Monday, February 08, 2021

O experimento do funil de Deming

Quando se pensa em Controle da Qualidade, surge a questão de o que fazer quando ocorrem itens não conformes. Uma reação comum é agir de imediato para "corrigir" o problema. No entanto, esse tipo de ação imediatista pode aumentar a variabilidade do processo. 

Quando muitos itens não conformes são produzidos, o correto é ajustar o sistema como um todo – e não apenas “mexer” em pontos específicos. Utilizar um feedback eletrônico para manter uma característica de qualidade dentro das especificações pode resultar em ajustes excessivos, levando a perdas nos estágios subsequentes do processo.

Deming apresenta a experiência, mas não explica a base estatística de forma detalhada. Uma referência teórica é fornecida de maneira ampla e complexa em outro trabalho do mesmo autor². Este texto visa explicar, com base na Estatística, as "Experiências Monte Carlo com um funil" de Deming, demonstrando, na prática, por que não se deve ajustar um processo devido a uma falha isolada.

A EXPERIÊNCIA

Os materiais necessários para a experiência são: um funil, uma bola de gude que passe pelo funil, uma mesa e um suporte para o funil. O procedimento é simples: primeiro, fixa-se o funil no suporte sobre a mesa. Em seguida, marca-se um ponto na mesa como alvo. A bola de gude é então solta através do funil, visando o alvo. Registra-se o ponto em que a bola efetivamente parou. Esse procedimento é repetido n vezes (Deming sugere n = 50). Veja a Figura 1.

Figura 1

Queda da bola de gude através do funil

Antes de iniciar o experimento, é preciso decidir que atitude tomar no k-ésimo lançamento (k = 1, 2, ..., n) caso a bola caia a uma distância d do alvo. As possíveis ações, chamadas aqui de regras, são:

·  Regra 1: Manter o funil apontado para o alvo inicial em todos os lançamentos.

·  Regra 2: Toda vez que a bola de gude cair fora do alvo, ajustar o funil para apontar para o ponto onde a bola parou.

·  Regra 3: Toda vez que a bola cair fora do alvo, ajustar o funil para apontar a uma distância d do ponto de impacto, na mesma direção, mas em sentido oposto, tentando “compensar” o erro.

A Lógica das Regras

·  Regra 1: Essa é a melhor escolha, pois resulta na menor variância. Mesmo que o processo esteja sob controle estatístico, sempre haverá alguma variabilidade. Isso deve ser compreendido e aceito.

·  Regra 2: Essa regra é ineficiente. Ajustar o funil a cada lançamento resulta em correções excessivas. Um exemplo prático seria um fabricante de tintas que tentasse acertar a cor do próximo lote baseado na cor do lote anterior. Isso levaria ao aumento da variabilidade nas cores ao longo do tempo.

·  Regra 3: Esta é a pior escolha. Como o alvo é fixo, tentar “compensar” o erro apenas amplifica a variabilidade. Um exemplo seria um operador de ensacamento que tentasse ajustar o peso da próxima saca com base no erro da anterior (se a última saca pesou 61 kg em vez de 60 kg, ele ajustaria para 59 kg na próxima). Isso faz com que o sistema “exploda” em termos de variância.

A COMPROVAÇÃO ESTATÍSTICA

 

Considera-se o alvo como a origem do sistema cartesiano, isto é, o ponto de coordenadas (0,0). Na k-ésima queda, a bola para no ponto P, a uma distância d do alvo. Veja a Figura 2.

Figura 2

Bola no ponto P, distância dk do alvo


Aplicando o Teorema de Pitágoras:

 

          

1.   Variabilidade com a Regra 1

No k-ésimo lançamento, a bola para em um ponto de abscissa:

                                                              Xk = x0+ek

onde x = 0 (origem) e e são erros aleatórios independentes e identicamente distribuídos com média zero e variância σ². Portanto:

·  Média das abscissas: E (Xk) = 0

·  Variância das abscissas: Var (Xk) = σ2

Analogamente, para as ordenadas:

·  Média das ordenadas: E (Yk) = 0

·  Variância das ordenadas: Var (Yk) = σ2  

Então, para a distância d do alvo:       

·  Média das distâncias: E (Xk) + E (Yk) = 0

·  Variância das ordenadas: Var(xk) + Var(yk) = 2σ2  

🔚 Portanto, usando a Regra 1, a distância dos n pontos ao alvo terá variância 2σ².

      2. Variabilidade com a Regra 2

Na Regra 2, toda vez que a bola de gude cai fora do alvo, o funil é ajustado para apontar para o ponto onde a bola caiu. Isso significa que o erro do lançamento anterior é carregado para o próximo lançamento. O modelo matemático fica assim:

Xk=Xk−1+ek

onde:

·  Xk é a posição horizontal na k-ésima queda.

·  Xk −1 é a posição horizontal na queda anterior.

·  ek é o erro aleatório na k-ésima queda, com média zero e variância σ2.

Expandindo a relação, temos:

Xk=x0+e1+e2+…+ek

No início da experiência, o funil estava apontado para a origem do sistema de eixos cartesianos. Portanto, x0=0. Podemos simplificar para:

Segue-se daí que a média de Xk = 0 e, analogamente, a média de Yk = 0. As distâncias dos n pontos ao alvo têm média zero.

A variância da soma de variáveis aleatórias independentes é dada pela soma das variâncias:

Portanto, a variância da posição horizontal no k-ésimo lançamento é:

Da mesma forma, variância da posição vertical no k-ésimo lançamento é:

Como a variância é simétrica nos dois eixos (X e Y), a variância total da distância ao alvo é dada pela soma das variâncias em X e Y:

                                Var(dk)=Var (Xk) + Var (Yk)=2+2=22   

🔚 As distâncias dos pontos ao alvo terão média zero e variância 2², ou seja, a variância aumenta linearmente, proporcionalmente ao número de lançamentos.

3. Variabilidade com a Regra 3

Na Regra 3, toda vez que a bola de gude cai fora do alvo, o funil é ajustado para uma distância q do ponto em que a bola caiu, na mesma direção, mas em sentido oposto. A ideia é "compensar" o erro anterior. Matematicamente, isso é expresso como:

Xk=qXk−1+ek

onde:

·  Xk é a posição na k-ésima queda.

·  Xk−1 é a posição na queda anterior.

·  q um fator de ajuste que representa a tentativa de compensar o erro anterior.

·  ek é o erro aleatório na k-ésima queda, com média zero e variância σ2.

Temos, com desenvolvimento recursivo:

Xk = q Xk1 + ek

Xk1 = q Xk2 + ek1

Substituindo a expressão de Xk1 em Xk​  :Xk = q (q Xk2 + ek1) + ek

Xk = q2 Xk2 + q ek1 + ek

Continuando

Xk2 = q Xk3 + ek2

Substituindo a expressão de Xk2 em Xk:

                                             Xk = q2 (q Xk3 + ek2) + q ek1 + ek

                                              Xk = q3 Xk3 +q2 ek2+ q ek1 + ek

 

Podemos continuar o procedimento, mas também podemos generalizar:

                                  Xk = ek + q ek1   + q2 ek2 + q3 Xk3 + ... + qk X0


A variância de Xk é dada por

 


A sequência a que chegamos é uma progressão geométrica com primeiro termo 1 e razão q2. Então:


🔚 Interpretação da Regra 3


A média de Xk é zero, independentemente do valor de q. Isso ocorre porque os erros são centrados em zero, o que faz com que as oscilações para cima e para baixo se cancelem ao longo do tempo. Isso confirma que o processo não tem viés sistemático

Quando q >1, a variância aumenta exponencialmente, pois cada ajuste amplia o erro anterior. Em termos práticos, é como tentar corrigir um erro sempre na direção oposta – o que acaba gerando uma oscilação crescente e descontrolada. Essa amplificação exponencial é o que Deming chama de o perigo dos ajustes excessivos. Ao tentar "corrigir" o erro anterior, você acaba ampliando a variabilidade do sistema.

Esse comportamento é um exemplo clássico do efeito da super compensação, onde o excesso de ajustes cria instabilidade em sistemas que, de outra forma, teriam variação natural controlada.

A Conclusão

Um processo sob controle estatístico pode, ainda assim, produzir itens não conformes. A solução não é ajustar o processo a cada não conformidade, mas sim reduzir a variabilidade do sistema como um todo. Ajustes excessivos não diminuem a variabilidade; na verdade, aumentam-na. Se a variabilidade for alta, é necessário revisar e corrigir o sistema como um todo, em vez de apenas manter o controle estatístico.

Referências

 

DEMING, W. E. Some theory of sampling. New York, Dover, 1996.

DEMING, W. E. Qualidade: a revolução da administração. São Paulo:                 Saraiva. 1960.









No comments: