| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 5.55 MB | Adobe PDF |
Orientador(es)
Resumo(s)
O conceito de qualidade tem vindo a ser desenvolvido ao longo das últimas décadas
constituindo-se hoje como um instrumento fundamental para os novos paradigmas de gestão pelo
seu contributo na compreensão e modelação da variabilidade dos processos e consequentemente
na tomada de decisão. Assim, a qualidade é hoje o foco da maioria das organizações, que se
esforçam por transmitir as valências deste conceito a todos os envolvidos nos processos produtivos,
tornando possível o crescimento sustentável das empresas.
A monitorização da qualidade dos produtos e processos é essencial num ambiente produtivo,
contudo a realidade difere muitas vezes da teoria e os processos são geralmente mais complexos
do que a sua idealização. Assim sendo, nos processos industriais os pressupostos para a
aplicabilidade de técnicas estatísticas como as cartas de controlo tradicionais nem sempre são
respeitados, tornando inviável a sua implementação. Deste modo, a existência de dados
autocorrelacionados é cada vez mais um fator a ter em consideração por ser uma das principais
causas para o aumento do número de falsos alarmes, conduzindo consequentemente a conclusões
erróneas relativamente ao processo. Nestas situações, surge a necessidade da aplicação de
diversas técnicas e ferramentas estatísticas que permitam o tratamento devido dos dados com o
intuito de extrair as informações fundamentais relativamente aos processos. No caso da não
independência dos dados, uma metodologia a utilizar consiste na utilização de modelos ARIMA para
a extração dos resíduos independentes e consequente construção das cartas de controlo baseadas
nos resíduos e nos erros de previsão.
Pelo acima exposto, a metodologia definida foi implementada numa média empresa do
mercado das argamassas, IRP – Indústria de Rebocos de Portugal, com o intuito de compreender
e validar a sua aplicabilidade. Esta metodologia consiste na implementação de cartas de controlo
univariado e multivariado, tanto para a Fase I como para a Fase II do Controlo Estatístico do
Processo (SPC). Com os resultados obtidos pretende-se concluir quanto à sensibilidade das duas
abordagens, univariada e multivariada, do controlo estatístico do processo.
Todo este estudo permite ainda uma avaliação da estabilidade e da capacidade dos
processos produtivos da referida empresa, contribuindo deste modo para o crescimento e
desenvolvimento sustentável da mesma através da identificação das causas responsáveis pela
variabilidade existente nos seus processos e consequentemente das respetivas ações corretivas.
Descrição
Palavras-chave
Controlo Estatístico do Processo Variabilidade Independência Cartas de Controlo Controlo Multivariado do Processo Melhoria de processos
