A variabilidade de processos tem
sido uma preocupação constante na indústria. Manter a variabilidade baixa nos
processos significa reduzir a geração de produtos fora de especificação,
garantir a uniformidade da produção e, consequentemente, evitar reclamados de
mercado. Com a utilização do método de Taguchi para otimização
da produção, a preocupação com a redução da variabilidade de processos se volta
para a redução de custos e incremento da produtividade. Na
medida em que uma determinada variável de processo deve ser mantida em torno de
uma especificação para garantir a condição operacional ótima, qualquer desvio
sobre esta variável produz perdas. A Figura 1 ilustra esta observação.
Figura 1. Curva de distribuição normal
(azul) e função perda (vermelha) para uma variável de otimização do processo.
Se uma determinada variável de processo apresenta uma distribuição normal em torno de seu valor ótimo, todos os valores que se desviam deste ótimo produzem uma perda. A Figura 1 apresenta a curva de distribuição normal de uma variável de otimização (curva azul) e sua respectiva curva da função perda (curva vermelha). Observa-se que, quanto mais a distribuição de valores dessa variável se distancia do ótimo, maior é a perda associada e, por consequência, menor é a produtividade do processo.
Sabe-se, portanto, que a variabilidade de processos influencia a qualidade e a produtividade da produção, porém, qual é a implicação sobre a qualidade ambiental? Frequentemente, variáveis utilizadas no controle ambiental não são variáveis de otimização, mas variáveis de restrição, isto é, seus valores devem manter-se abaixo de limites máximos estabelecidos. O não atendimento a esses limites implica em dano ambiental, trazendo prejuízos a ecossistemas e à saúde humana. As implicações para a companhia são o descumprimento da política para sustentabilidade, a aplicação de multas, indenizações e, em casos mais graves, a interrupção das atividades.
Considerando que existem variáveis de processo que devem atender a restrições ambientais, é evidente que, se a variabilidade do processo for elevada, eventualmente as restrições ambientais serão violadas. Este comportamento é ilustrado na Figura 2 (curva azul). De acordo com a Figura 2, a solução desse problema permite duas alternativas: o deslocamento do valor médio de operação da variável de processo por meio de um controle mais restritivo, implicando em maior custo de processamento (alternativa 1 – curva verde), ou a redução da variabilidade do processo, permitindo manter o controle da variável de processo em torno de seu valor especificado, sem violar as restrições ambientais (alternativa 2 – curva vermelha).
Figura 2. Curva de distribuição normal
(azul) de uma variável de controle ambiental e o efeito do deslocamento da
média de operação (verde) e da diminuição de variabilidade (vermelha).
É muito comum buscar soluções
para problemas ambientais da indústria investindo no incremento de capacidade
dos processos de tratamento das emissões industriais. Essa estratégia
normalmente está associada a custos elevados. A discussão aqui apresentada
mostra que a análise de variabilidade do processo pode sugerir estratégias de
solução não convencionais. Essas estratégias podem resultar em custos de
implementação mais baixos, aplicando-se técnicas para incremento da robustez e
controlabilidade do processo industrial.
A variabilidade de processos tem
sido uma preocupação constante na indústria. Manter a variabilidade baixa nos
processos significa reduzir a geração de produtos fora de especificação,
garantir a uniformidade da produção e, consequentemente, evitar reclamados de
mercado. Com a utilização do método de Taguchi para otimização
da produção, a preocupação com a redução da variabilidade de processos se volta
para a redução de custos e incremento da produtividade. Na
medida em que uma determinada variável de processo deve ser mantida em torno de
uma especificação para garantir a condição operacional ótima, qualquer desvio
sobre esta variável produz perdas. A Figura 1 ilustra esta observação.
Figura 1. Curva de distribuição normal
(azul) e função perda (vermelha) para uma variável de otimização do processo.
Se uma determinada variável de processo apresenta uma distribuição normal em torno de seu valor ótimo, todos os valores que se desviam deste ótimo produzem uma perda. A Figura 1 apresenta a curva de distribuição normal de uma variável de otimização (curva azul) e sua respectiva curva da função perda (curva vermelha). Observa-se que, quanto mais a distribuição de valores dessa variável se distancia do ótimo, maior é a perda associada e, por consequência, menor é a produtividade do processo.
Sabe-se, portanto, que a variabilidade de processos influencia a qualidade e a produtividade da produção, porém, qual é a implicação sobre a qualidade ambiental? Frequentemente, variáveis utilizadas no controle ambiental não são variáveis de otimização, mas variáveis de restrição, isto é, seus valores devem manter-se abaixo de limites máximos estabelecidos. O não atendimento a esses limites implica em dano ambiental, trazendo prejuízos a ecossistemas e à saúde humana. As implicações para a companhia são o descumprimento da política para sustentabilidade, a aplicação de multas, indenizações e, em casos mais graves, a interrupção das atividades.
Considerando que existem variáveis de processo que devem atender a restrições ambientais, é evidente que, se a variabilidade do processo for elevada, eventualmente as restrições ambientais serão violadas. Este comportamento é ilustrado na Figura 2 (curva azul). De acordo com a Figura 2, a solução desse problema permite duas alternativas: o deslocamento do valor médio de operação da variável de processo por meio de um controle mais restritivo, implicando em maior custo de processamento (alternativa 1 – curva verde), ou a redução da variabilidade do processo, permitindo manter o controle da variável de processo em torno de seu valor especificado, sem violar as restrições ambientais (alternativa 2 – curva vermelha).
Figura 2. Curva de distribuição normal
(azul) de uma variável de controle ambiental e o efeito do deslocamento da
média de operação (verde) e da diminuição de variabilidade (vermelha).
É muito comum buscar soluções
para problemas ambientais da indústria investindo no incremento de capacidade
dos processos de tratamento das emissões industriais. Essa estratégia
normalmente está associada a custos elevados. A discussão aqui apresentada
mostra que a análise de variabilidade do processo pode sugerir estratégias de
solução não convencionais. Essas estratégias podem resultar em custos de
implementação mais baixos, aplicando-se técnicas para incremento da robustez e
controlabilidade do processo industrial.