Cartas de Controle para Atributos: Análise de Defeitos e Monitoramento de Processos

Cartas de Controle p np c u Atributo Contagem Nº defeitos por amostra Nº defeituosos por amostra Variável n 1 Sim Carta x e AM Não 1 n 10 Sim Carta x e R Não Então para n10 carta x e s n constante Sim Carta c ou Carta u Não Carta u Carta p Cartas de Controle p np c u Cartas para atributos Objetivo Tamanho do Subgrupo Carta p Monitorar a proporção de itens defeituosos calcula o de defeituosos por subgrupo Tem como base a distribuição Binomial Amostra de tamanho variável Carta np Monitorar a proporção de itens defeituosos calcula a qtd de defeituosos por subgrupo Tem como base a distribuição Binomial Subgrupo de tamanho fixo Carta u Amostra de tamanho variável Carta c Monitorar o número de defeitos por unidade calcula o de defeitos em um subgrupo Tem como base a distribuição de Poisson Monitorar o número de defeitos por subgrupo calcula a qtd de defeitos em 1 unidade do item Tem como base a distribuição de Poisson Subgrupo é igual a 1 unidade do item Atividade Cars 2 Ainda no mesmo processo de produção considerando a mesma peça fabricada pela Cars 2 o Analista de Melhoria monitorou os itens defeituosos através da Carta p ou seja fez monitoramento do percentual de itens produzidos fora de especificação 3mm 01mm considerando um subgrupo de tamanho fixo igual a 80 Também foi realizado o acompanhamento da quantidade de defeitos em cada unidade rejeitada através da Carta c sendo possível identificar até 7 defeitos possíveis como por exemplo amassamento e trinca O objetivo é verificar se há estabilidade do processo em relação à geração de peças rejeitadas e quantidade de defeitos por peça Atividade Cars 2 Selecione Estat Cartas de Controle Cartas de Atributos P Atividade Cars 2 Selecione Itens defeituosos como Variáveis Digite 80 em Tamanhos de subgrupos Clique em OK Atividade Cars 2 1 7 13 19 25 018 016 014 012 010 008 006 004 31 37 43 49 55 Amostra Proporçã o P00331 LSC00932 1 002 2 2 000 LIC0 1 1 1 Carta P de Itens defeituosos Na Carta p nós observamos 4 testes para causas especiais 1 Pontos fora dos limites de controle 2 Sequência 3 Tendência 4 Sazonalidade Periodicidade Atividade Cars 2 Na Carta p podemos afirmar que o processo é estável Explique Qual seria o percentual máximo e mínimo de itens defeituosos esperados segundo a Carta p Atividade Cars 2 Na Carta p podemos afirmar que o processo é estável Explique Qual seria o percentual máximo e mínimo de itens defeituosos esperados segundo a Carta p Não Existem vários pontos fora dos limites de controle e uma sequência O esperado para o processo sob controle estatístico seria um percentual de itens defeituosos de 0 a 93 Os resultados mensurados ultrapassam esses limites Abrir arquivo CARS Limites de controle para a carta p da empresa Cars 2 exercício anterior Fazer a carta p no excel Trabalho K Quantidade de Amostras Atividade Cars 2 Selecione Estat Cartas de Controle Cartas de Atributos C Atividade Cars 2 Selecione Defeitos como Variáveis Clique em OK Atividade Cars 2 145 129 113 97 65 49 33 17 1 7 6 5 4 3 2 1 0 81 Amostra Contagem Amostral C2195 LSC6640 LIC0 Carta C de Defeitos Na Carta c nós observamos 4 testes para causas especiais 1 Pontos fora dos limites de controle 2 Sequência 3 Tendência 4 Sazonalidade Periodicidade Atividade Cars 2 Na Carta c podemos afirmar que o processo é estável Explique Qual é a quantidade média de defeitos observados na amostra analisada Qual é a quantidade de defeitos esperada para os limites de controle Atividade Cars 2 Na Carta c podemos afirmar que o processo é estável Explique Qual é a quantidade média de defeitos observados na amostra analisada Qual é a quantidade de defeitos esperada para os limites de controle Sim Os critérios de estabilidade foram respeitados Em média temos 219 defeitos por item na amostra analisada LIC 0 e LSC 664 Abrir arquivo CARS 2 Calcular os Limites de controle para a carta c exercício anterior Fazer a Carta C no Excel Entregar Excel Trabalho C número de não conformidades encontradas na amostra K Quantidade de Amostras Capabilidade do Processo A capacidade de um processo é a habilidade de se gerar produtos dentro de uma faixa de especificação proveniente dos clientes internos e externos ou seja a capacidade do processo é avaliada por meio da comparação da faixa característica do processo com a faixa de especificação Capabilidade do Processo Somente processos com distribuição aproximadamente normal e estáveis devem ter sua capacidade avaliada pelos índices Cp e Cpk Índice Descrição Cálculo Cp Mede a capacidade de maneira simples para processoscentrados Mede o potencial do processo Cp LSE LIE 6σ Sendo LSE e LIE os limites de especificação do processo superior e inferior respectivamente Cps Diferença do centro da distribuição e a especificaçãosuperior Cps LSE μ 3σ Cpi Diferença do centro da distribuição e a especificaçãoinferior Cpi μ LIE 3σ Cpk Mede a capacidadede processosque não estão centrados Cpk mín Cps Cpi Avaliando os Valores Cp e Cpk Valor de Cp e Cpk Análise Cp e Cpk 1 O processo está em um índice inadequado necessitando de inspeção 100 1 Cp e Cpk 133 O processo está em um índice satisfatório aplicando inspeção por amostragem Cp e Cpk 133 O processo está em um índice bastante satisfatório não necessitando de inspeção Cp1 1Cp133 Cp133 Avaliando os Valores Cp e Cpk Sobre os valores de Cp e Cpk podemos concluir Se Cp Cpk o processo é exatamente centrado Quando Cpk Cp o processo está descentralizado para algum dos lados e quanto maior essa diferença mais descentralizado está o processo Um processo vai ser tido como capaz quando 6 desvios padrão 9974 ou mais do seu processo couberem entre os limites especificados Cp e Cpk 1 mesmo não estando perfeitamente centralizado Na indústria geralmente o valor exigido para Cp e Cpk é 133 Cp Cpk 20 Cp 20 e Cpk 15 Cp 20 e Cpk 0 Atividade Connect A Connect é uma empresa de outsourcing com operações em toda a região Sudeste Um dos indicadores mais estratégicos da empresa é o Tempo Médio de Atendimento TMA já que a empresa acorda em contrato um TMA mínimo e máximo para cada ligação Com suspeita de que a operação Rio de Janeiro e a operação São Paulo não conseguem respeitar as especificações do TMA uma base de dados com o tempo de 250 ligações será analisada A especificação acordada em contrato é LIE 180 segundos LSE 240 segundos Atividade Connect Abra o arquivo Atividade Connect Selecione Stat Ferramentas da Qualidade Análise de Capacidade Normal Atividade Connect Selecione TMA São Paulo como variável Digite 1 em tamanho de subgrupo Digite 180 em Espec Inferior e 240 em Espec superior clicar em OK Atividade Connect 180 190 200 210 220 230 240 250 LIE 180 Alvo LSE 240 Média Amostral 229702 N Amostral 250 DesvPadGlobal 999128 DesvPadDentro 991478 Dados do Processo Cp 101 CPL 167 CPU 035 Cpk 035 Capacidade Global Pp 100 PPL 166 PPU 034 Ppk 034 Cpm Capacidade PotencialDentro Desempenho Observado Global Esperado Dentro Esperado PPM LIE 000 033 027 PPM LSE 14000000 15133778 14948027 PPM Total 14000000 15133810 14948054 LIE LSE Global Dentro Relatório de Capacidade do Processo para TMA São Paulo Atividade Connect Qual é o valor de Cp e Cpk do TMA de São Paulo Podemos concluir que o processo é capaz Qual é o percentual de ligações que ficam fora da especificação A resposta pode ser escrita em ppm ou percentual Atividade Connect Qual é o valor de Cp e Cpk do TMA de São Paulo Podemos concluir que o processo é capaz Qual é o percentual de ligações que ficam fora da especificação A resposta pode ser escrita em ppm ou percentual Cp 101 Cpk 035 O processo não é capaz já que Cp está muito próximo de 1 e Cpk 1 O valor ideal seria Cp e Cpk 133 Observado 140000 ppm ou 14 das ligações Global Esperado 151338 ppm ou 1538 das ligações Calcular Cp e CP na mão Trabalho Índice Cálculo Resolução Cp Cp LSE LIE 6σ Cps Cps LSE μ 3σ Cpi Cpi μ LIE 3σ Cpk Cpk mín Cps Cpi Calcular Cp e CP na mão Trabalho Índice Cálculo Resolução Cp Cp LSE LIE 6σ Cp 240 180 6999 Cp 101 Cps Cps LSE μ 3σ CpU 240 2297 3999 CpU 035 Cpi Cpi μ LIE 3σ CpL 2297 180 3999 CpL 167 Cpk Cpk mín Cps Cpi Cpk 035 Capabilidade do Processo É comum a situação de uma dada distribuição de dados não seguir a distribuição normal Sendo assim como analisar a Capabilidade desses processos Uma dificuldade encontrada em projetos Seis Sigma surge quando os dados de saída do processo não são normais Isto impactará o método de cálculo da Capabilidade do processo Devese estar claro que o fato de os dados não seguirem o modelo normal não invalidam o projeto Devese contudo continuar o projeto e buscar outras ferramentas que melhor avaliem os dados disponíveis As recomendações deste capítulo são técnicas para transformar dados nãonormais em normais Transformação BoxCox Existe uma transformação conhecida como BoxCox que procura obter a curva normal equivalente de uma dada distribuição inicial O mapa abaixo ilustra os passos necessários considerando que em alguns casos a transformação Box Cox não é suficiente para normalizar os dados coletados sendo necessárias outras técnicas Dados do projeto Teste de Normalidade Análise de Capabilidade Pvalue005 aprovado Transformação BoxCox Pvalue005 reprovado Pvalue005 aprovado Análise de Capabilidade Atividade Connect Os dados da operação Rio de Janeiro da empresa Connect não seguem uma Distribuição Normal portanto faremos a Análise de Capabilidade com a Transformação BoxCox Selecione Stat Ferramentas da Qualidade Análise de Capacidade Normal Atividade Connect Selecione a variável TMA Rio em coluna única Digite 1 em tamanho do subgrupo Digite 180 em Espec Inferior e 240 em Espec Superior Selecionar a opção Transformar Selecione Transformação de poder BoxCox Selecionar usar λ ideal clicar OK duas vezes Atividade Connect Dados do Processo LIE 180 Alvo LSE 240 Média Amostral 209259 N Amostral 250 DesvPadGlobal 348529 DesvPadDentro 355944 Depois da Transformação LIE 188957e011 Alvo LSE 796263e011 Média Amostral 402359e011 DesvPadGlobal 330537e010 DesvPadDentro 339493e010 Desempenho Observado Global Esperado DentroEsperado PPM LIE 000 000 000 PPM LSE 000 000 000 PPM Total 000 000 000 Calculado com LIE e LSE dadostransformados LIE LSE Global Dentro CapacidadeGlobal Pp 306 PPL 215 PPU 397 Ppk 215 Cpm Capacidade Potencial Dentro Cp 298 CPL 210 CPU 387 Cpk 210 Relatório de Capacidade do Processo para TMA Rio Usar Transformação de BoxCox com λ 5 Atividade Connect Qual é o valor de Cp e Cpk para o TMA Rio Podemos concluir que o processo no Rio é capaz Qual é o percentual de ligações que ficam fora da especificação Atividade Connect Qual é o valor de Cp e Cpk para o TMA Rio Podemos concluir que o processo no Rio é capaz Qual é o percentual de ligações que ficam fora da especificação Cp 298 Cpk 210 O processo é capaz já que Cp e Cpk 133 No Rio todas as ligações estão dentro da especificação Nível Sigma do Processo O nível sigma de um processo é nomeado pela estatística como Z Ele representa a quantidade de desvios padrões que se pode encaixar entre um valor determinado e a média do processo No exemplo abaixo ZST 6 já que conseguimos encaixar 6 desvios padrão entre 180 e 210 ou entre 210 e 240 240 230 220 200 190 180 009 008 007 006 005 004 003 002 001 000 210 X Densidad e 180 240 Gráfico de Distribuição Normal Média210 DesvPad5 210 σσσσσσ σσσσσσ Nível Sigma do Processo No slide anterior o Nível Sigma foi representado por ZST ou seja a capabilidade de curto prazo que representa o melhor que o processo pode ser já que se trata de uma base de dados centrada e sem as variações que o processo sofre no longo prazo No próximo exemplo identificamos uma capabilidade de longo prazo ou seja quando uma base de dados representa a medição de várias amostras do processo ao longo do tempo Neste caso o processo sofre variações e dificilmente será centrado Portanto o valor calculado é ZLT Consideramos como o Nível Sigma o ZST capabilidade de curto prazo sendo ZST ZLT15 Nível Sigma do Processo Nesse caso o ZLT 45 já que conseguimos encaixar 45 desvios padrão entre 2175 e 240 Ele representa o Nível Sigma de Longo Prazo ZLT 240 230 220 200 190 180 009 008 007 006 005 004 003 002 001 000 210 X Densidad e 180 240 Gráfico de Distribuição Normal Média2175 DesvPad5 2175 σσσσ12σ Atividade Connect Para finalizar a análise dos dados da empresa Connect vamos calcular o Nível Sigma do processo de São Paulo e do Rio Já sabemos que os valores de Cp e Cpk foram abaixo do esperado para São Paulo portanto o Nível Sigma não será alto também Atividade Connect Selecione Stat Ferramentas da Qualidade Análise de Capacidade Normal Atividade Connect Selecione TMA São Paulo em coluna única Digite 1 em tamanho de subgrupo Digite 180 em Espec inferior e 240 em Espec superior Clicar em Opções Selecionar apenas Análise Global e Z Benchmark Clicar OK duas vezes Atividade Connect 180 190 200 210 220 230 240 250 497 103 034 ZLIE ZLSE Ppk Cpm Capacidade Global ZBench 103 Desempenho Observado Global Esperado PPM LIE 000 033 PPM LSE 14000000 15133778 PPM Total 14000000 15133810 LIE 180 Alvo LSE 240 Média Amostral 229702 N Amostral 250 DesvPadGlobal 999128 Dados do Processo LIE LSE Relatório de Capacidade do Processo para TMA São Paulo Atividade Connect Selecione TMA Rio em coluna única Digite 1 em tamanho de subgrupo Digite 180 em Espec inferior e 240 em Espec superior Atividade Connect Selecionar a opção Transformar Selecione Transformação de poder BoxCox Selecionar usar λ ideal clicar OK Clicar em Opções Selecionar apenas Análise Global e Z Benchmark Clicar OK duas vezes Atividade Connect Dados do Processo LIE 180 Alvo LSE 240 Média Amostral 209259 N Amostral 250 DesvPadGlobal 348529 Depois da Transformação LIE 188957e011 Alvo LSE 796263e011 Média Amostral 402359e011 DesvPadGlobal 330537e010 CapacidadeGlobal ZBench 646 ZLIE 646 ZLSE 1192 Ppk 215 Cpm PPM LIE PPM LSE PPM Total 000 000 000 000 000 000 Calculado com LIE e LSE Desempenho Observado GlobalEsperado dados transformados LIE LSE Relatório de Capacidade do Processo para TMA Rio Usar Transformação de BoxCox com λ 5 Atividade Connect Qual é a capabilidade de longo prazo para São Paulo e Rio Qual é o Nível Sigma potencial curto prazo para São Paulo e Rio O Nível Sigma encontrado é satisfatório para as duas cidades Atividade Connect Qual é a capabilidade de longo prazo para São Paulo e Rio Qual é o Nível Sigma potencial curto prazo para São Paulo e Rio O Nível Sigma encontrado é satisfatório para as duas cidades ZSP 103 ZRIO 646 ZSP 103 15 253 Nível Sigma do processo é 25 ZRIO 646 15 796 O processo possui um Nível de qualidade acima do 6 Sigma O Nível de qualidade Sigma do Rio é muito satisfatório já o de São Paulo deve ser melhorado pois está abaixo do Nível de qualidade 3 Sigma Análise do Sistema de Medição O estudo de sistemas de medição fornecerá informação sobre o de variação nos seus dados de processo que surge a partir do erro no processo de medição Os três aspectos avaliados pela Análise do Sistema de Medição MSA que serão estudados em sala de aula são repetibilidade reprodutibilidade e discriminação Dados Análise Ferramentas Análise do Sistema de Medição Variação observada do processo ou produto Variação que vem do processo de produção Variação de longo prazo Variação de curto prazo Devido aos operadores Devido ao dispositivo de medição equipamento É uma ótima ferramenta para comparar dois ou mais instrumentos de medição ou dois ou mais operadores A análise de sistemas de medição deve ser usada como parte dos critérios necessários para definir se os dados são confiáveis aceitando o equipamento de medição utilizado o procedimento de medição e a habilidade dos operadores Variação do Sistema de Medição Análise do Sistema de Medição A variação total observada em um processo pode vir de duas fontes o processo em si e o sistema de medição Se as variações do processo estiverem confundidas com as variações do sistema de medição principalmente quando a variação do Sistema de Medição é significativa podemos fazer ajustes no processo quando não é necessário Por exemplo a Capabilidade do processo será reportada com níveis mais baixos do que realmente são VAMOS ESTUDAR OS SISTEMAS DE MEDIÇÃO PARA DADOS CONTÍNUOS COM BASE NOS CONCEITOS DE PRECISÃO E ACURACIDADE Variação no Sistema de Medição Acuracidade descreve a diferença entre a medição realizada e o seu valor real Precisão descreve a variação observada quando medese a mesma peça repetidas vezes com o mesmo equipamento Isto significa que um Sistema de Medição ruim possui vício e uma variabilidade inadequada nas medições Baixa precisão e baixa acuracidade A Baixa acuracidade Preciso e acurado Variação no Sistema de Medição A Variação no Sistema de Medição Repetibilidade Esta variação é observada quando um único operador mede a mesma amostra diversas vezes utilizando o mesmo equipamento Normalmente um equipamento inadequado pode gerar falta de repetibilidade Reprodutibilidade Esta variação é observada quando diferentes operadores medem a mesma amostra usando o mesmo equipamento Normalmente um procedimento de medição inadequado ou a falta de capacitação de alguns operadores podem gerar falta de reprodutibilidade Tipos de Análises RR PT Precisão sobre a Tolerância Compara a capacidade do Sistema de Medição com a faixa de especificação ou seja é a fração da tolerância devido à variação do sistema de medição GRR Gauge Repeatability Reproducibility Compara a variabilidade do Sistema de Medição com a variabilidade total observada ou seja é a fração total da variação devido ao sistema de medição Tipos de Análises Discriminação A Discriminação é a capacidade do sistema de medição de detectar e indicar mesmo com pequenas mudanças na característica medida Quanto melhor for a discriminação melhor o sistema de medição será capaz de detectar diferentes grupos de valores Boa discriminação Discriminação inadequada Tipos de Análises Os critérios para a definição de um Sistema de Medição aceitável estão no quadro abaixo CRITÉRIOS VALORES CLASSIFICAÇÃO Gage RR e PT 10 Sistema de Medição ACEITÁVEL Gage RR e PT entre 10 e 30 Sistema de Medição MARGINAL Gage RR e PT 30 Sistema de Medição INACEITÁVEL Número de categorias 4 categorias Discriminação ACEITÁVEL Número de categorias 4 categorias Discriminação INACEITÁVEL Atividade Cars O Black Belt da empresa Cars uma indústria de autopeças está realizando um estudo para avaliação do sistema de medição usado para medir a dimensão do principal produto fabricado pela empresa cuja faixa de especificação é 32cm 5cm As vinte unidades do produto peças selecionadas foram medidas duas vezes pelos três avaliadores da empresa O objetivo é verificar se a variabilidade do sistema de medição é significativa é pode interferir no resultado do processo Atividade Cars Selecione Estat Ferramentas da Qualidade Estudo de Medição Estudo de Medição RR Cruzado Atividade Cars Selecione a coluna Peças para a categoria Números de peça Selecione a coluna Operadores para a categoria Operadores Selecione a coluna Medições para a categoria Dados da medição Selecione ANOVA como Método de Análise Atividade Cars Selecione Opções Digite 27 para Espec Inferior Digite 37 para Espec Superior Clique em OK duas vezes Atividade Cars Número de categorias para análise da discriminação Atividade Cars 200 100 0 RR da Medição Repetir Reprod Peça aPeça Percentual de Contribuição da Var do Estudo de Tolerância 4 2 0 Peças Amplitude Amostral R163 LIC0 24 Peças Média Amostral 40 LSC3474 32 X3167 LIC2861 1 2 3 40 32 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Peças 3 1 40 32 24 2 Operadores 40 32 24 Peças Médi a Operadores 1 2 3 Carta Xbarra por Operadores Carta R por Operadores 1 2 3 Medições por Operadores LSC5326 Interação de Peças Operadores Relatório de RR da Medição ANOVA para Medições Componentes de Variação Medições por Peças Atividade Cars 0 R R d a M e d i ç ã o R e p e t i r R e p r o d P e ç a a P e ç a Percentu al d e C o n t r i b u i ç ã o d a V a r d o E s t u d o d e T o l e r â n c i a 4 2 0 Q t d d e i t e n s Amplitude Amostral L S C 5 3 2 6 R 1 6 3 L I C 0 1 4 0 3 2 2 4 Q t d d e i t e n s Média Amostral L S C 3 4 7 4 X 3 1 6 7 L I C 2 8 6 1 1 4 3 2 1 4 0 2 0 0 3 2 1 0 0 2 4 3 1 4 0 3 2 2 4 2 O p e r a d o r e s 4 0 3 2 2 4 Q t d d e i t e n s M é d i a O p e r a d o r e s 1 2 3 C a r t a R p o r O p e r a d o r e s 2 3 C a r t a X b a r r a p o r O p e r a d o r e s 2 3 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 2 0 Q t d d e i t e n s M e d i ç õ e s p o r O p e r a d o r e s I n t e r a ç ã o d e Q t d d e i t e n s O p e r a d o r e s R e l a t ó r i o d e R R d a M e d i ç ã o A N O V A p a r a M e d i ç õ e s C o m p o n e n t e s d e V a r i a ç ã o M e d i ç õ e s p o r Q t d d e i t e n s Apresenta uma comparação visual das fontes de variação do Sistema de Medição comparado à variação que vem do processo de produção Apresenta a variação que ocorre entre as medições realizadas em cada peça Esperamos observar o mínimo de variabilidade nas medições de cada peça Atividade Cars RR daMedição Repetir Reprod Peça aPeça 200 100 0 Percentual deContribuição da Var doEstudo deTolerância 4 2 0 Qtd deitens A m p l i t u d e A m o s t ral LSC5326 R163 LIC0 1 40 32 24 Qtd deitens M é d i a A m o s t r al LSC3474 X3167 LIC2861 1 40 32 24 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1718 19 20 Qtd deitens 3 1 40 32 24 2 Operadores 40 32 24 Qtd deitens Média Operadores 1 2 3 Carta R porOperadores 2 3 Carta Xbarra porOperadores 2 3 Medições porOperadores Interação de Qtd de itens Operadores Relatório de RR da Medição ANOVApara Medições ComponentesdeVariação Medições por Qtd deitens p Carta R avalia a consistência do Sistema de medição através da repetibilidade dos operadores Desejamos todos os pontos dentro dos limites O operador que tiver trabalho questionado Carta Xbarra desejamos observar pelo menos 50 dos pontos fora dos limites de controle para termos boa discriminação O padrão semelhante entre os operadores indica boa reprodutibilidade Atividade Cars RR daMedição Repetir Reprod Peça aPeça P e r c e n t u a l deContribuição da Var doEstudo deTolerância 4 2 0 Qtd deitens A m p l i t u d e A m o s t r a l R163 LIC0 40 32 24 Qtd deitens M é d i a A m o s t r a l LSC3474 X3167 LIC2861 1 2 3 40 200 32 100 24 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 1920 Qtd deitens 3 1 40 32 24 2 Operadores 40 32 24 Qtd deitens M é d i a Operadores 1 2 3 Carta Xbarra porOperadores Carta R porOperadores 1 2 3 Medições porOperadores LSC5326 Interação de Qtd de itens Operadores Relatório de RR da Medição ANOVA paraMedições Componentes deVariação Medições por Qtd de itens E Avalia a variabilidade entre os operadores evidenciando se o Sistema de Medição possui ou não reprodutibilidade médias de cada Boxplot Cada ponto no gráfico representa a média das medições feitas em cada peça por cada operador Quanto mais as linha se cruzarem mais forte é a interação entre a peça e operador Isto significa que a peça gera maior ou menor dificuldade ou variabilidade dependendo do operador que estiver fazendo a medição Atividade Cars Utilize os critérios apresentados no material para definir um Sistema de Medição aceitável e responda o Sistema de Medição Cars é aceitável Explique O Sistema de Medição é inaceitável principalmente porque o PT está cima de 30 sendo igual a 8027 O GRR está próximos de 30 sendo o valor estabelecido 2836 Nos gráfico observamos que a variabilidade provocada pelo Sistema de Medição nos resultados mensurados é significativa e envolve maiores problemas com repetibilidade