Estudo da Variablidade da Massa Volúmica em rolhas Neutrocork

Abstract

Nos dias que correm a exigência do cliente é o marco de qualidade com que uma empresa/indústria deve operar. Neste sentido foi proposto a elaboração de um estudo de melhoria qualitativa de rolhas Neutrocork produzidas por Moldação. Na moldação, de modo a controlar o processo garantindo a conformidade dos lotes, são recolhidos corpos de todas as moldadoras e analisados 5 parâmetros (Diâmetro, Comprimento, Massa, Humidade e Massa Volúmica). A Massa Volúmica revela-se um parâmetro fundamental para o controlo e monitorização das rolhas Neutrocork, uma vez que relaciona as dimensões da rolha com a sua massa. Como ponto de partida existia a informação da variabilidade processual sob forma de uma elevada amplitude final na Massa Volúmica (135 Kg⁄m^3 ) o que se traduz em indicadores de capacidade processual bastante baixos (CP=0,80; CPK=0,48). De um modo prático e objetivo para resolução do problema, recorreram-se a ferramentas estatísticas, sobe uma perspetiva 6 sigma, baseando-se em conteúdos associados ao Controlo Estatístico de Processos. O controlo abordado pelo setor da moldação revela-se inadequado, na medida em que se rege por Cartas para monitorização do produto com limites de especificação, ao invés de limites de controlo. Através desta prática o produto está a ser controlado, no entanto o seu processo não. A prática de recolha aplicada (10 corpos de um mesmo tabuleiro), valida e comprova a variabilidade intra-tabueleiro. Para controlo da variabilidade inter-tabuleiro a prática de recolha deveria incluir mais do que um tabuleiro analisados. Para estabilizar o processo e controlo, estudaram-se e implementaram-se cartas de controlo I-MR de modo a obter limites de controlo que garantam índices de capacidade processual satisfatórios. Na Unidade Industrial De Sousa existem 4 tipos de moldadoras, como tal analisou-se uma de cada um dos grupos e estabeleceu-se os limites de controlo para cada uma. A moldadora 1 apresentou os melhores ajustes, servindo de base para o produto Neutrocork (Média=270Kg⁄m^3 ; LSC=279Kg⁄m^3 ; LIC=261 Kg⁄m^3 ; CP=1,67; CPK=1,44). Com a ferramenta de controlo e monitorização desenvolvida de modo a produzir rolhas Neutrocork com elevado grau de excelência, é necessário garantir que se opera e produz rolhas entre os limites anteriormente determinados. Nesse sentido, estudaram-se as variáveis que apresentavam maior potencial de acréscimo de variabilidade ao processo, sendo as mais significativas: Massa Volúmica do granulado; Humidade do granulado; Temperatura e Humidade ambiente; Temperatura de Forno Frio e Formulação da mistura. Após uma recolha intensiva de dados, registando em detalhe todos os passos e variáveis na moldação desde o processo de estabilização do granulado até à extração do corpo, compilaram-se os resultados obtidos. O estudo incidiu única e exclusivamente numa moldadora, que apresentava como características a sua regulação de temperatura de Forno Frio por um sistema automático, prensagem dupla, permissão para isolar um lote de granulado pretendido previamente controlado. Através das medições realizadas foi desenvolvida uma regressão linear. Por meio dessa regressão obteu-se uma equação que, de um modo geral, atribui coeficientes às variáveis/preditores aplicados, consoante o seu impacto na resposta. Sendo a resposta a Massa Volúmica dos corpos de moldação e os preditores de regressão as variáveis anteriormente mencionadas. Com um coeficiente de 4,32, a Massa Volúmica do granulado revela-se como o fator de maior impacto na resposta final. Este coeficiente indica-nos que por cada kg por metro cúbico que o granulado oscile, este tem um impacto de 4,32 kg por metro cúbico na resposta final. Esta afirmação revela-se determinante uma vez que o triturado da cortiça se trata de uma matéria prima altamente instável, que pode apresentar grandes variações entre lotes.Com a equação desenvolvida, aplicaram-se dois métodos para verificação e validação do modelo. Primeiramente em modo feedforward - ou modo previsão e ainda o modo feedback, onde foi atribuida uma resposta Y inicial juntamente com os preditores não manipuláveis (temperatura e humidade ambiente e condições do granulado), obtendo-se assim um valor final para o preditor Forno Frio. Com a temperatura de Forno Frio determinada, manipulou-se a moldadora com essa mesma temperatura e recolheram-se os corpos, comparando a diferença da Massa volúmica dos corpos colocada no modelo com a Massa volúmica real nos corpos extraídos. Num total de 30 ensaios obteve-se uma variação de aproximadamente 2 Kg⁄m^3 . Com uma margem de 8 Kg⁄m^3 entre a média e os limites superior e inferior de controlo, existem fortes certezas e garantias da possibilidade de operação sempre entre os limites de controlo. Dos 30 ensaios de validação todos cumpriram com os pré-requisitos para validação do modelo obtido.

These days the customer requirement is the quality milestone with which a company / industry must operate. In this sense it was proposed the elaboration of a qualitative improvement study of Neutrocork stoppers produced by Molding.In molding, in order to control the process ensuring batch compliance, bodies are collected from all molders and analyzed 5 parameters (Diameter, Length, Mass, Moisture and Density). Density is a fundamental parameter for the control and monitoring of Neutrocork stoppers, since it relates the dimensions of the stopper to its mass. As a starting point there was the information on the process variability in the form of a high final amplitude in the density (135 Kg⁄m^3 ) which translates into very low process capacity indicators (CP = 0.80; CPK = 0, 48). In a practical and objective way to solve the problem, we resorted to statistical tools, climbs a 6 sigma perspective, based on contents associated with Statistical Process Control.The control approached by the molding industry is inadequate as it is governed by Product Monitoring Charts with specification limits rather than control limits. Through this practice the product is being controlled, however its process is not. The applied collection practice (10 bodies from the same tray) validates and proves intra-tray variability. To control inter-tray variability the collection practice should include more than one analyzed tray. To stabilize the process and control, control charts were studied and implemented to achieve control limits to ensure satisfactory process capability indices.In the Industrial Unit De Sousa there are 4 types of molders, so one of each of the groups was analyzed and the control limits were established for each one. The molder 1 presented the best adjustments, serving as the basis for the Neutrocork product (Average = 270Kg⁄m^3 ; LSC = 279Kg⁄m^3 ; LIC = 261Kg⁄m^3 ; CP = 1.67; CPK = 1 ,44).With the control and monitoring tool designed to produce high quality Neutrocork stoppers, it is necessary to ensure that they operate and produce stoppers within the previously determined limits. In this sense, we studied the variables that presented the greatest potential for adding process variability, the most significant being: granular density; Granulation moisture; Ambient temperature and humidity; Cold Oven Temperature and Mixture Formulation. After intensive data collection, recording in detail all the steps and variables in shaping from the granulation stabilization process to body extraction, the results were compiled. The study focused solely on a mold maker, which had as characteristics its temperature regulation of Cold Oven by an automatic system, double pressing, allowed to isolate a previously controlled batch of granulate. Through the measurements made a linear regression was developed. Through this regression, an equation was obtained, which generally assigns coefficients to the applied variables / predictors, depending on their impact on the response. The response being the density of the casting bodies and the regression predictors are the variables mentioned above. With a coefficient of 4.32, the density of the granulate is the factor with the greatest impact on the final response. This coefficient tells us that for every kg per cubic meter the granulate oscillates, it has an impact of 4.32 kg per cubic meter on the final response. This statement is decisive since cork crushing is a highly unstable raw material that can vary widely between batches.With the developed equation, two methods were applied to verify and implement the model validity. Firstly in feedforward mode, after in feedback mode, where an initial Y response was assigned together with the unmanipeable predictors (ambient temperature and humidity and granulate conditions), thus obtaining a final value for the Cold Oven predictor. With the Cold Oven temperature determined, the molder was manipulated with that same temperature and the bodies were collected, comparing the difference of the density of the bodies placed in the model with the actual density in the extracted bodies. In a total of 30 assays a variation of approximately 2Kg⁄m^3 was obtained.With a margin of 8Kg⁄m^3 between the average and the upper and lower control limits, there are strong certainties and guarantees that it can always operate between the control limits. Of the 30 validation trials all met the prerequisites for validation of the obtained model.