Causas Potenciais de Variação
Transcrição
7 - Selecionar Causas Potenciais de Variação
Melhoria 6σ DMAIC Melhoria (Improvement) 7. Selecionar Causas Potenciais de Variação; 8. Definir Relações entre as Variáveis e Propor Solução; 9. Estabelecer Tolerâncias Operacionais & Solução Piloto. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Melhoria 1 Melhoria 6σ DMAIC Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Melhoria 2 6σ DMAIC Melhoria A Linha de Conhecimento Estado atual do Processo de Conhecimento Alto Baixo Tipo de DOE Efeito Principal /Exploratório Nº Normal de Fatores Objetivo: • Identificar • Estimativa Etapa 7 Etapa 8/9 >5 Fatoriais Fracionados 4-10 Fatoriais Completos Superfície de Resposta 1-5 2-3 Efeito Principal fatores críticos Algumas interações Relacões entre fatores Configuração Ideal dos fatores Direção bruta para melhoria Algumas interações Todos os Efeitos Principais e interações Curvatura em resposta, modelos empíricos exploração otimização Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Melhoria 3 6σ DMAIC Melhoria 7. Selecionar Causas Potenciais de Variação Brainstorming (muitas variáveis) DOE de Varredura (Screening) (Seleção de Variáveis) Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Melhoria 4 Melhoria 6σ DMAIC 7. Selecionar Causas Potenciais de Variação Ex.: Resultados de um DOE de Varredura (Screening) Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Melhoria 5 Melhoria 6σ DMAIC 8. Definir Relações entre as Variáveis e Propor Solução Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Melhoria 6 Melhoria 6σ DMAIC 8. Definir Relações entre as Variáveis e Propor Solução Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Melhoria 7 Melhoria 6σ DMAIC 9. Estabelecer Tolerâncias Operacionais & Solução Piloto. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Melhoria 8 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação Objetivo: Determinar os X’s Vitais que impactam Y Principais Ferramentas: DOE Exploratórios Placket Burman Foco X 8 - Definir Relações entre as Variáveis & Propor Solução Objetivos: 1) Estabelecer a função de transferência entre Y e os X’s vitais 2) Determinar os pontos ótimos dos X’s vitais. 3) Executar estudo confirmatório. Principais Ferramentas: DOE Fatoriais Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Design Of Experiments Planejamento de Experimentos Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Fatores de um Processo SIPOC Fatores Controláveis x1 x 2 ... xp Input Source Output Process z1 z2 ... y1 y2 Client ym zq Fatores Incontroláveis (ruído) Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis X 6σ DMAIC X,Y,Z •Pressão de ar air strip •Pressão de ar air bag •Pressão de ar front piston •Pressão Hidráulica •Temperatura •Vazão de óleo Solúvel •Pressão do Nitrogênio Processo de fabricação de latas: Bodymaker Y •Espessura da parede Top Wall •Espessura da Parede Mid Wall •Profundidade do Dome •Altura da Lata •Visualização Z •Operador •Rede Elétrica •Qualidade da Bobina Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Pratique no Minitab Assuma que você está trabalhando em uma planta de uma indústria química e está estudando as reações que influenciam no rendimento de um determinado produto. De experiência passada sabe-se que os seguintes fatores são fundamentais nesse rendimento. •Temperatura (Níveis de 40 e 60 oC) •Catalisador (Níveis A e B) •Concentração (Níveis de 1 e 1.5 M) Deseja-se determinar por experimentação qual a melhor combinação entre os níveis dos fatores acima para se ter o melhor rendimento. Valores dos rendimentos para um DOE Fatorial Completo de 2 Níveis com Replicação e Sequência de Aleatorização com Base 9: 66 66 102 98 65 54 107 68 53 66 55 85 108 89 52 63 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis <DOE> <Factorial Design> Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Matriz de Contrastes Observe o resultado abaixo em Worksheet Observe se a planilha gerada foi exatamente igual a essa! Esses valores devem ser agora digitados na planilha pois correspondem às respostas dos experimentos. Salve a Planilha na Desktop com um nome conveniente Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Efeitos e Coeficientes <DOE> <Analyse Factorial Design> Responses: Rendimento Observe o resultado abaixo em <Session> Qual o componente tem o maior efeito no rendimento? Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Normal / Pareto <DOE> <Analyse Factorial Design> Use o ícone Responses: Rendimento Edit Last Dialog Graphs: Normal e Pareto como shortcut Observe os gráficos gerados usando o ícone <Show Graph Folder> Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis <DOE> <Analyse Factorial Design> <Factorial Plots> 6σ DMAIC Factorial Plots Selecione o Setup para Main Effects, Interaction e Cube Responses: Rendimento Selected: Temperatura, Catalisador Concentração Observe os gráficos gerados usando o ícone <Show Graphs Folder> Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Planejamento e Análise de Experimentos Ressurgimento do DOE: • Eficientes Programas Computacionais • Metodologia 6 Sigma 9Determinação dos fatores X que mais afetam Y (DOE exploratórios) 9Estabelecer a função de transferência f e determinar os valores ótimos de X (DOE Fatoriais e RSM) Y=f(X) Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Usar DOE Como... • Uma técnica para a redução da quantidade de experimentos; • Um método gráfico para análise de experimentos • Um método numérico para a análise de experimentos Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Eficiente Experimentação Considere os fatores X1 .. X7 em apenas dois níveis (-/+) e os seguintes resultados experimentais: Experimentos X1 X2 X3 X4 X5 X6 X7 Resultado 1. – – – – – – – 2.1 2. + – – – – – – 2.6 3. + + – – – – – 2.4 4. + – + – – – – 2.5 5. + – – + – – – 2.8 6. + – – + + – – 2.9 7. + – – + + + – 2.7 8. + – – + + – + 3.2 Final + – – + + – + Estratégia Vencedor Continua (Stick-A-Winner Strategy) “Um Fator Por Vez” Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Stick-a-Winner Strategy Considere os fatores X1 .. X7 em apenas dois níveis (-/+) e os seguintes resultados experimentais: Experimentos X1 X2 X3 X4 X5 X6 X7 Resultado 1. – – – – – – – 2.1 2. + – – – – – – 2.5 3. – + – – – – – 1.9 4. – – + – – – – 1.9 5. – – – + – – – 2.2 6. – – – – + – – 2.3 7. – – – – – + – 2.5 8. – – – – – – + 2.3 Final + – – + + + + Estratégia Vencedor Continua (Stick-A-Winner Strategy) “Um Fator Por Vez” Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Evite “Um fator por vez” Conclusões a respeito das estratégias “Vencedor Continua” e “Um Fator Por Vez” • Tais estratégias são convencionais (denominadas de multifatorial) e envolvem a variação de apenas um fator por vez; • Tais estratégias são ineficientes em determinar quais fatores agregam mais informação e afetam em maior grau a resposta. •Interação é algo negligenciado nesse tipo de análise. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Fatorial Completo Considerações sobre a estratégia “Um Fator Por Vez” para 3 fatores em 2 níveis Experiência Fator 1 1 2 3 4 – + – – Fator 2 Fator 3 – – + – – – – + ‘-’ representa nível baixo e ‘+’ representa nível alto Quais outras combinações estão faltando? 5 6 Isso é a transição para DOE! 7 8 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Ordem Padrão Ordem Fator Padrão 1 1 2 3 4 5 6 7 8 – + – + – + – + Fator 2 Fator 3 – – + + – – + + – – – – + + + + Use: Stat... DOE...Create Fatorial Design Ordene com Stat...DOE...Display Design Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC 23 Ordem Padrão Fator 1 Fator 2 Fator 3 1 Amarelo 1.42 3.00 2 Verde 1.42 3.00 3 Amarelo 2.00 3.00 4 Verde 2.00 3.00 5 Amarelo 1.42 4.75 6 Verde 1.42 4.75 7 Amarelo 2.00 4.75 8 Verde 2.00 4.75 Observe que as variáveis podem ser Qualitativas e Quantitativas Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Cube Plot 2 Fatores = Um Quadrado 3 Fatores = Um Cubo + + Fator 2 Fator 2 – + – + Fator 1 – – – Fator 1 + Fator 3 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Espaço Experimental Exp. 1 2 3 5 Fator 1 – + – – Fator 2 – – + – Fator 3 – – – + Quais outras combinações estão faltando? -+3 --- 1 8 7 4 6 5 --+ 2 +-- 4 6 7 8 Na estratégia de variar um fator por vez, muitas oportunidades são perdidas Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Quarta Dimensão 4 Fatores: Dois Cubos – + Fator 4 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Cube Plot 8 = +++ - - 5 Fatores: 4 Cubos 16 = ++++- Fator E em (-) B C A 1=----- O que representa a área em cinza? – + Fator D 32 = +++++ Fator E em (+) 17 = - - - - + – + Fator D Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Tabela de Contrastes (k fatores) Número de Experimentos = (2 níveis) = 2k . Quantos experimentos são necessários para um experimento fatorial completo em 7 fatores de dois níveis? Escreva a tabela de contrastes para 3 fatores em 2 níveis em uma ordem padrão. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Projetos Fatoriais • A variação de um fator por vez (pensamento convencional) aborda apenas parte do espaço experimental. Tal tipo de estratégia deve ser evitada. • Projetos fatoriais cobrem o inteiro espaço experimental. • Projetos fatoriais são fáceis de conduzir devido a um padrão bem estabelecido. (k fatores) • Número de Experimentos = (2 níveis) = 2k Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Replicação e Repetição Replicação A B Resposta -1 -1 2 1 -1 3 A B -1 1 4 -1 -1 2 3 2,5 1 1 5 1 -1 3 2 2,5 -1 -1 3 -1 1 4 5 4,5 1 -1 2 1 1 5 4 4,5 -1 1 5 1 1 4 Repetição Resp1 Resp2 Média Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Prefira Replicação Replicação 4 5 (4+5)/2 Repetição 2 3 5 4 3 4,5 4,5 2,5 2,5 2 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Replicação Replicação Não é o mesmo que múltiplo teste ou medida Porque Replicar? Para avaliar a variabilidade experimental: Se existe Causas Especiais ou somente Causas Comuns Para obter a importância de um fator (p-value) Para obter uma medida de Posição e outra de Dispersão Para balancear fatores incontroláveis Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Replicação e Repetição Exemplo Avalie as alternativas 1) Lançar 1 avião de papel e medir o tempo com 3 relógios; 2) Lançar 1 avião de papel 3 vezes e medir o tempo com 1 relógio; 3) Fazer 3 aviões e lançá-los uma vez cada e medir o tempo com 1 relógio. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Aleatorização Não é Ordem Padrão Não é uma ordem conveniente O Minitab Possui eficientes recursos de Aleatorização Porque Aleatorizar? Ajuda a validar as conclusões estatísticas a partir de experimentos; Faz com que os efeitos de uma variável oculta (Lurking) se distribua em média sobre todos os fatores do experimento. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Variáveis Ocultas (Lurking) Exemplo (Galinhas longe do Abatedouro): 1) Comparação de dois tipos de rações 2) Duas populações de galinhas 3) Ensaios destrutivos 4) Teste de Hipóteses de duas médias 5) Duas regiões (Longe e perto do Matadouro) 6) A importância de identificar os experimentos Lurking: Uma variável que tem um importante efeito no experimento e não foi ainda incluída como um fator devido a: • existência desconhecida • sua influência ser negligenciada • inexistência de dados Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Terminologia Experimento: Teste da espessura de uma latinha de refrigerante em um processo automatizado; Erro Experimental: Nas mesmas condições experimentais a espessura tem uma variação; Fatores: Variáveis independentes que influenciam na definição da espessura; Interação: Dois ou mais fatores afetam a espessura de uma forma dependente; Nível: Os diferentes valores (quantitativos ou qualitativos) dos fatores que afetam a espessura; Aleatorização: Uma importante forma de conduzir os experimentos para se testar a influência dos fatores na espessura; Repetição: Múltiplas medidas ou testes dos fatores na espessura em uma mesma condição experimental; Replicação: Múltiplas medidas ou testes dos fatores da espessura em diferentes condições experimentais Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC O que medir e como medir? Investigar um Item de Controle ou Processo que tenha um maior impacto (no consumidor, financeiro, etc...); Um grande número de experimentos pode não agregar valor; Definir um número ótimo; Fatores correlacionados não precisam ser inseridos mutuamente na experimentação; A identificação dos experimentos é fundamental para a rastreabilidade de erros e problemas; Identificar as ferramentas corretas de medição; Um estudo de Repetitividade e Reprodutividade é algo que gera confiança para as conclusões estatísticas finais. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Modelo Y = f (X1, X2, X3, …, Xn) Y (Resposta) Xi (Fatores) = X1, X2, X3 Y=Constante + <Média> k1X1 + k2X2 +k3X3 + <Fatores Principais> k4X1X2 + k5 X1X3 + k6X2X3 + <Interações ordem 2> k7X1X2X3 <Interação ordem 3> Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC 49 49.5 50 50.5 Y Efeitos Principais 49.77 0 X3 + 49 49.5 50 50.5 - Y Quando X3 vai de “-” para “+” a resposta Y aumenta de 0.95 Quando X2 vai de “-” para “+” a resposta Y diminui de 0.45 - X2 + Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 49 49.5 50 50.5 Y 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Coeficientes dos Fatores 49.77 Quando X3 vai de “-” para “+” a resposta Y aumenta de 0.95 0 - X3 + Um Efeito do fator é a mudança na resposta devido a duas unidades entre –1 e +1. Nesse caso, 0.95. Um Coeficiente do fator é a mudança na resposta devido a uma unidade entre –1 e 0 eou 0 e+1. Nesse caso, 0.497. Coeficiente =Efeito/2 Y=49,77 + k1X1 + k2X2 +0.497X3 + k4X1X2 + k5 X1X3 + k6X2X3 + k7X1X2X3 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Interação Saúde de um indivíduo Ótima Com Remédio Sem Remédio Boa Regular Consumo de álcool Morte Sem Com Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Gráfico de Interações – Fator B – + Resposta Resposta Sem Interação – Fator A + – + Fator B Fator A + + – Fator B Fator A + Fator A – Resposta Pouca Interação Resposta – – + Fator B + Resposta Factor A + – Fator B + Resposta – Alta Interação + Sempre que possível, consulte o P_value Fator A – – Fator B + Adapted from Lawson, John and John Erjavac, Basic Experimental Strategies and Data Analysis. Provo, UT: Brigham Young University, p. 104. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Efeito da Interação A B AB Resposta - - + 50 + - - 54 - + - 100 + + + 60 — Simbologia: AxB ou AB Efeito AB = (Média AB “+” ) - (Média AB “-”) Efeito AB = (50+60)/2 - (54+100)/2 Efeito AB = - 22 Coeficiente AB = - 11 Faça no Minitab Resposta = Constante + k1A + k2B – 11AB Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Matriz de contrastes Std. Order A B C AB AC BC ABC 1 2 3 4 5 6 7 8 – + – + – + – + – – + + – – + + – – – – + + + + + – – + + – – + + – + – – + – + + + – – – – + + – + + – + – – + Resposta Média ________ ________ ________ ________ ________ ________ ________ ________ Colunas para um projeto 23 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC P-Value / Teste de Hipóteses Ho: O fator não tem efeito sobre a resposta Ha: O fator tem um efeito sobre a resposta Se p > α: Aceita-se Ho Se p < α: Rejeita-se Ho Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Modelo Quais são os termos significativos que podem ser vistos na análise dos fatores do DOE ao lado? Fractional Factorial Fit: Resposta versus A; B Estimated Effects and Coefficients for Resp (coded units) Term Os termos com p<0,05 devem fazer parte do modelo inicial. Os outros não são significativos estatisticamente. Assim Effect Constant Coef SE Coef T P 12,0000 0,4677 25,66 0,000 A -0,5000 -0,2500 0,4677 -0,53 0,621 B 7,0000 3,5000 0,4677 7,48 0,002 A*B -0,5000 -0,2500 0,4677 -0,53 0,621 Resp= 12 +3,5 B Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Substituindo Coded Unit Qual o valor maximizado da resposta do experimento fatorial ao lado? Resposta= 50+ 0,5A+ 0,3B Níveis (-1) (+1) O valores a serem substitídos em A e B devem ser Fator A 10 20 simplesmente (+1 e -1), que Fator B 0 10 são os valores codificados – e não os valores reais. Nesse caso para maximizar a Resposta= 50+0,5(+1)+0,3(+1)=50,8 resposta, usa-se o valor +1. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Número de Experimentos 2 k Quando lidamos com experimentos fatoriais completos, mesmo em dois níveis, o número de experimentos pode ser proibitivo. Número de Fatores 1 2 3 4 5 6 7 8 9 10 • • • 15 • • • 20 6σ DMAIC Número de Experimentos 2 4 8 16 32 64 128 256 512 1024 • • • 32,768 • • • 1,048,576 Fatoriais Completos Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Fatoriais Completos Informações Disponíveis 2 k Efeitos Interações Interações Número de Ordem >2 Principais Ordem 2 Fatores – – 1 1 Existe um número enorme de – 1 2 2 interações de ordem superior; 1 3 3 3 5 6 4 4 A maioria das interações de 16 10 5 5 ordem superior não são 42 15 6 6 significativas; 99 21 7 7 219 28 8 8 A maioria dos sistemas são 466 36 9 9 dominados pelos efeitos 968 45 10 10 principais e interações de • • • • baixa ordem. • • • • • • • • 32,647 105 15 15 • • • • Num. Runs=Núm. efeitos +1 • • • • Ex.: 1024=10+45+968 +1 • • • • 1,048,365 190 20 Pedro Paulo20 Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 2 Resposta=Constante+ ABCD 4 <Média> + <Fatores Principais> AB AC AD BC BD CD + <Interações ordem 2> ABC ABD ACD BCD + <Interações ordem 3> ABCD 6σ DMAIC <Interação ordem 4> O modelo ao lado contém 16 termos, 4 fatores principais e 11 interações. A estratégia fatorial é um método eficiente de experimentação. Isto, contudo, pode resultar em um grande número de ensaios, mesmo com um número relativamente pequeno de fatores. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Quais combinações escolher? Desejando-se fazer apenas metade dos experimentos, há apenas duas soluções que levam teoricamente ao mesmo resultado: Experimentos: •1, 4, 6 e 7 ou •2, 3, 5 e 8 As outras soluções são perda de tempo! Std. Order A 1 – 2 + 3 – 4 + 5 – 6 + 7 – 8 + Order 1 2 3 4 5 6 7 8 A – + – + – + – + B – – + + – – + + B – – + + – – + + C – – – – + + + + C – – – – + + + + 7 3 8 2 3 4 B 5 6 C 1 A 2 3-1 7 3 8 2 4 B 5 6 C 1 A 2 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 Meia fração 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 3-1 2 Propriedades da Meia Fração O projeto abrange boa parte da região de interesse. O projeto é bem balanceado, isto é, cada fator é estudado o mesmo número de vezes em cada nível (igual número de - e +). Caso algum fator não seja relevante, o resultado é um fatorial completo nos outros dois fatores. 7 Order 1 4 6 7 A B C – + + – – + – + – – + + Order A B C + – + – + – + – – + + 2 3 5 8 3 8 4 B 5 6 C 1 A 2 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Construindo uma Meia Fração 5-1 2 4-1 2 A – + – + – + – + Base B – – + + – – + + 2 C – – – – + + + + D = ABC – + + – + – – + 3 D=ABC= Design Generator Base 2 4 A – + – + – + – + – + – + – + – + B – – + + – – + + – – + + – – + + C – – – – + + + + – – – – + + + + D – – – – – – – – + + + + + + + + E + – – + – + + – – + + – + – – + E=ABCD= Design Generator Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Fatorial Completo ou Meia Fração? Trade-Offs. Número de Efeitos Computados Efeitos Média Principais Completo Fração 1 1 5 5 Interação ordem 2 10 10 Interação ordem 3 10 — Interação ordem 4 5 — Interação ordem 5 1 — Total de efeitos 32 Computados 16 É factível rodar 32 experimentos? Se não há razão para acreditar que interações de ordem superior possam existir faça Meia Fração. Número de experimentos Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Confundimento A=B Run 1 2 3 4 5 6 7 8 Fator A – – – – + + + + Fator B – – – – + + + + Resposta 130 125 133 130 50 85 79 93 Os efeitos dos fatores A e B estão confundidos. Confundimento (ou Aliases) é a combinação dos efeitos de dois ou mais fatores em um resultado, de forma que a magnitude dos efeitos sobre os fatores individuais não podem ser separados. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Confundimento D=ABC A – + – + – + – + B – – + + – – + + C – – – – + + + + D – + + – + – – + AB CD + + – – – – + + + + – – – – + + A = BCD B = ACD A partir de D=ABC podemos ter: 1 A.D=A.ABC=1.BC=BC 1 AD.D=A.1=D.BC C = ABD D = ABC AB = CD Etc... AC = BD AD = BC Média = ABCD Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Confundimento E=ABCD A – + – + – + – + – + – + – + – + B – – + + – – + + – – + + – – + + C – – – – + + + + – – – – + + + + D – – – – – – – – + + + + + + + + E = ABCD + Questões – – 1. Qual efeito pincipal é confundido com ABCD? + – 2. Qual efeito pincipal é confundido com ABCE? + 3. Prove que AB é confundido com CDE. + – 4. AC é confundido com qual efeito? – + + – + – – + Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Significado de AB+CD A – + – + – + – + B – – + + – – + + C – – – – + + + + D – + + – + – – + AB CD + + – – – – + + + + – – – – + + Resposta 10 20 18 12 12 18 20 10 Efeito de AB+CD = (10+12+12+10)/4 – (20+18+18+20)/4 = 11-19= -8 Tal efeito não é nem de AB nem de CD exclusivamente. Não se sabe também como esse efeito está dividido entre AB e CD. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis A Linha de Conhecimento Estado atual do Processo de Conhecimento Alto Baixo Tipo de Projeto Nº de Fatores Objetivo: • Identificar • Estimativa Efeito Principal /Exploratório >5 Fatorial Fracionado 4-10 Fatorial Completo 1-5 Superfície de Resposta 2-3 Efeito Principal fatores críticos Algumas interações Relação entre fatores Configuração do Fator Ideal Direção Bruta para melhoria Algumas interações Todos os Efeitos Principais e interações Curvatura na resposta, modelos empíricos Exploratório Otimização Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Número Mínimo de Experimentos Número Mínimo de Experimentos= Número de Fatores +1 Ex.: Para uma análise exploratória de 7 fatores em 8 experimentos A = BD = CE = FG B = AD= CF = EG DOE Exploratório de 7 fatores A B C D E F G Fatorial Completo A, B, & C A B C AB AC BC ABC – + – + – + – + – – + + – – + + – – – – + + + + + – – + + – – + + – + – – + – + + + – – – – + + – + + – + – – + 1. Tabela de fatorial completo em 3 fatores C = AE = BF = DG D = AB = CG = EF E = AC = BG = DF F = AG= BC = DE G = AF = BE = CD D = AB E = AC F = BC G = ABC 2. Tabela de Interações 3. Associação dos fatores às interações Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Resolução Ex.: Dado um projeto de Resolução IV, as interações de segunda ordem se confundem com o que? 1. Levante o número de dedos igual a resolução do projeto — para Resolução IV = 4 dedos. A Resolução de um DOE define a quantidade de Confundimento. 2. Com a outra mão, agarre o número de dedos igual ao dos Efeitos Principais/Interações que deseja investigar quanto ao confundimento - por exemplo, para determinar com quem as interações de segunda ordem estão confundidos, agarre dois dedos. 3. O numero de dedos remanescente é o nível mais baixo de efeitos de interação que estão confundidos. Para resolução IV, por exemplo, as interações de segunda ordem estão confundidas entre sí. R Confundimento DOE Exploratórios III 1-2 Quanto maior a Resolução, tem menor o confundimento dos IV 1-3 , 2-2 resolução III fatores principais V 1-4 , 2-3 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Resolução Ex.: Qual a vantagem de um projeto de Resolução V em relação à Resolução IV? A vantagem de um projeto de Resolução V em relação à Resolução IV ocorre quando as interações de alta ordem podem ser desprezadas. Nesse caso, ... os fatores principais e de segunda ordem se relacionam com as interações de ordem superiores, que geralmente não são significativas. Veja isso na regra "Manual" Quanto maior a Resolução, menor o confundimento dos fatores principais R Confundimento IV 1-3 , 2-2 V 1-4 , 2-3 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Display Availale Design Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 7 fatores 6σ DMAIC 2 Vezes 2 níveis Resolução IV 3 fatores principais confundidos com interações Com replicação Um total de 32 experimentos Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC SAPQ: Step 7/8 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Exemplo de Anexo SAPQ - 000004.1 REDUÇÃO DO CICLO E HORAS DE FABRICAÇÃO DE CAIXA ESPIRAL Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Otimização do tempo de vôo de um helicóptero de papel (Adaptado de Box, Bisgaard and Fung – Designing Industrial Experiments: The Engineer’s Key to Quality, 1990) Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Tuiuiu O Problema A empresa TUIUIU Papercóptero deseja otimizar o tempo de vôo de seus helicópteros de papel. Quanto maior o seu tempo de vôo tanto melhor. A sua equipe deverá desenvolver o seguinte estudo consistindo em quatro importantes fases: 1) Baseline: Fazer um estudo dos helicópteros atuais (padrão), e determinar o nível sigma do tempo de vôo atual; 2) Exploratória: Desenvolver um DOE para determinar possíveis modificações a serem feitas; 3) Otimização: Desenvolver (caso necessário) uma análise de otimização de acordo com os resultados anteriores; 4) Verificação: Fazer um estudo do melhor projeto de helicóptero definindo o novo nível sigma. Comparar com o valor Baseline. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Sobre os experimentos Os experimentos consistem no lançamento de helicópteros de uma certa altura cronometrando-se o seu tempo de queda. Fita de junta Fita do corpo Clipe dobrada em volta Dados financeiros: Construção de cada protótipo: R$100.000; Teste de vôo: R$10.000 Exemplo de construção do helicóptero Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Equipe Papel Responsabilidade Quem Engenheiro Chefe Liderar a equipe na decisão de qual protótipo construir. Tem a palavra final sobre quais protótipos serão construídos e testados. Cuida também dos gastos. Engenheiro de Testes Lidera a equipe na condução dos testes de vôo de todos os protótipos. Tem a palavra final quanto a condução dos testes. _______________ Engenheiro de Montagem Lidera a equipe na construção de protótipos. Tem a palavra final quanto a todos os aspectos da construção. _______________ Analista Lidera a equipe no registro dos dados gerados nos ensaios. Controla o Minitab. _______________ Relator(es) Elabora o relatório final. Deve ficar atento a todas as observações importantes ocorridas no estudo e anotá-las _______________ _______________ Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Considerações • Bons projetos incluem Replicação e Aleatorização; • Monte uma linha de produção para dividir o trabalho de fabricação; (Um encontro entre engenheiros de montagem, em caso de várias equipes, é fundamental); • Rotule os helicópteros claramente; • Estabeleça um processo de medição adequado; (Um encontro entre engenheiros de testes, em caso de várias equipes, é fundamental) • Faça anotações das observações discrepantes dos vôos (outliers).Verifique a estabilidade; • Menor variação experimental significa resultados mais conclusivos; • Dicas para um bom projeto: ângulo de asa consistente, estabilidade da dobra, dobra do corpo, método de soltura, armazenagem dos helicópteros, evitar correntes de ar. • Salve a planilha de dados em intervalos regulares! Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Fase 1: Baseline Faça um baseline da capacidade do processo atual (Padrão) para a seguinte situação (não é necessário testar fatores): •Tempo de vôo de ____ segundos (Limite Inferior de Especificação); •Queda de ____metros (ou um referencial de testes) Padrão •Restrição Orçamentária: R$650.000 Resultado esperado: •Nível Sigma do Processo e PPM; Considere: •Quantos experimentos são necessários? •Há replicação e repetição? •Principais estatísticas descritivas; Tipo de Papel amarelo Clipe de Papel Não Corpo com Fita Não Junta da Asa Colada com Fita Não Largura do Corpo 1,5" Comprimento do Corpo 3,00" Comprimento da Asa 3,00" •Análise gráfica Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Planilha para Baseline Helicóptero Repetição 1 Repetição 2 Repetição 3 Repetição 4 1 2 Quantos helicópteros e testes serão feitos? (Escolha o número Replicações e Repetições) 3 4 5 6 7 8 9 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 6σ DMAIC 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis Fase 2: Exploração (Screening) Avalie, usando DOE, dentre os 7 fatores abaixo, aqueles que apresentam maior probabilidade de impactar o tempo de vôo: Fatores Resultados: Níveis Sugeridos Padrão Mudanças Permissíveis Tipo de Papel amarelo Sulfite (branco) Clipe de Papel Não Sim •Analise o confundimento; Corpo com Fita Não Sim (consultar padrão) •Tempo de vôo previsto conforme o resultado da filtragem DOE nas configurações melhoradas; Junta da Asa Colada com Fita Não Sim (consultar padrão) Largura do Corpo 1,5" 2,00 " Comprimento do Corpo 3,00" 4¾" Comprimento da Asa 3,00" 4½" •Identifique os fatores que tem um impacto significativo no projeto dos helicópteros; •Quanto dinheiro foi usado? •Análise quantitativa e gráfica dos resultados; Restrição Orçamentária: R$2500.000 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Planilha para Screening Fator 1 (Escolha o tipo de DOE) Considere: •Qual o método de experimentação escolhido (fracionado, fatorial,...)? •Qual o projeto escolhido? (Defina Fatores, Resolução, etc.) •Qual o planejamento financeiro? Fator 2 Fator 3 Fator 4 Fator 5 Fator 6 Fator 7 Tempo Vôo Helicóptero 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Fase 3: Otimização do Projeto • Selecione e desenvolva um DOE de otimização de acordo com os resultados da etapa anterior. Quais fatores devem ser agora melhor investigados? • Restrição Orçamentária: R$2000.000 • Resultados: •Identifique os níveis dos fatores investigados acima. •Tempo de vôo previsto conforme o resultado da filtragem DOE nas configurações melhoradas; •Quanto dinheiro foi utilizado? •Análise quantitativa e gráfica dos resultados; Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Planilha para Otimização Fator 1 Fator 2 Fator 3 Fator 4 Fator 5 Fator 6 Fator 7 Tempo Vôo Helicóptero 1 (Escolha o 2 tipo de DOE) 3 4 5 6 Considere: 7 8 •Qual o método 9 de 10 experimentação 11 escolhido 12 13 (fracionado, 14 fatorial,...)? 15 •Qual o projeto 16 17 escolhido? 18 (Defina Fatores, 19 Resolução, etc.) 20 21 •Qual o 22 planejamento 23 financeiro? 24 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Fase 4: Verificação Faça uma verificação da capacidade do novo processo considerando as mesmas restrições da fase de Baseline. Otimizado Resultado esperado: •Nível Sigma do novo Processo e PPM; Considere: Tipo de Papel Clipe de Papel Corpo com Fita •Quantos experimentos são necessários? Junta da Asa Colada com Fita •Há replicação e repetição? Largura do Corpo •Principais estatísticas descritivas; Comprimento do Corpo •Análise gráfica Comprimento da Asa Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Planilha para Verificação Helicóptero (Calcule o nível Sigma do Projeto Otimizado) Repetição 1 Repetição 2 Repetição 3 Repetição 4 1 2 3 4 5 6 7 8 9 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 7 - Selecionar Causas Potenciais de Variação; 8 - Relações entre as Variáveis 6σ DMAIC Cite 10 conclusões sobre o estudo: 1 2 3 4 5 6 7 8 9 10 Dever de Casa: Escreva um relatório sobre todo o experimento fazendo uma análise criteriosa da planilha de dados. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 9 - Tolerâncias Operacionais 6σ DMAIC Estabelecer Tolerâncias Operacionais & Solução Piloto. Objetivo: Estabelecer Tolerâncias operacionais para os X’s Vitais Foco Principais Ferramentas: Y, X Regressão Simulação Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:84 9 - Tolerâncias Operacionais 6σ DMAIC Tolerâncias Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:85 6σ DMAIC 9 - Tolerâncias Operacionais Uso de Regressão para o cálculo de Tolerâncias Ex.: Obter a equação da reta (chamada de reta dos mínimos quadrados) para os seguintes pontos experimentais: x y 1 0,5 2 0,6 3 0,9 4 0,8 5 1,2 6 1,5 7 1,7 8 2,0 Traçar a reta no diagrama de dispersão. Calcular o coeficiente de correlação linear. Qual o valor previsto para x=9? Qual a Tolerância de X para 1<Y<1.5? Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:86 9 - Tolerâncias Operacionais 6σ DMAIC Regressão linear simples Ho: modelo não é bom Regressão. MTW Portanto rejeita-se Ho Previsão Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:87 6σ DMAIC 9 - Tolerâncias Operacionais Ajuste da Regressão R-quadrado Linear éa porcentagem da variação explicada pelo seu modelo. R-quadrado (ajustado) é a porcentagem da variação explicada pelo seu modelo, ajustada para o número de termos em seu modelo e o número de pontos de dados. O “valor-p” para a regressão é para ver se o modelo de regressão inteiro é significativo. —Ha: O modelo permite significativamente prever a resposta. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:88 6σ DMAIC 9 - Tolerâncias Operacionais Ajuste da Regressão Uma Intervalos de confiança e de previsão faixa (ou intervalo) de confiança é uma medida da certeza da forma da linha de regressão ajustada. Em geral, uma faixa de 95% implica em uma chance de 95% de que as linha verdadeira fique dentro da faixa. [Linhas vermelhas] Uma faixa (ou intervalo) de previsão é uma medida da certeza da dispersão dos pontos individuais em torno da linha de regressão. Em geral, 95% dos pontos individuais (da população em que a linha de regressão se baseia) estarão contidos dentro da faixa. [Linhas azuis] Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:89 9 - Tolerâncias Operacionais 6σ DMAIC Ajuste da Regressão Tolerâncias CTQ Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:90 6σ DMAIC 9 - Tolerâncias Operacionais Ajuste da Regressão Estreitando Tolerâncias e estabelecendo valores alvos Cuidado.: Só válido quando X1’ for menor que X2’ em regressão crescente! CTQ 2’ 1 2 1’ Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:91 6σ DMAIC 9 - Tolerâncias Operacionais Ajuste da Regressão Estreitando Tolerâncias CTQ 2 1 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:92 6σ DMAIC 9 - Tolerâncias Operacionais Ajuste da Regressão Estreitando Tolerâncias e estabelecendo valores alvos Cuidado.: Só válido quando X1’ for menor que X2’ em regressão decrescente CTQ 2’ 1 2 Se a especificação estiver muito estreita, só tem sentido o valor alvo! 1’ Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:93 6σ DMAIC 9 - Tolerâncias Operacionais Exemplo CTQ: • Meta de perder 2Kg/semana • No mínimo perder 1 Kg/semana • Não perder mais de 3Kg/semana por motivos de saúde Kg Semana 3 2 Perda de Peso 1 Função de Transferência Perda de Peso=f(horas exercício) 0 hr/semana 1 2 3 Exercícios Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:94 6σ DMAIC 9 - Tolerâncias Operacionais Kg semana LSE 3 Alvo Perda 2 de Peso 1 (1) LIE 0 3 hr/semana 1 Kg semana LSE 3 1.4 2 Exercício 2.7 Kg semana LSE 3 (2) Alvo Perda 2 de Peso 1 Tolerâncias em função do CTQ: (1) A tolerância é simplesmente dada em função da função de transferência; (2) A variação em Y (CTQ) estreita os limites de tolerância; (3) A variação em X estreita ainda mais a tolerãncia; 1 LIE 0 3 hr/semana 1 1.5 2 Exercício 2.6 (3) Alvo Perda 2 de Peso LIE 0 3 1 hr/semana 2 1.55 Exercício 2.55 Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:95 9 - Tolerâncias Operacionais 6σ DMAIC SIMULAÇÃO Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:96 9 - Tolerâncias Operacionais 6σ DMAIC Um simples problema de Simulação Clientes chegam a um banco e entram na fila de um único caixa. Assim que alcançam o caixa, cada um executa a sua transação. Quando esta transação inicial é encerrada, o caixa determina se o cliente precisa passar pelo supervisor. Caso sim, o cliente move-se até um supervisor e, depois de atendido, retorna ao caixa para encerrar a transação. Caso o cliente não precise passar pelo supervisor, ele simplesmente deixa o banco. O tempo entre chegadas de clientes segue uma distribuição exponencial com média de 5 minutos. Os tempos de deslocamento entre a entrada do banco e a fila do caixa, e deste até a saída são ambos de 1 minuto. O tempo de qualquer transação segue uma distribuição normal com média 4.9 minutos e desvio padrão de 1 minuto. 10% dos clientes passam pelo supervisor. Um mesmo cliente pode passar várias vezes pelo supervisor. O tempo de deslocamento até o supervisor é de 1.5 minutos e o seu tempo de atendimento segue uma distribuição triangular de parâmetros (12, 15, 20). O supervisor tem uma parada de 15 minutos de manhã, almoço de 60 minutos, e uma parada de 15 minutos à tarde. Se ele está atendendo algum cliente, ele terminará esta atividade e então tirará a parada completa. O supervisor também deverá atender a emergências bancárias. De acordo com experiências em um banco similar, a freqüência de emergências é de duas vezes ao dia. Dados recolhidos neste banco similar serão utilizados para avaliar o tempo necessário para resolver cada emergência. Após um estudo desses dados concluiu-se que a expressão 1.13 + LOGN(0.015, 0.00188) representa a melhor escolha para o tempo de emergência. O tempo entre emergências obedece a uma distribuição EXPO(255). Se a emergência ocorre quando o supervisor está fora do escritório, ele as atenderá em seu retorno. Coletar estatísticas da utilização do caixa e do supervisor, tempo total que os clientes permanecem no sistema, e o número de clientes esperando na fila do caixa. Simule por um período de 8,5 horas Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:97 9 - Tolerâncias Operacionais 6σ DMAIC Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:98 9 - Tolerâncias Operacionais 6σ DMAIC Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:99 9 - Tolerâncias Operacionais Lidando com Distribuições de Probabilidade no Excel 6σ DMAIC Crystal Ball Y=f(X) Y é a resposta de um modelo e X é representada por uma (ou mais) Distribuição de Probabilidade 9Crystal Ball é um software que roda em Excel; 9O método de geração de repetidas amostras de X com o respectivo cálculo de Y é chamado de Simulação de Monte Carlo. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:100 9 - Tolerâncias Operacionais 6σ DMAIC Crystal Ball - Detalhes Crystal Ball ... 9é usado apenas em processos que possam ser modelados pelo Excel. Em casos mais complexos, softwares como o ARENA ou ProModel são melhores; 9só pode fazer previsões dadas as suas suposições iniciais. Portanto, suposições pobres originarão resultados pobres! 9deveria ser usado para aproximações. Os valores extremos não são confiáveis; Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:101 6σ DMAIC 9 - Tolerâncias Operacionais Simulação: Crystal Ball Utilize o Crystal Ball para... 9fazer previsões das saídas na forma de amplitude de valores associados às suas probabilidades 9fornecer estatísticas da variável de saída 9ajustar distribuições aos dados de entrada ou saída 9realizar análise de sensibilidade das variáveis independentes do modelo. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:102 6σ DMAIC 9 - Tolerâncias Operacionais Exemplo Imagine-se como um potencial comprador de um complexo de apartamentos. Você deseja comprá-los e, posteriormente, alugá-los. Após uma pesquisa de mercado, você verifica que o número de unidades alugadas em qualquer mês está entre 30 e 40 unidades. O valor do aluguel na região do complexo é de aproximadamente $500/mês, e as despesas mensais de aproximadamente $15.000. Quão lucrativo você empreendimento? espera que seja o Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 seu M9:103 9 - Tolerâncias Operacionais 6σ DMAIC Passo 1: Crie a planilha no Excel Planilha Excel Crie uma equação para a previsão de Y Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:104 9 - Tolerâncias Operacionais 6σ DMAIC Barra de Ferramentas do Crystal Ball A seguinte barra deve aparecer no Excel – O Crystal Ball é uma adds in. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:105 9 - Tolerâncias Operacionais 6σ DMAIC Passo 2: Defina suposições Defina suas suposições (X) usando o conhecimento e os dados do processo Número de Unidades alugadas: é uma Distribuição Uniforme com amplitude entre 30 e 40; • Selecione a célula correspondente ao Número de unidades alugadas (D5); • Selecione DEFINE ASSUMPTION na barra de ferramentas; em seguida, selecione: Uniform Distribution, Click OK. • Entre com os valores conforme indicado. Click ENTER Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:106 9 - Tolerâncias Operacionais 6σ DMAIC Distribution Gallery Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:107 9 - Tolerâncias Operacionais 6σ DMAIC Aluguel por unidade 9Aluguel por unidade: Distribuição Triangular, com valor mais provável de $500/mês, com valor mínimo de $450 e máximo de $575. 9Selecione a célula correspondente ao valor do aluguel (D6); 9 Selecione DEFINE ASSUMPTION e escolha Triangular Distribution, 9Click OK. 9 Entre com os valores conforme indicado. Click ENTER, e depois em OK. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:108 9 - Tolerâncias Operacionais 6σ DMAIC Triangular Distributiom Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:109 6σ DMAIC 9 - Tolerâncias Operacionais Despesas Mensais 9Despesas Mensais: Distribuição Normal com média $15.000 e Desvio Padrão de $1.000; 9 Selecione a Mensais (D7); célula correspondente à Despesas 9Selecione DEFINE ASSUMPTION, selecione: Normal Distribution, 9Click OK. 9 Entre com os valores conforme indicado. Click ENTER, e OK. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:110 9 - Tolerâncias Operacionais 6σ DMAIC Normal Distribution Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:111 9 - Tolerâncias Operacionais 6σ DMAIC Passo 3: Y (Lucro ou Prejuízo) 9Defina a variável de previsão Y 9Selecione a célula correspondente ao LUCRO OU PREJUÍZO (D9) 9Selecione DEFINE FORECAST ; Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:112 9 - Tolerâncias Operacionais 6σ DMAIC Y (Lucro ou Prejuízo) Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:113 9 - Tolerâncias Operacionais 6σ DMAIC Passo 4: Simulação de Monte Carlo 9Defina suas preferências para rodar a simulação; 9Entre com: 9Número máximo de Interações (Simulações) (Trials) 9Informe o critério de parada da simulação; 9Selecione OPTIONS: 9Selecione Sensitivity Analysis 9Click OK Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:114 9 - Tolerâncias Operacionais 6σ DMAIC Run Preferences Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:115 9 - Tolerâncias Operacionais 6σ DMAIC Passo 5: Rodando a Simulação Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:116 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Forecast 9Qual a probabilidade do empreendimento ser lucrativo? 9Entre com “ZERO” no limite inferior (Isto significa a probabilidade de se ter lucro com o negócio Î P(X>0)). Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:117 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Statistics / Percentiles Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:118 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Statistics Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:119 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Percentiles Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:120 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Best Fitting Para uma previsão particular, uma Distribuição de Probabilidades pode ser ajustada aos dados. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:121 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Best Fitting Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:122 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Best Fitting Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:123 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Best Fitting Vá clicando em NEXT DISTRIBUTION até encontrar a distribuição que melhor se ajusta aos dados. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:124 9 - Tolerâncias Operacionais 6σ DMAIC Resultados: Best Fitting Ao encontrá-la, clique em Accept e OK. Como fazer isso no Minitab? Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:125 9 - Tolerâncias Operacionais 6σ DMAIC Resultados:Análise de Sensibilidade Quanto maior for a porcentagem, maior a colaboração da variável para o valor de Y. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:126 9 - Tolerâncias Operacionais 6σ DMAIC Crystal Ball: Outras Funções Para copiar e colar células de suposição Para rodar a simulação novamente Para criar relatórios Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:127 9 - Tolerâncias Operacionais 6σ DMAIC Relatórios • Crystal Ball criará um relatório de resumo dos resultados. •Isto inclui gráficos e objetos que poderão ser copiados para o Word ou Powerpoint. Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:128 9 - Tolerâncias Operacionais 6σ DMAIC Churrasco Faça o planejamento de um churrasco usando uma planilha Excel com o Crystal Ball. Faça estimativas do número de convidados, preço de ingredientes, custos, aluguel, etc... Obtenha a distribuição do custo por indivíduo, etc... Pedro Paulo Balestrassi - UNIFEI - [email protected] - www.iem.efei.br/pedro - (35)36291161 M9:129
Documentos relacionados
Definição CTQ
A existência de uma Norma de Qualidade é comumente uma “exigência” para a implantação da Metodologia 6 Sigma. A equipe do projeto 6 Sigma tem a responsabilidade primária de criar o mapa do processo...
Leia mais