Um gráfico de controle detecta se o processo está ou não sob controle estatístico, distinguindo entre causas comuns e causas especiais. Após o processo estar sob controle, é utilizada outra importante técnica: os índices de capacidade do processo, que verificam se ele atende às especificações de engenharia/projeto. A aplicação correta do tipo de gráfico de controle e índice de capacidade é essencial para a correta análise dos dados. Assim, o presente estudo apresenta um fluxograma orientativo para direcionar a escolha dessas ferramentas para processos com variáveis de resposta: (i) não correlacionadas, (ii) correlacionadas dependentes das variáveis de controle e (iii) autocorrelacionadas. O uso do fluxograma foi ilustrado através da sua aplicação em um processo de torneamento de uma empresa do ramo de equipamentos agrícolas. O processo foi monitorado por gráficos de controle de regressão múltipla, sendo sua capacidade avaliada utilizando-se os índices de capacidade para gráficos de controle baseados em modelos de regressão. Os resultados desses índices foram comparados com os índices de capacidade tradicionais.

This study presents a flowchart to direct the choice of control chart and capability indices for processes with response variables: (i) uncorrelated, (ii) correlated dependent control variables, and (iii) autocorrelated. The use of the flowchart was illustrated by applying it to the hard turning process of an agricultural machinery company. The process was monitored by control charts for multiple regression, and its capability was assessed using capability indices to control charts based on regression models. The results of these indices were compared with the traditional capability indices.

Este artigo apresenta uma sistemática que orienta as ações a serem tomadas no processo de desenvolvimento de produtos (PDP) quanto ao atendimento da qualidade e confiabilidade. A sistemática foi desenvolvida por meio de uma pesquisa-ação e propõe a integração do QFD e da FMEA, permitindo decidir quais características da qualidade e confiabilidade são prioritárias para o desenvolvimento dos componentes do produto. A proposta traz duas contribuições: (i) uma modificação na avaliação dos indicadores de risco da FMEA, reduzindo a subjetividade de atribuição dos valores, e (ii) a integração desses indicadores e dos índices de priorização obtidos das matrizes do QFD em um diagrama de decisões para o desenvolvimento dos componentes. Esse diagrama permite visualizar o impacto de cada componente sobre as características de qualidade e confiabilidade de maneira conjunta, facilitando a tomada de decisões no desenvolvimento do produto. Os resultados práticos destacaram a sua facilidade de aplicação.

This paper presents a decision-making systematic that orients development actions during new product development (NPD). The systematic integrates QFD (Quality Function Deployment) and FMEA (Failure Mode and Effect Analysis), helping designers to determine which quality and reliability characteristics are most important in product parts development. The systematic was created by an action-research study conducted in partnership with a company that develops air conditioning equipment. The proposed systematic provides two key contributions: (i) a modification on the evaluation of FMEA risk measures, reducing their inherent subjectivity, and (ii) the integration of these measures with parts prioritization indices from QFD matrices, providing a decision diagram for parts development. This diagram allows one to visualize the impact of each part on quality and reliability characteristics, thus aiding in the decision process concerning the essential aspects for product development. The practical results highlight the ease of applying of this method, primarily in teams with a previous knowledge of QFD and FMEA.

Este artigo propõe um método para a aplicação do gráfico de controle de regressão no monitoramento de processos industriais. Visando facilitar a aplicação do gráfico, o método é apresentado em duas fases: análise retrospectiva (Fase I) e monitoramento do processo (Fase II), além de incluir uma modificação do gráfico de controle de regressão múltipla, permitindo o monitoramento direto da característica de qualidade do processo ao invés do monitoramento dos resíduos padronizados do modelo. Também é proposto o gráfico de controle de extrapolação, que verifica se as variáveis de controle extrapolam o conjunto de valores utilizado para estimar o modelo de regressão. O método foi aplicado em um processo de uma indústria de borrachas. O desempenho do gráfico de controle foi avaliado pelo Número Médio de Amostras (NMA) até o sinal através do método de Monte Carlo, mostrando a eficiência do gráfico em detectar algumas modificações nos parâmetros do processo.

This work proposes a method for the application of regression control charts in the monitoring of manufacturing processes. The proposed method is presented in two phases: retrospective analysis (Phase I) and process monitoring (Phase II). It includes a simple modification of the multiple regression control chart, allowing the monitoring of the values of quality characteristics of the process, instead of monitoring the regression standardized residuals. It also proposes an extrapolation control chart, which verifies whether the control variables extrapolate the set of data used in regression model estimation. The proposed method was successfully applied in a rubber manufacturing process. The Average Run Length (ARL) distribution was estimated using the Monte Carlo method, proving the efficiency of the proposed chart in detecting some alterations in process parameters.