Você está na página 1de 26

C APÍTULO 5

Controle Estatístico do Processo (CEP)

A partir da perspectiva do saber fazer, neste capítulo você terá os seguintes


objetivos de aprendizagem:

33Aplicar a análise de estabilidade.

33Compreender o controle estatístico do processo.

33Elaborar gráficos de controle.

33Analisar os gráficos de controle.


Gestão da Qualidade e Produtividade

98
Capítulo 5 Controle Estatístico do Processo (CEP)

Contextualização
Você já deve ter observado que embora os produtos aparentemente
sempre sejam iguais, de fato não o são, pois os processos produtivos
apresentam variações oriundas de diversas fontes. Por esse motivo, o uso de
ferramentas e técnicas estatísticas vem sendo utilizado cada vez mais pelas
empresas. Tendo como objetivo a redução de custos e aumento da qualidade
e da produtividade, a empresa procura tornar-se cada vez mais competitiva
no mercado no qual está inserida. Essa técnica é conhecida como Controle
Estatístico do Processo (CEP).

Neste capítulo, abordaremos a importância da utilização de gráficos


de controle, quais as variáveis que devem ser controladas e analisadas.
Além disso, serão revistos alguns conceitos iniciais estudados no capítulo I
deste caderno, cuja aplicação se dará juntamente ao Controle Estatístico do
Processo (CEP).

Assim, entenderemos a necessidade do uso destas importantes


ferramentas e como elas nos auxiliam na estabilidade do processo para que a
garantia da qualidade esteja assegurada. Vamos lá?

Conceitos do Cep
Como vimos no capítulo I, Shewhart, na década de 1930, foi o
primeiro a colocar em prática nas fábricas alguns conceitos básicos em
Estatística, Metodologia Científica e Controle Estatístico de Processo
(CEP). (GARVIN, 1997). Segundo Samohyl (2005), atualmente, todas as
fábricas no mundo aplicam pelo menos uma ferramenta de CEP para a
melhoria dos processos industriais.

Com o
Os gráficos de controle foram desenvolvidos pelo Dr. Walter Shewart a
desenvolvimento da
partir da necessidade de analisar e encontrar soluções para os problemas de produção ao longo
qualidade e, com isto, esta ferramenta ganhou sua devida importância. Com o dos anos, essa
desenvolvimento da produção ao longo dos anos, essa ferramenta passou a ferramenta passou a
ser ideal, pois tornou eficiente, seguro e rápido o controle e aperfeiçoamento ser ideal, pois tornou
dos processos produtivos. eficiente, seguro e
rápido o controle e
O CEP permite que, “por meio de pequenas amostras, tenhamos a aperfeiçoamento dos
possibilidade de inferir no comportamento do lote de produção, tomando processos produtivos.
ações que evitem a ocorrência de problemas, através da prevenção”.
(FARIA et al., 2008).

99
Gestão da Qualidade e Produtividade

A ideia principal do CEP é que melhores processos de


produção com menos variabilidade propiciam níveis
melhores de qualidade nos resultados da produção. E
surpreendentemente quando se fala em melhores processos
isso significa não somente qualidade melhor, mas também
custos menores. Os custos, [...] diminuem principalmente
em função de duas razões: a inspeção por amostragem e a
redução de rejeito. (SAMOHYL, 2005, p. 264).

Geralmente nas fábricas os processos são analisados utilizando amostras


de lotes, pois devido à grande quantidade de peças fica inviável uma análise
com base em detalhes de todos os itens.

[...] Em muitos casos a inspeção a 100% é uma regra


da fábrica, mas na realidade este procedimento não
funciona adequadamente. Imagine o operador que tem
a responsabilidade de verificar o nível de preenchimento
de um lote de garrafas de cerveja. O lote tem 50.000
unidades. Depois de inspecionar apenas 100 garrafas, é
muito provável que o operador já não está mais pensando
em níveis de preenchimento, mas sim no próximo jogo do
seu time de futebol, na próxima oportunidade de tomar uma
cerveja, ou na próxima namorada. No final, inspeção a 100%
tem custos elevados e resultados péssimos. A seleção de
amostras de tamanho muito menor que a população enxuga
os custos e paradoxalmente acaba representando melhor
as características da população. Amostragem também é
necessária quando a inspeção necessita da destruição
do item amostrado. Neste caso poucos itens vão para
o laboratório para sofrer a verificação dos técnicos [...].
(SAMOHYL, 2005, 264).

A utilização do CEP se justifica pela diminuição dos custos, pois há


uma grande probabilidade do número ou percentagem de peças defeituosas
produzidas na fábrica diminuírem com as melhorias na linha de produção.
Ou seja, quanto menor a quantidade de refugo, menor será o retrabalho e,
consequentemente, o custo por peça produzida também vai diminuir.

Por outro lado, Samohyl (2005, p. 263) afirma que o “CEP não é
nenhum milagre e consequentemente, ele deve ser abordado na empresa
como qualquer projeto de investimento no qual os custos são contabilizados e
os benefícios previstos e medidos”.

100
Capítulo 5 Controle Estatístico do Processo (CEP)

Atividade de Estudos:

Descreva o que você entende por Controle Estatístico do Processo


(CEP).
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________

Ferramentas Estatísticas e o CEP


Bem, agora que nós já vimos o que é o CEP, prosseguiremos com o
controle do processo por meio de ferramentas estatísticas. Porém, antes
de iniciarmos a abordagem sobre as ferramentas estatísticas é interessante
observamos o quanto é importante que o processo seja analisado por uma
equipe multiprofissional. Samohyl (2005, p. 263) apresenta duas situações em
relação a isto:

Quando o gerente de produção mede e analisa uma


característica, por exemplo, da linha de produção,
uma característica física do produto ou uma medida do
desempenho do processo, ele tem em mente a melhoria do
processo. Ele vê uma combinação dos insumos do processo,
a atuação dos operadores junto com a combinação dos
insumos e as atividades das máquinas, e finalmente o
produto final. A visão do gerente é de aspectos concretos da
sua linha de produção e em termos sistêmicos.

O Estatístico por outro lado vai ver este mesmo processo


como algo mais abstrato, como um gerador de números. Ele
vai ver se os números gerados são centrados e simétricos
ao redor de uma tendência central, se existir ou não alguns
dados muito discrepantes dos outros, se tiver ou não relações
entre variáveis. É fácil ver que o gerente trabalhando sem
a ajuda do Estatístico não vai captar todas as informações
disponíveis nos dados, e o Estatístico sozinho não vai saber
onde ele deve concentrar seus esforços para melhorar o
processo. Portanto, o Gerente e o Estatístico têm muito para
ganhar trabalhando juntos.

101
Gestão da Qualidade e Produtividade

Você se recorda dos conceitos estatísticos de média, mediana e o


desvio padrão? Agora estas medidas serão instrumentos essenciais para a
análise do processo. É muito importante relembramos estes conceitos, pois
Média, mediana e o
eles nos ajudarão na elaboração dos gráficos de controle que veremos a
desvio padrão?
Estas medidas seguir. Vamos lá?
serão instrumentos
essenciais para a A Média pode ser considerada como “a tendência central dos dados,
análise do processo. ou seja, um valor que represente gráfica e estatisticamente um conjunto
de números. O cálculo de uma tendência central é importante porque
ela consegue condensar uma série de dados em um único número”.
(STEVENSON, 2001, p. 19).

Para o cálculo da média, representada por X, utilizamos a seguinte equação:

∑n1 Xi
X=
n

Onde: Xi são os valores obtidos, ou seja, os valores da amostra e


n é a quantidade, um valor que representa a amostra.

Exemplo: Ao cronometrar o tempo que um funcionário leva para produzir um


lote, observamos que esse obteve os seguintes tempos {5, 6, 7, 7, 6, 5, 6}
horas/produção. Para tanto, precisamos calcular a média de tempo que este
funcionário leva para produzir um lote. Para obtermos a média é necessário
somarmos todos os tempos e dividir pelo número de vezes que cronometramos,
que foram sete.

5+6+7+7 +6+5+6 42
X= = = 6

7 7

Dessa forma, a média obtida é de 6 horas/produto.

Todavia, se por algum motivo um desses tempos estivesse bem fora do


normal, ou seja, fosse um valor discrepante, repare o que aconteceria com a
média:

Imagine que os tempos obtidos, para o exemplo anterior, fossem {5, 7, 6,


15, 6, 7, 6} horas/produção. De igual forma calculamos a média:

5 + 7 + 6 + 15 + 6 + 7 + 6 52
X= = = 7.43

7 7
Com esta discrepância, o valor médio é de 7,43 horas/produto.

É interessante verificar que por conta de um valor discrepante (15) a média

102
Capítulo 5 Controle Estatístico do Processo (CEP)

sofreu uma grande variação, ocasionando 1,43 horas a mais para a produção
do lote. Nesses casos, é comum utilizarmos a mediana, que representa melhor
o valor médio.

A Mediana deve ser usada quando na amostra existem números


discrepantes e assimétricos. Nestes casos, podemos resolver o problema
utilizando a mediana, que é o valor da variável que ocupa a posição central
da distribuição (tendência dos valores). Ou seja, em uma relação de números
ordenados, do maior para o menor, ou vice-versa, existe um valor que separa
todos os números em dois grupos iguais, os números maiores que a mediana
e os números menores.

Considerando o exemplo anterior (acrescido do valor discrepante), temos


os tempos obtidos que foram {5, 7, 6, 15, 6, 7, 6} horas/produção. Para
obtermos a mediana, é preciso ordená-los da seguinte forma {5, 6, 6, 6, 7, 7,
15}, assim, podemos verificar que a mediana é igual a seis, pois é o número
que ocupa a posição central dos dados ordenados. Ou seja, o número seis
é precedido por três números menores {5, 6, 6} e seguido de três números
maiores {7, 7, 15} como resultado, este valor representa melhor o tempo de O valor discrepante é
produção, pois, ainda que apresente um valor discrepante entre os obtidos na um sinônimo de alerta
amostra da produção, o valor é de 6 horas/produto. na produção, pois
este pode representar
Em contrapartida, o valor discrepante é um sinônimo de alerta na falhas, o que, muitas
produção, pois este pode representar falhas, o que, muitas vezes, ocasiona vezes, ocasiona
retrabalho ou peças rejeitadas, que elevam os custos de produção. Convém, retrabalho ou peças
nesse sentido, avaliar a variação ou tendência que ocorre no processo. Para rejeitadas, que elevam
tanto, utiliza-se o desvio padrão, que pode verificar se o produto está ou não os custos de produção.
saindo dentro das especificações.

O desvio padrão é uma medida de tendência que representa como os


dados se espalham ao redor da média. O desvio padrão é a mais importante
das medidas de dispersão, uma vez que é utilizado em conjunção com
numerosos métodos de interferência estatística. (STEVENSON, 2001, p. 51).

Para o cálculo do desvio padrão, representado por S , utilizamos a seguinte


equação:

∑ni (Xi - X)2


S= n-1

Onde: Xi são os valores obtidos, ou seja, os valores da amostra,


n é a quantidade, um valor, que representa a amostra,
X é a média, ou mediana, caso tenha valores discrepantes entre
os obtidos na amostra.

103
Gestão da Qualidade e Produtividade

Vamos continuar utilizando o mesmo exemplo:

Ao cronometrar o tempo que um funcionário leva para produzir um lote,


observamos que ele obteve os seguintes tempos {5, 6, 7, 7, 6, 5, 6} horas/
produção. E a média obtida foi de 6 horas/produto. Agora, vamos calcular o
desvio padrão desta amostra. Utilizando:

∑ni (Xi - X)2


S= n-1
Desta maneira:

(5 - 6)2 + (6 - 6)2 + (7 - 6)2 + (7 - 6)2 + (6 - 6)2 + (5 - 6)2 + (6 - 6)2


S = 7 - 1

4
Portanto, S = 6 = 0,8

Agora, vamos calcular para o exemplo que possui um valor discrepante:

(5 - 7,43)2 + (7 - 7,43)2 + (6 - 7,43)2 + (15 - 7,43)2 + (6 - 7,43)2 + (7 - 7,43)2 + (6 - 7,43)2


S = 7 - 1

69,7143
Portanto, S = = 3,4
Essa variabilidade 6
de valores, ou essa Logo, podemos verificar que a amostra que possui o valor discrepante
dispersão, pode definir
apresenta um desvio considerável, apontando uma variabilidade no processo
a qualidade de forma
e através de um valor identifica que algo pode estar fora dos parâmetros da
mensurável,
qualidade exigida.

Por consequência, essa variabilidade de valores, ou essa dispersão, pode


definir a qualidade de forma mensurável, de modo que podemos discutir e
analisar com os colegas os dados obtidos.

Conforme Samohyl (2005, p. 268), “a média dos quadrados dos desvios


leva o nome técnico de variância. Para chegar a uma medida de desvio médio,
é necessário aplicar a raiz quadrada à variância. Esse desvio médio recebe
outro nome em estatística, o desvio-padrão”.

Outra maneira de se calcular o desvio, agora representado por (σ), é


através da diferença entre o valor obtido (Xi) e a média (X), de forma que o
sinal pode variar por apresentar valores acima e abaixo da média, então: σ =
(Xi - X)

104
Capítulo 5 Controle Estatístico do Processo (CEP)

Vamos continuar com o nosso exemplo:

Os tempos obtidos foram {5, 7, 6, 5, 6, 7, 6} horas/produção e a média (X)


obtida foi de 6 horas/produção, fazendo-se o cálculo do desvio obteremos os
dados expostos no quadro a seguir:

Quadro 13 – Cálculo do desvio padrão

Tempo ( Xi ) Valor obtido - Média ( Xi - X ) Desvio ( σ )


5 5–6 -1
7 7–6 1
6 6–6 0
5 5–6 -1
6 6–6 0
7 7–6 1
6 6–6 0
TOTAL 0
Fonte: As autoras.

Fatalidade matemática: a soma dos desvios é sempre igual a


zero e, portanto, a média dos desvios também.

Caro(a) Pós-Graduando(a), cabe lembrá-lo(a) que atualmente


existem softwares específicos de estática que o(a) ajudarão nos
cálculos e construção dos gráficos, como também poderá fazer
uso de algumas ferramentas do Excel.

Para aprofundar seus conhecimentos sobre estes conceitos,


sugerimos a leitura deste artigo:

CONTROLE ESTATÍSTICO APLICADO AO PROCESSO


DE COLHEITA MECANIZADA DE CANA-DE-AÇÚCAR

RESUMO: O avanço da mecanização na colheita da cana-de-


açúcar (Saccharum spp.) proporcionou o uso de novas tecnologias
105
Gestão da Qualidade e Produtividade

e ganho em produtividade para a cultura. O controle da qualidade


do processo de colheita da cana-de-açúcar é fundamental para
reduzir as perdas. Este trabalho teve o objetivo de avaliar as perdas
na colheita mecanizada de cana-de-açúcar, utilizando-as como
indicadores de qualidade do processo de colheita. Os dados foram
coletados em duas propriedades próximas a Jaboticabal - SP, com
a variedade SP80-3280, em 3º e 4º cortes. Caracterizou-se o porte
do canavial e, após a colheita, demarcou-se área de 1,5 ha, sendo
demarcados 25 pontos, espaçados de 12 x 50 m, quantificando-se
as perdas visíveis. Posteriormente, foi aplicado o controle estatístico
do processo pela média, que consta de três vezes o desvio-padrão
para mais ou para menos, estes são os limites de controle, superior
e inferior, respectivamente. A média das perdas de pedaço solto
foi estatisticamente maior do que as médias de perdas em pedaço
fixo, cana inteira, cana-ponta e toco. A ocorrência de perdas em
rebolo estilhaçado foi menor para o 4° corte em relação ao 3° corte,
enquanto as perdas, em pedaço fixo e toco, foram menores no 3°
corte quando comparadas às perdas no 4º corte. Em cada corte,
as médias para as perdas totais estiveram próximas dos valores
encontrados na bibliografia. O pedaço solto foi o que apresentou
a variável de perdas visíveis com maior percentagem de ocorrência.
As perdas demonstraram que a colheita mecanizada não se encontra
Para começarmos a
sob controle estatístico de processo.
análise de qualquer
produto ou serviço Você poderá fazer a leitura completa do artigo acessando o site:
precisamos definir http://www.aedb.br/seget/artigos08/194_evandro%20
qual o conjunto de elvis%20e%20claudia%20-%20CEP.pdf
características ou
variáveis mensuráveis
que devem ser
analisadas e Recordados os conceitos, para começarmos a análise de qualquer produto
controladas. ou serviço precisamos definir qual o conjunto de características ou variáveis
mensuráveis que devem ser analisadas e controladas.

Atividade de Estudos:

Quais são as vantagens e limitações dos métodos gráficos no


controle da qualidade?
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________

106
Capítulo 5 Controle Estatístico do Processo (CEP)

As Variações no Processo de Controle Todos os processos


produtivos apresentam
variações em seu
Todos os processos produtivos apresentam variações em seu output output (saída), ou seja,
(saída), ou seja, no seu produto. Estas variações podem ser tanto naturais no seu produto. Estas
como influenciadas por uma combinação de fatores: máquina, operador e variações podem ser
ambiente. tanto naturais como
influenciadas por uma
Segundo Stevenson (2001) estas variações podem ser: combinação de fatores:
máquina, operador e
Aleatória: também chamada de variação natural do processo, é uma ambiente.
variação inerente ao processo. Pode ocorrer devido à tecnologia das máquinas
(equipamentos antigos).

Assinalável: são variações facilmente identificadas, ou seja, possuem


uma causa especifica e são eliminadas. Como, por exemplo, o desgaste de
uma ferramenta (serra que perdeu o corte ou uma lixa que apresenta desgaste
ou, ainda, o uso incorreto dos equipamentos).

Para o monitoramento, essas amostras são medidas e representadas


num gráfico a partir do resultado de várias amostras e lotes. Para um bom
resultado, é importante obtermos um grande conjunto de gráficos de controle,
para tanto, utilizam-se amostras muito pequenas.

Assim, durante um longo período de tempo, as amostras são medidas
e representadas num gráfico que será comparado com o gráfico da distribuição
normal onde temos os atributos que desejamos controlar, lembrando que
estes devem ser muito bem especificados durante o planejamento e o controle
da qualidade. Em resumo, esta amostragem tem por objetivo identificar se as
fontes de variação não-aleatórias estão presentes no processo.

Figura 25 – Distribuição do Processo comparado à Distribuição Amostral


Fonte: Stevenson (2001, p. 334).


107
Gestão da Qualidade e Produtividade

Mas, você lembra o que é um gráfico da distribuição normal?

Uma distribuição é dita normal quando as variáveis do processo


apresentam variações comuns, isso significa que estas variações
não ocasionam um deslocamento da média, que acabamos de ver,
ou que alteram o desvio padrão da amostra.

Devemos lembrar que esses parâmetros são as variáveis do processo, ou


seja, tudo o que podemos medir através de algum instrumento, como o peso, a
altura, o volume, a velocidade, a temperatura, o comprimento, a largura entre
Um processo está
outros. Entretanto, se estas medidas não sofrerem alteração durante certo
sob controle quando
período de tempo e estiverem dentro da média ou não ultrapassarem o desvio
os produtos e as
medidas do processo padrão aceitável para o processo, dizemos que estão sob controle. Podemos,
apresentam a também, dizer que um processo está sob controle quando os produtos e as
menor variabilidade medidas do processo apresentam a menor variabilidade e, portanto, mais
e, portanto, mais exatidão para alcançar a qualidade desejada.
exatidão para alcançar
a qualidade desejada. Mas, você deve estar questionando qual a importância do controle
estatístico, não é mesmo?

Bem, o controle estatístico é muito eficiente do ponto de vista prático,
pois possibilita a visualização de parâmetros que se deseja controlar durante
o processo, permitindo que este seja interrompido no momento em que se
verifica algum problema ou desempenho fora do esperado, podendo, assim,
ser aprimorado.

Para que você possa analisar como ocorre a variação no


controle estatístico do processo, sugerimos a leitura do artigo:
CAMPOS, Rubya V. de M.; ROCHA Rony P. da. O controle
estatístico de processos (CEP) para o monitoramento da
qualidade do farelo lex no processo do óleo de soja na empresa
CAC. IV EPCT – Encontro de Produção Ciência e Tecnologia. – 20
á 23 de outubro de 2009. Disponível em: <http://www.fecilcam.br/
nupem/anais_iv_epct/PDF/engenharias/06_CAMPOS_ROCHA.
pdf>. Acesso em: 05 maio 2010.

108
Capítulo 5 Controle Estatístico do Processo (CEP)

Atividade de Estudos:

Quais as variações que o processo pode sofrer em seu output


(saída)?
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________

Gráficos de Controle
Gráficos de controle
O emprego dos gráficos de controle, diferentemente da inspeção após possibilitam o controle
a produção, possibilita o controle da qualidade durante a manufatura, ou seja, da qualidade durante
os gráficos de controle exibem um enfoque na detecção dos defeitos e ação a manufatura, ou seja,
corretiva imediata, caso alguma falha seja detectada. Dessa forma, ao impedir os gráficos de controle
exibem um enfoque na
a saída de produtos imperfeitos, pode ser considerado como um método de
detecção dos defeitos
caráter preventivo. (DEMING, 1990).
e ação corretiva
imediata, caso alguma
Os gráficos de controle apresentam os dados coletados em ordem falha seja detectada.
cronológica da distribuição amostral e é considerado um método de detecção
das causas assinaláveis, ou seja, causas incomuns que, agindo no processo,
provocam alta variabilidade na saída (resultado do processo).

Em consonância com Samohyl (2005, p. 268), os gráficos de controle


são muito importantes e conceituam que “o desvio-padrão de uma coleção de
médias recebe o nome de erro-padrão e é igual ao desvio-padrão dividido pela
raiz quadrada do tamanho da amostra”.

Shewart (apud SAMOHYL, 2005, p. 278) desenvolveu uma tabela de


coeficientes d2, que transforma a média das amplitudes em desvio-padrão,
dividindo um pelo outro. Para se converter o desvio-padrão em erro padrão,
divide-se o desvio-padrão pela raiz quadrada de n, sendo n o tamanho da
amostra.

109
Gestão da Qualidade e Produtividade

Tabela 2 - Coeficientes para os gráficos de controle

Tamanho da amostra (n) Coeficientes (d2)


2 1,128
3 1,693
4 2,059
5 2,326
6 2,534
7 2,704
8 2,847
9 2,970
10 3,078
11 3,173
12 3,258
13 3,336
14 3,407
15 3,472
20 3,735
25 3,931

Fonte: Adaptado de Samohyl (2005).



Por meio do gráfico de controle é possível avaliar tendências, padrões de
não-aleatoriedade e instabilidades do processo, permitindo a sua interrupção e
a ação corretiva antes que se produzam itens fora dos limites de especificação.
(MONTGOMERY, 1997).

Portanto, na prática, sabemos que estes valores não devem ser muito
superiores ou inferiores da média da distribuição, senão haverá a necessidade
de interrupção e a tomada de alguma ação corretiva. Mas, você sabe de quais
valores estamos falando?

Estes valores são, na realidade, os limites de controle que servirão como


base para sabermos se o processo, ou a amostra analisada no processo, está
dentro do desejável para a garantia da qualidade sugerida pelo cliente. Os
limites de controle são as linhas divisórias que separam os desvios da média
da distribuição amostral, o maior valor é o limite superior de controle (LSC)
e o menor é o limite inferior de controle (LIC).

Você poderá visualizar melhor como isto funciona observando a figura 26.

110
Capítulo 5 Controle Estatístico do Processo (CEP)

Figura 26 – Informações básicas de uma carta de controle

Fonte: Corrêa e Corrêa (2005, p.143).

As três linhas representam dois limites de controle, um superior (LSC) e


outro inferior (LIC), e uma linha no meio a qual é a média da variável ou o alvo
da característica. Tradicionalmente, as linhas de controle ficam numa distância
de três desvios padrão da média ou alvo do processo. O uso de três é um
pouco arbitrário, mas na prática funciona bem na maioria dos casos.

E como podemos obter um gráfico da distribuição normal? Para obter


um gráfico da distribuição normal inicialmente são coletadas amostras São analisadas as
aleatoriamente durante o processo de fabricação, respeitando as regras características a
específicas de amostragem do processo. Suas características são medidas e serem controladas e
inseridas em gráficos de controle. Os indicadores estatísticos são calculados a é feito o cálculo dos
partir de medições e usados para avaliar a condição atual do processo. limites de controle do
processo em relação
Para tanto, são analisadas as características a serem controladas e é feito à centralização da
o cálculo dos limites de controle do processo em relação à centralização da característica de
característica de qualidade (média, mediana, etc.) e a variabilidade permitida a qualidade (média,
este valor (amplitude, desvio padrão, etc.). mediana, etc.) e a
variabilidade permitida
a este valor (amplitude,
desvio padrão, etc.).

111
Gestão da Qualidade e Produtividade

Na figura 27 podemos verificar uma maneira de se obter a curva de


distribuição normal.

Figura 27 – A variação natural no processo de enchimento


da caixa de arroz descrita por uma distribuição normal

Fonte: Extraído de Slack (1999, p. 427).

O exemplo apresentado por Slack (1999) simulou a seguinte situação:


Foram medidas, de diversas amostras, o peso das caixas de arroz (a), (b) e
(c) obtidas por preenchimento automático. A coleta dos dados obtidos gerou
vários histogramas (ver capítulo 3 – Ferramentas da Qualidade) que, à medida
que as caixas foram sendo pesadas, apontou uma forte tendência de o peso
aproximar-se de um valor médio do processo. Depois de muitas caixas terem
sido pesadas, formou-se uma distribuição mais uniforme (d), denominada de
distribuição normal, e esta distribuição representará a variabilidade aleatória
de todas as médias amostrais visualizadas no gráfico (f) da figura 27.

Mas, como sabemos se a variação do desempenho do processo está de


acordo com o especificado?

Para avaliar se os resultados estão conforme a aceitabilidade do processo,
as amostras devem ser comparadas com uma curva de distribuição normal,
que é predeterminada, assim como os seus desvios-padrão. Todavia, se os
resultados obtidos não estiverem de acordo com o aceitável, ações corretivas
eficazes devem ser tomadas para eliminar o problema. Contudo, devemos
acompanhar o processo por tempo o suficiente para que a capabilidade,
ou seja, esta aceitabilidade da variação do processo esteja assegurada.
Posteriormente veremos o estudo da capabilidade.

112
Capítulo 5 Controle Estatístico do Processo (CEP)

Existem dois tipos de gráficos de controle que, de acordo com as


características da qualidade exigidas pelo cliente, podem ser:
Tipos de gráficos de
controle variáveis e
a) variáveis: são os gráficos que medem dados, geralmente numa escala
atributos.
contínua, como a massa, a temperatura, etc.,

b) atributos: são os gráficos que podem ser contados, ou seja, contam algum
dado e classificam a amostra como conforme ou não-conforme.

a) Gráficos Variáveis Os gráficos de média


são utilizados para
Os gráficos de média são utilizados para controlar variáveis, monitorando controlar variáveis,
a tendência central dos dados coletados de amostras de um processo. E, os monitorando a
gráficos de amplitude monitoram a dispersão dessas amostras coletadas de tendência central
um processo. dos dados coletados
de amostras de um
processo. E, os
• Os gráficos de média também são denominados gráficos “X barra” (ξ),
gráficos de amplitude
onde o valor do desvio-padrão (σ) normalmente é uma estimativa, por ser
monitoram a dispersão
frequentemente desconhecido. dessas amostras
coletadas de um
• Já os gráficos de amplitude, conhecidos por gráficos R, de range, faixa processo.
de variação ou amplitude, são bastante sensíveis às mudanças e, por
consequência, bastante utilizados no controle da dispersão do processo.

A amplitude, que representa a dispersão dos valores obtidos na


amostra, pode ser calculada a partir do maior e do menor valor obtido na
amostra, da seguinte maneira:

R = Xmáx - Xmin

Onde: R representa a amplitude,


Xmáx representa o maior valor obtido na amostra,
Xmin representa o menor valor obtido na amostra.

Exemplo: Durante o processo de fabricação de bicicletas foi analisada a
variação de peso para verificar se ocorreu pouca ou muita variação no peso
destas, pois para torná-las mais velozes o valor deve estar dentro dos padrões
exigidos. Assim sendo, coletou-se uma amostra com 100 amostras retiradas do
mesmo lote e se dividiu em 25 subgrupos de 4 itens, conforme tabela que segue:

113
Gestão da Qualidade e Produtividade

Tabela 3 – Amostras aleatórias das análises do


processo de fabricação de bicicletas.

Amostras Peso 1 (Kg) Peso 2 (Kg) Peso 3 (Kg) Peso 4 (Kg) Média (Kg) Amplitude
1 2,106 2,106 2,198 2,152 2,1405 0,092
2 2,088 2,144 2,14 2,146 2,1295 0,058
3 2,19 2,176 2,158 2,2 2,181 0,042
4 2,142 2,148 2,138 2,134 2,1405 0,014
5 2,15 2,14 2,166 2,192 2,162 0,052
6 2,076 2,148 2,166 2,128 2,1295 0,09
7 2,144 2,148 2,136 2,138 2,1415 0,012
8 2,164 2,158 2,08 2,162 2,141 0,084
9 2,096 2,084 2,08 2,146 2,1015 0,066
10 2,078 2,07 2,104 2,148 2,1 0,078
11 2,144 2,084 2,166 2,2 2,1485 0,116
12 2,144 2,132 2,066 2,194 2,134 0,128
13 2,066 2,166 2,174 2,168 2,1435 0,108
14 2,186 2,164 2,154 2,144 2,162 0,042
15 3,354 3,432 3,658 3,462 3,4765 0,074
16 2,182 2,178 2,16 2,166 2,1715 0,022
17 2,146 2,132 2,17 2,174 2,1555 0,042
18 2,09 2,202 2,16 2,152 2,151 0,112
19 2,184 2,182 2,198 2,146 2,1775 0,052
20 2,146 2,106 2,198 2,16 2,1525 0,092
21 2,162 2,19 2,062 2,05 2,116 0,14
22 2,056 2,168 2,176 2,164 2,141 0,12
23 2,166 2,21 2,124 2,212 2,178 0,088
24 2,156 2,156 2,104 2,106 2,1305 0,052
25 2,21 2,11 2,144 2,142 2,1515 0,1
TOTAL 53,638 1,876

Fonte: Adaptado pelas autoras com base em Stevenson (2001)

114
Capítulo 5 Controle Estatístico do Processo (CEP)

Efetuados os cálculos da média e da amplitude, geraram-se os devidos


gráficos:

Figura 28 – Gráfico da média e da amplitude

Fonte: Stevenson (2001).



Podemos observar nesses gráficos que todos os pontos estão dentro dos
limites de controle, entretanto, temos dois pontos muito próximos do Limite Inferior
de Controle, o que pode estar representando uma anormalidade no processo.

Para uma melhor compreensão do assunto, sugerimos


que faça a leitura do artigo: Aplicação do controle estatístico
de processo na indústria farmacêutica, publicado na revista
Ciências Farmacêutico Básica e Aplicada, v. 27, n. 3, p.177-187,
2006, cujo resumo apresentamos na sequência.

RESUMO:

O controle estatístico de processo (CEP) é uma das mais


poderosas metodologias desenvolvidas visando auxiliar no
controle eficaz da qualidade. Através das cartas ou gráficos
de controle, podem-se detectar desvios de parâmetros
representativos do processo, reduzindo a quantidade de
produtos fora de especificações e com isso reduzindo os custos
da produção. O controle estatístico de processo embora pouco
utilizado na indústria farmacêutica, é uma ferramenta de grande
utilidade, pois incorpora também o conceito de boas práticas de
fabricação. Além de fornecer informações imprescindíveis para
a validação de processos, uma vez que permitem a investigação
detalhada de todos os pontos críticos de controle, diagnosticando
as possíveis não conformidades em todas as etapas do processo,
além de sinalizar as possíveis fontes esses desvios de qualidade

115
Gestão da Qualidade e Produtividade

possibilitando correções e interações com o processo. Apesar de


não existir muitas publicações do CEP na indústria farmacêutica,
os exemplos de aplicações desta ferramenta provam sua grande
importância para a compreensão dos processos que envolvem a
obtenção de medicamentos.

Você pode fazer a leitura completa deste artigo acessando: http://serv-


bib.fcfar.unesp.br/seer/index.php/Cien_Farm/article/view/380/364.

Nesse contexto, se utilizarmos para um mesmo processo os gráficos


da média e da amplitude variadas informações serão obtidas para o
monitoramento de um mesmo processo. O gráfico das médias identifica o
deslocamento da média do processo, porém se a dispersão não alterar fica
difícil detectar o problema.

Convém evidenciar que a utilização simultânea de ambos os gráficos nos


fornece informações mais completas do que se utilizarmos um único gráfico,
como são os casos A e B da figura 29.

Figura 29 – Os gráficos das médias e amplitudes, quando


utilizados em conjunto, complementam-se mutuamente

116 Fonte: Extraído de Stevenson (2001, p. 339).


Capítulo 5 Controle Estatístico do Processo (CEP)

b) Gráficos de Atributos

Os gráficos de controle de atributos somente serão utilizados em casos em


que desejamos controlar alguma característica que pode ser contada, como,
por exemplo, a quantidade de peças defeituosas em uma amostra. Estes
podem ser classificados em dois tipos de gráficos de controle de atributos: um Os gráficos de controle
que conta a proporção de itens defeituosos de uma amostra (gráfico p) e o de atributos somente
outro que conta o número de defeitos por unidade (gráfico c). serão utilizados
em casos em que
Exemplo adaptado de Samohyl (2005): Uma empresa fabrica canetas desejamos controlar
alguma característica
esferográficas customizadas com a logomarca do cliente. As canetas vêm
que pode ser contada.
recebendo reclamações e o gerente da linha de produção toma a iniciativa de
implantar a utilização de um gráfico de controle na linha. O gráfico utilizado é
o gráfico de percentagem (p) de itens defeituosos. O gráfico exige tamanho de
amostra grande, dessa forma, foram coletadas 100 para facilitar a conversão
de número de defeituosas em percentagem. Depois de três turnos de
amostragem, foram coletados dados em 34 subgrupos.

Tabela 4 – Amostras dos 34 subgrupos

Amostras Defeituosas Tamanho da amostra Percentagem defeituosa


1 8 100 8
2 8 100 8
3 5 100 5
4 2 100 2
5 5 100 5
6 7 100 7
7 2 100 2
8 5 100 5
9 3 100 3
10 12 100 12
11 3 100 3
12 6 100 6
13 2 100 2
14 7 100 7
15 8 100 8
16 3 100 3
17 3 100 3
18 5 100 5
19 4 100 4
20 5 100 5
21 3 100 3
CONTINUAÇÃO

117
Gestão da Qualidade e Produtividade

22 8 100 8
23 2 100 2
24 6 100 6
25 2 100 2
26 5 100 5
27 6 100 6
28 9 100 9
29 2 100 2
30 3 100 3
31 9 100 9
32 7 100 7
33 5 100 5
34 4 100 4
Média 5,12 100 5,12

Fonte: adaptado de Samohyl (2005, p. 285).

Para montar o gráfico de controle de percentagem defeituosa, é


necessário calcular a linha central, que é a percentagem defeituosa média, e
os limites de controle inferior e superior a três desvios padrão da média.

Figura 30 - Gráfico de controle de percentagem defeituosa

Fonte: Extraído de Samohyl (2005, p. 287).

Imediatamente é verificado que o subgrupo 10 possui número de


defeituosas maior que o limite superior de controle. Para tanto, é indicado que
se faça uma investigação de causas especiais e assim que for encontrada a
causa, esta deve ser eliminada.

118
Capítulo 5 Controle Estatístico do Processo (CEP)

A utilização de gráficos de controle aumenta o custo e o tempo


necessários para se obter o output do processo. Em uma situação
ideal, variação e estabilidade de um processo, pouca alteração
acontece, de forma que nem seria necessário o uso de gráficos de
controle. Mas, então, para quê serve tudo isso?

Para Taguchi, engenheiro estatístico que desenvolveu métodos estatísticos


no Ocidente na década de 80, a qualidade é definida pelas perdas que o produto
impõe à sociedade e sempre vale à pena reduzir, através de aperfeiçoamento
de projetos, a variação dos produtos em relação às dimensões ótimas
especificadas, mesmo que esta variação se encontre dentro dos intervalos de
tolerância do projeto. (CORREA; CORREA, 2005)

O autor também propõe que as perdas impostas à sociedade crescem de


forma quadrática à medida que o valor de parâmetro de importância se afasta
do valor considerado ótimo. Taguchi (apud CORRÊA; CORRÊA, 2005, p.127)
observa que, “do ponto de vista do cliente, não há diferença substancial entre
um produto reprovado por estar ligeiramente acima do limite de tolerância e
aquele que foi aprovado estando ligeiramente abaixo dele, pois as perdas em
cada uma das situações são substancialmente iguais”..

A figura 31 apresenta um gráfico de perdas X conformidade para você


compreender melhor como se dá está relação.

Figura 31 – Perdas X conformidade

Fonte: Extraído de Corrêa e Corrêa (2005, p.127).

119
Gestão da Qualidade e Produtividade

Você pode observar na figura 31 que as tolerâncias, portanto, devem


servir somente como parâmetro de inspeção, visando a correções, e não como
definidoras da qualidade de um produto.

Capabilidade do Processo
A variabilidade de um
Para Stevenson (2001, p. 346), “a variabilidade de um processo é o fator-
processo é o fator-
chave da capabilidade chave da capabilidade do processo. Ela é medida em termos do desvio-padrão
do processo. Ela é do processo”.
medida em termos
do desvio-padrão do Já para Slack (1999, p. 427), “a medida mais simples da capabilidade
processo. (Cp) é dada pela razão entre a faixa de especificação e a variação ‘natural’ do
processo”. Pode ser representada através da seguinte equação:

UTL - LTL
Cp =

Onde:

UTL = limite superior da tolerância,


TL = limite inferior da tolerância,
σ = desvio padrão da variabilidade do processo

Assim, podemos observar a variação da capabilidade do processo em


relação aos limites de controle, através da figura 32:

Figura 32 – Capabilidade comparada à variação natural do


processo com a faixa de especificação que é requerida

120 Fonte: Extraído de Slack (1999, p. 428).


Capítulo 5 Controle Estatístico do Processo (CEP)

Ainda tomando como exemplo o enchimento das sacas de arroz, podemos


observar que no processo de enchimento, ele é tido como capaz, pois o valor
encontrado é maior do que um, conforme demonstrado a seguir:

214 - 198 16
Cp = =
6x2 12
Para determinar se um processo é capaz, o índice (Cp) deve ser maior ou
igual a um, figura (a) e (b) da figura 32. Caso o número seja menor que um,
este processo (c) não é capaz, desde que a distribuição seja normal.

Atividade de Estudos:

O que significa capabilidade do processo?


_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________
_____________________________________________________

Algumas Considerações
A qualidade não se limita apenas em atender a todas as necessidades do
cliente, mas também a otimização do processo, de modo que tenha o mínimo
de desperdício e retrabalho, reduzindo custos, e que se evite a variabilidade do
produto, assim como a do processo. Sendo assim, o uso das ferramentas do
controle estatístico do processo sempre traz benefícios para quem as aplica.

Para finalizar, a implantação de qualquer procedimento novo na empresa,


especialmente procedimentos com base matemática, deve começar num
espaço pequeno, mas manejável, bem selecionado e crítico, pois assim
oferece resultados aparentes e contundentes. Iniciando-se a implantação de

121
Gestão da Qualidade e Produtividade

métodos estatísticos com apenas gráficos e explicações intuitivas, sem entrar


nos detalhes dos cálculos, já proporciona condições suficientes para analisar
melhor um fenômeno problemático. Hoje, os famosos gráficos de controle se
encontram na análise de todos os aspectos da empresa e possuem aplicações
muito mais variadas do que o imaginado por Walter Shewhart, seu criador.

Referências
CORRÊA, Henrique L.; CORRÊA, Carlos A. Administração de Produção
e de Operações: Manufatura e serviços – uma abordagem estratégica. São
Paulo: Atlas, 2005.

DEMING, W.D. Qualidade: a revolução da administração. Rio de Janeiro, Ed.


Marques- Saraiva, 308 p. 1990.

FARIA, Evandro de Paula et. al. O CEP como ferramenta de melhoria de


qualidade e produtividade nas organizações. In: SIMPÓSIO DE EXCELÊNCIA
EM GESTÃO E TECNOLOGIA, 5., out. 2008. Anais do V SEGeT –
Disponível em: <http://www.aedb.br/seget/artigos08/194_evandro%20
elvis%20e%20claudia%20-%20CEP.pdf>. Acesso em: 14 abr. 2010.

GARVIN, David A.. Gerenciando a qualidade: a visão estratégica e


competitiva. Rio de Janeiro: Qualitymark , 1997.

MONTGOMERY, Douglas C. Introdução ao controle estatístico da


qualidade. 4. ed. São Paulo: LTC 1997.

SAMOHYL, Robert. Controle Estatístico de Processo. In: CARVALHO, Marly


de M.; PALADINI, Edson. Gestão da Qualidade: Teoria e Casos. São Paulo:
Elsevier Campos, 2005. p. 262 - 299.

SENAC. DN. Qualidade em prestação de serviços. 2. ed. Rio de Janeiro,


2001.

SLACK, Nigel. Administração da Produção. São Paulo: Compacta, 1999.

STEVENSON, William J. Estatística: Aplicada à Administração. São Paulo:


Harbra Ltda, 2001.

122