Trabalho de Engenharia da Qualidade
Por: Leonardo Corrêa • 27/6/2019 • Trabalho acadêmico • 1.129 Palavras (5 Páginas) • 122 Visualizações
UNIVERSIDADE FEDERAL DE MATO GROSSO DO SUL
FACULDADE DE ENGENHARIAS, ARQUITETURA E URBANISMO E GEOGRAFIA
CURSO DE ENGENHARIA DE PRODUÇÃO
UNIDADE CURRICULAR: ENGENHARIA DA QUALIDADE
DISTRIBUIÇÃO DE PROBABILIDADES
DISTRIBUIÇÃO BINOMIAL
Leonardo Corrêa Pinheiro
Prof. Dr. Alexandre Meira de Vasconcelos
CAMPO GRANDE-MS, 2019
SUMÁRIO
1 INTRODUÇÃO 3
2 OBJETIVOS 4
3 METODOLOGIA EXPERIMENTAL 5
3.1 Materiais 5
3.1.1 Procedimentos Experimentais 5
4 RESULTADOS E DISCUSSÂO 9
4.1.1 Aplicações na Engenharia de Produção 9
5 CONSIDERAÇÕES FINAIS 10
REFERÊNCIAS 11
- INTRODUÇÃO
Na análise de qualidade em uma empresa ou indústria, podemos nos deparar com características da qualidade que não podem ser representadas numericamente.
Para fazer a análise desses itens, os definimos como CONFORMES e NÃO CONFORMES.
Ignorando quantidade de defeitos e tipos de defeitos, analisaremos os produtos somente com essa visão binária. Torna – se então necessário o uso de uma ferramenta que nos permita fazer a análise desses produtos defeituosos.
A análise pela distribuição binomial, é de simples elaboração e interpretação.
Ela vai te fornecer, em forma de gráfico ou tabela, resultados discretos do número de produtos não conformes (ou conformes, dependendo do que o usuário definir como “sucesso”, na descoberta do p) em uma amostra n.
É possível também, utilizando essa ferramenta, a previsão de defeitos em um determinado lote, ou lotes de produção.
- OBJETIVOS
Aplicar e entender o conceito de distribuição binomial, sendo capaz de reproduzir o uso da ferramenta em outros problemas binários.
- METODOLOGIA EXPERIMENTAL
- MATERIAIS
- Bacia;
- Miçangas (brancas e amarelas);
- Raquete com pequenas cavidades;
- Software de análise de dados (Excel);
- Procedimentos Experimentais
A análise iniciou-se com a retirada de algumas amostras da bacia de miçangas sortidas (amarelas e brancas), as brancas representando itens conformes e as amarelas, itens não conformes.
O ato foi desempenhando com o fim de simular uma análise binária de Qualidade em uma fábrica.
Após colhidas 16 amostras, foi feita uma tabela (tabela 1), com os dados e o valor de p, descoberto.
Tabela 1 – Do autor[pic 1]
O valor que nos interessa nessa tabela, para a montagem da distribuição binária, é a média dos valores de p, que está com contorno em negrito, na tabela.
O valor médio de p, representa a porcentagem média de produtos não conformes (representados pela miçanga amarela), no caso do problema estudado, é de 27,46%.
Já que o valor de p, nos representa a quantidade de defeitos, para a análise binária, o defeito será entendido como sucesso.
O insucesso será representado por “k” que é o complemento de “p”, ou seja (1-p), e será importante componente na estruturação da fórmula (equação 1) da distribuição binária.
Já que o intuito é simular a distribuição em uma amostragem não aferida em campo, foi estabelecido um n = 22, que representa a quantidade de itens analisados por amostra, são limitados pela quantidade de cavidades na raquete.
Equação 1 – Do autor[pic 2]
Usando a fórmula supracitada, foi montada a tabela binária (tabela 2) que já é uma ferramenta pronta de análise de qualidade.
A primeira coluna representa o número de sucessos, e a segunda a probabilidade de o mesmo acontecer. Lembrando que o sucesso foi definido como número de defeitos, de acordo com a elaboração da carta np, e a definição de “p”.
[pic 3][pic 4]
Tabela 2 – Do autor
Para facilitar a interpretação pelo gestor ou responsável pela qualidade, foi montado um gráfico complementar (gráfico 1).
A principal análise que deve ser feita do gráfico é do seu pico, que representa a quantidade “padrão” de erros esperados na amostra.
Gráfico 1 – Do Autor[pic 5]
Pode-se observar que existe uma alta probabilidade de existir entre 1 e 11 erros em uma amostra de 22 itens.
Esse número pode ser definido como uma quantidade de não conformes padrão, não está em questão, ainda, a alta taxa de erros, essa análise somente define a quantidade padrão de erros na amostra.
É de fácil entendimento que este processo está fora dos padrões esperados, já que é esperado que grande parte de seus produtos estejam fadados a ser retrabalhados ou até desperdiçados, devido a alta taxa de reprovação pelo setor de qualidade.
...