Seu processo deve ser estável para obter estimativas confiáveis da capacidade do processo.
Os gráficos de controle ajudam a monitorar a estabilidade do seu processo através da identificação de pontos fora de controle e padrões e tendências em seus dados.
Os pontos vermelhos indicam subgrupos que falharam em pelo menos um dos testes para causas especiais e não estão sob controle. Pontos fora de controle indicam que o processo pode não estar estável e que os resultados de uma análise de capacidade pode não ser confiável. Você deve identificar a causa de pontos fora de controle e eliminar as variações de causas especiais antes de analisar a capacidade do processo.
Nesta carta U, a maioria dos pontos varia de forma aleatória e está dentro dos limites de controle. Nenhuma tendência ou padrão está presente. No entanto, a taxa de defeitos por unidade para o dia 17 está fora de controle. Antes de avaliar a capacidade do processo, investigue e elimine todas as causas especiais que possam ter contribuído para o DPU anormalmente elevado naquele dia.
Antes de avaliar a capacidade de seu processo, determine se ele segue uma distribuição de Poisson. Se os seus dados não seguem uma distribuição de Poisson, as estimativas de capacidade do processo podem não ser confiáveis. O gráfico que o Minitab mostra para avaliar a distribuição dos dados depende se os seus tamanhos dos subgrupos são iguais ou diferentes.
Se os tamanhos de seus subgrupos forem todos iguais, o Minitab exibe um gráfico de Poisson.
Examine o gráfico para determinar se os pontos representados graficamente seguem aproximadamente uma linha reta. Se não, o pressuposto de que os dados foram amostrados a partir de uma distribuição de Poisson pode ser falso.
Neste gráfico, os pontos de dados enquadram-se muito proximamente ao longo da linha. Você pode assumir que os dados seguem uma distribuição de Poisson.
Neste gráfico, os pontos de dados não caem ao longo da linha perto da parte superior direita do gráfico. Esses dados não seguem uma distribuição de Poisson e não podem ser avaliados de forma confiável usando a análise de capacidade Poisson.
Se os tamanhos de subgrupos variarem, o Minitab exibe um gráfico de taxa de defeitos.
Examine o gráfico para avaliar se os defeitos por unidade (DPU) são distribuídos aleatoriamente em tamanhos de amostra ou se um padrão está presente. Se os seus dados caírem aleatoriamente sobre a linha central, conclua que os dados seguem uma distribuição de Poisson.
Neste gráfico, os pontos são dispersos aleatoriamente ao redor da linha central. Você pode assumir que os dados seguem uma distribuição de Poisson. Portanto, os dados podem ser avaliados usando a análise de capacidade de Poisson.
Neste gráfico, o padrão não é aleatório. Para os tamanhos de amostra maiores que 120, o DPU aumenta conforme o tamanho da amostra aumenta. Este resultado sugere uma possível correlação entre o tamanho da amostra e a taxa de defeitos. Portanto, os dados não seguem uma distribuição de Poisson e não podem ser avaliados de forma confiável usando a análise de capacidade Poisson.
Utilize o DPU médio dos dados de amostra para estimar o DPU média do processo. Use o intervalo de confiança como uma margem de erro para a estimativa.
O intervalo de confiança oferece uma variedade de valores prováveis para o valor real do DPU médio no seu processo (caso fosse possível coletar e analisar todos os itens que ele produz). A um nível de confiança de 95%, é possível ter 95% de confiança de que o DPU médio real do processo esteja contido dentro do intervalo de confiança. Ou seja, se você coletar 100 amostras aleatórias de seu processo, você pode esperar que cerca de 95 das amostras produzam intervalos que contêm o valor real do DPU médio.
O intervalo de confiança ajuda a avaliar a significância prática de seus resultados. Se você tiver um valor de DPU médio máximo permitido que seja baseado no conhecimento de processo ou em padrões do setor, compare o limite de confiança superior com esse valor. Se o limite de confiança superior for menor que o valor de DPU médio máximo permitido, é possível ter certeza que seu processo atende às especificações, mesmo levando-se em consideração a variabilidade de amostragem aleatória que afeta a estimativa.
Os resultados para a análise de capacidade de Poisson incluem uma tabela de Estatísticas de Resumo, localizada na parte média inferior da saída. Nesta tabela de Estatísticas de Resumo simulada, o DPU alvo (0,0250) indica o DPU máxima permitida para o processo. O DPU médio estimado é 0,0225, que está abaixo do valor máximo permitido. No entanto, o IC superior para o DPU médio é 0,0265, que excede o valor máximo permitido. Portanto, não é possível ter 95% de certeza de que o processo é capaz. Talvez seja necessário usar uma amostra maior ou reduzir a variabilidade do processo para obter um intervalo de confiança mais estreito para a estimativa do DPU médio.
Estatísticas de Resumo | |
---|---|
(95,0% de confiança) | |
DPU médio | 0,0225 |
IC inferior: | 0,0190 |
IC superior: | 0,0265 |
DPU mín | 0,00 |
DPU máx: | 0,0661 |
DPU alvo: | 0,0250 |
Use o Gráfico de %Defeituosos acumulado para ajudá-lo a determinar se você coletou amostras suficientes para ter uma estimativa estável do DPU.
Examine os defeitos por unidade para as amostras ordenadas por horário para ver como a estimativa muda conforme você coleta mais amostras. De maneira ideal, o DPU deve estabilizar depois de várias amostras, como mostrado por um achatamento dos pontos representados graficamente ao longo da linha de DPU.
Neste gráfico, DPU estabiliza-se ao longo da linha de DPU médio. Portanto, o estudo inclui a capacidade de amostras suficientes para produzir uma estimativa estável e confiável de um DPU médio.
Neste gráfico, DPU não se estabilizar. Portanto, o estudo de capacidade não inclui amostras suficientes para estimar de forma confiável o DPU médio.