Aplicação do Controlo Estatístico do Processo numa Indústria Automóvel

Abstract

A Qualidade auxilia na compreensão da variabilidade dos processos, permitindo a tomada de decisão ponderada com base em dados factuais. Em diversos processos industriais, os dados não seguem os pressupostos de aplicabilidade das cartas de controlo, nomeadamente a independência e a Normalidade, e caso sejam aplicadas as cartas de controlo tradicionais, o número de falsos alarmes irá sofrer um aumento drástico conduzindo a conclusões erróneas sobre o processo. A presente dissertação tem como principal objetivo a melhoria do desempenho do processo da produção, fazendo uso do Controlo Estatístico do Processo. Para alcançar o objetivo proposto foi necessário, em primeiro lugar, verificar os pressupostos de aplicabilidade das cartas de controlo. Caso o pressuposto de independência não se verifique, isto é, os dados apresentem auto-correlação significativa, a metodologia proposta sugere ajustar os processos através do modelo ARIMA mais adequado e extrair os resíduos independentes para aplicação das cartas de controlo baseadas nos resíduos e erros de previsão. Caso o pressuposto da Normalidade não se verifique, isto é, os dados não sigam uma distribuição Normal, a metodologia proposta sugere a sua transformação através da Transformação Box-Cox e aplicação das cartas de controlo baseadas nos dados transformados. Posteriormente, caso se verifique a necessidade de estudar simultaneamente diversas características da qualidade de um determinado produto, sugere-se a aplicação do estudo multivariado. A metodologia proposta foi validada através de um caso de estudo desenvolvido na Volkswagen Autoeuropa. Os resultados da aplicação da metodologia proposta sugerem que de facto, a modelação dos dados auto-correlacionados através do modelo ARIMA e a transformação dos dados não-normais através da Transformação Box-Cox funcionam efetivamente para garantir os pressupostos da independência e Normalidade respetivamente, e permitem a correta aplicação das cartas de controlo e consequente identificação das causas especiais responsáveis pelo aumento da variabilidade do processo.