Skip to main content

Em situações onde somente é possível quantificar, além de causas comuns, as causas especiais de variação, usaremos os índices propostos por Herman (1989). Esses índices são conhecidos como índices de Performance do processo. Se o processo está estável, os índices de capacidade estarão muito próximos dos índices de performance. Porém, uma diferença grande entre capacidade e performance indica a existência de instabilidade no processo, ou seja, causas especiais estão agindo.

O cálculo dos índices Pp e Ppk são similares aos índices Cp e Cpk. Desta forma, temos

$$P_p = \dfrac{\mbox{Variabilidade Permitida do Processo}}{\mbox{Variabilidade Total}}$$

ou seja,

$$P_p = \dfrac{LSE - LIE}{6\sigma}$$

Logo, o índice Pp pode ser estimado por

$$\widehat{P}_p = \dfrac{LSE - LIE}{6\widehat{\sigma}}$$


Para a especificação unilateral superior temos

$$PPS = \dfrac{LSE - \mu }{3\sigma} = \dfrac{LSE - \mu}{\frac{\mbox{Variabilidade Total}}{2}}$$

e para a especificação unilateral inferior

$$PPI = \dfrac{\mu - LIE}{3\sigma}$$

onde μ é a média do processo.

A relação entre Pp e a dupla (PPI, PPS) é dada por

$$P_p = \dfrac{PPI + PPS}{2}$$

Uma generalização para o caso de especificações bilaterais é o índice

$$P_{pk} = \mbox{mínimo entre $PPI$ e $PPS$}$$

$$P_{pk} = \min\{PPI, PPS\}$$

Observemos os índices de performance na Figura 2.2.1.

Figura 2.2.1: Índices de performance do processo.

 

Estimativa do desvio padrão

A seguir vamos apresentar diversos métodos para estimar o desvio padrão, que é parte fundamental da Performance do Processo.

Variabilidade a longo prazo

A melhor forma de estimarmos esta variabilidade é através do desvio padrão amostral

$$\widehat{\sigma} = s = \sqrt{\dfrac{\sum_{i=1}^{n}(x_i-\overline{x})^2}{n-1}}$$

em que $ x_i $ representa as medidas do processo, $ \overline{x} $ corresponde a média amostral de todas as medidas do processo e n ao número de medidas obtidas do processo.

Para ajustarmos o desvio padrão em relação ao vício tomamos

$$\widehat{\sigma}_{ajust} = \dfrac{s}{c_{4}(n)} = \dfrac{\sqrt{\dfrac{\sum_{i=1}^{n}(x_i-\overline{x})^2}{n-1}}}{c_{4}(n)}$$

em que o valor de c4 é tabelado no Apêndice.

A seguir são analisadas algumas situações práticas:

  • Situação 1: Quando os dados são obtidos via um gráfico $ \overline{X} $ e R a estimativa tradicional ($ \overline{R}/d_2 $) só é válida se o processo estiver sob controle.
  • Situação 2: Quando retiramos uma amostra de uma população o desvio padrão amostral (s) é a única forma de estimarmos a variabilidade a longo prazo.

 

A seguir apresentamos um exemplo envolvendo os conceitos discutidos.

Exemplo 2.2.1: Vamos calcular a performance do processo para o Exemplo 2.1.1, considere neste caso um desvio padrão amostral s = 0,14.

As especificações são: LSE = 10,9 , VN = 10,7 , LIE = 10,5 , $ \overline{x} $ = μ = 10,662  e  $ \widehat{\sigma} = s = 0,14 $.

Para as especificações unilaterais superior e inferior temos

$$PPI = \dfrac{\bar{x} - LIE}{3s} = \dfrac{10,662 - 10,5}{3 \ast 0,14} = \dfrac{0,162}{0,42} = 0,386$$

$$PPS = \dfrac{LSE - \bar{x}}{3s} = \dfrac{10,9 - 10,662}{3 \ast 0,14} = \dfrac{0,238}{0,42} = 0,567$$

Assim,

$$P_p = \dfrac{PPI + PPS}{2} = \dfrac{0,386 + 0,567}{2} = 0,4765$$

A pior situação (aquela em que o processo gera a maior porcentagem de defeitos) é avaliada pelo Ppk. Portanto,

$$P_{pk} = \min\{PPI, PPS\} = \min\{0,386; ~0,567\} = 0,386.$$


Tratamento de tolerâncias unilaterais

Em alguns casos, temos apenas limites superiores ou inferiores de engenharia. Assim, não temos como calcular o índice Pp. Nestes casos, o manual de CEP (2ª Edição) propõe a seguinte estratégia:

  • Apenas limite Superior
    • Ppk = PPS;
    • Pp não se aplica;
    • PPI não se aplica.
  • Apenas limite Inferior
    • Ppk = PPI;
    • Pp não se aplica;
    • PPS não se aplica.