Ver parte 3 AQUI
A normalidade dos dados foi analisada para determinar quais ferramentas estatísticas poderiam ser utilizadas para análise.
A normalidade dos dados foi analisada para determinar quais ferramentas estatísticas poderiam ser utilizadas para análise.
Figura 2 –
Histograma das médias de peças inspecionadas por inspetora por dia no período
de junho de 2017 a agosto de 2019. Fonte: próprio autor
Figura 3 –
Gráfico de normalidade dos dados na distribuição de Anderson-Darling
Fonte: próprio
autor
Utilizando a
distribuição de Anderson-Darling (ZHANG, 2001) e uma significância de 95%,
conclui-se que para o P-valor de 0,128 observado, os dados são normais, o que
permitiu utilizar as ferramentas de análise sequentes.
No período de
análise dos dados (setembro de 2019) foram entrevistados os clientes internos
do processo de inspeção de qualidade final, sendo estes o processo de expedição
e planejamento e controle da produção com o intuito de observar as principais
reclamações, onde obteve-se:
Figura 4 –
Tabela de reclamações versus características críticas diretamente atreladas à
reclamação. Fonte: próprio autor.
Após a
realização de um brainstorming e utilizando a ferramenta da qualidade diagrama
de Ishikawa, ou diagrama de causa e efeito (BARROS E BONAFINI, 2015), foram
levantadas as possíveis causas que teriam impacto no efeito “baixa
produtividade na inspeção de qualidade”, conforme disposto na figura 5.
Figura 5 – Diagrama de causa e efeito. Fonte:
próprio autor.
Mais em https://www.austenitect.com/
Curso de cronoanálise: https://www.austenitect.com/cronoanalise
Curso de fluxogramas: https://www.austenitect.com/fluxogramas
Power BI: https://viniciusneves.eng.br/cursopow...
Excel para análises de produção: https://www.austenitect.com/excel
Pareto: https://www.austenitect.com/pareto
FMEA: https://www.austenitect.com/fmea
Nossos podcasts: https://www.austenitect.com/videos
Nenhum comentário:
Postar um comentário