Tres decisoes tomadas a olho
A maioria das decisoes de qualidade traz uma conta associada, e tres delas sao quase sempre tomadas sem ela. Nao por descuido — porque a conta e pouco familiar e a estimativa parece razoavel. Cada uma tem uma resposta certa e cada uma erra em silencio quando se estima a olho.
1. Quantas devo inspecionar? A resposta habitual e uma fracao: dez por cento do lote, ou vinte pecas porque vinte e um numero redondo. Ambas arbitrarias. O que importa e o par de riscos que esta disposto a assumir: a que nivel de qualidade um lote deve ser aceite (lado do produtor) e a que nivel deve ser rejeitado (lado do consumidor). Fixe esses dois e a dimensao da amostra e o numero de aceitacao saem sozinhos — nao sobra nada para adivinhar.
A curva que mostra o que um plano faz de facto e a curva caracteristica: em baixo a fracao defeituosa real, ao lado a probabilidade de aceitar o lote. Todo o plano tem uma, incluindo o que inventou. O SenSight desenha-a e marca nela os seus dois pontos de risco. A surpresa habitual e como e suave: um plano que parece rigoroso aceita um lote mau muito mais vezes do que se esperava.
Um numero que vale a pena conhecer e o AOQL: a pior qualidade media de saida. Se os lotes rejeitados forem inspecionados a 100 % e corrigidos, a qualidade que chega ao cliente fica limitada, e o AOQL e esse limite. E o unico resumo honesto de um esquema de amostragem, e a maioria das ferramentas nunca o mostra.
2. Em que intervalo caem as pecas? Aqui esta o erro que chega ao cliente. Tem trinta medicoes, calcula um intervalo de confianca de 95 % e escreve-o no relatorio como "99 % das pecas estao entre estes limites". Sao duas perguntas diferentes. Um intervalo de confianca e sobre a media e estreita-se a medida que mede mais. Um intervalo de tolerancia e sobre as pecas individuais; mais dados tornam-no mais seguro, mas quase nada mais estreito — porque as pecas variam mesmo assim.
A diferenca nao e subtil: em dados tipicos o intervalo de tolerancia e varias vezes mais largo. Citar o estreito e prometer uma dispersao que o processo nao consegue manter.
Duas cautelas. O fator habitual assume dados aproximadamente normais; com medicoes assimetricas coloca os limites no sitio errado, por isso o SenSight testa primeiro a normalidade e di-lo. E existe uma alternativa sem pressupostos de distribuicao — mas nao e gratis: cobrir 99 % com 95 % de confianca usando o minimo e o maximo exige varias centenas de medicoes. O painel diz quantas, para que veja o que o pressuposto lhe esta a poupar.
3. O novo e igual ao antigo? Novo fornecedor, nova maquina, novo operador. Faz um teste t, o valor p sai 0,4, e a conclusao vai para o relatorio como "sem diferenca significativa — os dois sao equivalentes". Essa inferencia e invalida, e e provavelmente o erro estatistico mais caro na producao.
Um valor p grande significa que o teste nao conseguiu demonstrar uma diferenca. Isso acontece quando nao ha — e igualmente quando mediu seis pecas e o teste nao tinha potencia para a ver. A ausencia de prova esta a ser lida como prova de ausencia.
Mostrar que duas coisas sao iguais exige o seu proprio teste, e exige algo que os dados nao lhe podem dar: declarar que diferenca e suficientemente pequena para ser ignorada. Essa margem e uma decisao de engenharia. Dois MPa numa tensao de rotura podem ser irrelevantes; numa cota critica de seguranca, nao. Depois de declarada, o procedimento dos dois testes unilaterais (TOST) faz a pergunta certa: a diferenca mantem-se dentro da sua margem?
A leitura mais clara nao e o valor p mas o intervalo. Se todo o intervalo da diferenca ficar dentro de ±margem, os dois sao equivalentes. Se ficar inteiramente fora, sao realmente diferentes. E se atravessar a margem, a resposta honesta e que nao se pode afirmar nada — o que normalmente significa que faltam medicoes, nao que a conclusao seja outra. O SenSight reporta os tres resultados em separado, porque o terceiro e o que as pessoas saltam.
1. Quantas devo inspecionar? A resposta habitual e uma fracao: dez por cento do lote, ou vinte pecas porque vinte e um numero redondo. Ambas arbitrarias. O que importa e o par de riscos que esta disposto a assumir: a que nivel de qualidade um lote deve ser aceite (lado do produtor) e a que nivel deve ser rejeitado (lado do consumidor). Fixe esses dois e a dimensao da amostra e o numero de aceitacao saem sozinhos — nao sobra nada para adivinhar.
A curva que mostra o que um plano faz de facto e a curva caracteristica: em baixo a fracao defeituosa real, ao lado a probabilidade de aceitar o lote. Todo o plano tem uma, incluindo o que inventou. O SenSight desenha-a e marca nela os seus dois pontos de risco. A surpresa habitual e como e suave: um plano que parece rigoroso aceita um lote mau muito mais vezes do que se esperava.
Um numero que vale a pena conhecer e o AOQL: a pior qualidade media de saida. Se os lotes rejeitados forem inspecionados a 100 % e corrigidos, a qualidade que chega ao cliente fica limitada, e o AOQL e esse limite. E o unico resumo honesto de um esquema de amostragem, e a maioria das ferramentas nunca o mostra.
2. Em que intervalo caem as pecas? Aqui esta o erro que chega ao cliente. Tem trinta medicoes, calcula um intervalo de confianca de 95 % e escreve-o no relatorio como "99 % das pecas estao entre estes limites". Sao duas perguntas diferentes. Um intervalo de confianca e sobre a media e estreita-se a medida que mede mais. Um intervalo de tolerancia e sobre as pecas individuais; mais dados tornam-no mais seguro, mas quase nada mais estreito — porque as pecas variam mesmo assim.
A diferenca nao e subtil: em dados tipicos o intervalo de tolerancia e varias vezes mais largo. Citar o estreito e prometer uma dispersao que o processo nao consegue manter.
Duas cautelas. O fator habitual assume dados aproximadamente normais; com medicoes assimetricas coloca os limites no sitio errado, por isso o SenSight testa primeiro a normalidade e di-lo. E existe uma alternativa sem pressupostos de distribuicao — mas nao e gratis: cobrir 99 % com 95 % de confianca usando o minimo e o maximo exige varias centenas de medicoes. O painel diz quantas, para que veja o que o pressuposto lhe esta a poupar.
3. O novo e igual ao antigo? Novo fornecedor, nova maquina, novo operador. Faz um teste t, o valor p sai 0,4, e a conclusao vai para o relatorio como "sem diferenca significativa — os dois sao equivalentes". Essa inferencia e invalida, e e provavelmente o erro estatistico mais caro na producao.
Um valor p grande significa que o teste nao conseguiu demonstrar uma diferenca. Isso acontece quando nao ha — e igualmente quando mediu seis pecas e o teste nao tinha potencia para a ver. A ausencia de prova esta a ser lida como prova de ausencia.
Mostrar que duas coisas sao iguais exige o seu proprio teste, e exige algo que os dados nao lhe podem dar: declarar que diferenca e suficientemente pequena para ser ignorada. Essa margem e uma decisao de engenharia. Dois MPa numa tensao de rotura podem ser irrelevantes; numa cota critica de seguranca, nao. Depois de declarada, o procedimento dos dois testes unilaterais (TOST) faz a pergunta certa: a diferenca mantem-se dentro da sua margem?
A leitura mais clara nao e o valor p mas o intervalo. Se todo o intervalo da diferenca ficar dentro de ±margem, os dois sao equivalentes. Se ficar inteiramente fora, sao realmente diferentes. E se atravessar a margem, a resposta honesta e que nao se pode afirmar nada — o que normalmente significa que faltam medicoes, nao que a conclusao seja outra. O SenSight reporta os tres resultados em separado, porque o terceiro e o que as pessoas saltam.
Experimente na aplicação
Experimente: separador SPC, Ferramentas de decisao no fim. Comece pelo plano de amostragem — introduza o tamanho do lote e leia a curva caracteristica antes de confiar numa regra de inspecao herdada.