APOSTILA

CONTROLE ESTATSTICO
DE PROCESSO

Luis Felipe Dias Lopes, Dr.

phil.zaz@zaz.com.br

www.felipelopes.com

D E - C E E M Q - UFSM
2007
 1

1. INTRODUO
Controle da qualidade um conjunto de aes ou medidas desenvolvidas
com o objetivo de assegurar que os servios ou produtos gerados atendam aos
requisitos segundo os quais foram especificados. Segundo a ISO 8402,
Controle da Qualidade definido como sendo o conjunto de tcnicas e
atividades operacionais usadas para atender os requisitos para a qualidade.

Avaliar os resultados das aes, com o objetivo de verificar se os mesmos

esto em conformidade com as expectativas, faz parte da natureza do homem.
Assim, no sentido Lato, pode-se dizer que o controle da qualidade remonta aos
primrdios da civilizao humana.

No se pode precisar, no tempo, quando foi que o controle da qualidade

comeou a ser utilizado, de forma sistemtica, de modo a assegurar que os
resultados das aes empreendidas viessem a atender aos requisitos dos
projetos, na forma como foram concebidos. Entretanto, a perfeio das obras
remanescentes das civilizaes grega, romana, egpcia, chinesa, e outras, sob
a forma de templos, termas, pirmides, muralhas, etc., nos permite assegurar
que alguma forma de controle devia ser por eles empregada.

Os registros histricos nos mostram que at o final do sculo XVIII, antes

do incio da era industrial, os empreendimentos eram, na sua maioria, de
natureza individual ou familiar e cada um definia e controlava a qualidade dos
produtos ou servios que gerava. Curiosamente, esta uma postura muito
atual. No que se refere a garantia da qualidade, cada um responsvel pela
qualidade do que faz. A diferena entre um profissional do final do sculo XVIII
e o seu colega dos anos 90 est na forma segundo a qual aquele entendia e
este entende a funo qualidade. Para o profissional do sculo XVIII a
qualidade estava relacionada ao atendimento as especificaes do produto,
especificaes estas quase sempre ditadas por ele mesmo. Ele definia o que
deveria ser qualidade, produzia e, eventualmente, quase sempre sem uma
programao especfica definida, inspecionava o produto para verificar se
estava conforme as suas especificaes. Hoje, a qualidade definida pelo
cliente.

Cabe, tambm, ao profissional dos nos 90 produzir e controlar a

qualidade do que ele produz. Entretanto, o controle da qualidade por ele
exercido feito de forma sistematizada; planejado de forma a cobrir todas as
fases do processo e tem por objetivo assegurar que as necessidades do seu
 2

cliente vo ser atendidas. No se trata mais apenas de uma inspeo final para
verificar se o produto tem ou no defeitos de fabricao.

Entretanto, no se pode dizer que a sociedade, at o incio do sculo XIX,

encontrava-se totalmente sem estruturas organizacionais orientadas para o
controle da qualidade. Registra-se, no decorrer da idade mdia, intensas
atividades de associaes de arteses, estabelecendo padres que visavam
proteger ganhos econmicos e sociais de seus associados e regular a
economia. Para alcanar esses objetivos essas associaes desenvolveram
intensos e importantes trabalhos estabelecendo salrios, condies de trabalho
e especificaes para matrias-primas e produtos acabados.

Entre 1900 e 1930, com o advento da era industrial, pressionados pela

crescente concorrncia e pela complexidade dos processos, iniciou-se uma
nova fase para o controle da qualidade. Essa foi a era da inspeo. No incio,
as inspees eram feitas no produto acabado e tinha por objetivo evitar que
itens defeituosos chegassem ao consumidor. Nenhuma tcnica estatstica era
usada. No final dos anos 20, como decorrncia da crescente complexidade dos
processos e da maior concorrncia do mercado, iniciou-se a utilizao de
tcnicas estatsticas para o controle dos produtos. Em 1924, foi criado o
Inspection Engineering Departament of Western Electrics Bell Telephone
Laboratories, do qual foram membros personalidades como R. B. Miller, G. D.
Peterson, H. F. Dodge, G. D. Edwards, P. S. Olmstead, M. N. Torrey e outros,
aos quais devemos importantes trabalhos pioneiros de desenvolvimento de
teorias e mtodos de controle da qualidade, incluindo critrios para seleo e
amostragem. A primeira carta de controle da qual se tem registro foi
desenvolvida por Shewhart em 1924 e ficou conhecida como Carta de
Controle de Shewhart.

Entre 1930 e 1940, o uso da estatstica como ferramenta para o controle

da qualidade se consolidou como tcnica. Destaca-se nesse perodo os
trabalhos do Joint Committee for the Development of Statistical Aplications in
Egineering and Manufacturing, presidido por Shewhart e apoiado pela
American Society for Testing Materials (ASTM), American Society of
Mechanical Engineers (ASME), American Mathematical Society (AMS),
American Statistical Association (ASA), Institute of Mathematical Statistics
(IMS) e o American Institute of Electrical Engineers (AIEE).

Na dcada de 40, o uso da estatstica como ferramenta para o controle da

qualidade se consolidou como prtica indispensvel, principalmente devido s
condies impostas pela economia de guerra. A necessidade de massificar a
 3

produo levou a uma inevitvel deteriorao da qualidade dos produtos. Esse

fato obrigou o sistema produtivo a utilizar, em escala sem precedentes, as
tcnicas estatsticas que j haviam sido desenvolvidas para o controle de
produtos. Nesse perodo, intensivos programas de treinamento, orientados
para a utilizao destas tcnicas, foram implementados, com os objetivos de:
minimizar perdas, reduzir o custo de produo e, principalmente, assegurar a
qualidade dos produtos. Nesse perodo, as foras armadas dos Estados Unidos
e dos pases aliados desempenharam um papel importantssimo no
desenvolvimento de novas tcnicas estatsticas, na pesquisa de novas teorias
de controle, na implementao de programas de controle da qualidade e,
principalmente, no estabelecimento de padres.

De 1950 a 1960, as foras armadas dos pases aliados, principalmente

devido a guerra fria, que demandava contnuos e intensos programas de
desenvolvimentos na rea da indstria blica, continuaram sendo os principais
impulsionadores do desenvolvimento da rea de controle da qualidade. Os
principais esforos dos anos 50 foram orientados para os estabelecimentos de
novos padres. Nessa dcada, o controle da qualidade deixou de enfocar o
produto e passou a orientar-se para o processo, o que, do ponto de vista
estratgico, representou um passo importantssimo. Na verdade o responsvel
pelos itens defeituosos o processo. Se o processo capaz e se est sendo
devidamente controlado deve, portanto, gerar produtos sem defeitos.

Na dcada de 50, o Japo iniciou sua jornada rumo a industrializao.

Deming, que havia participado ativamente, na dcada de 40, dos programas de
mobilizao para a qualidade, nos Estados Unidos, foi para o Japo e,
juntamente com Juran e Ishikawa, tornou-se o principal responsvel pela
disseminao dos conceitos de controle da qualidade naquele pas.

Nos anos 60, o uso prtico da estatstica como ferramenta para o controle
de processo se consolidou e foram lanadas as bases para a implantao dos
conceitos de Total Quality Control - TQC, desenvolvidos por Feigenbaum. O
parque industrial japons, ainda infante, serviu de palco para a implementao
destes conceitos, na dcada seguinte.

A dcada de 70 se caracterizou pela disseminao dos conceitos de

TQC, principalmente no Japo e foram lanadas as bases para a implantao
dos conceito de Total Quality Management - TQM. No final desta dcada, a
International Organization for Standardization - ISO criou o Tecnical Committee
176 (TC - 176) cujos trabalhos levaram a criao das Normas ISO srie 9000,
aprovadas em 1987.
 4

Os anos 80 se caracterizaram pela implementao, em larga escala, dos

conceitos de TQM. O Japo, mantendo a sua posio de vanguarda, liderou os
pases industrializados na implementao destes conceitos. A aprovao das
Normas ISO srie 9000, em 1987, representou uma mudana de paradigma e
a Europa, bero dessas Normas, ocupou a posio de destaque neste novo
cenrio.

A partir da dcada de 60, os problemas relacionados com a preservao

da qualidade do meio ambiente passou, cada vez mais, a ocupar o centro das
atenes da nossa sociedade. O resultado desse movimento, principalmente
nos pases mais desenvolvidos, foi o incio de presses social para que os
sistemas produtivos utilizassem tecnologias no poluidoras.

Na dcada de 70, a sociedade, preocupada com os nossos recursos

naturais, evoluiu, incorporando conceitos de racionalizao de insumos nos
processos produtivos. O vertiginoso crescimento das atividades industriais,
ocorrido nesse ltimo quarto do sculo XX, despertou, principalmente nas
comunidades mais esclarecidas, uma forte conscientizao de que a natureza
no infinita em sua capacidade de absorver os resultados de todas as
atividades humanas, no ritmo em que estas vm ocorrendo, sem que sejam
alteradas as condies ambientais globais. Como resultado, seis anos aps a
realizao da ECO-92, foi assinado, no incio de 1998, o protocolo de Kyoto
que estabelece critrios sobre emisso de CO2 e outros gases que exercem
efeito estufa e prioriza o desenvolvimento e a utilizao de tecnologias
amigveis com relao a mudanas climticas.

Como no poderia deixar de ser, os movimentos conservacionistas

influenciaram fortemente os conceitos relativos a qualidade e motivaram a
aprovao das Normas ISO Srie 14000, em 1996. Essas Normas especificam
os requisitos relativos a um sistema de gesto ambiental e regem as relaes
contratuais para o comrcio interno e entre pases, operacionalizando grande
parte dos acordos firmados na ECO-92. Assim, a preservao da qualidade do
meio ambiente passou a ter um carter econmico urgente e como
conseqncia, o sistema produtivo dever privilegiar, nos prximos anos, em
escala crescente, a utilizao de tecnologias orientadas para o
desenvolvimento sustentvel, com enfoque na preservao dos ecossistemas e
da biodiversidade.

A funo qualidade pode, tambm, ser analisada pelo objeto do seu foco.
At a dcada de 40 o produto era o ponto de aglutinao de todos os esforos
 5

orientados no sentido de lhe agregar qualidade. Essa foi a era da inspeo, do

controle da qualidade e a estatstica foi a principal ferramenta utilizada.

Nas dcadas de 50, 60 e 70, o processo passou a ser o ponto principal

das atenes, sem que, contudo, o produto tenha sado de cena. Controlar o
processo para que os produtos por ele gerados atendam as especificaes,
certamente uma forma mais econmica de assegurar qualidade. Nesse perodo,
as inspees continuaram sendo atividades importantes mas apenas para registrar
a qualidade da produo e a estatstica consolidou sua posio como ferramenta
indispensvel para os processos de controle.

Nas dcadas de 80 e 90 cresceu no meio empresarial a conscincia de que

to ou mais importante do que produzir com qualidade, oferecer ao cliente o que
ele deseja, atender as suas necessidades. Assim, o cliente, como o parceiro
mais importante do negcio, passa a ser o foco das atenes. Atender s
expectativas do cliente e, se possvel, superar essas expectativas, passa a ser a
poltica dos negcios de sucesso. As caractersticas de uma empresa orientada
para o atendimento ao cliente so:

seus processos so consistentes e adequadamente controlados (eficincia),

seus produtos so especificados de acordo com as necessidades do seu

cliente (eficcia),

como as necessidades do cliente esto sempre mudando, elas so flexveis,

adaptam-se com rapidez e tm viso do futuro (efetividade).

Para essa empresa, o cliente no sentido lato (a sociedade) aparece no

cenrio com importncia crescente e vai se tornando to importante quanto o
cliente que adquire seus produtos ou servios (cliente no sentido strito).

O controle de processo, para estar de acordo com o enfoque filosfico

da era em que estamos vivendo, deve ser dinmico, deve estar orientado para
as necessidades dos clientes (interno e externo, strito e lato senso) e ser capaz
de acompanhar as mudanas das suas necessidades. Dentro deste contexto, a
estatstica apenas uma ferramenta, importantssima sem dvidas, mas
apenas uma ferramenta.
 6

2. OBJETIVOS DO CONTROLE DE PROCESSO

Conforme j foi enfatizado, o controle de processo deve fazer parte do
esforo cooperativo de todos os setores da empresa, no sentido de assegurar a
sua conformidade e a qualidade da produo, para que seja possvel atender
s necessidades dos clientes internos e externos.

Atuando em todas as fases do processo produtivo e principalmente nos

pontos crticos, seus objetivos so:
Gerar as informaes necessrias ao desenvolvimento dos novos produtos;
Fornecer os subsdios necessrios s tomadas de decises nos processos
de compra e recepo de matrias-primas;
Assegurar, ao setor de produo, as informaes requeridas para o efetivo
controle dos processos de fabricao;
Inspecionar os produtos acabados;
Acompanhar o perfil da qualidade dos produtos concorrentes.

3. CONTROLE ESTATSTICO DE PROCESSO

A estatstica , sem dvidas, uma ferramenta de trabalho poderosssima
para quem trabalha em controle da qualidade e controle de processo.

Para os nossos propsitos, a aplicao de tcnicas estatsticas ao

controle da qualidade pode ser resumida em dois tipos de aes:

aplicao de tcnicas matemticas na anlise dos dados de controle e

sistematizao desses dados de modo a facilitar a anlise dos mesmos,

auxiliando os responsveis a tomar decises.

A aplicao de tcnicas estatsticas tem por principal objetivo oferecer aos

responsveis pela tomada de decises, referncias relativas ao grau de
confiabilidade dos resultados gerados pelos controles e aos riscos envolvidos
nas decises tomadas. A sistematizao dos dados de controle que
normalmente feita sob a forma de grficos de controle tem por objetivo
facilitar a visualizao dos resultados.

So trs os principais tipos de grficos usados em controle da qualidade a

saber:
Grficos de controle por mdia;
Grficos de controle por amplitude;
 7

Grficos de controle para fraes defeituosas.

Os controles por mdia e amplitude so feitos com base na teoria
estatstica da distribuio normal. J o controle de fraes defeituosas , mais
freqentemente, fundamentado na distribuio de Poisson. Para alguns casos
de controle de fraes defeituosas, a aplicao de teoria estatstica da
distribuio binomial pode ser vantajosa.

A definio de controle estatstico de processo pode ser realizada atravs

da juno dos significados de cada uma das palavras.

Controle manter algo dentro dos limites (padres) ou fazer algo se

comportar de forma adequada.

Estatstica obter concluses com base em dados e nmeros que

trazem informaes.

Controle Estatstico fazer com que os resultados se mantenham

conforme o previsto pelos padres com a ajuda de dados numricos.

Processo a combinao necessria entre o homem, os materiais, as

mquinas, os equipamentos e o meio ambiente para fabricar um produto
qualquer. Mais especificamente, um processo qualquer conjunto de
condies ou conjunto de causas (sistema de causas) que trabalham
simultaneamente para produzir um determinado resultado.

Portanto, Controle Estatstico de Processo (CEP) um mtodo

preventivo de se comparar, continuamente, os resultados de um processo com
os padres, identificando a partir de dados estatsticos as tendncias para
variaes significativas, a fim de eliminar/controlar essas variaes. O objetivo
principal no CEP reduzir cada vez mais a variabilidade de um processo.

4. VARIAES NUM PROCESSO

Em geral as caractersticas de um produto manufaturado apresentam
variabilidade. Isto se deve a flutuaes na qualidade dos materiais usados e
de variaes nas condies de operao do processo de produo. Admitindo
esta situao, pode afirmar que:

As caractersticas de qualidade de um produto so afetadas por causas

acidentais que provocam variao;

Existe, associado a qualquer processo de produo, um sistema de

causas que provocam variao natural em um produto;
 8

Se forem s as causas que atuam no processo, diz-se que as variaes

do processo so aceitveis e inevitveis e a eliminao destas causas
inevitvel;

Variaes anormais devem ser corrigidas, ou seja, eliminadas;

As causas de variaes aceitveis so chamadas causas aleatrias ou

acidentais, as outras so causas especiais.

Logo tm-se:

Processo sob controle:

o processo cujas causas de variao so devidas somente pelas

causas aleatrias.

Se o processo esta sob controle:

- A variabilidade das caractersticas de qualidade do produto devida,

apenas, ao acaso;

- As causas de variaes no afetam de forma significativa o processo;

- Pode ser at impossvel, mas quase sempre antieconmica, a

eliminao estas causas;

Existe uma distribuio estatstica estvel associada ao processo.

Processo fora de controle:

o processo em que se fazem sentir causas especiais.

Se o processo no esta sob controle:

- A variabilidade das caractersticas de qualidade do produto devida a

causas especiais, possveis de serem corrigidas;

A variabilidade do processo anormal, com grandes alteraes nas

caractersticas de qualidade;

- Trata-se de uma situao que requer imediata interveno;

- H diferenas notveis entre a mdia do processo e os valores

observados.

Exemplo de variao em um processo:

 9

- Grfico seqencial

recomendado para quando preciso apresentar a tendncia dos pontos

observados sobre um especificado perodo de tempo.

Grficos seqenciais so empregados para representar visualmente um

conjunto de dados. So utilizados para monitorar um processo verificando se
ao longo do tempo se a mdia est mudando.

Os grficos seqenciais so ferramentas simples para serem construdas

e utilizadas. Pontos so marcados no grfico para serem avaliados.

O grfico a seguir mostra a quilometragem rodada, por litro de

combustvel, atingida entre um enchimento e outro do tanque de certo veculo.
A quilometragem por litro dada abaixo para 21 intervalos sucessivos entre os
enchimentos do tanque de combustvel.

25,7 26,3 24,8 22,1 22,3 28,2 25,1

24,8 26,3 24,5 24,9 22,8 23,0 24,8
23,1 24,7 24,2 23,1 25,3 24,8 26,2
Consumo (km/l)

24,619

2 4 6 8 10 12 14 16 18 20
Amostras

FIGURA 1 Variao de um processo

Interpretao da variao:

Do grfico de disperso nota-se que de incio a quilometragem por litro

estava em torno de 25 km/l, sendo que ela pode variar para cima ou para
baixo. Mas observa-se no grfico que a partir do 10 enchimento (a data uma
 10

referncia importante) os registros situam-se abaixo da mdia sucessivamente

9 vezes. Isto uma coisa difcil de ocorrer supondo que o processo seja
estacionrio em torno da mdia. Assim, uma causa especial de variao deve
ser procurada. A resposta pode ser qualquer combinao de uma lista de
possibilidades, tais como: tempo frio, combustvel diferente, troca de motorista,
transporte de carga mais pesada ou velas de ignio defeituosas (velhas).
Examinando-se estas opes de causa, cada uma delas foi descartada,
sobrando as velas de ignio como nica explicao. A troca foi feita e o
grfico foi ampliado para mais 3 pontos, os trs ltimos. Nota-se claramente
que a mdia voltou ao nvel histrico. Um registro histrico da quilometragem
por litro de combustvel, datas de troca de peas, etc., importante para
empresas que tm veculos. O prprio motorista pode estar encarregado de
fazer os registros.

5. CAUSAS DE VARIAES NUM PROCESSO

Diversos fatores podem contribuir para a variao no nvel de defeitos
encontrados num processo. Podem ser, por exemplo, irregularidade no material
utilizado na produo (no perfeitamente uniforme), temperatura,
manuteno do equipamento, estado fsico dos operadores, etc.. Estes fatores,
que podem ser identificados, chamam-se fatores particulares ou causas
especiais de variao. Mesmo eliminando-se todos esses fatores particulares,
o processo ainda ir produzir artigos defeituosos. Isto ocorre devido a
existncia dos fatores inerentes ao processo, os quais no so identificveis.
Quando se elimina um a um os fatores particulares de variao, o grfico de
controle mostrar somente a variao aleatria causada pelos fatores de
variao inerentes ao processo. Neste caso, o processo ser estvel, ou, de
acordo com a terminologia criada por Shewhart, o processo estar sob
controle. O grfico mostrar ento um processo aleatrio estacionrio.
Quando se consegue atingir a estabilidade, eliminando-se as causas especiais,
pode-se construir os limites de controle, que delimitam uma regio onde com
uma grande probabilidade o processo ir operar. Estes limites determinam a
chamada capacidade do processo.

- Limites de Controle

Seja um processo onde determinada caracterstica do produto tem mdia

fixada em = 74 mm e desvio-padro = 0,01 mm. A estatstica representada
no grfico ser a mdia amostral x (por exemplo), ento trabalhando com a
distribuio de probabilidade tem-se:
 11

2
E( x ) = , V( x ) = e x =
n n
Se o processo est sob controle, variando apenas por fora dos fatores
inerentes ao processo (no identificveis), espera-se que:

P(LIC x LSC) 1
onde um nmero arbitrrio, mas fixo e pequeno, da ordem de 1%. Os
limites LIC (limite inferior de controle) e LSC (limite superior de controle) so
chamados de limites probabilsticos e a probabilidade de uma observao da
v.a. X situar-se fora desses limites muito pequena, dado o valor de .
Sendo assim quando ocorrer de uma observao situar-se fora dos limites de
controle, isto ter como causa um fator particular (identificvel) de variao.
claro que a observao poder ficar fora dos limites por obra do acaso, mas
isto pouco provvel dado .Uma alternativa para se construir os limites de
controle defini-los em termos de mltiplos do desvio-padro da v.a. plotada
no grfico (no caso est-se considerando x ),
LIC = x k x e LSC = x + k x
onde k uma constante positiva. Um valor muito usado para k 3 e tem-se
ento os limites a 3 desvios padres. Estes limites podem ser construdos
mesmo nas situaes onde a distribuio de probabilidade da v.a. X no seja
conhecida. Quem garante este fato a chamada Desigualdade de
Tchebychev:
2
P ( X ) > 0
2
Veja que se fizermos = k tem-se na desigualdade
2 1
P( X k) 2 2 e P( X k ) 2
k k
1
Quando se quer limites de 3 desvios padres tem-se: P( X 3)
32
P( X 3) 0,1111
Considerando a situao onde = 74,0 mm a mdia da v.a. que est
associada com o dimetro do anel do pisto e = 0,01 mm o seu desvio
padro, tem-se para x de amostras aleatrias com tamanho n = 5 anis
tomadas de hora em hora do processo, as estatsticas seguintes:
x = / n = 0,01 / 5 = 0,0045

LIC = 74,0 3.0,0045 = 73,9865

LSC = 74,0 + 3.0,0045= 74,0135
que so os limites de controle a 3 desvios padres.
 12

LSC 10,453
Medidas

LC 9,9697

LIC 9,4859

1 2 3 4 5 6 7 8 9 10 11
Amostras

FIGURA 2 Exemplo de um grfico com limites de controle

Outras tcnicas para o estudo da variabilidade de um processo

Vrias ferramentas podem ser utilizadas para se Identificar e Analisar a

variabilidade presente em processos de produo ou servios.

Sero apresentados as descries prticas, as instrues e exemplos das

seguintes tcnicas:
IDENTIFICAO ANLISE DO PROBLEMA
DO PROBLEMA

Fluxograma Histograma

Folha de verificao Causa e Efeito Diagrama de disperso

Grfico de Pareto
Brainstorming
Grfico Sequencial
Tempestade de Grfico de controle
idias
Estratificao

Tcnica de grupo Anlise de fora

de campo

FIGURA 3 Visualizao e classificao das ferramentas aplicada qualidade

 13

Nota-se que os grficos podem ser utilizados para diferentes propostas

em vrios estgios do processo problema-soluo. Por exemplo, as
ferramentas includas na interseco do Diagrama de Venn podem ser usadas
em ambos as fases da soluo dos problemas: no problema de Identificao e
no problema de Anlise.

TABELA 1 Guia para seleo da tcnica de acordo com a questo que se

deseja trabalhar
Questo Tcnica
1. Decidir que o problema dever ser Fluxograma
resolvido primeiro Brainstorming
Folha de verificao
Grfico de Pareto
Tcnica de grupo
2. Checar a uma declarao que Folha de verificao
descreve o problema em termos de o Grfico de Pareto
que especificamente, onde ocorre, Grfico seqencial
quando acontece a sua extenso Histograma
Grfico de setores
Estratificao
3. Desenvolver uma fotografia Folha de verificao
completa de todas as possveis Grfico de Pareto
causas do problema Tcnica de grupo
Diagrama de disperso
Brainstorming
4. Concordncia sobre as causas do Folha de verificao
problema Grfico de Pareto
Tcnica de grupo
Diagrama de disperso
Brainstorming
5. Desenvolver uma efetiva e Brainstorming
implementvel soluo e um plano de Anlise de fora de campo
ao Apresentao a gerncia
Grfico de setores
Grfico de barras
6. Implementar a soluo e estabelecer Grfico de Pareto
necessidade de procedimentos de Histograma
monitorao e grficos Grfico de controle
Capabilidade do processo

- Fluxograma

O fluxograma uma representao grfica mostrando todas as fases do

processo. O fluxograma do processo d uma viso geral de todos os passos do
processo. Pode ser aplicado a qualquer caso: fluxo de materiais, fases da
 14

operao de vendas, fornecimento do produto, etc. Na identificao do

problema no processo (imagineering) as pessoas com maior conhecimento das
fases se renem para:

1) Desenhar o fluxograma atual do processo;

2) Desenhar o fluxograma das etapas que o processo deveria seguir se

tudo ocorresse bem;

3) Comparar os dois grficos para verificar onde diferem entre si, pois a
estar a raiz do problema.

- Sugestes para construo e interpretao de um fluxograma

1) Definir claramente os limites para o processo;

2) Use os smbolos mais simples possveis;

3) H normalmente s uma seta de sada de uma caixa de processo.

Caso contrrio pode-se requerer um diamante de deciso.

Assistir um Programa de TV

Ligar a TV

No
Aparece O fio est
a Imagem? na tomada?

Sim No

A imagem Conectar
boa? o fio
Sim

No Sim

Operar os Aparece
ajustes a Imagem?
Sim

No

No Chamar a
A imagem
Assistncia
boa?
Tcnica

Sim

Assistir
o programa

FIGURA 4 - Exemplo de fluxograma no cotidiano

 15

Fluxo da placa impressa

Recebimento
componentes e
placa

devolver e
aprovados?
consertar

montagem
automtica

refazer ou
aprovados?
sucatear

montagem
manual

aprovados?

soldagem e
limpeza

refazer ou
aprovados?
sucatear

montagem final

aprovados?

passou no
refazerl
teste final?

expedio

FIGURA 5 - Exemplo de fluxograma num processo industrial:

 16

- Folha de verificao

A folha de verificao um procedimento usado para responder a

pergunta: "com que freqncia certos eventos acontecem?" Para uso desta
tcnica deve ser estabelecido claramente o seguinte:

fixar qual evento est sendo estudado;

definir o perodo durante o qual os dados sero coletados;

construir um formulrio claro e de fcil manuseio;

coletar os dados honestamente.

TABELA 2 Exemplo de folha de verificao

Defeito Ms
1 2 3 Total
dimenso II II I 5
acabamento I I I 3
peso IIII II III 9
Total 7 5 5 17

- Sugestes para construo e interpretao de uma folha de

verificao

a) Tenha certeza que as observaes amostrais sejam as mais

representativas possveis;

b) Tenha certeza que o processo de amostragem eficiente de forma que

pessoas tenham tempo para fazer isto;

c) Construindo uma folha de verificao, verifique se a populao

(universo) no homognea (no da mesma mquina, pessoa, etc). A
populao deve ser homognea. Se no, devem ser primeiramente
estratificadas (agrupados) a fim de formar grupos homogneos.

- Brainstorming

So reunies com o pessoal envolvido com o problema em estudo a fim

de se coletar opinies sobre causas, bem como solues possveis. Existem
dois tipos de "brainstorming":
 17

1o) Estruturado

Nesta forma, cada pessoa do grupo d a sua idia em cada rodada ou

"passa" at que chegue a sua prxima vez. Isto obriga at os mais tmidos a
participarem, contudo pode criar certa presso sobre as pessoas.

2o) No estruturado

Nesta forma, os membros do grupo simplesmente do as idias conforme

elas surgem em suas cabeas. Isto cria um ambiente mais relaxado, porm
existe o risco da reunio ser dominada pelos mais extrovertidos.

Existem algumas regras que devem ser lembradas:

Nunca criticar idias;

Escrever em um quadro-negro ou branco todas as idias. A viso global das

idias servem de estmulo para novas propostas e tambm evita mal-
entendidos;

Escrever as palavras do participante e no a sua interpretao.

Fazer um "brainstorming" rpido, 5 a 15 minutos so suficientes.

- Tcnica nominal de grupo

Quando se aborda algum problema ou a forma de atacar o problema,

geralmente ocorre que a seleo do problema foi influenciada por pessoas que
falaram mais alto ou tm maior autoridade. Isto cria o sentimento no grupo de
que o "seu" problema nunca ser abordado. Isto pode gerar uma falta de
comprometimento com a soluo do problema escolhido e tambm a idia de
que foi escolhido o problema "errado". A Tcnica Nominal de Grupo permite a
todos os membros do grupo igual participao na seleo de problemas. Esta
tcnica consiste das seguintes etapas:

1a) Cada membro do grupo deve escrever ou falar sobre o problema que julgar
mais importante. Depois que todos escreverem a sua escolha de problemas
recolha o papel com os problemas.

2a) Escreva os problemas descritos onde todos possam ver. Se houver

duplicidade combine-os em um so, mas de acordo com os autores.

3a) Pea para cada membro do grupo ordenar os problemas pelo grau de
importncia crescente, segundo o critrio de cada um.
 18

TABELA 3 Classificao de um brainstorming

Problema Classificao (Supondo existir 5 pessoas no grupo)
A 3 5 2 3 3 = 16
B 1 1 1 2 1 = 06
C 2 2 3 1 2 = 10
D 5 4 4 5 4 = 22
E 4 3 5 4 5 = 21
O problema cuja soma dos pontos for a mais alta o escolhido,
primeiramente. Da mesma forma, se ao invs de problemas o que se pediu foi
sugestes, idias, a mais votada deve ser considerada primeiro para discusso
e depois as seguintes. No exemplo acima o problema (idia) a ser discutido
primeiro o D.

- Anlise do campo de foras

Toda vez que se pretende fazer mudanas, sejam pessoais ou

organizacionais, existem foras indutoras e foras restritivas agindo a favor
e contra, respectivamente. um processo dinmico. Quando ocorrem
mudanas porque as "foras indutoras" so superiores s "foras restritivas".
Assim, pode-se listar estas possveis foras e analisa-las. Seja o exemplo do
cotidiano "perder peso":

TABELA 4 Exemplos de foras indutoras e restritivas

FORAS INDUTORAS FORAS RESTRITIVAS

Ameaa sade Perda de tempo
Obsesso em emagrecer Tendncia da famlia
Roupas apertadas Faltas de recursos para "malhar"
Embarao pelo peso Costume de acar nos alimentos
Imagem negativa Anos de alimentao errada

Como a Anlise do Campo de Foras ajuda a promover mudanas? Por

que fora s pessoas a pensarem juntas sobre todos os aspectos da mudana
pretendida, incentiva o pensamento criativo, encoraja as pessoas a chegar a
um consenso sobre a prioridade relativa s foras de um lado e do outro do
campo e finalmente um ponto de partida para a ao.
 19

- Histograma

O histograma d informaes gerais sobre a distribuio de onde vieram

as observaes. A forma (o padro, o aspecto) da distribuio simtrica?
assimtrica? Existe somente um pico? O histograma, tambm, d uma idia da
disperso dos dados. Por natureza o histograma um grfico em colunas
(barras) e pode se construdo com barras horizontais ou verticais.

- Exemplo

Sejam os dados abaixo da espessura de chapas metlicas. Tomou-se

uma amostra com n = 100 chapas e mediu-se a espessura. Faa o histograma
dos dados e comente os resultados.

3,56 3,46 3,48 3,50 3,42 3,43 3,52 3,49 3,44 3,50
3,48 3,56 3,50 3,52 3,47 3,48 3,46 3,50 3,56 3,38
3,41 3,37 3,47 3,49 3,45 3,44 3,50 3,49 3,46 3,46
3,55 3,52 3,44 3,50 3,45 3,44 3,48 3,46 3,52 3,46
3,48 3,48 3,32 3,40 3,52 3,34 3,46 3,43 3,30 3,46
3,59 3,63 3,59 3,47 3,38 3,52 3,45 3,48 3,31 3,46
3,40 3,54 3,46 3,51 3,48 3,50 3,68 3,60 3,46 3,52
3,48 3,50 3,56 3,50 3,52 3,46 3,48 3,46 3,52 3,56
3,52 3,48 3,46 3,45 3,46 3,54 3,54 3,48 3,49 3,41
3,41 3,45 3,34 3,44 3,47 3,47 3,41 3,48 3,54 3,47

35

30

25

20
Freqncia

15

10

0
3,30 3,34 3,38 3,43 3,47 3,51 3,55 3,60 3,64 3,68
Classes

FIGURA 6 Histograma
 20

- Perguntas:
a) Qual a mais comum espessura da chapa ?

R: A espessura mais comum est entre 3,47 e 3,51 mm.

b) Os dados esto muito dispersos ?

R: A amplitude da disperso dos dados R = x[n] - x[1]) = 3,68 - 3,30 =

0,38 mm.

c) A especificao de projeto para este tipo de chapa de 3,47 0,08

mm. Qual o percentual de chapas que esto fora dos limites de especificao ?

R: Esto fora dos limites da especificao, [3,39 ; 3,55], um percentual

de 10% das chapas, consequentemente deve-se tentar diminuir a disperso
dos dados de modo a colocar praticamente todos os valores dentro dos
limites da especificao (ideal).

d) O valor da mdia est exatamente no centro dos limites de

especificao ?

R: Sim, considerando aproximao de 2 casas decimais, o centro

3,47 mm.

- Diagrama de Pareto

O diagrama de Pareto um grfico para indicar qual problema,

relacionado com a variabilidade dos dados, deve ser solucionado primeiro a fim
de se eliminar defeituosos e melhorar o processo. Existem muitos aspectos da
produo que podem ser melhorados, tais como: nmero de defeituosos,
tempo de execuo de tarefas, etc. Devido a quantidade de pequenos
problemas difcil se saber por onde comear. O diagrama de Pareto uma
ajuda neste sentido e o primeiro passo na direo do melhoramento do
processo.

O diagrama de Pareto revela se uma tentativa de aperfeioamento

produziu resultado positivo, pois ele mede o impacto do aperfeioamento. Isto
pode ser visto nos diagramas anteriores. Pelo diagrama a administrao do
processo inspecionou os fatores que poderiam causar uma rotao imprpria.
Perguntou-se aos trabalhadores cujas tarefas estavam relacionadas com estes
fatores se existia algum problema ou necessidade no seu trabalho. Os
trabalhadores foram levados a se engajar na soluo do problema de muitos
defeituosos devido a "rotao imprpria". Sugestes surgiram e aptos a
implantao das inovaes tem-se o segundo diagrama. Os outros tipos de
 21

defeitos tambm foram atacados, nas circunstncias de cada um. O segundo

diagrama reflete o resultado final e pode-se observar que:

nmero de defeituosos diminuiu aptos o melhoramento;

geralmente quando o melhoramento eficaz a ordem das barras no

diagrama trocada.

- Passos para a construo de um grfico de Pareto

1) Selecione os problemas que sero comparados e enumerados pelo

grau de importncia atravs de:
brainstorming (tempestade de idias), por exemplo, Qual o maior
problema de qualidade no departamento A?

Use dados existentes, por exemplo, Olhe o relatrio de qualidade

do ultimo ms do departamento A parta encontrar as reas de
problemas.

2) Selecione o padro de comparao (unidades de medidas), por

exemplo, custo anula, freqncia, etc.

3) Selecione o perodo de tempo a ser estudado, por exemplo, 8 horas, 5

dias, 4 semanas.

4) Junte dados necessrios para cada categoria, por exemplo, Defeitos A

acontece X vezes nos ltimos 6 meses ou Defeito B custou X reais nos
ltimos 6 meses.

5) Compare a freqncia ou custos de cada categoria com todas as

outras, por exemplo, Defeito A ocorre 75 vezes; Defeito B ocorre 107 vezes;
Defeito C ocorre 35 vezes, ou Defeito A custou R$ 750,00, anualmente;
Defeito B custa R$ 535,00 anualmente.

6) Liste as categorias da esquerda para a direita no eixo horizontal em

ordem decrescente de freqncia ou custo. As categorias contendo as
menores quantidades de itens devem ser combinadas em uma categoria
chamada outros, que colocada no extremo direito com a ltima barra.

7) Acima de cada classificao ou categoria, desenhe um retngulo cuja

altura deve representar a freqncia ou custo na classificao.
 22

- Exemplo

A tabela, a seguir, d o nmero de defeitos que ocorrem em determinado

processo. As causas dos defeitos foram identificadas e tentou-se melhorar o
processo. A tabela mostra os nmeros antes do aperfeioamento e depois do
aperfeioamento. Os diagramas de Pareto correspondentes esto em seguida.

TABELA 4 Nmero de defeitos num processo

Antes do Aperfeioamento Depois do Aperfeioamento
Origem do Nmero de Origem do Nmero de
defeito defeituosos defeito defeituosos
rotao 44 rudo 12
imprpria
rudo 14 rotao 8
imprpria
falhas 10 presso 6
presso 8 falhas 4
sobra 5 calafetar o eixo 2
falha completa 2 falha completa 1
outras 3 outras 4

90
100%
80

70 80%

60

50 60%
Escores

44
40
40%
30

20
14 20%
10
10 8
5
3 2
0
rotao imprpria rudo falhas presso sobra outras falha completa

antes do aperfeioamento

FIGURA 7 Grfico de Pareto antes do aperfeioamento

 23

040
100%
035

030 80%

025
Escores

60%
020

015 40%
12

010 8
6 20%
05 4 4
2
1
00
rudo presso falhas falha completa
rotao imprpria outras calafetar o eixo

Aps o aperfeioamento

FIGURA 8 Grfico de Pareto aps o aperfeioamento

- Caractersticas adicionais dos grficos de Pareto

Freqentemente o dado bruto registrado no eixo vertical esquerdo

com uma escala em percentagem no eixo vertical direito. Tenha certeza que os
dois eixos esto na escala, por exemplo, 100% so opostos ao ponto mdio
nos dados brutos.

Do topo da barra mais alta e movendo para cima a partir da esquerda

para a direita, uma linha pode ser traada que representa a freqncia
cumulativa das categorias. Isto responde questes tais como: Quando do total
acumulado pelas primeiras trs categorias?.

- Sugestes para interpretao de um grfico de Pareto

Use bom senso, duas reclamaes de cliente chave podem merecer
mais ateno que 100 outras reclamaes, dependendo de quem o cliente e
dem quem a reclamao.

Faa grfico mostrar claramente o padro de medidas ($, % ou #).

- Diagrama de Causa e efeito

um mtodo grfico para auxiliar a anlise de problemas que facilita a

identificao das causas de variao da caracterstica de qualidade em
questo.

Este tipo de diagrama recomendado para quando for preciso identificar,

explorar e expor as possveis causas de um problema especfico ou condio.
 24

O diagrama de causa e efeito ou tambm conhecido por espinha de peixe

ou diagrama de Ishikawa, em homenagem ao seu criador, foi desenvolvido
para representar a relao entre alguns efeitos e todas as possveis causas
que o influenciam. O efeito ou problema deve ser colocado do lado direito do
grfico e as maiores influncias ou causas so listadas do lado esquerdo.

O Diagrama de Causa e Efeito, mostrado abaixo, feito no incio das

operaes no sentido de se aperfeioar o processo.

Mdodo Pessoas
Local
Treinamento
Tipo
Qualificao

Qualidade

Embalagem
Armazem Manuteno
Assitncia

Materiais Maquinaria

Causas Efeito

FIGURA 9 Exemplo de diagrama de causa e efeito

A configurao do Grfico de Causa e Efeito permite separar

organizadamente as quatro principais causas de variao: mtodo de trabalho,
pessoas (mo-de-obra), materiais e maquinaria (o meio ambiente tambm
pode ser a 5a causa de variabilidade)

a) Materiais

Matria-prima no homognea.

A matria-prima difere levemente na composio conforme seja a fonte de

suprimento e diferenas no tamanho podem ocorrer dentro de limites
aceitveis;

b) Maquinaria

Desgaste, uso inadequado ou falta de ajuste em ferramentas, mquinas

ou equipamentos.
 25

O equipamento pode parecer estar funcionando uniformemente, mas suas

partes podem estar de alguma forma com pequenos desajustes, gastas ou no
ser apropriadas para aquele uso.

c) Mtodo

Falta de padronizao no mtodo de trabalho.

O mtodo de trabalho, embora programado de acordo com o processo

prescrito, pode conduzir a variaes no produto;

d) Pessoas (Mo-de-obra)

Os operadores podem no estar adequadamente preparados para as

tarefas.

O Diagrama de Causa e Efeito til na ordenao das causas da

variabilidade. A construo deste diagrama pode seguir os passos seguintes:

1) Para gerar as causas necessrio construir um diagrama de causa e

efeito atravs de um dos dois meios:

Estruturando um brainstorming sobre as possveis causas sem

preparao prvia.

Pea para os membros da equipe que gaste tempo com reunies

usando folhas de verificao simples para localizar as possveis
causas e examinar o processo de produo mais de perto.

2) Construa o real diagrama de causa e efeito por:

Coloque o problema na caixa da direita.

Coloque as tradicionais maiores categorias de causa principal no

processo de produo, ou qualquer causa que til na organizao
dos fatores mais importantes.

Coloque as idias do brainstorming nas maiores categorias

apropriadas.

Para cada causa pergunte, Porque isto acontece? e liste

respostas nos ramos das maiores causas.

3) Interpretao

Olhe para causas que aparecem repetidamente.

Busque consensos da equipe.
 26

Obtenha dados para determinar as freqncias relativas das

diferentes causas.

- Diagrama de Disperso

O Diagrama de Disperso um grfico que exprime o relacionamento

entre duas variveis. Os dados so coletados aos pares (Xi, Yi) com i = 1, 2, ...
, n. Estes pares de pontos (Xi, Yi) so grafados e o possvel relacionamento
entre as variveis X e Y aparece na forma do grfico.

Exemplo 3

Seja o processo de recobrimento de uma determinada pea com metal. O

recobrimento feito com o metal fundido. A varivel X a quantidade de metal
fundido utilizado em peso e a varivel Y a porcentagem de recobrimento com
metal obtida.

TABELA 5 Peso e porcentagem de recobrimento com metal

Obs.(i) Yi Xi Obs.(i) Yi Xi Obs.(i) Yi Xi
1 10 6,0 8 50 11,0 15 80 14,0
2 10 4,0 9 60 12,0 16 85 13,0
3 20 6,0 10 65 12,0 17 90 14,0
4 20 8,0 11 70 13,0 18 90 14,0
5 30 7,5 12 75 13,0 19 95 16,0
6 40 8,5 13 70 12,0 20 95 17,0
7 45 9,5 14 80 14,0 21 98 18,0
Diagrama de Disperso dos dados o seguinte:
120

100
Porcentagem de Recobrimento

80

60

40

20

-20
2 4 6 8 10 12 14 16 18 20
Quantidade de Metal Fundido

FIGURA 10 Exemplo de grfico de disperso

 27

O grfico revela que existe uma forte associao (correlao) entre as

variveis X e Y. O tipo de relao linear (uma reta). possvel se determinar
a equao de regresso de Y para X, ou seja, a expresso dessa relao por
meio da equao da reta:
y i = x i + + e i , i =1, 2, 3, ... 21.
yi = 7,5979xi - 26,8805 + ei

6. GRFICOS DE CONTROLE E APERFEIOAMENTO DO PROCESSO

- Introduo

Pode-se obter o aperfeioamento de um processo de produo de duas

maneiras:

1a) Eliminao de um fator particular (causa especial) de variao.

2a) Alterao na estrutura do processo.

Os fatores particulares de variao so detectados por pontos fora dos

limites de controle ou pela presena de um comportamento sistemtico, no
aleatrio, no grfico de controle. Um dos principais objetivos no Controle de
Qualidade a reduo da variabilidade no produto. Os fatores particulares so
o motivo principal da falta de uniformidade dos itens produzidos. S existe um
modo seguro e com base cientfica de se descobrir as causas da variabilidade
ou seja de identificar fatores particulares de variao, a aplicao de
Tcnicas Estatsticas. importante levar em conta que alteraes no processo
com o objetivo de melhorar a performance do produto s devem ser
executadas quando ele se encontra sob controle. Caso contrrio, os efeitos das
modificaes podero ficar camufladas pela presena de causas especiais de
variao.

- Uso bsico dos grficos de controle

As aplicaes fundamentais dos Grficos de Controle so:

1a) Verificar se em determinado perodo um processo estava sob controle.

Isto feito examinando-se o grfico correspondente ao perodo de
interesse.

2a) Orientar a Administrao na manuteno do processo sob controle. Se

o processo est sob controle possvel ignorar a flutuao catica das
observaes, exceto no caso de ser notado alguma observao fora
dos limites de controle. claro que se deve olhar com ateno a
 28

ocorrncia de uma tendncia (um padro) em alguma direo. Isto

indicao de que alguma coisa alm do acaso est influenciando o
valor das observaes.

O objetivo principal dos grficos de controle como se viu do exposto

anteriormente fornecer informaes teis no aperfeioamento do processo.
Quando se atinge o controle estatstico do processo tem-se vrias vantagens,
tais como:

frao de defeituosos permanece constante (na mdia);

custos e ndices de qualidade sero previsveis;

produtividade ser mxima com o sistema corrente.

Existem vrias razes para o uso dos grficos de controle, tais como:

1a) O grfico de controle uma tcnica para melhorar a produtividade,

pois: reduz desperdcio de insumos, de retrabalho e
consequentemente aumenta a produtividade, diminui os custos e
finalmente a capacidade de produo aumenta (medida em nmeros
de artigos bons por hora).

2a) O grfico de controle eficaz na preveno de defeituosos, pois ajuda

a manter o processo sob controle e portanto coerente com a filosofia
faa certo na 1a vez. Se a empresa no tem um processo eficiente,
voc est pagando algum para produzir artigos inadequados.

3a) O grfico de controle impede ajustamentos desnecessrios no

processo, pois distingue entre rudo aleatrio e variao anormal.
Nenhum outro meio, inclusive o operador humano, eficiente nesta
distino. Se o processo ajustado sem base no Grfico de Controle,
freqentemente, o que ocorre um aumento da varincia do rudo
aleatrio e isto pode resultar na deteriorao da performance do
processo. Assim, o grfico de controle coerente com a filosofia se
ele no est quebrado, no o conserte.

4a) O grfico de controle fornece informaes para que o operador faa

um diagnostico sobre o processo, podendo conduzir a implementao
de uma mudana que melhore o desempenho do processo.

5a) O grfico de controle fornece informao sobre a capacidade do

processo, pois traz informaes sobre o valor de importantes
parmetros do processo e sua estabilidade no tempo e, assim uma
 29

estimativa da capacidade do processo pode ser feita. Esta informao

muito til para quem projeta o produto e o processo.

- Tipos de grficos de controle

Um grfico de controle varia conforme os dados que ele contenha.

Conforme a caracterstica investigada seja uma v.a. contnua ou discreta tem-
se um tipo de grfico. De forma que, se os dados so contnuos ele dever ser
construdo com a mdia amostral, x , e com a amplitude amostral, R. J com
dados discretos deve-se trabalhar com as estatsticas amostrais nmero de
defeituosos (n $ ) e com a frao de defeituosos $ . Desta forma podemos
classificar os Grficos de Controle nas categorias:
Existem dois tipos de grficos de controle, um para valor discreto e outro para
valor contnuo, que esto descritos no Quadro 1.
a) Grficos de Controle por Atributos (discreto)

b) Grficos de Controle por Variveis (contnuo)

QUADRO 1 - Tipos de grficos de controle com algumas adaptaes

Valor Caracterstico Tipos de Grficos

Grfico np (nmero de itens defeituosos)

Valor discreto Grfico p (frao defeituosa)

Grfico c (nmero de defeitos)

Grfico u (nmero de defeitos por unidade)

Grfico X - R (mdia e amplitude)

Valor continuo Grfico X - s (mdia e desvio padro)

Grfico X (valor individual)

- Grfico de Controle por Atributos

O termo atributo, utilizado em controle de qualidade, refere-se quela

caracterstica da qualidade que pode estar, ou no, conforme as
especificaes. Para melhor entendimento, comum utilizar-se os termos
bom e defeituoso no lugar de conforme e no conforme.

No grfico de controle por atributos um produto classificado como

possuindo ou no um atributo ou qualidade. Assim, o produto atende ou no a
uma especificao. Os itens que no satisfazem a especificao so
denominados defeituosos. Muitas vezes o interesse da Administrao est na
 30

frao de unidades defeituosas em produo. Por outro lado, freqentemente

est-se interessado na evoluo de uma caracterstica quantitativa (dimetro
de um pino, por exemplo).

Existem duas situaes em que se utilizam atributos:

1a) Quando as medidas no so possveis, tais como as caractersticas

inspecionadas visualmente (cor, brilho, arranhes e danos).

2a) Quando as medidas so passveis, mas no so tomadas por

questes econmicas, te tempo, ou de necessidades. Em outras
palavras, quando o dimetro de um furo pode ser medido com um
micrmetro interno, mas utiliza-se um calibre passa-no-passa para
determinar a sua conformidade com as especificaes.

- Grfico de Controle da Frao Defeituosas (Carta p)

O grfico de controle p muito verstil, podendo ser usado para controlar

uma caracterstica de qualidade, um grupo de caractersticas de qualidade de
mesmo tipo ou o produto todo.

Esse grfico possui uma grande faixa de utilizao e as vantagens de

poder ser usado para uma grande diversidade de problemas, disponibilizar a
informao normalmente sem custo adicional da coleta, e de forma a ser
rapidamente correlacionada com os custos, proporcionar maior facilidade de
entendimento por parte de pessoas no familiarizadas com outros grficos,
alm de ser mais facilmente implantado que os demais.

A frao defeituosa consiste na razo entre o nmero de peas

defeituosas em uma amostra e o nmero total de peas dessa mesma amostra.
np (5.1a)
p=
n
onde:

p = frao defeituosa;

n = nmero de peas na amostra ou subgrupo;

np = nmero de peas defeituosas na amostra ou subgrupo.

Dentre os objetivos do grfico p, encontra-se: determinar o nvel de

qualidade de um produto, ficar alerta para qualquer mudana no nvel de
qualidade, avaliar o desempenho relativo qualidade do pessoal envolvido
como operador e gerentes, indicar o uso de grficos de controle por varivel,
 31

alm de definir critrios de aceitao de produtos, antes do embarque, para o

cliente.

- Passos para a construo de um grfico de controle p

1o) Definir o objetivo: determinar qual a finalidade do grfico de controle, o

que se quer controlar (objetos, produtos, operrios, caractersticas de
qualidade).

2o) Determinar o tamanho do subgrupo: o tamanho do subgrupo uma

funo da frao defeituosa. Para determinar o tamanho do subgrupo,
preciso ter uma primeira estimativa da frao defeituosa do processo
e do nmero mdio de defeitos para cada subgrupo afim de que se
possa construir o grfico de forma adequada.

3o) Coletar os dados: necessrio coletar dados suficientes, pelo menos

20 subgrupos, para construir o grfico. Para cada subgrupo a frao
np
defeituosa calculada pela frmula p = .
n
4o) Determinar o valor central e os limites de controle: as frmulas para
calcular os limites de controle so dadas por

p (1 p ) (5.2a)
LIC p = p 3
n
LC p = p (5.2b)
p (1 p ) (5.2c)
LSC p = p + 3
n
onde:

p = frao defeituosa mdia para todos os subgrupos;

n = nmero inspecionado em cada subgrupo.

A frao defeituosa mdia p o valor central do grfico obtido pela frmula

np (5.3)
p=
n
O grfico p pode ser imediatamente introduzido, calculando-se somente
os limites de controle. Sendo o grfico p baseado na distribuio binomial, a
probabilidade de selecionar um produto defeituoso deve ser constante, caso
contrrio, o mesmo no deve ser usado.
 32

- Exemplo

De uma amostra de produo de uma fbrica de pequenos recipientes,

foram retiradas 25 amostras com 50 observaes, sendo retiradas 4 amostras
por dia.

TABELA 6 Nmero de recipientes defeituosos num processo de fabricao

Nmero do Nmero de Nmero de Itens Proporo de
Subgrupo Recipientes Defeituosos Defeituosos

1 50 4 0,08
2 50 2 0,04
3 50 5 0,10
4 50 3 0,06
5 50 2 0,04
6 50 1 0,02
7 50 3 0,06
8 50 2 0,04
9 50 5 0,10
10 50 4 0,08
11 50 3 0,06
12 50 5 0,10
13 50 5 0,10
14 50 2 0,04
15 50 3 0,06
16 50 2 0,04
17 50 4 0,08
18 50 10 0,20
19 50 4 0,08
20 50 3 0,06
21 50 2 0,04
22 50 5 0,10
23 50 4 0,08
24 50 3 0,06
25 50 4 0,08
Total 1250 90 ---
- Clculos:
np 90
p= = = 0,072
n 1250

p (1 p ) 0,072(1 0,072)
LICp = p - 3 = 0,072 - 3 = - 0,038 = 0
n 50

LCp = p = 0,072

p (1 p ) 0,072(1 0,072)
LSCp = p + 3 = 0,072 + 3 = 1,8167
n 50
 33

,18167

,07200

0,0000

5 10 15 20 25

FIGURA 11 Exemplo de grfico de controle p

Grfico do Nmero de Unidades Defeituosas (Carta np)

Tambm conhecido como Grfico do Nmero de Defeitos, pode ser usado

como alternativa ao grfico da frao defeituosa, apresentando as mesmas
vantagens j mencionadas. Neste caso as amostras devem ter o mesmo
tamanho, ao contrrio do grfico anterior, que permite a observao de
amostras de diferentes tamanhos. As etapas para construo do grfico np so
dadas a seguir.

O grfico chamado de np quando a amostra acompanhada do nmero

de artigos defeituosos em vez da frao de itens defeituosos. Quando as
amostras que vo ser mostradas em um determinado grfico so do mesmo
tamanho, torna-se mais simples compreende-lo se for marcado o nmero de
no-conformidades encontradas em cada amostra em vez de calcular a
percentagem.

- Passos para a construo de um grfico de controle np

o
1 ) Coletar as amostras de dados.
2o) Calcular o valor de pi.
d (5.4)
pi i
n
onde:
di = defeitos de cada subgrupo;
 34

n = tamanho da amostra fixo.

3o) Calcular np .

np i =
p i
,
(5.5)
n
onde:

pi = nmero de defeitos;

np = po = pnew =
np np d
= total subgrupo;
n n d

npd = nmero de defeitos nos subgrupos descartados;

nd = nmero inspecionado nos subgrupos descartados.
4o) Calcular os limites de controle .
LIC np = np 3 np (1 p ) (5.6a)
LC np = np (5.6b)
LSC np = np + 3 np (1 p ) (5.6c)

- Exerccio
A amostra a seguir de uma loja de departamentos onde se pretende
verificar se existe variabilidade ou no, relativa ao grau de insatisfao dos
clientes. Para isso, foram coletados 20 subgrupos, onde cada um deles possui
300 observaes.
TABELA 7 Nmero de clientes insatisfeitos
Nmero do Observaes Nmero de Clientes
Subgrupo Insatisfeitos
1 300 10
2 300 12
3 300 8
4 300 9
5 300 6
6 300 11
7 300 13
8 300 10
9 300 8
10 300 9
 35

continuao...
11 300 6
12 300 19
13 300 10
14 300 7
15 300 8
16 300 4
17 300 11
18 300 10
19 300 6
20 300 7
Total 184
- Clculos:

np =
pi = 184 = 9,2
n 20
LIC np = np 3 np (1 p ) = 9,2 3 9,2(1 (9,2 / 300)) = 0,241

LC np = np = 9,2

LSC np = np + 3 np (1 p ) = 9,2 + 3 9,2(1 (9,2 / 300)) = 18,16

18,159

9,2000

,24116

2 4 6 8 10 12 14 16 18 20

FIGURA 12 Exemplo de grfico de controle np

 36

Grfico do Nmero de Defeitos (c)

Este grfico utilizado para avaliar o nmero de no conformidades, ou

defeitos, em uma amostra. A utilizao deste grfico requer tamanho constante
para as amostras observadas. Algumas aplicaes so, por exemplo, controle
de bolhas em garrafas e riscos em peas estampadas. A principal diferena
com relao ao grfico p, que este ltimo se utiliza da contagem de unidades
defeituosas, no se preocupando com a quantidade de defeitos. Uma idia
desta diferena dada pela Figura 13. Considerando cada quadro como uma
unidade, e cada ponto em destaque como um defeito, nota-se que h na
amostra da esquerda quatro unidades defeituosas, e um total de sete defeitos.
Na amostra da direita h duas unidades defeituosas, e o mesmo nmero de
defeitos da primeira.

FIGURA 13 Exemplo de apresentao de defeitos

Os grficos de controle c controlam o nmero de defeitos produzidos. Este
grfico se baseia na distribuio de Poisson, por isso duas condies devem
ser atendidas:
A probabilidade de ocorrncia de defeitos deve ser pequena, enquanto
a oportunidade de ocorrncia de defeitos deve ser grande;

As ocorrncias precisam ser independentes.

Os limites de controle deste grfico so baseados em mais ou menos 3

desvios padres, a partir do valor central. Assim, 99,73% dos valores dos
subgrupos caem dentro destes limites.

Dentre os objetivos do grfico de controle c, esto o de determinar o nvel

mdio da qualidade, alertar gerentes para alguma possvel mudana no nvel
da qualidade dos produtos, avaliar o desempenho do pessoal da operao e
superviso, indicar reas nas quais seria interessante a aplicao de grficos
de controle para variveis, dar informaes para a aceitao de lotes.
 37

Os passos para a construo do grfico de controle c so os mesmos

utilizados na construo do grfico de controle p. Caso o nmero de defeitos c0
for desconhecido, necessrio coletar dados suficientes para estim-los. Para
isso, devemos seguir os procedimentos que seguem:

1o) Coletar os dados;

2o) Determinar o nmero mdio de no-conformidades c ; para tal usa-se

a seguinte frmula:
c (5.7)
c=
g
3o) Determinar os limites Inferior e Superior de controle c , usando as
frmulas:

LIC c = c 3 c (5.8a)
LC c = c (5.8b)
LSCc = c + 3 c (5.8c)

4o) Gerar o nmero de no-conformidades em amostras individuais;

5o) Assumir o valor zero se o limite Inferior de controle for negativo;

6o) Traar a linha central em c e os limites de controle.

- Exemplo
Neste estudo de caso, sero analisados 26 subgrupos de uma amostra de 100
placas de circuito impresso.
TABELA 8 Dados da varivel placa de circuito impresso
Nmero de Observaes Nmero de
Subgrupos No-conformes

1 1 21
2 1 24
3 1 16
4 1 12
5 1 15
6 1 5
7 1 28
8 1 20
9 1 31
10 1 25
11 1 20
12 1 24
 38

continuao...
13 1 16
14 1 19
15 1 10
16 1 17
17 1 13
18 1 22
19 1 18
20 1 39
21 1 30
22 1 24
23 1 16
24 1 19
25 1 17
26 1 15
Total 516
- Clculos:
c 516
c= = = 19,85
g 26
LICc = c 3 c = 19,85 -3 19,85 = 6,48
LCc = c = 19,85
LSCc = c + 3 c = 19,85 +3 19,85 = 33,22

33,211

19,846

6,4814

5 10 15 20 25

FIGURA 14 Exemplo de grfico de controle c

 39

Grfico do Nmero de No Conformidades por Unidade (u)

Este grfico mede o nmero de no conformidades, ou defeitos, por

unidade. Pode ser uma alternativa ao grfico c, quando as amostras no tm o
mesmo tamanho. Tambm pode ser usado quando a amostra constituda de
apenas uma unidade, mas que possuem muitos componentes que devem ser
inspecionados, como um motor, por exemplo.

As etapas para construo do grfico u so dadas a seguir.

1) Selecionar k amostras, que podem ter tamanhos diferentes, e registrar

o nmero de defeitos (c) encontrados em cada uma.

2) Para cada uma das k amostras, determinar o nmero de defeitos por

unidade.
cj (5.9)
uj =
nj
onde cj o nmero de defeitos encontrados na j sima amostra.

3) Calcular o nmero mdio de defeitos por unidade:

k

uj=1
j
(5.10)
u=
k
4) Calcular o tamanho mdio das amostras:
k

nj=1
j
(5.11)
n=
k
5) Calcular os limites de controle.

u (5.12a)
LIC u = u 3
n
LM u = u (5.12b)

u (5.12c)
LSC u = u + 3
n
- Exemplo

Este exemplo tem por finalidade detectar os defeitos por unidade na linha
de produo de computadores pessoais.
 40

TABELA 9 Dados da varivel computador pessoal

Nmero de Total de No- Mdia de No-Conformes
Subgrupos Observaes Conformes, Ci por Unidade,
Ui = Ci/N
1 5 10 2,0
2 5 12 2,4
3 5 8 1,6
4 5 14 2,8
5 5 10 2,0
6 5 16 3,2
7 5 11 2,2
8 5 7 1,4
9 5 10 2,0
10 5 15 3,0
11 5 9 1,8
12 5 5 1,0
13 5 7 1,4
14 5 11 2,2
15 5 12 2,4
16 5 6 1,2
17 5 8 1,6
18 5 10 2,0
19 5 7 1,4
20 5 5 1,0
Total 193 38,6
- Clculos:
c 193
u= = = 38,6
n 5

c 38,60
u= = = 1,93
n 20

u 1,93
LSCu = u + 3 = 1,93 + 3 = 3,79
n 5

LC = u = 1,93

u 1,93
LICu = u 3 = 1,93 - 3 = 0,07
n 5
 41

3,7939

1,9300

,06613

2 4 6 8 10 12 14 16 18 20

FIGURA 14 Exemplo de grfico de controle u

QUADRO 2 Resumo das cartas de controle por atributo

Tipo de Carta Valor Central Limites de Controle
Frao defeituosas
p (1 p )
(Carta p) p p3
n
Nmero de Defeituosos
(Carta np) np np 3 np (1 p )
Nmero de Defeitos c3 c
(Carta c) c
Nmero de Defeitos/Unidade
u
(Carta u) u u3
n

- Exerccios

1) Determine o valor central e os limites de controle para uma carta p,

usando os dados da tabela 10. Se existirem pontos fora dos limites, assuma a
presena de causas especiais de variao e revise o valor central e os limites
de controle.
 42

TABELA 10 Nmero de defeitos e nmeros de inspees

Sub-grupo Nmero Nmero de Sub-grupo Nmero Nmero de
Inspecionado Defeitos Inspecionado Defeitos
1 300 3 14 300 6
2 300 6 15 300 7
3 300 4 16 300 4
4 300 6 17 300 5
5 300 20 18 300 7
6 300 2 19 300 5
7 300 6 20 300 0
8 300 7 21 300 2
9 300 3 22 300 3
10 300 0 23 300 6
11 300 6 24 300 1
12 300 9 25 300 8
13 300 5 Total 7500 131
R p = 0,0175 , LSC p = 0,0402 , LIC p = 0,0 (valor negativo)
Subgrupo 5 (fora e controle) pnew = 0,0154, LSC p = 0,0367 , LIC p = 0,0 (valor negativo)

2) Diariamente so inspecionados 50 geradores. A melhor estimativa da

frao defeituosa da populao 0,076. Determine o valor central e os limites
de controle da carta p. Em um certo dia, foram encontrados 5 geradores
defeituosos. O processo estava sob controle neste dia?
R LSC p = 0,188 , LIC p = 0,0 (valor negativo)

3) Os resultados da inspeo diria de um determinado componente

eltrico so mostrados na tabela a seguir. Determine os limites de controle para
cada subgrupo. Assuma que qualquer ponto ora dos limites de controle decorre
da presena de causas especiais de variao, e calcule o valor central revisado
para o prximo perodo de produo.

TABELA 11 Nmero de defeitos e nmeros de inspees

Sub-grupo Nmero Nmero de Sub-grupo Nmero Nmero de
Inspecionado Defeitos Inspecionado Defeitos
1 171 31 15 165 15
2 167 6 16 170 16
3 170 8 17 175 12
4 135 13 18 167 6
5 137 26 19 141 50
6 170 30 20 159 26
7 45 3 21 181 16
8 155 11 22 195 38
9 195 30 23 165 33
10 180 36 24 140 21
 43

continuao...
11 181 38 25 162 18
12 115 38 26 191 22
13 165 3 27 139 16
14 189 26 28 181 27
--- --- --- Total 4506 642
Soluo:

1) Calcular o valor central:

np 642
p= = = 0,1425
n 4506

2) Calcular o limite superior para o maior e o menor tamanho de subgrupo:

p (1 p ) 0,1425(1 0,1425)
n = 195 LSCp = p + 3 = 0,1425 + 3 = 0,2176
n 195

p (1 p ) 0,1425(1 0,1425)
n = 45 LSCp = p + 3 = 0,1425 + 3 = 0,2988
n 45

Todpo subgrupo acima de 0,2988 esta alm do limite superior de controle

e abaixo de 0,2176 est aqum do limite superior de controle. No sero
descartados os subgrupos abaixo do limite inferior. Na tabela abaixo encontra-
se calculado as fraes defeituosas.

TABELA 12 Clculo da frao defeituosa

Sub-grupo Nmero np p Sub-grupo Nmero np p
Inspecionado Inspecionado
1 171 31 0,181 15 165 15 0,097
2 167 6 0,036 16 170 16 0,206
3 170 8 0,047 17 175 12 0,069
4 135 13 0,096 18 167 6 0,036
5 137 26 0,190 19 141 50 0,355
6 170 30 0,176 20 159 26 0,164
7 45 3 0,067 21 181 16 0,088
8 155 11 0,071 22 195 38 0,195
9 195 30 0,154 23 165 33 0,200
10 180 36 0,200 24 140 21 0,150
11 181 38 0,210 25 162 18 0,111
12 115 38 0,287 26 191 22 0,115
13 165 3 0,158 27 139 16 0,115
14 189 26 0,079 28 181 27 0,149
--- --- --- --- Total 4506 642 ---
Subgrupo 19 (fora do limite de controle)

Subgrupo 12 (n =115)
 44

p (1 p ) 0,1425(1 0,1425)
LSCp = p + 3 = 0,1425 + 3 = 0,24 (fora dos limites)
n 115

3) Clculo do valor central revisado, descartando-se os subgrupos 12 e

19.

pnew =
np np d
=
642 33 50
=
559
= 0,132
n n d 4506 115 141 4250
pnew = 0,132
A frao defeituosa po = 0,132 dever ser usada para o prximo perodo
de produo.

4) Os dados a seguir referem-se a uma inspeo de defeitos em cadeiras

de escritrio, no ms de janeiro. Que valor central e limites de controle, da
Carta c, so recomendados para o ms de fevereiro?

TABELA 13 Nmero de defeitos por cadeira

Nmero Nmero de Nmero Nmero de
de srie defeitos (c) de srie defeitos (c)
301 8 314 17
302 19 315 14
303 14 316 9
304 18 317 7
305 11 318 15
306 16 319 22
307 8 320 19
308 15 321 38
309 21 322 12
310 8 323 13
311 23 324 5
312 10 325 2
313 9 326 16
--- --- Total 369
R c = 14,2 , LSC c = 25,5 25 , LIC c = 2,89 3
As cadeias 321 esta fora dos limites de controle e a 325 esto mas excepcionalmente boa.
c new = 13,24 , LSC c = 24,16 24 , LICc = 2,32 2

4) Determine o valor central e os limites de controle revisados para uma

carta u, a partir dos resultados da inspeo de defeitos em rolos de papel
branco.
 45

TABELA 14 Nmero de defeitos

Nmero do Tamanho da Nmero de Nmero do Tamanho da Nmero de
Lote Amostra Defeitos Lote Amostra Defeitos
1 10 45 15 10 48
2 10 51 16 10 35
3 10 36 17 10 39
4 10 48 18 10 29
5 10 42 19 10 37
6 10 5 20 10 33
7 10 33 21 10 15
8 10 27 22 10 33
9 10 31 23 10 27
10 10 22 24 10 23
11 10 25 25 10 25
12 10 35 26 10 41
13 10 32 27 10 37
14 10 43 28 10 28
--- --- --- Total 280 925
R u = 3,3 , LSC u = 5,02 , LIC u = 1,58
A amostra 5 esta fora dos limites de controle.
u new = 3,24 , LSC u = 4,94 , LIC u = 1,53

- Grfico de Controle por Variveis

No acompanhamento de um aspecto quantitativo da qualidade, em geral,

se controla tanto o valor mdio daquele como sua variabilidade, atravs de
grficos separados. O controle do valor mdio do desempenho do processo
feito atravs do grfico de x (grfico x ). A variabilidade do processo
controlada pelo grfico do desvio-padro (grfico s) ou, o que mais comum
pelo grfico da amplitude (grfico R). Deve-se manter sob controle tanto o
desempenho mdio como a variabilidade do processo.
Os grficos de controle por variveis so usados para monitorar o
processo quando a caracterstica de interesse mensurada em uma escala de
intervalo ou de razo. Estes grficos so geralmente utilizados em pares. Os
grficos R e s monitoram a variao de um processo, enquanto os grficos X
monitoram a mdia do processo. O grfico que monitora a variabilidade deve
ser examinado sempre em primeiro lugar, pois, se ele indicar a uma condio
fora do controle, a interpretao do grfico para a mdia ser enganosa.

Os grficos de controle por variveis permitem o controle de uma nica

caracterstica quantitativa a cada vez. Se houver mais de uma caracterstica a
ser controlada, ser necessrio aplicar um grfico de controle para cada uma
 46

delas. Para fins de controle, devem ser escolhidas as variveis que causam
rejeio ou retificao do produto, envolvendo custos substanciais.
Os grficos de controle para atributo no usam toda a informao disponvel
sobre a distribuio dos valores assumidos pelas variveis, portanto tendem a
serem ineficazes no controle de aspectos quantitativos da qualidade. Desta
maneira, percebe-se que procedimentos mais eficientes so necessrios para
o tratamento dessas situaes. J os grficos de controle para variveis
fornecem um maior nmero de informaes a respeito do desempenho do
processo do que os grficos para atributos. Quando se quer analisar um
aspecto quantitativo da qualidade, em geral, controla-se o valor mdio e a
variabilidade por meio de grficos separados.
O grfico da mdia ( X ) utilizado para o controle do valor mdio do
desempenho do processo. O grfico do desvio padro (s) e o mais comum, que
denominado de amplitude (grfico R), so utilizados para o controle da
variabilidade do processo.
Durante o processo de fabricao de um produto ou servio, a qualidade do
mesmo pode estar sujeito a variaes, que podem ser classificadas em dois
tipos, conforme mostram as Figuras 15 e 16.

FIGURA 15 - Grfico de controle X fora de controle

FIGURA 16 - Grfico de controle X sob controle

O formato dos grficos de controle muda de acordo com a natureza dos dados
avaliados. Com isso temos os grficos de variveis para registrar as
caractersticas mensurveis do produto ou servio e os grficos de atributos,
que registram as caractersticas no mensurveis.
- Finalidade das cartas de controle por variveis

O uso da carta de controle por variveis tem a finalidade de fornecer

informaes:
 47

1o) Para a melhoria da qualidade. Utilizar carta de controle unicamente

para comprovar a existncia de um programa de controle de qualidade perda
de tempo. A carta de controle por variveis a mais efetiva tcnica para
alcanar a melhoria da qualidade.

2o) Sobre a capacidade do processo. A verdadeira capacidade do

processo s pode ser alcanada depois que uma significativa melhoria da
qualidade foi obtida. Durante o ciclo de melhoria da qualidade, a carta de
controle indicar quando no mais possvel obter melhoria da qualidade sem
investimento significativo. Nesse momento, a verdadeira capacidade do
processo pode ser obtida.

3o) Para tomada de decises relativas especificao do produto.

Uma vez que a verdadeira capacidade do processo foi obtida, as
especificaes podem ser definidas, Se a capacidade do processo 0,003,
ento uma especificao de 0,004 pode ser, realisticamente, obtida pelo
processo.

4o) Para tomada de decises sobre o processo de produo. A carta

de controle usada para decidir se um padro normal de variao est
ocorrendo e, portanto, o processo est sob controle, ou se um padro instvel
de variao est ocorrendo, e h necessidade de eliminao das causas
especiais de variao.

5o) Para tomada de decises sobre peas recm-produzidas. A carta

de controle tambm pode ser usada para decidir se um ou mais itens podem
ser liberados para o processo seguinte, ou se necessria alguma ao do
tipo inspeo ou reparo.

- Fundamentos estatstico dos grficos de controle

Para entender a fundamentao dos grficos de controle, imagine que a

caracterstica de qualidade de uma pea seja o seu dimetro, e que a mesma
tenha uma distribuio Normal com mdia e desvio-padro , ambos
conhecidos. Na prtica no se conhece os parmetros e . Deve-se estima-
los a partir de uma amostra em um perodo anterior quando o processo est
sob controle. O tamanho de uma amostra para este tipo de estimativa deve ser
de 20 a 25 observaes. E, como a estatstica piv Z, abaixo, tem distribuio
Normal Padro N(0,1)
x (5.12)
z= .
/ n
tem-se que
 48

x
P Z / 2 Z / 2 1
/ n

(5.13)
P x Z / 2 x + Z / 2 = 1 ,
n n
que o intervalo de confiana de nvel 1 - para o parmetro a mdia do
processo. Portanto, pode-se usar os limites do intervalo de confiana como
limites de controle para a mdia,
(5.14a)
LIC = x Z / 2
n
(5.14b)
LSC = x + Z / 2 .
n
Suponha, agora que m amostras aleatrias de tamanho n so disponveis
ou seja tem-se m amostras com n observaes cada uma. A magnitude de n
da ordem de 4, 5 ou 6 observaes. Das m amostras obtm-se as mdias
amostrais:

x 1 ,x 2 ,x 3 ,...,x m
e tambm a mdia amostral global, considerando todas as m observaes
x + x 2 +...+ x m
x= 1
m
Deste modo x o melhor estimador da mdia do processo .

O valor do escore padronizado, em geral, fixado em 3 para se ter os

limites a 3 (trs desvios padro), Z/2 = 3,. Agora, para construir os limites de
controle est faltando apenas a estimativa do desvio-padro . Em controle de
qualidade tradicional estimar-se o desvio-padro usando-se a amplitude
amostral R, ao invs da expresso baseada em s2. claro que o estimador s
tambm pode ser usado. No caso da estimativa com base na amplitude
amostral, se X1, X2, ..., Xn a amostra de tamanho n , ento a amplitude da
amostra, R, dada pela diferena entre o valor mximo e o valor mnimo da
amostra, isto :
R = x ( n ) x (1)
A amplitude da amostra de uma distribuio Normal, R, e o desvio-padro
da distribuio, , tm um relacionamento conhecido:

W = R
Esta varivel aleatria W chamada amplitude relativa e a mdia da
distribuio de W representada por d2. Assim, um estimador do desvio-
padro dado por:
 49

R
=
d2
o valor de d2 funo do tamanho da amostra n. Agora, tomando-se as m
amostras de tamanho n, disponveis, obtm-se a amplitude amostral mdia R ,
R 1 + R 2 + ... + R m
R=
m
e uma boa estimativa de :
R
=
d2
Mas, por qual razo se usa o estimador de , dado acima quando se
dispe de estatstica mais eficiente (s)? A resposta a simplicidade de clculo
e tambm porque a eficincia de = R / d 2 praticamente a mesma de s
quando o tamanho da amostra baixo (n < 10). Finalmente, com as
estimativas de todos os parmetros tem-se os limites de controle:
3R
LIC = x
d2 n
3R
LSC = x +
d2 n

A quantidade A 2 = 3 /(d 2 n ) uma constante que depende apenas do

tamanho da amostra n, logo pode tambm ser tabelado como d2 resultando
para os limites a forma:

LIC = x A 2 R
LSC = x + A 2 R
Os valores de A2 , d2, ... por serem constantes que vo depender do
tamanho da amostra (n), encontram-se tabelados nos Anexos A e B;
 50

- Grfico xeR
Este tipo grfico usado para controlar e analisar um processo com
valores contnuos de qualidade do produto, como o comprimento, o peso ou a
concentrao. Tais valores fornecem maior quantidade de informaes sobre o
processo.

O uso dos grficos de controle X e R, deve ocorrer sempre que uma

caracterstica da qualidade observada expressa em unidades reais como
peso em quilogramas, comprimento em centmetros, temperatura em graus
Celsius.

So descritos a seguir os passos para a construo dos grficos de

controle da mdia ( X ) e da amplitude (R).

1o) Determinar a caracterstica da qualidade a ser controlada. A varivel

escolhida deve ser uma caracterstica mensurvel da qualidade, ou melhor,
deve ter a possibilidade de ser expressa em nmeros. Deve-se priorizar
aquelas caractersticas da qualidade que afetam o desempenho do produto.

2o)Definir o mtodo de amostragem e o tamanho da amostra atravs de

um dos mtodos especificados na seqncia:

- Mtodo Instantneo: retira-se a amostra correspondente ao subgrupo

da produo, de forma simultnea ou consecutiva;
- Mtodo Peridico: retira-se aleatoriamente a amostra que corresponde
ao subgrupo da produo, realizada durante um determinado perodo, de
maneira que ela seja representativa de toda a produo neste perodo.

Ainda com relao amostragem os subgrupos devem ser retirados de

lotes homogneos, compostos por itens produzidos pela mesma mquina,
operador e matriz.

A escolha do subgrupo depende da finalidade do grfico de controle.

Conforme Shewhart o objetivo principal no somente detectar o problema,
mas tambm descobri-lo. E tal descoberta naturalmente envolve classificao.
O profissional que obtiver sucesso na diviso inicial desses dados em
subgrupos racionais, baseados em hipteses racionais, estar dessa forma em
melhor situao no trabalho do que aquele que no tiver obtido esse sucesso.

No h uma regra definida quanto ao tamanho do subgrupo, o qual

depender do volume de produo, do custo da inspeo e da importncia da
informao obtida. Normalmente, preferem-se amostras com tamanho entre
 51

quatro e cinco itens e subgrupos que variam de 20 a 25, pois fornecem uma
boa estimativa sobre a disperso do processo.

3o)Coletar os dados, utilizando para isso um formulrio, no qual os dados

so geralmente registrados em colunas. No aplicativo, CEP on-line os
mesmos so registrados seqencialmente, lado a lado.

4o) Estabelecer o valor central e os limites de controle, que so obtidos

usando-se as frmulas.
g g

Xi R i

X= i =1
e R= i =1
(5.15)
g g
onde:
X = mdia das mdias dos subgrupos;
X i = mdia do i-simo subgrupo;
g = nmero de subgrupos;
R = mdia dos ranges dos subgrupos;
R i = range do i-simo subgrupo.
Os limites de controle para os grficos X e R so estabelecidos de
acordo com os desvios padres desejados, atravs das frmulas abaixo.

LSC X = X + A 3 s (5.16a)

LC X = X (5.16b)

LIC X = X A 3 s . (5.16c)

LSC R = R + 3 R (5.17a)
LCR = R (5.17b)
LIC R = R 3 R . (5.17c)
onde:
LSC = limite superior de controle;
LIC = limite inferior de controle;
LC = limite central;
X = desvio padro das mdias dos subgrupos;

R = desvio padro das amplitudes dos subgrupos.

Na prtica, os clculos dos limites so simplificados pela utilizao dos
fatores A2, D3 e D4, para encontrar os limites de controle. Estes fatores variam
 52

de acordo com o tamanho do subgrupo e so encontrados na tabela do Anexo

A.

LSC X = X + A 2 R (5.18a)

LC X = X (5.18b)

LIC X = X A 2 R . (5.18c)

LSC R = D 4 R (5.18a)
LCR = R (5.18b)
LIC R = D 3 R . (5.18c)
5o) Interpretar os grficos
Se o processo estiver sob controle estatstico, adota-se o grfico de
controle para monitorar as observaes atuais e futuras; caso contrrio,
conduzem-se aes de melhoria at que seja atingido o nvel de qualidade
desejado ao processo, em que os limites de controle so recalculados, e os
pontos que ultrapassarem tais limites, descartados.
- Exemplo

Utilize os grficos X -R para analisar o comportamento da temperatura do

forno do atomizador. Foram coletadas 120 amostras, sendo que destas
resultaram 30 subgrupos com 4 observaes.
TABELA 15 Dados da temperatura do forno do atomizador

Nmero Observaes Mdia Amplitude

do Subgrupo x1 X2 x3 x4 X R
1 951 923 934 936 936 28
2 954 949 936 947 947 18
3 951 937 943 936 942 15
4 921 933 951 936 935 30
5 946 939 956 928 942 28
6 925 932 944 936 934 19
7 922 937 952 943 939 30
8 947 932 932 923 934 24
9 941 930 926 938 934 15
10 921 918 945 926 928 27
11 913 923 942 944 931 31
12 951 942 954 935 946 19
13 921 929 939 945 934 24
14 944 921 950 921 934 29
15 925 923 920 951 930 31
16 940 938 960 918 939 42
 53

continuao...
17 940 938 929 947 939 18
18 936 942 927 931 934 15
19 944 936 953 932 941 21
20 942 958 948 950 950 16
21 954 940 933 912 935 42
22 910 938 945 936 932 35
23 941 952 947 922 941 30
24 948 953 948 950 950 5
25 956 939 952 946 948 17
26 945 951 946 926 942 25
27 930 918 921 926 924 12
28 946 915 926 946 933 31
29 947 925 936 947 939 22
30 934 925 937 950 937 25
Total 8125 724
- Clculos
g

X i
28125
X= i =1
= = 937,48
g 30

R i
724
R= i =1
= = 24,13
g 30

A2 = 0,729, D3 = 0 e D4 = 2,282 (Anexo A)

LSC x = X + A 2 R = 937,48 + (0,729) ( 24,13) = 955,07

LC x = X = 937,48

LIC x = X A 2 R = 937,48 - (0,729) (24,13) = 919,90

LSCR = D 4 R = (2,282) (24,13) = 55,074

LCR = R = 24,133

LICR = D 3 R = 0 ( 24,13) = 0
 54

X-bar

955,07

937,48

919,90

5 10 15 20 25 30

55,074

24,133

0,0000

5 10 15 20 25 30

FIGURA 17 Grficos de controle x e R

- Grfico X s

Embora os grficos de controle X - R sejam os mais utilizados, algumas

empresas preferem usar o grfico do desvio padro grfico (s) para controlar a
disperso do processo de produo. Comparando-se os grficos R e s, verifica-
se que o grfico R mais fcil de ser construdo e aplicado, enquanto que o
grfico s mais preciso, visto que no clculo do desvio padro, so usados
todos os dados dos subgrupos, e no apenas o maior e o menor valor, os quais
so usados no clculo da amplitude. No caso de o tamanho do subgrupo ser
menor ou igual a 10, as cartas R e s apresentam o mesmo aspecto grfico,
contudo, a medida que o tamanho do subgrupo aumenta, o grfico s torna-se
mais preciso que o R, e por isso, deve ser utilizado.
A construo dos grficos de controle X e s semelhante construo
dos grficos X e R, conforme visto anteriormente, diferenciando-se apenas
nas frmulas utilizadas para calcular o valor central e os limites de controle.

As etapas para a construo dos grficos de controle X e s so:

1o) Escolher a caracterstica de qualidade a ser controlada;

2o) Definir o tamanho da amostra e o mtodo de amostragem;

 55

3o) Coletar os dados;

4o) Calcular o desvio padro de cada subgrupo, usando a frmula:

(X i X) 2
s= i =1
(5.19)
n 1
onde:

n= tamanho do subgrupo.

5o) Calcular o valor central atravs das frmulas,

g

s i
s= i =1
(5.20)
g
g

X i

X= i =1
(5.21)
g
onde:

g = tamanho da amostra.

6o) Calcular os limites de controle usando as frmulas:

LSC X = X + A 3 s (5.22a)

LC X = X (5.22b)

LIC X = X A 3 s . (5.22c)

LSC s = B 4 s (5.22a)
LSC s = s (5.22b)
LICs = B 3 s . (5.22c)
onde:

si = desvio padro do i-simo subgrupo;

s = mdia dos desvios padres dos subgrupos;

A3, B3, B4 = fatores retirados da Tabela do Anexo A, para clculo dos limites de
controle.

7o) Construir limites de controle e grafar os valores dos subgrupos.

 56

- Exemplo

Utilize os grficos X - s para analisar o comportamento da temperatura do

atomizador. Foram coletadas 120 amostras, sendo que destas resultaram 30
subgrupos com 4 observaes.
TABELA 16 Dados da temperatura do atomizador

Nmero Observaes Mdia Desvio Padro

do Subgrupo x1 X2 x3 x4 X s
1 563 540 542 530 544 13,865
2 543 540 546 550 545 4,272
3 549 550 545 540 546 4,546
4 546 580 593 572 573 19,822
5 590 588 594 597 592 4,031
6 582 584 540 572 570 20,355
7 568 572 580 570 573 5,260
8 559 561 653 640 603 50,229
9 653 565 560 573 588 43,828
10 546 531 558 551 547 11,446
11 557 552 558 560 557 3,403
12 564 566 572 577 570 5,909
13 571 567 540 531 552 19,755
14 548 546 554 551 550 3,500
15 560 563 570 576 567 7,182
16 590 578 586 590 586 5,657
17 596 579 572 575 581 10,724
18 574 569 580 576 575 4,573
19 580 580 593 568 580 10,210
20 562 537 566 567 558 14,166
21 567 560 571 570 567 4,967
22 560 558 562 588 567 14,095
23 580 592 586 598 589 7,746
24 598 592 585 591 592 5,323
25 578 586 598 597 590 9,535
26 594 584 591 583 588 5,354
27 601 590 610 606 602 8,655
28 614 594 590 600 600 10,504
29 610 597 594 609 603 8,185
30 602 604 608 580 599 12,583
Total 17249 349,681
g

s i
349,681
s= i =1
= = 11,66
g 30

X i
17249
X= i =1
= = 574,96
g 30

A3 = 1,628, B3 = 0 e B4 = 2,266 (Anexo A)

 57

LSC x = X + A 3 s = 574,96 + (1,628)(11,66) = 593,94

LC x = X = 574,96

LIC x = X A 3 s = 574,96 (1,628)(11,66) = 555,97

LSC s = B 4 s = (2,266)(11,66) = 26,413

LC s = s = 11,656

LICs = B 3 s = (0)(11,66) = 0

X-bar

593,94

574,96

555,98

5 10 15 20 25 30

26,413

11,656

0,0000

5 10 15 20 25 30

FIGURA 18 Grficos de controle x e s

- Grfico x individual
O grfico de controle para medidas individuais pode ser interpretado como
um grfico de controle X comum. O grfico de controle para medidas
individuais bastante insensvel a pequenas mudanas na mdia do processo
e deve ser aplicado em situaes no qual o tamanho usado para controle de
processo n = 1, ou melhor, nos casos em que a inspeo automtica e a
tecnologia de medida so usadas, sendo cada unidade fabricada analisada, ou
 58

quando a taxa de produo muito lenta, no sendo conveniente acumular

amostras de tamanho maior que um antes de serem analisadas. Em situaes
como essas, que o grfico de controle para medidas individuais torna-se til.

Na construo do grfico de controle para medidas individuais X , so

efetuados os clculos:

1o) Clculo das estatsticas bsicas

X
X= (2.23)
K

Rm
Rm = K 1 (2.24)
2o) Clculo dos limites de controle do X
LSC x = X E 2 .R m (5.25a)
LC x = X (5.25b)
LSC x = X + E 2 .R m (5.25c)

com:
3
E2 = .
d2
3o) Clculo dos limites de controle do Rm

LSC Rm = D 4 .R m (5.26a)
LMRm = R m (5.26b)

LIC Rm = D 3 .R m (5.26c)

onde:

R m = amplitude mvel;
E2 = fator para clculo dos limites de controle (Anexo B);

D3 , D4 = constantes tabeladas no (Anexo B);

d2 = fator de correo, (Anexo A).

4o) Visualizao do grfico.

Vale ressaltar que a interpretao deste grfico no se d apenas pela

anlise dos pontos fora dos limites de controle, mas tambm pela anlise de
seqncia de pontos, conforme apresentado no Quadro 3.

- Interpretao dos grficos da mdia X

 59

A anlise dos grficos de controle possibilita a identificao se o processo

est ou no sob controle, o que significa a ausncia de causas especiais de
variao. Quando um processo est controlado ocorre um padro normal de
variao, pois os pontos distribuem-se aleatoriamente em torno da mdia,
indicando a ausncia de tendncias crescentes ou decrescentes, ciclos,
estratificaes ou misturas e pontos que ultrapassaram os limites de controle.

H uma regra bsica para verificar se o processo se encontra estvel:

basta dividir o intervalo entre os limites superior e inferior de controle em seis
faixas, ou seja, cerca de 34% dos pontos devem estar em cada faixa C, 13,5%
dos pontos em cada faixa B e 2,5% dos pontos em cada faixa A, conforme
mostra a Figura 03, com algumas adaptaes.

FIGURA 19 - Zonas de distribuio dos pontos num padro normal de variao

Um processo tambm pode ser considerado fora de controle, quando

todos os pontos estiverem dentro dos limites de controle. Isto ocorre quando h
um padro de variao anormal no processo. No Quadro 3, apresenta-se
alguns casos de grficos, nos quais o processo est fora de controle.

QUADRO 3 Casos de padres anormais de um processo

1 Caso:
Um ponto alm da zona A, isto , acima do limite
superior de controle ou abaixo do limite inferior
de controle.
 60

continuao...

2 Caso:
Nove pontos sucessivos de um mesmo lado do
valor central, ou seja, todos acima ou abaixo da
linha mdia.

3 Caso:
Seis pontos sucessivos aumentando ou
diminuindo constantemente.

4 Caso:
Quatorze pontos sucessivos alternando-se para
cima e para baixo.

5 Caso:
Dois em trs pontos sucessivos na mesma zona
A ou alm dela.

6 Caso:
Quatro em cinco pontos sucessivos, situados na
zona A ou B ou alm dela, de um mesmo lado
do grfico.

7 Caso:
Quinze pontos sucessivos situados na zona C,
acima ou abaixo da linha central.

8 Caso:
Oito pontos sucessivos de ambos os lados da
linha central fora da zona C.

- Exemplo
Para verificar a estabilidade e a variabilidade da umidade da barbotina,
usou-se o grfico de controle X individual, devido amostra desta varivel ser
unitria, ou seja, n = 1. Para isso, foram seguidos alguns passos:
 61

TABELA 17 Dados da varivel umidade da barbotina

Nmero Umidade % Amplitude Nmero Umidade % Amplitude

de Mvel de Subgrupos Mvel
Subgrupos Rm Rm
1 6,1 - 61 6,1 0,4
2 6 0,1 62 6,4 0,3
3 6 0 63 6,2 0,2
4 6,5 0,5 64 6,3 0,1
5 6,3 0,2 65 6 0,3
6 6,4 0,1 66 6,2 0,2
7 5,8 0,6 67 6,4 0,2
8 6,1 0,3 68 6,2 0,2
9 6 0,1 69 6,3 0,1
10 6,3 0,3 70 6,4 0,1
11 5,9 0,4 71 6 0,4
12 6,2 0,3 72 6,3 0,3
13 6,4 0,2 73 6,4 0,1
14 6,5 0,1 74 6,3 0,1
15 6 0,5 75 6,5 0,2
16 6,6 0,6 76 6 0,5
17 6,2 0,4 77 6,6 0,6
18 6,4 0,2 78 6,1 0,5
19 6,3 0,1 79 6 0,1
20 5,9 0,4 80 6,4 0,4
21 6,3 0,4 81 6,5 0,1
22 6,4 0,1 82 6,3 0,2
23 6,5 0,1 83 6 0,3
24 6,1 0,4 84 6,5 0,5
25 6,3 0,2 85 6,1 0,4
26 6,2 0,1 86 6,4 0,3
27 5,8 0,4 87 6,2 0,2
28 6 0,2 88 6,1 0,1
29 6,5 0,5 89 6,5 0,4
30 6,3 0,2 90 6,2 0,3
31 6,6 0,3 91 6,4 0,2
32 6,4 0,2 92 6,2 0,2
33 6,1 0,3 93 6,3 0,1
34 6,3 0,2 94 6,4 0,1
35 6,5 0,2 95 6,5 0,1
36 6,2 0,3 96 6,2 0,3
37 6,4 0,2 97 6,5 0,3
38 6,1 0,3 98 6,4 0,1
39 6,3 0,2 99 6,2 0,2
40 6 0,3 100 6,4 0,2
41 6,2 0,2 101 6,3 0,1
42 6,5 0,3 102 6 0,3
43 6,3 0,2 103 6,2 0,2
44 6,4 0,1 104 6,4 0,2
45 6,2 0,2 105 5,8 0,6
46 6,5 0,3 106 6,5 0,7
47 6,3 0,2 107 6,1 0,4
48 6,4 0,1 108 6,3 0,2
49 6,1 0,3 109 6,4 0,1
50 6 0,1 110 6,3 0,1
 62

continuao...
51 6,4 0,4 111 6,5 0,2
52 6,6 0,2 112 6,7 0,2
53 6 0,6 113 6,4 0,3
54 6,4 0,4 114 6,3 0,1
55 6,4 0 115 6,5 0,2
56 6,5 0,1 116 6,1 0,4
57 6,2 0,3 117 6,5 0,4
58 6,6 0,4 118 6,1 0,4
59 6,4 0,2 119 5,9 0,2
60 6,5 0,1 120 6,5 0,6
Total 753,3 31,0
- Clculos
X 753,3
X = = = 6,28
K 120
Rm 31
Rm = K 1 = 120 1 = 0,26
D4 = 3,267 e D3 = 0 (Anexo B).
LSC Rm = D4 . R m = 3,267. 0,26 = 0,85095
LM Rm = R m =0,2605
LICRm = D3 . R m = 0 . 0,26 = 0
3
E2 = = 2,660
d2
E2 = 2,660 foi retirado da tabela do Anexo B.
LSC x = X + E2 . Rm = 6,28 + 2,660. 0,26 = 6,9701

LC x = X = 6,2775

LIC x = X - E2 . R m= 6,28 - 2,660. 0,26 = 5,5849

 63

X-bar

6,9701

6,2775

5,5849

20 40 60 80 100 120

,85095

,26050

0,0000

20 40 60 80 100 120

FIGURA 19 Exemplo de grfico de controle X individual

QUADRO 4 Resumo das cartas de controle por variveis

Tipo de Carta Valor Central Limites de Controle
Inferior Superior
Carta X
conhecido X X A 2 X A 2
estimado por R X X A2R X A2R
estimado por s X X + A3s X + A3s
Carta R
conhecido R = d 2 D1 D 2
estimado por R R D3R D4R
Carta s
conhecido s = c4 B5 B6
estimado por s s B3 s B4 s

- Exerccios

1) Os dados a seguir referem-se a medidas em milmetros de uma pea,

coletados de subgrupos de tamanho 6. Determine o valor central e os limites de
controle e revise-os, se necessrio, assumindo a existncia de causas
especiais de variao no processo.
 64

TABELA 18 Valores mdios e as amplitudes das amostras

Nmero do Nmero do
Sub-grupo X R Sub-grupo X R
1 20,35 0,34 14 20,41 0,36
2 20,40 0,36 15 20,45 0,34
3 20,36 0,32 16 30,34 0,36
4 20,65 0,36 17 20,36 0,37
5 20,20 0,36 18 20,42 0,73
6 20,40 0,35 19 20,50 0,38
7 20,43 0,31 20 20,31 0,35
8 20,37 0,34 21 20,39 0,38
9 20,48 0,30 22 20,39 0,33
10 20,42 0,37 23 20,40 0,32
11 20,39 0,29 24 20,41 0,34
12 20,38 0,30 25 20,40 0,30
13 20,40 0,33 Total 510,01 8,89
R x = 20,40 , LSC x = 20,57 , LIC x = 20,23
R = 0,36 , LSC R = 0,72 , LIC R = 0,0
Descarta-se os subgrupos 4 e 5. Descarta-se o subgrupo 18.
R new
x new = 20,40 R new = 0,34 e o = = 0,134
d2
2) Refaa o problema anterior supondo o tamanho do subgrupo igual a 3.
Analise o que aconteceu com os subgrupos em relao aos limites de controle,

3) Os dados a seguir foram produzidos a partir da produo de

fertilizantes, e referem-se concentrao (% em peso) de cloreto de amnia,
cuja especificao de 50 1%. Calcule os limites de controle para a carta de
valores individuais e a carta da amplitude (Rm). Verifique se o processo est
sob controle e se as bateladas produzidas atendem totalmente s
especificaes.

TABELA 19 Valores mdios e as amplitudes das amostras

Batelada Concentrao Nmero do
% Rm Sub-grupo X Rm
1 49,4 --- 16 50,8 1,2
2 50,1 0,7 17 49,1 1,7
3 49,4 0,7 18 49,6 0,5
4 49,5 0,1 19 50,5 0,9
5 50,1 0,6 20 49,1 1,4
6 50,3 0,2 21 50,2 1,1
7 49,4 0,9 22 50,2 0
8 49,2 0,2 23 50,6 0,4
9 50,7 1,5 24 48,4 2,2
10 50,6 0,1 25 49,3 0,9
11 49,6 0,5 26 50,4 1,1
 65

continuao...
12 49,5 0,6 27 49,1 1,3
13 50,5 1 28 49,2 0,1
14 50,1 0,4 29 49,9 0,7
15 49,6 0,5 30 49,3 0,6
--- --- -- Total 1494,2 22,1
R x = 49,81 , LSC x = 51,83 , LIC x = 47,79
R m = 0,76 , LSC Rm = 2,48 , LIC Rm = 0,0
A batelada 24 no atende s especificaes do produto.

- Capacidade do processo

A verdadeira capacidade do processo s deve ser determinada aps o

mesmo ter sido otimizado e estabilizado. A capacidade do processo a sua
prpria variabilidade, depois que este foi otimizado e esta sob controle.

Os limites 3 so conhecidos como limites naturais de tolerncia.

LNST = + 3 (limite natural superior de tolerncia)

LNIS = - 3 (limite natural inferior de tolerncia)

O limite de 6 sobre a distribuio de uma caracterstica de qualidade do

produto vem a ser a capacidade do produto, onde o desvio padro do
processo otimizado e estvel (sob controle).

Capacidade do produto = 6

Como o valor de , em geral, desconhecido, para obter a capacidade do

processo usa-se um estimador
R
= ,
d2
onde d2 um valor que depende do tamanho da amostra (n 10) e em
decorrncia, encontra-se tabela (Anexo B).

Se n > 10 e foi feito o grfico de controle x s , o estimador de :

=
(x x) 2

.
n 1
No existe uma relao matemtica ou estatstica entre limite de controle
e limite de especificao. Os limites de controle so definidos em funo da
variabilidade do processo e medido pelo desvio padro. Os limites de
especificao so estabelecidos no projeto pelos engenheiros, pela
administrao ou pelo cliente.

A melhor forma de se verificar a adequao de um processo s

necessidade da engenharia de produto atravs do estudo de capacidade do
 66

processo ou da relao entre a capacidade do processo e a diferena entre os

limites de especificao (tolerncia do produto). Esta relao conhecida como
ndice de capacidade (Cp).
LSE LIE
Cp =
6
onde:

LSE = limite superior de especificao;

LIS = limite inferior de especificao;

6 = capacidade do processo.

A anlise do ndice de capacidade muito til na tomada de decises

sobre a adequao do processo s especificaes. Uma regra prtica para
esta anlise descrita a seguir:

- Processo Vermelho: (Cp < 1), a capacidade do processo inadequada

tolerncia exigida. Nesta situao,o ideal realizar o trabalho com outro
processo mais adequado s especificaes. No sendo possvel mudar o
processo, deve-se tentar diminuir a sua variabilidade. Por ltimo, resta a
possibilidade de se alterar as especificaes do produto.

- Processo amarelo: (1 Cp 1,33), a capacidade do processo est em

torno da diferena entre as especificaes. O tratamento deve ser semelhante
quele dado ao processo vermelho. Neste caso, cartas de controle so muito
teis para manter o processo sob controle e evitar a produo de itens fora das
especificaes.

- Processo Verde: (Cp > 1,33), a capacidade do processo adequada

tolerncia exigida. Se a capacidade do processo est entre 3/4 e 2/3 da
tolerncia, aconselhvel coletar amostras peridicas para acompanhamento
do processo. Se a capacidade do processo menor que metade da tolerncia,
no preciso tomais maiores cuidados como o proceso, pode-se dizer que o
mesmo excelente ou altamente confivel.

Na prtica, nem sempre o processo esta centrado na mdia, ou seja,

pode-se chegar a concluses erradas quanto a capacidade do processo. Se o
processo no se encontrar centrado na mdia, Kane (1986) props a utilizao
do ndice de Performance (Cpk):
X LIE X LSE
C pk = min ,
3 3
 67

BIBLIOGRAFIA

GUEDES, T.A. Melhoria contnua da qualidade. In: II Semana da estatstica.

Maring. 62 p.

JURAN, J.M. A qualidade desde o projeto. So Paulo: Thomson Learning.

551 p.

PIERRET, V.B.H. Desenvolvimento de um aplicativo do Controle

estatstico de Processo on-line por meio de grfico de controle.
Dissertao de Mestrado do Programa de Ps-graduao em Engenharia de
Produo. Santa Maria: UFSM, 2004.

SIQUEIRA, L.G.P. Controle estatstico do processo, So Paulo: Pioneira,

1997. 129 p.

VIEIRA, S. Estatstica para a qualidade. Rio e Janeiro: Campus. 1999. 198 p.

 68
ANEXO A - Fatores para o clculo dos limites de controle (3) para os grficos: X , R e s

Grfico para a Mdia Grfico para o Desvio Padro Grfico para a Amplitude
Fatores para os Limites Fatores para a Fatores para os Limites de Fatores para a
n Fatores para os Limites de Controle
de Controle Linha Central Controle Linha Central
1 1
A A2 A3 c4 c4 B3 B4 B5 B6 d2 d2 d3 D1 D2 D3 D4
2 2,121 1,880 2,659 0,7979 1,2533 0 3,627 0 2,606 1,128 0,8865 0,953 0 3,686 0 3,267
3 1,732 1,023 1,954 0,8862 1,1284 0 2,568 0 2,276 1,693 0,5907 0,888 0 4,358 0 2,575
4 1,500 0,729 1,628 0,9213 1,0854 0 2,266 0 2,088 2,059 0,4857 0,880 0 4,698 0 2,282
5 1,342 0,577 1,427 0,9400 1,0638 0 2,089 0 1,964 2,326 0,4299 0,864 0 4,918 0 2,115

6 1,225 0,483 1,287 0,9515 1,0510 0,030 1,970 0,029 1,874 2,534 0,3946 0,848 0 5,078 0 2,004
7 1,134 0,419 1,182 0,9594 1,0423 0,118 1,882 0,113 1,806 2,704 0,3698 0,833 0,204 5,204 0,076 1,924
8 1,061 0,373 1,099 0,9650 1,0363 0,185 1,815 0,179 1,751 2,847 0,3512 0,820 0,388 5,306 0,136 1,864
9 1,000 0,337 1,032 0,9693 1,0317 0,239 1,761 0,232 1,707 2,970 0,3367 0,808 0,547 5,393 0,184 1,816
10 0,949 0,308 0,975 0,9727 1,0281 0,284 1,716 0,276 1,669 3,078 0,3249 0,797 0,687 5,469 0,223 1,777

11 0,905 0,285 0,927 0,9754 1,0252 0,321 1,679 0,313 1,637 3,173 0,3152 0,787 0,811 5,535 0,256 1,744
12 0,866 0,266 0,886 0,9776 1,0229 0,354 1,646 0,346 1,610 3,258 0,3069 0,778 0,922 5,594 0,283 1,717
13 0,832 0,249 0,850 0,9794 1,0210 0,382 1,618 0,374 1,585 3,336 0,2998 0,770 1,025 5,647 0,307 1,693
14 0,802 0,235 0,817 0,9810 1,0194 0,406 1,594 0,399 1,563 3,407 0,2935 0,763 1,118 5,696 0,328 1,672
15 0,775 0,223 0,789 0,9823 1,0180 0,428 1,572 0,421 1,544 3,472 0,2880 0,756 1,203 5,741 0,347 1,653

16 0,750 0,212 0,763 0,9835 1,0168 0,448 1,552 0,440 1,526 3,532 0,2831 0,750 1,282 5,782 0,363 1,637
17 0,728 0,203 0,739 0,9845 1,0157 0,466 1,534 0,458 1,511 3,588 0,2787 0,744 1,356 5,820 0,378 1,622
18 0,707 0,194 0,718 0,9854 1,0148 0,482 1,518 0,475 1,496 3,640 0,2747 0,739 1,424 5,856 0,391 1,608
19 0,688 0,187 0,698 0,9862 1,0140 0,497 1,503 0,490 1,483 3,689 0,2711 0,734 1,487 5,891 0,403 1,597
20 0,671 0,180 0,680 0,9869 1,0133 0,510 1,490 0,504 1,470 3,735 0,2677 0,729 1,549 5,921 0,415 1,585

21 0,655 0,173 0,663 0,9876 1,0126 0,523 1,477 0,516 1,459 3,778 0,2647 0,724 1,605 5,951 0,425 1,575
22 0,640 0,167 0,647 0,9882 1,0119 0,534 1,466 0,528 1,448 3,819 0,2618 0,720 1,659 5,979 0,434 1,566
23 0,626 0,162 0,633 0,9887 1,0114 0,545 1,455 0,539 1,438 3,858 0,2592 0,716 1,710 6,006 0,443 1,557
24 0,612 0,157 0,619 0,9892 1,0109 0,555 1,445 0,549 1,429 3,895 0,2567 0,712 1,759 6,031 0,451 1,548
25 0,600 0,153 0,606 0,9896 1,0105 0,565 1,435 0559 1,420 3,931 0,2544 0,708 1,806 6,056 0,459 1,541

Para n > 25
3 3 4(n 1) 3 3 3 3
A= , A3 = , c4 , B3 = 1 , B4 = 1 + , B5 = c 4 , B6 = c 4 +
n c4 n 4n 3 c 4 2(n 1) c 4 2(n 1) 2(n 1) 2(n 1)
 69

ANEXO B - Valores das constantes para o clculo dos limites de controle

Tamanho da amostra n
2 3 4 5 6 7 8 9 10
A2 1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308
d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078
d3 0,853 0,888 0,880 0,864 0,848 0,833 0,820 0,808 0,797
E2 2,660 1,772 1,457 1,290 1,184 1,109 1,054 1,010 0,975
D3 0 0 0 0 0 0,076 0,136 0,184 0,223
D4 3,267 2,575 2,282 2,115 2,004 1,924 1,864 1,816 1,777