GO II 2quali - PDCA, MASP e Ferramentas Da Qualidade (GO II-Grad-Mackenzie) PDF

GESTÃO DE OPERAÇÕES II
Ciclo PDCA
Ana Laura Wiethaus Bigaton

alwb@hotmail.com
Gestão de operações II (GO II)Logística – Log apres

– Ciclo PDCA, MASP e Ferramentas da qualidade
Introdução
A melhoria de desempenho de produtos e processos pode ser obtida a
partir de duas abordagens, complementares, porém diferentes: melhoria
contínua e melhoria radical
•A melhoria contínua é referida como kaizen, que é uma abordagem
evolucionária, e que se preocupa com os processos de correção
•A melhoria radical é uma abordagem revolucionária, e que se preocupa
com a total reinvenção dos processos
Melhoria contínua: Melhoria radical:
mudança contínua mudança radical
Processo existente pouca mudança redesenho
Melhoria esperada modesta substancial
Benefícios pretendidos longo prazo curto prazo
Mudança orientada por funcionários alta administração
Esforço/tempo da alta administração pequeno substancial
Risco do negócio pequeno alto
Gasto de capital pequeno substancial
Uso de tecnologia da informação pequeno significativo

1
Ciclo PDCA
Essa iteratividade típica da melhoria contínua torna o processo sistemático
O método mais genérico de processo de melhoria contínua é o ciclo
PDCA, cujas quatro etapas são: planejamento (Plan); execução (Do);
verificação (Check); e ação corretiva (Act)
A P
Definir as
metas
Atuar
corretivamente
Definir os
métodos
Educar e
Verificar os treinar
resultados
da tarefa Executar
executada a tarefa
C D

Referência utilizada
CARPINETTI, Luiz Cesar Ribeiro. Gestão da

qualidade: conceitos e técnicas. São Paulo: Atlas,
2010. Capítulo 2.

2
Método de Análise e Solução de

Problemas (MASP)
alwb@hotmail.com

MASP = QC-Story
Uma versão mais detalhada do método PDCA é o Método de Análise e
Solução de Problemas (MASP), também conhecido como Quality Control
Story (QC-Story), e cujas fases são:
•Plan:
1) Identificação do problema: procura-se identificar os problemas mais críticos e,
portanto, mais prioritários
2) Observação: faz-se a caracterização completa do problema para aumentar a chance
de se identificarem as causas do problema
3) Análise: busca-se levantar as causas raízes ou fundamentais do problema em
questão
4) Concepção do plano de ação: elabora-se e detalha-se um plano de ação para a
eliminação ou minimização dos efeitos indesejáveis das causas fundamentais
identificadas
•Do:
5) Ação (“bloqueamento” das causas): implanta-se o plano de ação, ou seja,
bloqueia-se as causas fundamentais do problema
3
MASP = QC-Story
Uma versão mais detalhada do método PDCA é o Método de Análise e
Solução de Problemas (MASP), também conhecido como Quality Control
Story (QC-Story), e cujas fases são:
•Check:
6) Verificação: avalia-se os resultados para verificar se a ação foi eficaz na
eliminação ou minimização do problema
Caso o resultado não tenha sido satisfatório, o processo é reiniciado pela observação
(fase 2) e análise do problema (fase 3)
Caso o resultado tenha sido satisfatório segue-se para a próxima etapa
•Act:
7) Padronização: introduz-se as ações implantadas na rotina de operação do processo
ou atividade, de forma a prevenir o reaparecimento do problema
8) Conclusão: finaliza-se o processo com o registro de todas as ações empreendidas e
resultados obtidos, para posterior recuperação de informações e histórico

MASP = QC-Story
Método de Análise e Solução de Problemas (MASP), também conhecido
como Quality Control Story (QC-Story)

4

qualidade: conceitos e técnicas. São Paulo: Atlas, 2010.
Capítulo 2.

Ferramentas da qualidade

alwb@hotmail.com

5
Introdução
Para auxiliar o desenvolvimento do processo de melhoria contínua de
produtos e processos foram criadas as “sete ferramentas da qualidade” –
estratificação, análise de Pareto, diagrama de causa e efeito, diagrama de
correlação/dispersão, histograma, gráficos de controle e folha de verificação
•A utilização da maior parte das ferramentas da qualidade é feita por meio de

levantamento de ideias e opiniões em um trabalho de equipe conhecido como
brainstorming
Finalidade Ferramenta
Estratificação
Gráfico de Pareto
Identificação e priorização de problemas Histograma
Gráficos de controle
Folha de verificação
Estratificação
Análise e busca de causas-raízes Diagrama de causa e efeito
Diagrama de correlação/dispersão
Elaboração e implantação de soluções 5S
Estratificação
Gráfico de Pareto
Verificação de resultados Histograma
Gráficos de controle
Folha de verificação
Sete ferramentas da qualidade

1ª Estratificação
•Consiste na divisão de um grupo em diversos subgrupos com base em
características distintivas ou de estratificação
•A estratificação é um recurso bastante útil na fase de análise e observação
de dados
•As principais causas de variação que atuam nos processos produtivos
constituem possíveis fatores de estratificação de um conjunto de dados:
equipamentos, insumos, pessoas, métodos, medidas e condições ambientais
•Com a estratificação dos dados, objetiva-se identificar como a variação de
cada um desses fatores interfere no resultado do processo ou problema que
se deseja investigar
•Exemplos de fatores de estratificação:
oTempo: os efeitos dos problemas (ou resultados indesejáveis) são diferentes de manhã,
à tarde, à noite?

6
1ª Estratificação: divisão de um grupo em diversos subgrupos com base em
características distintivas ou de estratificação
•Exemplos de fatores de estratificação:
oTurno de produção: os efeitos são diferentes quando são considerados diferentes
turnos de produção?
oLocal: os efeitos são diferentes nas diferentes linhas de produção da indústria ou nas
diferentes regiões do país onde o produto é comercializado?
oMatéria prima: são obtidos diferentes resultados dependendo do fornecedor da matéria
prima utilizada?
oOperador: diferentes operadores estão associados a resultados distintos?
•É importante registrar todos os fatores que sofrem alterações durante o
período de coleta dos dados, por exemplo, em que dias da semana e em que
horários os dados foram coletados, quais máquinas estavam em operação e quais foram
os operários e os lotes de matérias primas envolvidos
•É importante que os dados sejam coletados durante um período de tempo
de forma que se possam estratificar os dados também em função do tempo

2ª Análise de Pareto
•O Princípio de Pareto foi adaptado aos problemas da qualidade por Juran, a
partir da teoria desenvolvida pelo sociólogo e economista italiano Vilfredo
Pareto (1843-1923), que estabelece que a maior parte das perdas decorrentes
dos problemas relacionados à qualidade é advinda de alguns poucos, mas
vitais problemas
•O Princípio de Pareto afirma também que entre todas as causas de um
problema, algumas poucas são as grandes responsáveis pelos efeitos
indesejáveis do problema
•Logo, se forem identificadas as poucas causas vitais dos poucos problemas
vitais enfrentados pela empresa, será possível eliminar quase todas as perdas
por meio de um pequeno número de ações
•Por meio de um gráfico de barras é apresentada uma classificação em
ordem decrescente de importância de problemas e causas, que produzem os
maiores efeitos, a fim de atacar esses problemas e causas inicialmente
7
2ª Análise de Pareto: por meio de um gráfico de barras é apresentada uma
classificação em ordem decrescente de importância de problemas e causas, que
produzem os maiores efeitos, a fim de atacar esses problemas e causas inicialmente


2ª Análise de Pareto: etapas para a construção:
•Selecionar (através de dados coletados ou de discussão em grupo) os tipos
de problemas ou casas que se deseje comparar. Ex.: frequência de ocorrência de
diferentes tipos de defeitos resultantes de um processo; causas para a ocorrência de um problema
•Selecionar a unidade de comparação. Ex.: número de ocorrências; custo; etc.

•Definir o período de tempo sobre o qual os dados serão coletados. Ex.: oito
horas; cinco dias; quatro semanas
•Coletar os dados no local. Ex.: defeito A ocorreu 55 vezes, defeito B 75 vezes, defeito C
30 vezes
•Listar as categoriais na ordem de frequência, custo, etc. decrescente e

calcular a participação individual e acumulada de cada uma delas
•Desenhar o gráfico: listar as categorias da esquerda para a direita no eixo
horizontal na ordem decrescente; acima de cada categoria, desenhar um
retângulo cuja altura represente a participação individual para aquela
categoria
8
•Exemplo: Suponha que se queira adotar ações para o melhoramento da qualidade dos
itens comprados
Fornecedor Quantidade de Fornecedor Quantidade Participação Participação
defeituosos de defeituosos individual (%) acumulada (%)
A 1 O 58 37,91 37,91
B 3 D 39 25,49 63,40
C 2 G 18 11,76 75,16
D 39 K 12 7,84 83,01
E 3 M 6 3,92 86,93
F 4 F 4 2,61 89,54
G 18 B 3 1,96 91,50
H 1 E 3 1,96 93,46
I 2 L 2 1,31 94,77
J 1 C 2 1,31 96,08
K 12 I 2 1,31 97,39
L 2 A 1 0,65 98,04
M 6 J 1 0,65 98,69
N 1 H 1 0,65 99,35
O 58 N 1 0,65 100,00
Total 153 Total 153

•Exemplo: Suponha que se queira adotar ações para o melhoramento da qualidade dos
itens comprados
37,91
Participação individual (%)
25,49
11,76
7,84
3,92
2,61 1,96 1,96
1,31 1,31 1,31 0,65 0,65 0,65 0,65
O D G K M F B E L C I A J H N
Fornecedor

9
•Exercício: Use a análise de Pareto para examinar os seguintes dados coletados na linha
de montagem de um placa de circuito impresso e prepare o gráfico
Defeito Número de Ocorrências
Componente errado 217
Componentes não-aderentes 146
Excesso de adesivo 64
Transistores mal posicionados 600
Dimensões de placas erradas 143
Furos de montagem mal posicionados 14
Problemas de circuito no teste final 92


•Exercício: Use a análise de Pareto para examinar os seguintes dados coletados na linha
de montagem de um placa de circuito impresso e prepare o gráfico
Defeito Número de
Ocorrências
Componente errado 217
Componentes não-aderentes 146
Excesso de adesivo 64
Transistores mal posicionados 600
Dimensões de placas erradas 143
Furos de montagem mal 14
posicionados
Problemas de circuito no teste 92
final

10
3ª Diagrama de causa e efeito
•Foi desenvolvido para representar as relações existentes entre um efeito
desejável ou indesejável do resultado de um processo e todas as possíveis
causas desse efeito
•Assim, atua como um guia para a identificação da causa fundamental desse
problema e para a determinação das medidas corretivas que deverão ser
adotadas
•A estrutura do diagrama de causa e efeito lembra o esqueleto de um peixe,
por isso é conhecido também como diagrama de espinha de peixe
•Uma terceira denominação para esse diagrama é diagrama de Ishikawa, em
homenagem ao professor Kaoru Ishikawa, que elaborou o diagrama de
causa e efeito para explicar a alguns engenheiros de uma indústria japonesa
como os vários fatores de um processo estavam inter-relacionados


3ª Diagrama de causa e efeito: representa as relações existentes entre um efeito
desejável ou indesejável do resultado de um processo e todas as possíveis causas desse
efeito
•Uma vez definido o efeito a ser considerado, a equipe deve se concentrar

na identificação de todas as possíveis causas
11
efeito
oA equipe deve repetidamente formular e responder a pergunta: Que tipo de
variabilidade (nas causas) poderia afetar a característica da qualidade de
interesse ou resultar no efeito considerado?
oEm seguida, para cada causa identificada, deve-se responder a
pergunta: Por que isso acontece? A resposta a essa pergunta levará a
possíveis causas que se ramificam a partir da causa anterior.
oO objetivo desse procedimento é tentar identificar as causas
fundamentais para a ocorrência de problemas


efeito

12
efeito


4ª Diagrama de correlação/dispersão
•É um gráfico utilizado para a visualização do tipo de relacionamento
existente entre duas variáveis
•De modo geral, são usados para relacionar causa e efeito. Ex.: relacionamento
entre intensidade de iluminação de um ambiente e erros em inspeção visual
oRelação positiva: o aumento de uma variável leva a um aumento da outra variável

oRelação negativa: o aumento de uma variável leva à diminuição da outra variável
oRelação inexistente: a variação de uma variável não leva a uma variação sistemática da outra
variável
13
4ª Diagrama de correlação/dispersão: gráfico utilizado para a visualização do
tipo de relacionamento existente entre duas variáveis
•Para a construção de um diagrama de correlação/dispersão, devem ser
coletados pelo menos 30 pares de observações (x, y) das variáveis cujo tipo
de relacionamento será estudado
•A variável registrada no eixo horizontal (x) deve ser aquela que, por algum
motivo, é considerada preditora da outra variável, a qual será plotada no
eixo vertical (y).
•A escolha das escalas das variáveis no gráfico deve ser a mais adequada
para permitir fácil visualização do padrão de correlação/dispersão dos
pontos
•Quando da análise do diagrama, deve-se primeiramente verificar se não
existem pontos atípicos (outliers), que são uma observação extrema, que
não é condizente com o restante da massa de dados


•Os outliers podem ser decorrentes de registro incorreto dos dados ou
presença de algum defeito no instrumento de medição utilizado. Nesses
casos, os outliers devem ser corrigidos, se isso for possível, ou então devem
ser eliminados do conjunto de dados
•Por outro lado, os outliers também podem representar observações não
usuais, mas perfeitamente plausíveis de ocorrer na massa de dados. Quando
isso acontece, os outliers podem fornecer informações importantes sobre o
processo que está sendo analisado, como no caso em que o outlier ocorre
como resultado da atuação de alguma variável que não estava sendo
considerada
•A identificação de outliers e a análise das causas que levaram ao seu
aparecimento podem, portanto, resultar em melhorias no processo ou em um
novo conhecimento sobre a forma de atuação de fatores cujos efeitos na
variável resposta y ainda eram desconhecidos
14
•Exercício: A tabela a baixo representa o desvio de duas medidas controladas de uma
peça. Verifique se há correlação entre elas
Peça x y
1 0,3 0,5
2 0,4 0,5
3 0,2 0,3
4 0,4 0,6
5 0,3 0,4
6 0,5 0,6
7 0,2 0,2
8 0,6 0,7
9 0,3 0,4
10 0,5 0,5
11 0,4 0,5
12 0,3 0,3

5ª Histograma
•É um gráfico de barras no qual o eixo horizontal, subdividido em vários
pequenos intervalos, apresenta os valores assumidos por uma variável de
interesse
10
oPara cada um destes 96-98
8
intervalos, é construída uma
Número deeixos
98-100
barra vertical, cuja área deve 6
ser proporcional ao número 4

94-96
de observações na amostra 90-92

2
cujos valores pertencem ao 100-102
intervalo correspondente 0
Me di das
•Assim, o histograma dispõe as informações de modo que seja possível a

visualização da forma de distribuição de um conjunto de dados e também a
percepção da localização do valor central e da dispersão dos dados em torno
deste valor central
15
5ª Histograma: dispõe as informações de modo que seja possível a visualização da
forma de distribuição de um conjunto de dados e também a percepção da localização do
valor central e da dispersão dos dados em torno deste valor central
•Etapas para a construção de um histograma:
a) Coletar n dados referentes à variável cuja distribuição será analisada. É
aconselhável que n seja superior a 50 para que se possa obter um padrão
representativo da distribuição
b) Escolher o número de intervalos ou classes (k)
Tamanho da amostra (n) Número de intervalos (k)
< 50 5–7
50 – 100 6 – 10
100 – 250 7 – 12
> 250 10 – 20
c) Calcular a amplitude total dos dados, dada por: R = MAX – MIN, em que
MAX e MIN representam respectivamente o maior e o menor valor da
amostra

d) Calcular o comprimento de cada intervalo, dado por: h = R/k, em que o
valor do comprimento (h) deve ser arredondado de forma que seja obtido
um número conveniente (múltiplo da unidade de medida dos dados da amostra)
e) Calcular os limites de cada intervalo: o primeiro intervalo está entre MIN
< k1 < (MIN + h), o segundo intervalo está entre (MIN + h) < k2 < (MIN +
2h), e assim sucessivamente, até que seja obtido um intervalo que contenha
o maior valor da amostra (MAX) entre os seus limites
f) Construir uma tabela de distribuição de frequências, constituída pelas
seguintes colunas: número de ordem de cada intervalo (i); limites de cada
intervalo; e ponto médio de cada intervalo

16
g) Construir um gráfico de barras com uma escala no eixo horizontal para
representar os limites dos intervalos e uma escala no eixo vertical para
representar as frequências de ocorrências dentro de cada intervalo
•Exemplo: Utilizar os dados apresentados na tabela a seguir para a construção de um
histograma Dados
9,9 10,1 9,8 10,2 9,9 10,5
9,3 9,9 9,9 9,8 9,8 10,6
10,2 9,7 10,1 10,7 10,3 9,8
9,4 9,8 10,4 9,9 9,5 9,5
10,1 9,9 10 10,7 9,9 9,4
9,6 10 10,2 9,3 9,3 9,6
9,9 9,6 10,1 10,3 10,2 10,3
10,1 9,7 9,8 9,9 9,2 10,2
9,8 9,4 10,1 10,5 9,9
9,8 9,6 10,3 9,8 9,7
9,8 10 10 10,3 9,9

•Exemplo: Construção de um histograma
oPara uma amostra de tamanho n = 63, pode-se trabalhar com k = 10 intervalos
oA amplitude da amostra é R = MAX – MIN = 10,7 – 9,0 => R = 1,7
oO comprimento do intervalo é h = R/k = 1,7/10 => h = 0,17. Nesse caso, pode-se
arredondar esse intervalo para 0,20, que corresponder a um múltiplo da menor divisão
da unidade de medida (nesse caso 0,10)
Intervalo Limites Frequência absoluta Frequência relativa 23,8
1 9,0 < x < 9,2 1 1,6 20,6
2 9,2 < x < 9,4 6 9,5
17,5
3 9,4 < x < 9,6 6 9,5
4 9,6 < x < 9,8 13 20,6
5 9,8 < x < 10 15 23,8
6 10 < x < 10,2 11 17,5 9,5 9,5 9,5
7 10,2 < x < 10,4 6 9,5
8 10,4 < x < 10,6 3 4,8 4,8
9 10,6 < x < 10,8 2 3,2 3,2
10 10,8 < x < 11 0 0 1,6
Total 63 100,0

17
•Exercício: Analise a tabela com os tempos de atendimentos e construa um histograma
Tabela 1 – Tempos de atendimentos
6,66 7,09 6,98 6,63 5,60 4,92 10,85 3,58 5,78 6,54
3,07 6,33 6,25 7,06 6,16 3,54 8,06 6,36 8,95 2,89
8,52 4,75 4,51 7,43 7,33 5,31 3,56 9,99 5,61 4,53
3,32 7,39 5,23 3,50 5,72 4,84 4,94 2,34 6,04 2,14
7,20 7,24 6,66 4,81 8,48 4,31 5,99 10,42 4,49 5,90
0,70 2,83 9,92 9,42 10,67 5,97 6,79 5,69 4,39 7,80
oPara uma amostra de tamanho n = 60, pode-se trabalhar com k = 10 intervalos
oA amplitude da amostra é R = MAX – MIN = 10,85 – 0,70 => R = 10,15
oO comprimento do intervalo é h = R/k = 10,15/10 = 1,015=> h = 1,02


6ª Gráficos de controle
•O objetivo é manter o controle de um processo através do
acompanhamento do comportamento de uma ou várias medidas importantes
resultantes desse processo, a fim de que o mesmo opere na sua melhor
condição. Ex.: diâmetro torneado; tempo de atendimento; vendas diárias de uma região
LST (limite superior de tolerância)

LSC (limite superior de controle)
VM (valor médio)
LIC (limite inferior de controle)
LIT (limite inferior de tolerância)
•Quando se registra a média e a amplitude das amostras em gráficos cujos limites e
linha central correspondam ao modelo estatístico de variabilidade da média e da
amplitude da amostra, os pontos no gráfico devem se distribuir aleatoriamente segundo
um padrão de distribuição normal, variando dentro de limites previsíveis em torno de
uma linha central
18
6ª Gráficos de controle: manter o controle de um processo através do
acompanhamento do comportamento de uma ou várias medidas importantes resultantes
desse processo, a fim de que o mesmo opere na sua melhor condição
•Quando o processo não se encontra em controle estatístico, ou seja, quando causas
esporádicas, além das causas crônicas, estão interferindo na estabilidade do processo, a
distribuição dos pontos no gráfico apresentará pontos fora dos limites do gráfico ou
com uma distribuição não aleatória, o que indica que algum problema presente está
causando uma piora da qualidade do resultado do processo


7ª Folha de verificação
•Também conhecida como checklist, é usada para:
oplanejar a coleta de dados a partir de necessidades de análises futuras de
dados
ogarantir que o ganho obtido pela aplicação das seis ferramentas anteriores
não seja perdido ou esquecido depois que os problemas, já resolvidos,
deixarem de ocupar as atenções da operação
oeconomizar tempo e eliminar a necessidade de desenhar figuras ou
escrever números repetitivos
•As folhas devem conter o procedimento correto a ser seguido e as verificações que
deverão ser feitas no processo para evitar a re-ocorrência dos problemas
Tipo Rejeitados Subtotal
Marcas ///// ///// ///// ///// ///// ///// // 32
Trincas ///// ///// ///// ///// // 23
Incompleto ///// ///// ///// ///// ///// ///// ///// ///// ///// /// 48
Distorção //// 4
Outros ///// /// 8
Total geral 115
Total de rejeitados ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// ///// / 86
19

qualidade: conceitos e técnicas. São Paulo: Atlas, 2010.
Capítulo 2.

20

GO II 2quali - PDCA, MASP e Ferramentas Da Qualidade (GO II-Grad-Mackenzie) PDF

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

GO II 2quali - PDCA, MASP e Ferramentas Da Qualidade (GO II-Grad-Mackenzie) PDF

Enviado por

Direitos autorais:

Formatos disponíveis

GESTÃO DE OPERAÇÕES II

Ana Laura Wiethaus Bigaton

Gestão de operações II (GO II)Logística – Log apres

Gestão de operações II (GO II)Logística – Log apres

Gestão de operações II (GO II)Logística – Log apres

CARPINETTI, Luiz Cesar Ribeiro. Gestão da

Gestão de operações II (GO II)Logística – Log apres

Método de Análise e Solução de

Gestão de operações II (GO II)Logística – Log apres

Gestão de operações II (GO II)Logística – Log apres

Gestão de operações II (GO II)Logística – Log apres

CARPINETTI, Luiz Cesar Ribeiro. Gestão da

Gestão de operações II (GO II)Logística – Log apres

Ana Laura Wiethaus Bigaton

Gestão de operações II (GO II)Logística – Log apres

•A utilização da maior parte das ferramentas da qualidade é feita por meio de

Sete ferramentas da qualidade

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

•Selecionar a unidade de comparação. Ex.: número de ocorrências; custo; etc.

•Listar as categoriais na ordem de frequência, custo, etc. decrescente e

Sete ferramentas da qualidade

Gestão de operações II (GO II)Logística – Log apres

Defeito Número de Ocorrências

Componente errado 217

Componentes não-aderentes 146

Transistores mal posicionados 600

Dimensões de placas erradas 143

Furos de montagem mal posicionados 14

Problemas de circuito no teste final 92

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

Gestão de operações II (GO II)Logística – Log apres

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

•Uma vez definido o efeito a ser considerado, a equipe deve se concentrar

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

Gestão de operações II (GO II)Logística – Log apres

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

oRelação positiva: o aumento de uma variável leva a um aumento da outra variável

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

Sete ferramentas da qualidade

ser proporcional ao número 4

de observações na amostra 90-92

•Assim, o histograma dispõe as informações de modo que seja possível a

Sete ferramentas da qualidade

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

Gestão de operações II (GO II)Logística – Log apres

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

LST (limite superior de tolerância)

Gestão de operações II (GO II)Logística – Log apres

Sete ferramentas da qualidade

CARPINETTI, Luiz Cesar Ribeiro. Gestão da

Gestão de operações II (GO II)Logística – Log apres

Você também pode gostar