UNIVERSIDADE DE TAUBAT Emerson Lus Junqueira

ANLISE DE R&R PELO MINITAB

Taubat SP 2012

UNIVERSIDADE DE TAUBAT Emerson Lus Junqueira

ANLISE DE R&R PELO MINITAB

Trabalho opcional para a disciplina Mtodos Experimentais em Engenharia. rea de Concentrao: Projeto Mecnico. Orientador: Prof. Dr. Pedro Paulo Leite do Prado.

Taubat SP 2012

EMERSON LUS JUNQUEIRA ANLISE DE R&R PELO MINITAB

Trabalho opcional para a disciplina Mtodos Experimentais em Engenharia. rea de Concentrao: Projeto Mecnico. Orientador: Prof. Dr. Pedro Paulo Leite do Prado.

Data: 14/04/2012 Resultado: _______________

BANCA EXAMINADORA Prof. Dr. Pedro Paulo Leite do Prado - Universidade de Taubat - orientador Assinatura____________________

RESUMO

Qualquer bom profissional, previamente ao corte de uma pea de material com significativo valor agregado, precisa conferir se medida foi feita corretamente. O motivo simples: medies erradas resultam em perdas que podem ser irreparveis. J sabemos que no existe um sistema de medio perfeito. Independente desta realidade, ns dependemos destes sistemas para obter dados de controle da qualidade e monitoramento de alteraes em processos crticos. Mas, como ter cincia se as alteraes medidas so confiveis e no o resultado de uma falha no sistema de medio? Afinal, se o sistema de medio no confivel, da mesma forma no o sero as informaes por ele produzidas. O estudo do Gage R&R no Minitab pode auxiliar na identificao de problemas com o sistema de medio, permitindo que os dados produzidos por este sejam confiveis e possam ser utilizados para melhorias reais nos processos. Este trabalho demonstra como proceder com uma anlise de R&R pelo Minitab 15.

Palavras-Chave: Gage, R&R, Minitab, Medio.

LISTA DE FIGURAS

Figura 1 - Acesso ao Estudo Gage R&R ................................................................... 11 Figura 2 - Tela insero das variveis ...................................................................... 12 Figura 3 - Tela de Opes do Estudo Gage R&R ..................................................... 13 Figura 4 - Resultados Grficos .................................................................................. 15 Figura 5 Comparao entre Componentes de Variao ........................................ 16 Figura 6 - Componentes de Variao (Exemplo) ...................................................... 16 Figura 7 - Comparao entre R Charts ..................................................................... 17 Figura 8 - R Chart (Exemplo) .................................................................................... 17 Figura 9 - Comparao entre Xbar Charts ................................................................ 18 Figura 10 - Xbar Chart (Exemplo) ............................................................................. 18 Figura 11 - Comparao entre Responses by Parts ................................................. 19 Figura 12 Response by Parts (Exemplo) ................................................................ 20 Figura 13 - Comparao entre Responses by Operators .......................................... 21 Figura 14 - Response by Operator (Exemplo) ........................................................... 21 Figura 15 - Comparao entre Operator*Sample Interaction .................................... 22 Figura 16 - Operator*Sample Interaction (Exemplo) ................................................. 23

SUMRIO

1 INTRODUO ......................................................................................................... 7 2 DESENVOLVIMENTO ............................................................................................. 9 2.1 Objetivo.............................................................................................................. 9 2.2 Procedimento ..................................................................................................... 9 3 CONCLUSO......................................................................................................... 24 REFERNCIAS ......................................................................................................... 25

1 INTRODUO

O Estudo de Gage R&R no Minitab pode nos dar suporte se as magnitudes das variaes de medies podem ou no ser ignoradas, seja devido a um instrumento de medio defeituoso ou mesmo operao irregular destes instrumentos. Uma empresa faz um estudo de Gage R&R previamente utilizao de um grfico de controle que verifica os parmetros de um processo de fabricao. As respostas de um estudo de Gage R&R expe que, mesmo quando o mesmo operador mede o mesmo parmetro do mesmo produto no mesmo instrumento de medio, as leituras podem diferenciar em at muitas unidades, o que sugere que o instrumento precise ser recalibrado. A instrumento fora de calibrao geraria um grfico de controle sem utilidade. Apesar da mdia das medies no variar tanto, as diferenas das medidas so considerveis. Para dar atendimento demanda em crescimento, uma empresa opta pela contratao de novos colaboradores para executar atividades cujo valor agregado impactam significativamente nos resultados da empresa. O estudo de Gage R&R compara os novos operadores com os operadores com mais experincia na atividade. O Gage R&R nos mostra que, quando os operadores fazem medies da mesma pea, as medidas feitas pelos contratados mais recentes so, com frequncia, muito alm ou at mesmo aqum em comparao s medies dos operadores com mais experincia. Com isso a empresa tem o poder de deciso sobre intensificar a capacitao dos novos operadores.

Quando se h conscincia de que a empresa necessita de medies confiveis fcil entender as vantagens financeiras significativas. O Minitab tem por objetivo facilitar o estudo da preciso destas medies.

2 DESENVOLVIMENTO 2.1 Objetivo Segundo o George Group Consulting, o objetivo de um Medidor de R&R aprender o mximo possvel a respeito do processo de medio em um curto perodo de tempo. A estratgia incluir equipamento, operadores, peas, e outros fatores que normalmente sero elementos do processo de medio.

2.2 Procedimento Deve-se selecionar as peas cuidadosamente (ou amostras)

representando a amplitude completa da variao do processo (bom e ruim para a especificao completa). As peas devem ser etiquetadas de modo a prevenir que o operador a identifique e remova uma possvel tendncia. Cada pea ser ento medida em tempos mltiplos em sequncia aleatria por cada operador usando o mesmo equipamento. Isso pode ser replicado para cada conjunto de equipamento. Geralmente de 2 a 3 operadores (pessoas que normalmente desenvolvem as tarefas de medio). Geralmente 10 amostras para medio. Cada amostra medida 2-3 vezes por cada operador. O Automotive Industry Action Group (AIAG) possui dois padres de MSA reconhecidos como Medidor de R&R:

Forma Curta cinco peas medidas duas vezes por dois operadores diferentes. Forma Extensa dez peas medidas trs vezes por trs operadores diferentes.

10

O sistema de medio aceitvel se a variabilidade do Medidor de R&R pequena comparada ao processo de variao em anlise. Consideremos o exemplo a seguir (tabela 1):
Part 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 7 7 7 8 8 8 9 9 9 10 10 10 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 Operator 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 Response 9,55 9,60 9,64 10,00 10,05 10,10 9,81 9,83 9,85 9,83 9,85 9,86 9,49 9,50 9,54 9,97 10,00 10,03 9,94 9,95 9,96 9,81 9,83 9,85 9,97 10,00 10,02 9,57 9,58 9,60 9,55 9,57 9,59 9,96 9,98 10,00 9,80 9,81 9,84 9,77 9,79 9,80 9,40 9,41 9,43 Part 6 6 6 7 7 7 8 8 8 9 9 9 10 10 10 1 1 1 2 2 2 3 3 3 4 4 4 5 5 5 6 6 6 7 7 7 8 8 8 9 9 9 10 10 10 Operator 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 Response 10,00 10,02 10,03 9,91 9,92 9,95 9,74 9,75 9,76 9,98 9,99 10,00 9,51 9,53 9,55 9,50 9,53 9,55 10,01 10,02 10,05 9,70 9,75 9,80 9,79 9,80 9,82 9,46 9,50 9,51 10,00 10,03 10,04 9,94 9,95 9,96 9,78 9,80 9,81 10,04 10,05 10,06 9,58 9,60 9,61

Tabela 1 - Exemplo de dados para Estudo Gage R&R Fonte: George Group Consulting

11

O acesso ao estudo gage R&R se d pelo seguinte caminho: Stat > Quality Tools > Gage Study > Gage R&R Study (Crossed) (figura 1).

Figura 1 - Acesso ao Estudo Gage R&R

O Gage R&R Study (Crossed) o mtodo mais comumente usado para variveis (dados contnuos). usado quando as mesmas peas podem ser testadas mltiplas vezes. Entre com as variveis (campos circulados) na caixa de dilogo acima e mantenha a opo do mtodo de anlise ANOVA marcada (figura 2).

12

Figura 2 - Tela insero das variveis Depois de entrar as variveis nesta caixa de dilogo, clique em Options para prosseguir (figura 2). O padro para o Study variation 6.00 (figura 3). Este o valor da amplitude Z que calcula uma variao potencial de 99.73% no desvio padro calculado da variao vista nas peas escolhidas para o estudo. Os limites de

especificao para este processo de exemplo so 10.75 como o USL e 8.75 como o LSL. O Process tolerance 10.75 8.75 = 2.0 (figura 3). Deve-se colocar 2.0 na caixa de dilogo para Process Tolerance (figura 3). O processo Sigma no exemplo vai ser de 0.195 no Historical standard deviation (figura 3).

13

Figura 3 - Tela de Opes do Estudo Gage R&R

Caso a Tolerncia do Processo e os valores Sigma histricos no sejam usados no Minitab, uma suposio crtica feita de que as peas escolhidas para o estudo apresentam a variao do processo real. Neste caso, a aceitabilidade do sistema de medio est baseada na comparao somente com a variao da pea. Isso pode ser uma suposio vlida se for tomado cuidado na seleo das amostras para o estudo. O AIAG (Automotive Industry Action Group) afirma que um elemento de critrio se um sistema de medio aceitvel para analisar um processo a porcentagem da tolerncia da pea ou a variao do processo operacional que consumido por variao no sistema de medio. As regras so: Erro abaixo de 10 % aceitvel

14

De 10 a 30 % pode ser aceitvel com base no risco da aplicao, custo do aparelho de medio, custo do conserto, etc.

Acima 30 % considerado no aceitvel todo esforo dever ser feito de modo a melhorar o sistema de medio. A seguir esto os resultados do estudo gage R&R do nosso exemplo:

Gage R&R
Source Total Gage R&R Repeatability Reproducibility Operator Operator*Part Part-To-Part Total Variation VarComp 0,0015896 0,0005567 0,0010330 0,0003418 0,0006912 0,0414247 0,0430143 %Contribution (of VarComp) 3,70 1,29 2,40 0,79 1,61 96,30 100,00

uma tabulao fcil de entender sobre a quantidade de variao MAS (Measurement Systems Analysis) de cada fonte. A primeira coluna representa a fonte de variao, a segunda coluna uma estimativa da variao real para cada fonte (fator). A terceira coluna o percentual linear que cada uma representa da variao total. necessrio usar a tabulao na coluna % Contribution para entender onde o problema do seu Medidor de R&R est concentrado. O Minitab ir fornecer resultados grficos que analisaremos

individualmente (figura 4).

Source Total Gage R&R Repeatability Reproducibility Operator Operator*Part Part-To-Part Total Variation

StdDev (SD) 0,039870 0,023594 0,032140 0,018488 0,026290 0,203531 0,207399

Study Var (6 * SD) 0,23922 0,14156 0,19284 0,11093 0,15774 1,22118 1,24439

%Study Var (%SV) 19,22 11,38 15,50 8,91 12,68 98,13 100,00

15

Gage R&R (ANOVA) for Response

G age name: Date of study :
Components of Variation
100
% Contribution % Study Var

Reported by : Tolerance: M isc:

Response by Part
10,00 9,75 9,50

Percent

50

Gage R&R

Repeat

Reprod

Part-to-Part

5 Part

10

R Chart by Operator
1 2 3

Response by Operator
UCL=0,1073 10,00 9,75 9,50

Sample Range

0,10

0,05

_ R=0,0417 LCL=0

0,00

Xbar Chart by Operator

1 10,00 2 3 _ _ UCL=9,8422 X=9,7996 LCL=9,7569 10,00

2 Operator

Operator * Part Interaction

Operator 1 2 3

Sample Mean

Average

9,75 9,50

9,75 9,50 1 2 3 4 5 6 Part 7 8 9 10

Figura 4 - Resultados Grficos

Diz-se que um processo de medio consistente quando os resultados para os operadores so repetveis e os resultados entre operadores so reproduzveis.

O Medidor de R&R a variao total no nosso sistema de medio separado em Repetitividade e Reprodutividade. A variao do estudo pea-a-pea uma estimativa da nossa variao do processo (figuras 5 e 6).

16

Figura 5 Comparao entre Componentes de Variao Fonte: QMSS

Gage R&R (ANOVA) for Response

G age name: Date of study : Reported by : Tolerance: M isc:

100

Components of Variation
% Contribution % Study Var

96,3044

98,1348

80

Percent

60

40

20
3,69558

19,2239 15,4966 11,376 1,29414 2,40144

Gage R&R

Repeat

Reprod

Part-to-Part

Figura 6 - Componentes de Variao (Exemplo)

A Repetitividade verificada usando-se um grfico de amplitude especial onde as diferenas nas medies para cada operador em cada pea apresentada

17

no grfico. Se a diferena entre o maior valor de uma pea medida e o menor valor da mesma pea no exceder o UCL, ento o medidor e o operador so considerados Repetveis. A Repetitividade indicada quando virtualmente todos os pontos da amplitude esto abaixo do limite de controle superior no grfico de amplitude. Quaisquer pontos acima do limite devem ser investigados (figuras 7 e 8).

Gage R&R (ANOVA) for Response

G age name: Date of study : Reported by : Tolerance: M isc:

Xbar Chart by Operator

1 2 3 UCL=9,8422 _ _ X=9,7996 LC L=9,7569 10,0 9,8 9,6 9,4

Sample Mean

Figura 7 - Comparao entre R Charts Fonte: QMSS

R Chart by Operator

0,12

3 UCL=0,1073

Sample Range

0,08 0,04 0,00 _ R=0,0417 LC L=0

Figura 8 - R Chart (Exemplo)

A Reprodutividade pode ser visto se houver diferenas significantes nos padres dos operaes gerados por cada operador medindo as mesmas amostras.

18

desejvel ver dados que consistentemente saiam do UCL e LCL pois os limites so determinados por variao do medidor e esses dados devem evidenciar que a variao do medidor muito menor do que a variabilidade dentro das peas. Neste grfico queremos que pelo menos 50% dos pontos estejam fora dos limites de controle (figuras 9 e 10).

Gage R&R (ANOVA) for Response

G age name: Date of study :

Figura 9 - Comparao entre Xbar Charts Fonte: Reported by : QMSS

Tolerance: M isc:

Xbar Chart by Operator

1 2 3 UCL=9,8422 _ _ X=9,7996 LC L=9,7569 10,0 9,8 9,6 9,4

Sample Mean

R Chart by Operator
0,12 1

Figura 10 - Xbar Chart (Exemplo)

Sample Range

UCL=0,1073

0,08 0,04 Este grfico apresenta os dados para as peas e todosR=0,0417 os operadores _

0,00 organizados juntos. Apresenta os dados primrios e destaca a LC L=0 mdia dessas

19

medies. Por este grfico podemos detectar os problemas com peas (figuras 11 e 12).

Figura 11 - Comparao entre Responses by Parts Fonte: QMSS

20

Gage R&R (ANOVA) for Response

G age name: Date of study : Reported by : Tolerance: M isc:

Response by Part
10,1 10,0 9,9 9,8 9,7 9,6 9,5 9,4 1 2 3 4 5 Part 6 7 8 9 10

Figura 12 Response by Parts (Exemplo)

Similar ao grfico de peas, mas os dados so apresentados por cada operador ao invs de por pea. Este grfico ir ajudar a identificar problemas com operador (figuras 13 e 14).

21

Figura 13 - Comparao entre Responses by Operators Fonte: QMSS

Gage R&R (ANOVA) for Response

G age name: Date of study : Reported by : Tolerance: M isc:

Response by Operator
10,1 10,0 9,9 9,8 9,7 9,6 9,5 9,4 1 2 Operator 3

Figura 14 - Response by Operator (Exemplo)

22

Este grfico apresenta os dados para cada operador e para as dez peas. o mais fcil de usar para descobrir a interao da pea e operador (figuras 15 e 16).

Figura 15 - Comparao entre Operator*Sample Interaction Fonte: QMSS

23

Gage R&R (ANOVA) for Response

G age name: Date of study : Reported by : Tolerance: M isc:

Operator * Part Interaction

10,1 10,0 9,9
Operator 1 2 3

Average

9,8 9,7 9,6 9,5 9,4 1 2 3 4 5 6 Part 7 8 9 10

Figura 16 - Operator*Sample Interaction (Exemplo)

24

3 CONCLUSO

Qualquer processo est sujeito s variabilidades do sistema de medio tanto relacionado aos operadores quanto aos equipamentos de utilizados para se efetuar tais medidas. A diminuio dessa variabilidade pode ser suportada com o estudo de Gage R&R que facilitado pelo uso do Minitab. Quando o sistema de medio avaliado e essa informao fornece suporte para se atuar no processo isso torna o resultado obtido muito mais confivel.

25

REFERNCIAS

AUTOMOTIVE INDUSTRY ACTION GROUP. Measurement System Analysis. 2. ed. Southfield: Aiag, 2002. GEORGE GROUP CONSULTING. MSA e medidor de r&r contnuo. [s. L.]: George Group Consulting, [20--]. MINITAB. Fundamentos do Estudo de Gage R&R. Disponvel <http://www.minitab.com/pt-PT/training/tutorials/accessing-thepower.aspx?id=1698&langType=1046>. Acesso em: 11 abr. 2012. ______. Conhea o Minitab 15. [s. L.]: Minitab Inc, 2007. 144 p. QUALITY MANAGEMENT SYSTEMS SOLUTION. Interpreting Minitab's Gage R&R Chart. Disponvel em: <http://www.qmss.biz/article.asp?id=1>. Acesso em: 11 abr. 2012. em: