Controlo

Estatístico do
Processo (SPC)

Objectivo do SPC

Satisfação Total do Cliente

 Processo Capaz

 Processo Centrado

 Mínima Variabilidade

JGR 2

1
 Processo

Variáveis Controláveis Medição

Y1 Y2 Yp Avaliação
Monitorização
… Controlo

ENTRADAS
PROCESSO SAÍDA
(Matérias primas,
componentes, …) X
Característica
… da Qualidade

N1 N2 Nq
Variáveis não Controláveis

JGR 3

Processo/Especificação Técnica

Limite Inferior da Limite Superior da

Especificação Especificação
(LIE) (LSE)

σ LIE T LSE
Produção
versus
Especificação

µ
Produção

JGR 4

2
 Caracterização do Processo

Como se chegar à
caracterização do processo?

Implementação
do SPC

JGR 5

Implementação do SPC

Como implementar o SPC?

Através da aplicação de
Cartas de Controlo

JGR 6

3
 Cartas de Controlo

Objectivos

 Verificar a estabilidade do processo

FASE 1
 Estimar os parâmetros dos processos
 Monitorizar o processo
 Reduzir a variabilidade do processo por
detecção e eliminação das causas especiais FASE 2
 Possibilitar correcções ao processo, de
forma a evitar unidades não conforme

JGR 7

Cartas de Controlo Tradicionais

Princípios
Para testar se um determinado parâmetro do processo toma
o valor pretendido, recorre-se a estatísticas amostrais.

As cartas de controlo baseiam-se num teste de hipóteses

bilateral, recorrendo-se a uma determinada estatística
amostral que se vai controlando ao longo do processo.

O processo é considerado estar sob controlo quando o valor

da estatística amostral não ultrapassar determinados valores,
chamados de Limite Superior e Limite Inferior de Controlo.

JGR 8

4
 Cartas de Controlo Tradicionais

CARTA ω

-4
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
t
ω LIC LC LSC

LSCω = µω + 3 σ ω
LCω = µω ω ~ N (µω ,σ ω2 )
LICω = µω − 3 σ ω
JGR 9

Cartas de Controlo Tradicionais

Princípios
1.º Princípio: As cartas de controlo de Shewhart usam sempre limites de
controlo que se encontram a três desvios padrão, relativos à
distribuição da estatística considerada, de cada lado da linha central

2.º Princípio: Os limites de controlo são sempre determinados através da

média (ou mediana) e da dispersão de uma determinada estatística

3.º Princípio: A constituição das amostras e o processo de amostragem

devem ser convenientemente estabelecidos

4.º Princípio: As cartas de controlo só constituem uma mais valia para a

empresa se forem aplicadas de uma forma correcta e se o
conhecimento acrescido que delas emanam for devidamente utilizado

JGR 10

5
 Cartas de Controlo Tradicionais

α = 0,27%
1 1
ARLEm Controlo = = = 370
α 0,0027

JGR 11

Cartas de Controlo Tradicionais

Se µ1 = µ 0 + 1σ , ao fim de quanto tempo se detecta uma causa especial?

(µ + 3σ ) − (µ + σ ) 
β = P ( X > LSC ) = P  Z >  = P (Z > 2 ) = 0,0228
 σ 

1 1
ARLFora de Controlo = = ≅ 44
β 0,0228

O ARL é o melhor indicador de desempenho

das Cartas de Controlo

JGR 12

6
 Cartas de Controlo Tradicionais

Causas de Variação
4
3
2
1
Causas Comuns
0 REDUZIR
-1 de Variação
-2
-3
-4

Causa Especial de
ELIMINAR
Variação

JGR 13

Cartas de Controlo Tradicionais

Causas de Variação
 Causas Comuns: devidas a mau projecto, selecção de
“maus fornecedores, etc
A redução das Causas Comuns depende da gestão

 Causas Especiais: devido a falta de atenção de um

operador, desajustamento de uma máquina, mistura de
materiais de lotes diferentes
A eliminação das Causas Especiais é feita pelos gestores
operacionais e/ou pelos operadores, na próprias linha de
produção

JGR 14

7
 Cartas de Controlo Tradicionais

JGR 15

Aplicação de Cartas de Controlo

FASE 1 FASE 2

Eliminar ponto P
-N 0 1
Recalcular limites
LSC

LC

LIC

Identificar a raiz do problema

Verificar a estabilidade do processo
Implementar acções correctivas
Estimar parâmetros do processo (µ e σ)
400
Analisar capacidade do processo m≥
n −1

FASE 1 (Ampla)
JGR 16

8
 Fase 2 – Procedimento Geral

PROCESSO

Sistema de Medição

Verificação e Detecção de
continuação Causas Especiais

Implementação de Identificação da
Acções raiz do problema
Correctivas

JGR 17

Identificação da Raíz do Problema

DIAGRAMA DE PARETO
100%

80%
Relevância (%)

60%

40%
A B C

20%

Diagrama de Causa-e-Efeito 0%
to
l

c to
ra

so

s
ra

a
sa

sa

ro
ur
de

en
du

du
es

rre

ut
de

rd
o
da

rm
ze

ze

uc

O
ex

go
co
vi

o
co

co

fe

Po
ss

in
ca
em

de
ce
de

de
de

on

o
Ex

l ta
at
so

o
l ta

rm
ss
ss

Fa
Pe
Fa

ce
ce

Fo
Ex
Ex

Tipo de defeito

Diagrama de Pareto

JGR 18

9
 Cartas de Controlo Tradicionais

TIPOS DE CARTAS DE CONTROLO

VARIÁVEIS ATRIBUTOS
Média e Amplitude Proporção de unidades não conforme
Carta X e Carta R Carta p
Média e Desvio Padrão Número de unidades não conforme
Carta X e Carta s Carta np
Observações Individuais e
Número de Defeitos
Amplitudes Móveis
Carta c
Carta X e Carta MR
Número de Defeitos por unidade
Carta u

JGR 19

Cartas de Controlo de Variáveis

CARTA LINHA CENTRAL LIMITES DE CONTROLO

X X X ± A2 R ou X ± A3 s

3
X X X± MR
d2

FASE 1 R LSC = D4 R ; LIC = D3 R

R

MR MR LSC = D4 MR ; LIC = D3 MR

s s LSC = B4 s ; LIC = B3 s

JGR 20

10
 Cartas de Controlo de Variáveis
Factores para construção das cartas de controlo de variáveis

carta de médias cartas de desvios padrão cartas de amplitudes

Dimensão factores limites controlo factores linha central factores limites controlo factores limites controlo
Amostra
n A A2 A3 d2 c4 B3 B4 B5 B6 d3 D1 D2 D3 D4

2 2,121 1,881 2,659 1,128 0,7979 0 3,267 0 2,606 0,853 0 3,686 0 3,267
3 1,732 1,023 1,954 1,693 0,8862 0 2,568 0 2,276 0,888 0 4,358 0 2,575
4 1,500 0,729 1,628 2,059 0,9213 0 2,266 0 2,088 0,880 0 4,698 0 2,282
5 1,342 0,577 1,427 2,326 0,9400 0 2,089 0 1,964 0,864 0 4,918 0 2,115
6 1,225 0,483 1,287 2,534 0,9515 0,030 1,970 0,029 1,874 0,848 0 5,078 0 2,004
7 1,134 0,419 1,182 2,704 0,9594 0,118 1,882 0,113 1,806 0,833 0,204 5,204 0,076 1,924
8 1,061 0,373 1,099 2,847 0,9650 0,185 1,815 0,179 1,751 0,820 0,388 5,306 0,136 1,864
9 1,000 0,337 1,032 2,970 0,9693 0,239 1,761 0,232 1,707 0,808 0,547 5,393 0,184 1,816
10 0,949 0,308 0,975 3,078 0,9727 0,284 1,716 0,276 1,669 0,797 0,687 5,469 0,223 1,777
11 0,905 0,285 0,927 3,173 0,9754 0,321 1,679 0,313 1,637 0,787 0,811 5,535 0,256 1,744
12 0,866 0,266 0,886 3,258 0,9776 0,354 1,646 0,346 1,610 0,778 0,922 5,594 0,283 1,717
13 0,832 0,249 0,850 3,336 0,9794 0,382 1,618 0,374 1,585 0,770 1,025 5,647 0,307 1,693
14 0,802 0,235 0,817 3,407 0,9810 0,406 1,594 0,399 1,563 0,763 1,118 5,696 0,328 1,672
15 0,775 0,223 0,789 3,472 0,9823 0,428 1,572 0,421 1,544 0,756 1,203 5,741 0,347 1,653
16 0,750 0,212 0,763 3,532 0,9835 0,448 1,552 0,440 1,526 0,750 1,282 5,782 0,363 1,637
17 0,728 0,203 0,739 3,588 0,9845 0,466 1,534 0,458 1,511 0,744 1,356 5,820 0,378 1,622
18 0,707 0,194 0,718 3,640 0,9854 0,482 1,518 0,475 1,496 0,739 1,424 5,856 0,391 1,608
19 0,688 0,187 0,698 3,689 0,9862 0,497 1,503 0,490 1,483 0,734 1,487 5,891 0,403 1,597
20 0,671 0,180 0,680 3,735 0,9869 0,510 1,490 0,504 1,470 0,729 1,549 5,921 0,415 1,585
21 0,655 0,173 0,663 3,778 0,9876 0,523 1,477 0,516 1,459 0,724 1,605 5,951 0,425 1,575
22 0,640 0,167 0,647 3,819 0,9882 0,534 1,466 0,528 1,448 0,720 1,659 5,979 0,434 1,566
23 0,626 0,162 0,633 3,858 0,9887 0,545 1,455 0,539 1,438 0,716 1,710 6,006 0,443 1,557
24 0,612 0,157 0,619 3,895 0,9892 0,555 1,445 0,549 1,429 0,712 1,759 6,031 0,451 1,548
25 0,600 0,153 0,606 3,931 0,9896 0,565 1,435 0,559 1,420 0,708 1,806 6,056 0,459 1,541

JGR 21

Cartas de Controlo

Estimação dos Parâmetros do Processo

Carta Média Desvio Padrão

R
σˆ =
σ Carta X − R µˆ = X
d2
s
Carta X − s µˆ = X σˆ =
c4

MR
µˆ = X σˆ =
µ Carta X − MR
d2

JGR 22

11
 Cartas de Controlo

Normalidade dos Dados

Existem vários métodos para verificar se uma
distribuição é Normal, como seja através de:
 Histograma
 Gráfico de probabilidades da distribuição Normal
(recta de Henry)
 Testes de Aderência (Teste do Qui-Quadrado, Teste
de Kolmogorov-Smirnov, ...)
 “Índices de Normalidade” (Skewness; Kurtosis)

JGR 23

Cartas de Controlo

Normalidade dos Dados

HISTOGRAMA

16
15

14 13

12
Número de Observações

10
10
9

8
7

4
3 3

0
[116,120[ [120,124[ [124,128[ [128,132[ [132,136[ [136,140[ [140,144[

Classe

JGR 24

12
 Cartas de Controlo de Variáveis

CARTA LINHA CENTRAL LIMITES DE CONTROLO

X µ µ ± Aσ

X µ µ ±3σ

FASE 2 R d2 σ LSC = D2 σ ; LIC = D1 σ

MR d2 σ LSC = D2 σ ; LIC = D1 σ

s c4 σ LSC = B6 σ ; LIC = B5 σ

JGR 25

Interpretação de Cartas de Controlo

7870-2:2013
Padrões Não Aleatórios − Norma ISO 8258:1991

Regra 6 Regra 8 A
Regra 2

Regra 3 B

C
ω
C

Regra 4 Regra 7
B

Regra 5 A

-3,5

Regra 1 Amostra n.º

ω LIC LC LSC

JGR 26

13
 Capacidade do Processo

 O estudo da capacidade é um método estatístico usado

para analisar a consistência de um processo, ou de uma
máquina, em produzir artigos de acordo com determinada
especificação técnica; para a determinação da capacidade
de um processo utilizam-se dois tipos de índices, potencial
e de capacidade

 A capacidade do processo só pode ser avaliada se o

processo estiver estabilizado, ou seja, se o processo se
apresentar sob controlo estatístico

JGR 27

Capacidade do Processo

Índice de Capacidade Potencial – Cp

 Mede o “melhor” que o processo pode concretizar

 Depende da dispersão do processo

 Depende da amplitude da especificação

 Compara a dispersão do processo com a amplitude

da especificação

JGR 28

14
 Capacidade do Processo

Índice de Capacidade – Cpk

 Avalia a dispersão do processo face à amplitude da

especificação

 Possibilita a avaliação da média do processo

relativamente à especificação

 Depende da localização e da dispersão do processo

JGR 29

Índices de Capacidade do Processo

Distribuição Normal

LSE − LIE
Cp =
6σ
(
C pk = min (C pk )S , (C pk )I )

(Cpk )S = LSE − µ (Cpk )I = µ − LIE

3σ 3σ

LSE − Limite Superior da Especificação µ − Média do Processo

LIE − Limite Inferior da Especificação σ − Desvio Padrão do Processo

JGR 30

15
 Capacidade do Processo

Requisitos Mínimos

Especificação Especificação
Bilateral Unilateral

Comum 1,33 1,25

Processo
Existente Segurança, Resistência,
Características Críticas
1,50 1,45

Comum 1,50 1,45

Novo
Processo Segurança, Resistência,
Características Críticas
1,67 1,60

“Douglas C. Montgomery − Introduction to Statistical Quality Control”

JGR 31

Exemplo de Aplicação

O comprimento de uma peça é a característica da qualidade que uma

empresa pretende controlar estatisticamente. Foram Recolhidas 30
amostras ao longo do processo de fabrico e realizadas as medições do
comprimento das peças (em milímetro) utilizando um paquímetro digital
devidamente calibrado. Apresenta-se na tabela seguinte os resultados
dessas medições.

a) Construa as cartas de controlo mais adequadas.

b) Analise a capacidade do processo, sabendo que a especificação

técnica do comprimento da peça é definida por 300 ± 10 mm .

JGR 32

16
 Exemplo de Aplicação

Amostra 1 2 3 4 5 6 7 8 9 10
x1 294,6 300,6 300,2 299,6 304,6 296,1 297,3 303,8 299,1 298,9
x2 300,0 299,5 302,5 301,7 303,3 300,1 300,5 296,1 298,8 300,5
x3 299,4 302,2 298,8 298,2 304,0 300,6 298,3 297,5 299,4 298,9
x4 299,5 299,0 301,3 302,1 305,2 304,0 301,9 295,5 300,8 298,4
x5 298,6 301,4 302,7 304,4 299,2 300,6 300,6 301,8 303,5 300,4

JGR 33

Exemplo de Aplicação

Amostra 11 12 13 14 15 16 17 18 19 20
x1 297,7 299,1 298,2 298,3 297,2 302,8 299,8 301,7 300,2 294,7
x2 302,1 297,9 296,6 296,6 302,0 303,8 297,8 299,7 302,1 299,3
x3 295,4 300,8 295,9 301,3 302,2 297,8 302,6 298,2 296,2 301,1
x4 304,2 298,4 298,9 297,6 304,8 300,2 300,1 299,1 300,5 303,9
x5 301,5 299,8 299,9 298,6 297,4 301,0 300,5 303,6 302,2 296,6

JGR 34

17
 Exemplo de Aplicação

Amostra 21 22 23 24 25 26 27 28 29 30
x1 299,5 297,1 298,0 296,7 300,3 301,8 298,3 298,5 299,1 298,8
x2 298,9 295,5 302,4 300,7 299,5 296,7 300,1 298,7 299,1 302,2
x3 305,0 296,7 303,6 299,8 299,5 297,8 298,9 297,2 304,1 300,8
x4 300,9 297,0 300,2 300,5 300,0 296,6 297,6 298,5 303,8 299,9
x5 301,8 302,7 301,4 300,9 297,3 296,3 300,8 299,6 301,0 298,7

JGR 35

Exemplo de Aplicação

Resolução
Amostra 1 2 3 4 5 6 7 8 9 10 Σ
X 298,42 300,54 301,10 301,20 303,26 300,28 299,72 298,94 300,32 299,42 3003,20
S 2,194 1,318 1,632 2,391 2,377 2,808 1,871 3,666 1,936 0,963 21,156

Amostra 11 12 13 14 15 16 17 18 19 20 Σ
X 300,18 299,20 297,90 298,48 300,72 301,12 300,16 300,46 300,24 299,12 2997,58
S 3,556 1,147 1,642 1,754 3,312 2,339 1,716 2,176 2,434 3,629 23,705

Amostra 21 22 23 24 25 26 27 28 29 30 Σ
X 301,22 297,80 301,12 299,72 299,32 297,84 299,14 298,50 301,42 300,08 2996,16
S 2,401 2,812 2,148 1,738 1,180 2,285 1,305 0,857 2,439 1,465 18,630

JGR 36

18
 Exemplo de Aplicação

Resolução

3030, 20 + 2997, 58 + 2996,16

X = = 299, 898
30

21,156 + 23, 705 + 18, 630

S= = 2,1164
30

JGR 37

Exemplo de Aplicação

Resolução

Limites de Controlo
n= 5 A3 = 1,427

B3 = 0 B4 = 2,089 c4 = 0,9400

LIC LC LSC

Carta X 296,878 299,898 302,918

Carta S 0 2,1164 4,4212

JGR 38

19
 Exemplo de Aplicação

Resolução

JGR 39

Exemplo de Aplicação

Resolução

Após eliminar amostra nº 5,

Recalcular Limites de Controlo
JGR 40

20
 Exemplo de Aplicação

Resolução

3030, 20 + 2997, 58 + 2996,16 − 303, 26

X = = 299, 782
29

21,156 + 23, 705 + 18, 630 − 2, 377

S= = 2,1074
29

LIC LC LSC

Carta X 299,782 299,782 302,789

Carta S 0 2,1074 4,4024

JGR 41

Exemplo de Aplicação

Resolução

JGR 42

21
 Exemplo de Aplicação

Resolução

CARTA S
5

3
S
2

0
1 2 3 4 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Amostra n.º

S LIC LC LSC

Processo sob controlo estatístico

JGR 43

Exemplo de Aplicação

Resolução

Estimativas dos Parâmetros do Processo

µ̂ = X = 299, 782

S 2,1074
σˆ = = = 2, 2420
c 4 0, 9400

JGR 44

22
 Exemplo de Aplicação

Variable: Comprimento (R), Distribution: Normal

Kolmogorov-Smirnov d = 0,03798, p = n.s., Lilliefors p = n.s.
Chi-Square test = 3,30257, df = 3 (adjusted) , p = 0,34729
50

45

40

35
No. of observations

30

25

20

15

10

0
292,25 294,00 295,75 297,50 299,25 301,00 302,75 304,50 306,25
Category (upper limits)

JGR 45

Exemplo de Aplicação

Resolução

Capacidade do Processo

µ = 299,782 LSE = 310

300 ± 10
σ = 2,2420 LIE = 290

Cp = 1,487 (Cpk)S = 1,519

(Cpk)I ≠ (Cpk)S
Cpk = 1,454 (Cpk)I = 1,454

Processo capaz; Processo não centrado

JGR 46

23
 Bibliografia Relevante

 Montgomery, D. C. (2012). Introduction to Statistical

Quality Control, 7th Edition, John Wiley & Sons, Inc.,
New York.

 Pereira, Z. L. e Requeijo, J. G. (2012). Qualidade:

Planeamento e Controlo Estatístico de Processos,
2ª Edição, Fundação da FCT/UNL, Lisboa.

JGR 47

24