Escolar Documentos
Profissional Documentos
Cultura Documentos
ESTATÍSTICO DO
PROCESSO
GRADUAÇÃO
Unicesumar
Reitor
Wilson de Matos Silva
Vice-Reitor
Wilson de Matos Silva Filho
Pró-Reitor Executivo de EAD
William Victor Kendrick de Matos Silva
Pró-Reitor de Ensino de EAD
Janes Fidélis Tomelin
Presidente da Mantenedora
Cláudio Ferdinandi
Impresso por:
Viver e trabalhar em uma sociedade global é um
grande desafio para todos os cidadãos. A busca
por tecnologia, informação, conhecimento de
qualidade, novas habilidades para liderança e so-
lução de problemas com eficiência tornou-se uma
questão de sobrevivência no mundo do trabalho.
Cada um de nós tem uma grande responsabilida-
de: as escolhas que fizermos por nós e pelos nos-
sos farão grande diferença no futuro.
Com essa visão, o Centro Universitário Cesumar
assume o compromisso de democratizar o conhe-
cimento por meio de alta tecnologia e contribuir
para o futuro dos brasileiros.
No cumprimento de sua missão – “promover a
educação de qualidade nas diferentes áreas do
conhecimento, formando profissionais cidadãos
que contribuam para o desenvolvimento de uma
sociedade justa e solidária” –, o Centro Universi-
tário Cesumar busca a integração do ensino-pes-
quisa-extensão com as demandas institucionais
e sociais; a realização de uma prática acadêmica
que contribua para o desenvolvimento da consci-
ência social e política e, por fim, a democratização
do conhecimento acadêmico com a articulação e
a integração com a sociedade.
Diante disso, o Centro Universitário Cesumar al-
meja ser reconhecido como uma instituição uni-
versitária de referência regional e nacional pela
qualidade e compromisso do corpo docente;
aquisição de competências institucionais para
o desenvolvimento de linhas de pesquisa; con-
solidação da extensão universitária; qualidade
da oferta dos ensinos presencial e a distância;
bem-estar e satisfação da comunidade interna;
qualidade da gestão acadêmica e administrati-
va; compromisso social de inclusão; processos de
cooperação e parceria com o mundo do trabalho,
como também pelo compromisso e relaciona-
mento permanente com os egressos, incentivan-
do a educação continuada.
Seja bem-vindo(a), caro(a) acadêmico(a)! Você está
iniciando um processo de transformação, pois quando
investimos em nossa formação, seja ela pessoal ou
profissional, nos transformamos e, consequentemente,
transformamos também a sociedade na qual estamos
inseridos. De que forma o fazemos? Criando oportu-
nidades e/ou estabelecendo mudanças capazes de
alcançar um nível de desenvolvimento compatível com
os desafios que surgem no mundo contemporâneo.
O Centro Universitário Cesumar mediante o Núcleo de
Educação a Distância, o(a) acompanhará durante todo
este processo, pois conforme Freire (1996): “Os homens
se educam juntos, na transformação do mundo”.
Os materiais produzidos oferecem linguagem dialógica
e encontram-se integrados à proposta pedagógica,
contribuindo no processo educacional, complemen-
tando sua formação profissional, desenvolvendo com-
petências e habilidades, e aplicando conceitos teóricos
em situação de realidade, de maneira a inseri-lo(a) no
mercado de trabalho. Ou seja, estes materiais têm como
principal objetivo “provocar uma aproximação entre
você e o conteúdo”, desta forma possibilita o desenvol-
vimento da autonomia em busca dos conhecimentos
necessários para a sua formação pessoal e profissional.
Portanto, nossa distância nesse processo de cresci-
mento e construção do conhecimento deve ser apenas
geográfica. Utilize os diversos recursos pedagógicos
que o Centro Universitário Cesumar lhe possibilita. Ou
seja, acesse regularmente o AVA – Ambiente Virtual de
Aprendizagem, interaja nos fóruns e enquetes, assista
às aulas ao vivo e participe das discussões. Além dis-
so, lembre-se que existe uma equipe de professores
e tutores que se encontra disponível para sanar suas
dúvidas e auxiliá-lo(a) em seu processo de aprendiza-
gem, possibilitando-lhe trilhar com tranquilidade e
segurança sua trajetória acadêmica.
AUTOR
SEJA BEM-VINDO(A)!
Caro(a) aluno(a), seja bem-vindo(a)!
Preparei este material com o intuito de apresentar a você os princípios e conceitos bá-
sicos do Controle Estatístico do Processo para que eles sejam aplicados no planejamen-
to, realização, controle e obtenham resultados positivos nos processos industriais e na
prestação de serviços. Minha intenção é que você compreenda esses conceitos para que
eles sejam aplicados com eficiência na prática. As atividades que propomos em cada
unidade vão te direcionar para isso. Vamos encarar juntos esse desafio?
Este material está dividido em cinco unidades:
A Unidade I, “Visão geral sobre o Controle Estatístico do Processo”, abordará a importân-
cia da evolução dos métodos e filosofias que embasam os estudos acerca deste tema.
Nessa unidade, será conhecida um pouco da história sobre o controle estatístico e como
ele deve funcionar.
A Unidade II, chamada “Ferramentas da Qualidade I”, irá fornecer a você conhecimentos
de três ferramentas da qualidade: a folha de verificação, a estratificação e o diagrama de
Pareto.
A Unidade III, intitulada “Ferramentas da Qualidade II”, fornecerá informações sobre três
novas ferramentas: Diagrama de causa e efeito, Histograma e Diagrama de Dispersão.
A Unidade IV, intitulada “Estatística básica aplicada ao CEP”, abordará a importância do
conhecimento sobre probabilidade, variáveis e a distribuição normal.
Por fim, a Unidade V tratará da última ferramenta denominada gráfico de controle e a
capacidade dos processos. Nessa unidade, será enfatizado o uso dos diferentes tipos de
cartas de controle aplicados ao CEP e a capabilidade de um processo.
Este livro tem como objetivos fornecer informações úteis à elaboração de gráficos e es-
tudos que irão ajudar você na sua tomada de decisão. Ele foi desenvolvido para respon-
der de forma simples e objetiva às frequentes dúvidas encontradas no controle de um
processo.
Um grande abraço e um ótimo estudo!
09
SUMÁRIO
UNIDADE I
15 Introdução
36 Considerações Finais
42 Referências
43 Gabarito
UNIDADE II
FERRAMENTAS DA QUALIDADE I
47 Introdução
48 Folha de Verificação
54 Estratificação
56 Tipos de Amostras
10
SUMÁRIO
59 Diagrama de Pareto
70 Considerações Finais
75 Referências
76 Gabarito
UNIDADE III
FERRAMENTAS DA QUALIDADE II
81 Introdução
87 Histograma
88 Construção do Histograma
UNIDADE IV
125 Introdução
163 Referências
164 Gabarito
UNIDADE V
167 Introdução
168 Gráficos x e R
169 Gráficos x e s
203 Referências
204 Gabarito
205 CONCLUSÃO
Professor Esp. Samuel Sales Pedroza
I
VISÃO GERAL DO
UNIDADE
CONTROLE ESTATÍSTICO
DO PROCESSO
Objetivos de Aprendizagem
■■ Compreender o conceito de qualidade pela ótica da produção de
bens ou serviços.
■■ Conhecer as diferentes filosofias de qualidade ligadas ao controle
estatístico do processo.
■■ Relacionar a produtividade com a qualidade.
■■ Compreender aplicações industriais e não-industriais do CEP.
■■ Analisar o custo que a qualidade tem no processo.
Plano de Estudo
A seguir, apresentam-se os tópicos que você estudará nesta unidade:
■■ Métodos e Filosofia do Controle Estatístico do Processo
■■ Gerenciamento da Qualidade Total
■■ Padrões e Registros de Qualidade
■■ Ligação entre Qualidade e Produtividade
■■ Controle Estatístico do Processo
■■ Causas Aleatórias Atribuídas à Variação da Qualidade
■■ Implementação do Controle Estatístico de Processo
15
INTRODUÇÃO
produzindo algo é que faz aumentar esta gama de opções ao longo do tempo.
Mas sem um estudo correto sobre aonde a qualidade nos leva, ou deixa de nos
levar, isso seria possível?
O controle estatístico do processo deve ser estudado para que possamos
medir nossa qualidade. Afinal, como profissional inserido(a) e com uma visão
sistêmica, você deverá, em vários momentos, tomar decisões baseadas em fatos,
e os números e gráficos que traduzem a realidade de um processo são ferramen-
tas essenciais aos mais diversos profissionais que trabalham com a qualidade.
Você conhecerá a filosofia do controle estatístico do processo baseado
nas ideias de autores que são a pedra fundamental dos estudos relacionados à
qualidade.
Observará como os custos são impactados pela falta de controle estatístico
da qualidade de um processo, produto ou serviço pelas causas de variabilidade
que são presentes e que devem ser conhecidas e controladas.
A importância da alta administração nos aspectos relacionados à qualidade
é imensurável e os diferentes níveis hierárquicos devem conversar a mesma lin-
guagem, afinal é parte primordial da qualidade um bom entendimento entre
todos os envolvidos em um processo. O Controle Estatístico do Processo (CEP)
será fundamental nesse contexto, soando até como um novo e eficiente idioma
industrial.
A leitura desta primeira unidade é um novo começo àqueles que não conhe-
cem as medições e como interpretar os números relacionados à qualidade. Alguns
conceitos deverão, desde agora, fazer parte do seu vocabulário e conhecimento
e prover resultados espetaculares no dia a dia das empresas.
Ótimo estudo!
Introdução
16 UNIDADE I
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
MÉTODOS E FILOSOFIA DO CONTROLE ESTATÍSTICO
DO PROCESSO
(qual a frequência de falhas res e máquinas exigirão algum reparo ao longo de sua
do produto?) vida útil.
Durabilidade: Essa é a vida útil real do produto. Obviamente, os con-
(quanto tempo o produto sumidores desejam um produto que tenha um desem-
durará?) penho satisfatório por um longo período de tempo.
Assistência técnica: Há indústrias nas quais a visão de qualidade do
(qual a facilidade para consumidor é diretamente influenciada pela rapidez
consertar o produto?) e economia com que um reparo ou manutenção de
rotina é realizado.
Estética: Essa é a dimensão do apelo visual do produto, que leva
(qual a aparência do em conta fatores como estilo, cor, forma, embalagens
produto?) alternativas, características táteis e outros aspectos
sensoriais.
Características: Os consumidores associam alta qualidade a produtos
(o que o produto faz?) que apresentam características a mais, isto é, aqueles
que apresentam características além do desempenho
básico dos competidores.
Qualidade percebida: Os consumidores confiam na reputação da companhia
(qual a reputação da em relação à qualidade de seu produto. Essa reputação
companhia ou de seu é diretamente influenciada pelas falhas do produto,
produto?) que são altamente visíveis para o público ou que
exigem reposição do produto, e também pela ma-
neira como o cliente é tratado quando é relatado um
problema relativo à qualidade do produto. A qualidade
percebida, a lealdade do consumidor e os negócios
repetidos estão altamente relacionados.
Conformidade com es- Considera-se como de alta qualidade o produto que
pecificações: (o produto apresenta exatamente as especificações a ele destina-
é feito como o projetista das.
pretendia?)
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Antes do CEP: Deming, Juran e Feingenbaum
Embora as técnicas estatísticas sejam as ferramentas técnicas críticas para o
controle e melhoria da qualidade, precisam, para serem usadas com maior efici-
ência, ser implementadas dentro e como parte de um sistema de gerenciamento
orientado pela qualidade. Uma das estruturas gerenciais para se conseguir a
direção, a filosofia da melhoria da qualidade e garantia da implementação em
todos os aspectos do negócio é o gerenciamento da qualidade total. Dentre os
principais autores que contribuíram para a metodologia estatística e melhoria
da qualidade, três autores se destacam: Deming, Juran e Feigenbaum.
A filosofia de Deming é um importante sistema para a melhoria da qualidade
e produtividade. Essa filosofia se resume em seus 14 pontos para o gerenciamento.
3. Não confie em inspeção de massa para 10. Alvos, slogans e objetivos numé-
“controlar” a qualidade. Tudo que a inspe- ricos devem ser eliminados. Slogans
ção pode fazer é separar os defeituosos e, como “zero defeito” são inúteis sem
a essa altura, é muito tarde, pois já paga- um plano de melhoria do sistema
mos para produzir esses defeituosos. A ins- para a consecução de tal objetivo.
peção, tipicamente, que ocorre muito tar-
de no processo é dispendiosa e, em geral,
ineficaz. A qualidade resulta da prevenção
de itens defeituosos por meio de melhoria
no processo. Não de inspeção.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
4. Não premie os fornecedores com a rea- 11. Elimine quotas numéricas e pa-
lização de negócios com base apenas no drões de trabalho. Alguns padrões
preço, mas considere a qualidade. O preço podem ter sido estabelecidos sem
é uma medida significativa do produto do considerarem a qualidade. Padrões
fornecedor apenas se é considerado em estabelecidos desta forma são sinto-
relação a uma medida de qualidade. Deve- mas da incapacidade da gerência em
-se dar preferência aos fornecedores que entender o processo de trabalho e
usam métodos modernos de melhoria da de propiciar um sistema de gerencia-
qualidade em seus negócios e que podem mento efetivo centrado na melhoria
demonstrar controle e capacidade de pro- dos processos.
cesso.
7. Pratique métodos modernos de super- 14. Crie uma estrutura no nível mais
visão. A supervisão não deve consistir me- alto da gerência que defenderá os
ramente em uma vigilância passiva dos outros princípios.
empregados, mas deve se concentrar em
ajudar os empregados a melhorarem o sis-
tema no qual trabalham. O objetivo núme-
ro um da supervisão deve ser melhorar o
sistema de trabalho e o produto.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
na organização para a mudança e implementação da melhoria por meio de um
chamado avanço gerencial, por meio de um processo estruturado de resolução
de problemas.
Feigenbaum foi o primeiro a introduzir o conceito de controle de quali-
dade por toda a organização por meio do livro “Total Quality Control” (1951),
que influenciou muitos dos princípios da filosofia da gerência de qualidade no
Japão nos anos 50. Ele sugeria que houvesse um núcleo de capacidade técnica
do aspecto do conhecimento estatístico, o que contrasta com a abordagem mais
atual,a qual prega que o conhecimento estatístico seja generalizado.
Os três pioneiros trazem à tona que a qualidade é uma arma competitiva
essencial, que a gerência tem papel fundamental na implementação da melhoria
da qualidade e que métodos estatísticos têm o poder de transformar a qualidade
que uma organização oferta.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
vidade das organizações. Outro movimento que ganhou força nos anos 80 foi o
programa qualidade é grátis, no qual a gerência focava no custo da qualidade
ou da não-qualidade, mas os praticantes do programa, em geral, não tinham a
menor ideia do que fazer para realmente melhorar muitos tipos de processos
industriais altamente complexos. Os líderes dessa iniciativa não tinham conhe-
cimento da metodologia estatística e fracassaram completamente em entender
seu papel na melhoria da qualidade. Não adianta colocar o GQT a serviço de
um programa ineficaz, pois o resultado será uma catástrofe.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
A LIGAÇÃO ENTRE QUALIDADE E PRODUTIVIDADE
Note que o resultado total desse processo, após retrabalhadas as peças, é de 9.000
peças boas por dia.
A realização de um estudo de engenharia desse processo revela que a exces-
siva variabilidade do processo é responsável pela quantidade extremamente alta
de não-conformes. Implementa-se um novo procedimento de controle de esta-
tística do processo que reduz a variabilidade e, consequentemente, o número de
peças fora do especificado decresce de 25% para 5%. Dos 5%, 60% podem ser
retrabalhados. Após o novo programa de controle do processo ser colocado em
prática, o custo de fabricação por unidade produzida será:
Custos da Qualidade
As organizações se utilizam de controles financeiros que geralmente envolvem
uma comparação entre custos planejados e realizados, justamente com uma aná-
lise e ação em relação às diferenças entre o que é executado e o projetado. A partir
dos anos 50 houve um esforço direto para que os custos da qualidade, que antes
não eram medidos ou contabilizados, fossem avaliados formalmente. Temos três
boas razões para considerar o custo da qualidade em uma organização:
■■ Aumento na complexidade dos produtos fabricados associados aos avan-
ços tecnológicos.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
■■ Consciência do ciclo vital do processo: manutenção, mão de obra, peças
sobressalentes e o custo de falhas.
■■ Necessidade de engenheiros ou gestores da qualidade para efetivarem a
comunicação do custo da qualidade para a alta gerência.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
A informação contida nesses dados é usada para con-
trolar e melhorar o processo de produção de um bem
ou serviço. O idioma com que engenheiros, operá-
rios, compradores, gestores e outros integrantes da
organização se comunicam é a estatística e suas fer-
ramentas de controle. A partir de agora, você fará uso
da metodologia estatística no controle de aprimora-
mento da qualidade.
Segundo Vieira (1999), a qualidade tem dois
grandes aspectos: qualidade do projeto e qualidade
de conformação. A qualidade de projeto é a diferen-
ciação do tipo de produto. Tomemos como exemplo
uma indústria de confecções na linha de moda praia.
A indústria produz vários modelos de roupas, mas a
qualidade do projeto define se um produto será um
item do tipo diferenciado ou uma peça básica. Em uma indústria de geladei-
ras, o projeto define se o produto será superluxo ou popular, em uma indústria
de instrumentos musicais se o produto é custom ou standard. Todos os bens ou
serviços são produzidos em vários graus ou níveis de qualidade. Essas variações
são intencionais e o termo técnico apropriado é qualidade do projeto. Já a qua-
lidade de conformação leva em consideração todos os aspectos da especificação
do produto. No caso das indústrias do exemplo anterior, o desejo da indústria
é fabricar produtos dentro do especificado, o que nem sempre se tornará rea-
lidade, haja vista que existe uma variabilidade no processo que não pode ser
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
CAUSA ALEATÓRIAS ATRIBUÍDAS À VARIAÇÃO DA
QUALIDADE
Se o processo está sob controle, os pontos amostrais estarão entre os limites, logo
nenhuma ação é necessária. Quando há um ponto fora desses limites, interpre-
ta-se como uma evidência de que o processo está fora do controle e que ações
corretivas são necessárias para encontrar e eliminar a(s) causa(s) que promo-
ve(m) este comportamento.
Então, um processo que está sobre controle tem seu gráfico com o compor-
tamento aleatório, com os pontos amostrais entre os limites inferior e superior.
Quando em um gráfico de controle temos os pontos amostrais dentro dos
limites, porém estes pontos seguem um comportamento sistemático ou não ale-
atório, isso pode indicar problemas no processo. Por exemplo, se nos últimos 10
pontos amostrais tivermos 9 acima da linha central mas abaixo do limite supe-
rior e apenas um estiver entre a linha inferior e a linha central, é sintoma de algo
suspeito no processo.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
σx=
Este resultado significa que um sinal de fora de controle será emitido a cada 370
amostras em média.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
IMPLEMENTAÇÃO DO CONTROLE ESTATÍSTICO DO
PROCESSO (CEP)
CONSIDERAÇÕES FINAIS
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Você conheceu a filosofia do controle estatístico do processo baseada nas ideias
de autores que são a pedra fundamental dos estudos relacionados à qualidade.
Tivemos nesta unidade três grandes objetivos. Primeiro, apresentar de
maneira introdutória as ferramentas básicas da resolução de problemas do
Controle Estatístico de Processo - o qual será identificado pela sigla CEP – e
ilustrar como essas ferramentas formam uma estrutura coesa e prática para a
melhoria contínua da qualidade. O segundo objetivo foi verificar como decisões
sobre o tamanho da amostra, intervalo de amostragem e determinação de limites
de controle afetam o desempenho de um gráfico de controle. O terceiro obje-
tivo foi discutir e ilustrar alguns problemas práticos na implementação do CEP.
Você observou como os custos são impactados pela falta de controle estatístico
da qualidade de um processo, produto ou serviço pelas causas de variabilidade
que são presentes e que devem ser conhecidas e controladas.
Aprendemos que importância da alta administração nos aspectos relacionados
à qualidade é imensurável e os diferentes níveis hierárquicos devem conversar
a mesma linguagem, afinal é parte primordial da qualidade um bom entendi-
mento entre todos os envolvidos em um processo. O CEP é fundamental nesse
contexto, soando até como um novo e eficiente idioma industrial.
permitem que ela cumpra sua missão, transpõem as fronteiras funcionais da orga-
nização. Dessa forma, é imprescindível uma perfeita definição e uma completa
compreensão dos processos da empresa. Do mesmo modo, é fundamental que
a gerência administre a empresa com foco nos processos e não nas funções ou
nas pessoas que exercem tais funções. A organização não pode depender de pes-
soas insubstituíveis ocupando funções-chave.
Comentário: este livro mostra a evolução da qualidade e as tendências para seu futuro. O
material ampliará o seu horizonte sobre o que é a qualidade, ou sobre em quê a qualidade ainda
pode transformar um produto ou serviço.
Material Complementar
REFERÊNCIAS
REFERÊNCIA ON-LINE
1
Em: <https://endeavor.org.br/o-que-realmente-significa-qualidade-do-produto/>.
Acesso em: 17 out. 2016.
43
GABARITO
1. Existem diferentes custos da qualidade que podem ser categorizados como cus-
tos de prevenção, custos de avaliação, custos de falha interna e custos de falha
externa. Diferentes exemplos são tratados no texto da Unidade I.
2. Desempenho, confiabilidade, durabilidade, assistência técnica, estética, caracte-
rísticas, qualidade percebida e conformidade com especificações.
3. Analise cada um dos princípios de Deming e relacione com seu dia a dia no tra-
balho.
4. O GQT, apesar de amplamente utilizado, tem o sucesso considerado moderado
segundo Montgomery (2009), pois é insuficiente o esforço dado à utilização das
ferramentas técnicas de redução de variabilidade. Na grande maioria das empre-
sas, o treinamento para essa gestão era dado por departamentos que não eram
compostos por especialistas da qualidade. O GQT era enxergado como um trei-
namento, e não uma estratégia. Em outros casos, o GQT foi visto simplesmente
como mais um programa de qualidade, haja vista que em décadas anteriores
foram difundidos programas como zero defeito ou engenharia de valor, que
poucos resultados práticos trouxeram para a qualidade e a produtividade das
organizações. Outro movimento que ganhou força nos anos 80 foi o programa
qualidade é grátis, no qual a gerência focava no custo da qualidade ou da não-
-qualidade, mas os praticantes do programa, em geral, não tinham a menor ideia
do que fazer para realmente melhorar muitos tipos de processos industriais al-
tamente complexos.
5. Para eliminar atividades que não adicionam valor, devemos reorganizar a sequência
de passos do trabalho, a localização física do operador no sistema, mudar métodos
de trabalho, mudar tipos de equipamentos usados no processo, adequar formulá-
rios para uso mais eficiente, treinar operadores, melhorar a supervisão, identificar
claramente a função do processo e de cada colaborador neste processo, eliminar
passos desnecessários e consolidar passos necessários.
Professor Esp. Samuel Sales Pedroza
FERRAMENTAS DA
II
UNIDADE
QUALIDADE I
Objetivos de Aprendizagem
■■ Apresentar a utilização da folha de verificação para melhoria da
qualidade.
■■ Demonstrar a utilização da estratificação para melhoria da qualidade.
■■ Verificar os diferentes tipos de amostras utilizadas no Controle
Estatístico do Processo (CEP).
■■ Apresentar a aplicação do Diagrama de Pareto para melhoria da
qualidade.
■■ Fazer o passo a passo da construção de um diagrama.
Plano de Estudo
A seguir, apresentam-se os tópicos que você estudará nesta unidade:
■■ Folha de Verificação
■■ Estratificação
■■ Tipos de amostras
■■ Diagrama de Pareto
■■ Construção de um Diagrama de Pareto
47
INTRODUÇÃO
Olá, caro(a) aluno(a)! Trataremos nesta segunda unidade das primeiras ferra-
mentas que são a base da qualidade e do controle estatístico do processo.
E quando iniciamos o estudo de um assunto em específico nos perguntamos
qual a sua importância para nossa formação profissional. A estatística trata da
coleta e da disposição dos dados, estabelecendo alguma conclusão confiável de
um fenômeno a ser estudado. Portanto, medir dados e gerar uma informação
que seja a base de uma ótima tomada de decisão são extremamente importantes.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Introdução
48 UNIDADE II
FOLHA DE VERIFICAÇÃO
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
desempenho de um processo
e diminuir perdas por meio
do controle. Deve-se planejar
a forma de registro indepen-
dente do propósito da coleta
de dados. Com base no plane-
jamento, registra-se os dados
por meio de uma ferramenta
que é a folha de verificação. Esta ferramenta da qualidade é utilizada para facili-
tar o processo de coleta e registro de dados, de forma a contribuir para otimizar
a posterior análise de dados.
Uma coleta de dados rápida, automática e padrão é necessária para que os
dados coletados se transformem em informações que garantam uma tomada de
decisões mais assertiva. Um exemplo de uma folha de verificação são as plani-
lhas para registro de dados.
A folha de verificação necessita de alguns elementos básicos, tais como local
e data da coleta de dados e o nome do responsável pelo trabalho. O layout de
uma folha de verificação depende do uso que se fará dela.
Temos alguns exemplos de uso da folha de verificação:
FERRAMENTAS DA QUALIDADE I
49
Produto
Processo/Operação
Máquina
Operador
Data
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Amostra
1 2 3 4 5 6 7 8 9 10
i (Itens inspecionados)
n (Itens não-conformes)
p (proporção)
Fonte: o autor.
Inspeção de atributos
A folha de verificação do exemplo da tabela a seguir é adequada para a veri-
ficação de defeitos no produto final, onde o operador faz apenas um traço na
linha que descreve o defeito, toda vez que a ocorrência surja no processo pro-
dutivo. Ao final da jornada de trabalho, fica fácil mensurar os percentuais e o
total. Porém, é necessário decidir como os defeitos serão registrados antes de
iniciar a coleta dos dados.
Produto
Processo/Operação
Máquina
Operador
Data
Tipo de defeito 1 2 3 4 5 Total
Folha de Verificação
50 UNIDADE II
Furos
Manchas
Tonalidade
Outro
Fonte: o autor.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
folhas de verificação que tenham o croqui do produto. A partir de uma marca-
ção realizada pelo o operador da localização do defeito no croqui, por meio de
um código estabelecido.
Folha de verificação
Cima
oooo
LE Frente Atrás LD
<<< xxxxxx
Baixo
x Risco
< Pintura
FERRAMENTAS DA QUALIDADE I
51
o Acabamento
Figura 1 - Folha de verificação baseado no croqui
Fonte: adaptada de Werkema (2006).
Legenda:
x – quebra de agulha
o – malha caída
Observe que a folha de verificação mostra se o tipo de defeito depende da
máquina, o nome do operador e a semana na qual o produto foi fabricado. Então,
se os dados apontarem que os defeitos ocorrem em determinadas semanas, é
provável que seja encontrada uma explicação para a ocorrência desse tipo de
defeito. Deve-se então fazer um apontamento do que acontece naquela semana
em especial que não ocorre nas demais.
Folha de Verificação
52 UNIDADE II
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Tabela 4 - Folha de verificação para estudo de variáveis
Produto
Operação
Operador
Máquina
Data
Setor
Dimensões menos de 5,050 5,05 5,055 5,06 5,065 5,07 5,075 mais de
5,075
Ocorrências 1
2
3
4
5
6
7
8
9
10
Fonte: o autor.
FERRAMENTAS DA QUALIDADE I
53
Produto
Operação
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Operador
Máquina
Data
Setor
Coleta
1 2 3 4 5 6 7 8
Amostra x1
x2
x3
x4
x5
x
Fonte: o autor.
Antes do início de uma coleta de dados, o período de tempo em que será reali-
zado este trabalho já deve ser definido. O tempo disponibilizado para tal coleta
terá que ser suficiente e possível de ser registrado nos espaços destinados nas
folhas de verificação. Todas os espaços deverão ser preenchidos (linhas e colu-
nas) e deve haver uma identificação de quem, quando e onde se realizará o
registro. Além disso, e não menos importante, devemos definir o objetivo da
coleta de dados, qual tipo de folha de verificação será usada, atribuir um título
apropriado para o registro para que possa ser facilmente rastreado, apresentar
na própria folha de verificação instruções de como preenchê-la, conscienti-
zar as pessoas envolvidas no processo de obtenção dos dados do objetivo e da
Folha de Verificação
54 UNIDADE II
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
ESTRATIFICAÇÃO
FERRAMENTAS DA QUALIDADE I
55
Tabela 6 - Estratificação
C A A C A B
A C B B C B
Estratificação
56 UNIDADE II
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
TIPOS DE AMOSTRAS
Amostra casual
Segundo Vieira (1999), a amostra casual ou aleatória é constituída por elemen-
tos retirados ao acaso da população. Todo elemento de uma população possui a
mesma probabilidade de ser amostrado.
Tomemos como exemplo uma quantidade de 1.000 unidades de engrena-
gem, e se faz necessário a obtenção de uma amostra casual de 3% destas peças.
Podemos usar o número de série das engrenagens, que é um item impresso na
própria peça. Para nosso exemplo, os números de série iniciarão em 0001 e ter-
minarão em 1000. Após a verificação, inserimos o seguinte comando na linha
de fórmulas do Excel, célula A1: =ALEATORIOENTRE(1;1000). Como dese-
jamos obter uma amostra de 3% de 1.000, devemos estender o comando até a
célula A30, conforme figura a seguir:
FERRAMENTAS DA QUALIDADE I
57
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Tipos de Amostras
58 UNIDADE II
Amostra sistemática
Este tipo de amostra é constituído por elementos retirados de uma população
segundo um sistema. Pode ser mais simples obter uma amostra sistemática do
que uma casual em alguns casos, mas sempre deve-se ter muito critério com o
sistema de seleção. Em uma produção de camisetas, por exemplo, não retire a
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
primeira peça quando da abertura de uma caixa, ou ainda, no caso da produção
de 100 itens por dia, não selecione o último item a cada 100 produzidos como
parte de uma amostra. Tais procedimentos são caracterizados como tendenciosos
e podem trazer má interpretação dos dados obtidos. No exemplo que trabalha-
mos anteriormente, as engrenagens selecionadas agora como amostra sistemática
poderiam ser estratificadas da população a cada 33 engrenagens. Haveria a reti-
rada de uma engrenagem até somarmos 3%, que é a amostra necessária.
Amostra estratificada
Quando é necessário amostrar uma população constituída de subgrupos deter-
minados estratos, podemos utilizar este tipo de seleção.
Ainda com base do exemplo das engrenagens, vamos supor que o produto
foi entregue por dois fornecedores distintos. Em um caso como este é necessário
fazer uma verificação se os produtos estão sendo entregues com mesma quali-
dade ou características conforme especificado em uma ficha técnica do produto.
A amostra estratificada é composta por elementos dos diferentes estratos.
Deve-se separar cada um dos estratos, obter uma amostra sistemática de cada
um dos estratos e reunir as informações em uma só amostra que é denominada
de estratificada.
FERRAMENTAS DA QUALIDADE I
59
DIAGRAMA DE PARETO
Diagrama de Pareto
60 UNIDADE II
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
O princípio de Pareto estabelece que os problemas relacionados à qualidade,
seja o percentual de itens defeituosos, falha das máquinas, perdas gerais na pro-
dução, gastos com reparos ou trocas de produtos dentro do período de garantia,
ocorrências de acidentes de trabalho, atraso na entrega do produto ao cliente ou
parada de máquinas são traduzidos em formato de perdas que são nominados
em duas categorias “pouco vitais” e os “muito triviais”.
O foco das análises iniciais deve ser sobre os poucos vitais para que os proble-
mas possam ser resolvidos de forma eficiente e eficaz no menor tempo possível.
Assim o gráfico de Pareto dispõe a informação de forma a permitir a concentra-
ção dos esforços nas áreas em que maiores ganhos podem ser obtidos.
FERRAMENTAS DA QUALIDADE I
61
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Caro(a) aluno(a), a identificação dos poucos itens vitais é feita de forma mais sim-
ples quando visualizados em um gráfico de barras denominado Gráfico de Pareto.
Vamos considerar para este exemplo uma fábrica de móveis a qual utiliza para
determinada linha de produtos portas de vidro como principal diferencial deste
mix. Esta produção teve um aumento de portas defeituosas a partir de uma deter-
minada data. Nesta etapa, determine o tipo de perda que será investigada como,
por exemplo, defeitos, acidentes de trabalho ou pagamentos fora do orçamento.
Especifique o aspecto de interesse do tipo de perda a ser investigada. Em
uma análise de defeito há diversos aspectos que podem ser de interesse, seja o
tipo do defeito, localização ou máquinas que produzem tal defeito.
O próximo passo é a realização de uma folha de verificação, onde os defeitos
são nominados e classificados. Nesta etapa, se a intenção é investigar os tipos de
defeitos, escreva os tipos conhecidos em uma folha de verificação, como apre-
sentado no início desta unidade. Preencha os dados na folha de verificação.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Número total de portas inspecionadas 1400
Fonte: o autor.
FERRAMENTAS DA QUALIDADE I
63
60 + 45 + 15 = 120
70 100.00%
60
80.00%
50
40 60.00%
30 40.00%
20
20.00%
10
0 0.00%
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Acabamento Arranhão Saliência Manchas Cor Outros
Fica claro que os dois maiores problemas que ocorrem no exemplo apresentado
são problemas com o acabamento e arranhões. A partir daí, fica simples reali-
zar um plano de ação para que seja feita a correção de tais ocorrências. Segue a
seguir uma sugestão de planilha de dados para a construção do Gráfico de Pareto:
FERRAMENTAS DA QUALIDADE I
65
No quadro a seguir, temos uma síntese de quais são as etapas para a construção
do Gráfico de Pareto.
Etapas para a
construção de um 1 - Defina o problema a ser estudado.
Gráfico de Pareto
2 - Liste os possíveis fatores de estratificação, chamados de categorias, para
o problema a ser solucionado.
3 - Estabeleça o método e o período de coleta de dados.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Os Gráficos de Pareto devem ser utilizados nas mais diferentes situações do coti-
diano, seja em uma aplicação industrial ou não. Agora, verificaremos os diferentes
tipos aplicação para os Gráficos de Pareto.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
uso desta importante ferramenta com problemas relacionados às cinco dimen-
sões da qualidade total:
FERRAMENTAS DA QUALIDADE I
67
Categoria “outros”
É recomendado que a frequência da categoria outros seja inferior a 10% do total
de observações. Caso este número seja maior, significa que as categorias anali-
sadas não foram classificadas de forma adequada e, consequentemente, muitas
ocorrências foram mal rotuladas. Leve em consideração refazer a classificação
para que a análise possa ser mais efetiva.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
tificação diferentes pode ser útil para a identificação das causas fundamentais
de um problema. A identificação das causas fundamentais do problema e a ela-
boração da estratégia para melhoria deverão ser feitas levando em consideração
estes diversos níveis de estratificação. A estratificação de gráficos de Pareto nos
permite identificar se a causa do problema considerado é comum a todos os
processos ou se existem causas específicas associadas a diferentes fatores que
compõem o processo.
FERRAMENTAS DA QUALIDADE I
69
CONSIDERAÇÕES FINAIS
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Prezado(a) aluno(a)! Tratamos nesta segunda unidade das primeiras ferramen-
tas que são a base da qualidade e do controle estatístico do processo.
E quando iniciamos o estudo de um assunto em específico, nos perguntamos
qual a importância deste para nossa formação profissional. A estatística trata da
coleta e da disposição dos dados, estabelecendo alguma conclusão confiável de
um fenômeno a ser estudado. Portanto, medir dados e gerar uma informação
que seja a base de uma ótima tomada de decisão são extremamente importantes.
Em um primeiro momento, aprendemos sobre as folhas de verificação e sua
importância na aplicação das demais ferramentas da qualidade que compõe o
controle estatístico do processo, para que você possa aplicar à realidade.
Vimos também sobre a estratificação como ferramenta. Afinal, temos de
saber o que queremos analisar. Observamos que os diferentes estratos nos levam
a caminhos diferentes de análises.
Discutimos sobre os tipos de amostras que temos e como tomá-las para que,
ao usar as demais ferramentas, possamos alcançar os objetivos necessários para
o crescimento de um setor ou empresa.
Você conheceu o princípio de Pareto, que é uma ferramenta muito utilizada
para ter a melhor tomada de decisão sobre determinado assunto.
FERRAMENTAS DA QUALIDADE I
71
Considerações Finais
72
Fonte: o autor.
73
O site do Instituto Brasileiro de Geografia e Estatística (IBGE), o qual é uma organização pública
responsável pelos levantamentos e gerenciamentos dos dados e estatísticas brasileiras, apresenta
estes dados para que sejam utilizados.
Link: <http://www.ibge.gov.br/>.
75
REFERÊNCIAS
Fonte: o autor.
GABARITO
5.
Defeitos em transistores
Tipo de defeitos Número Frequência simples Frequência anulada
Não funciona 22 42% 42%
Amperagem incorreta 16 31% 73%
Torto 3 6% 79%
Defeitos externos 9 17% 96%
Tamanho incorreto 2 4% 100%
Total 52
Defeitos em transitores
45% 100%
40% 90%
35% 80%
30% 70%
60%
25%
50%
20%
40%
15% 30%
10% 20%
5% 10%
0% 0%
Defeitos Tamanho
Não funciona Amperagem Torto
externos incorreto
Professor Esp. Samuel Sales Pedroza
FERRAMENTAS DA
III
UNIDADE
QUALIDADE II
Objetivos de Aprendizagem
■■ Apresentar esta importante ferramenta e seus possíveis usos.
■■ Entender as diferentes aplicações desta ferramenta da qualidade.
■■ Aprender a construir e interpretar esta ferramenta.
■■ Apresentar a ferramenta e suas utilizações.
■■ Entender o comportamento dos dados para melhor tomada de
decisão.
Plano de Estudo
A seguir, apresentam-se os tópicos que você estudará nesta unidade:
■■ Diagrama de causa e efeito
■■ Histograma
■■ Construção do histograma
■■ Diagrama de dispersão
■■ Interpretação do diagrama de dispersão
81
INTRODUÇÃO
Introdução
82 UNIDADE III
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
DIAGRAMA DE CAUSA E EFEITO
EFEITO
CAUSAS
Figura 1 - Diagrama de causa e efeito.
Fonte: o autor.
FERRAMENTAS DA QUALIDADE II
83
completo que não omita causas que tenham importância. Uma técnica que pode
ser utilizada para o levantamento de causas é o brainstorming. O brainstorming
tem o objetivo de auxiliar um grupo de pessoas a produzir o máximo possível
de ideias em um curto período de tempo.
Esta técnica tem algumas regras gerais para que o procedimento seja reali-
zado com eficiência.
A condução de um brainstorming se inicia na escolha de um líder que dirige
as atividades do grupo de envolvidos no problema. Durante as reuniões, este
líder deve incentivar a participação dos membros do grupo e o processo de gera-
ção de ideias.
Todos os membros do grupo devem dar sua opinião sobre as possíveis cau-
sas do problema em foco. As ideias devem ser apresentadas naturalmente, à
medida que surgirem.
Nenhuma ideia deve ser criticada, pois as críticas podem inibir a participação
de alguns membros no momento do brainstorming. As ideias de menor viabi-
lidade devem ser eliminadas após a construção do diagrama de causa e efeito.
As ideias devem ser expostas em um quadro ou flip-chart, pois esta meto-
dologia facilita o enriquecimento de uma opinião inicial por meio de sugestões
dos outros participantes.
Uma última regra que deve ser observada durante um brainstorming é evi-
tar a tendência de culpar pessoas. Esta tendência é destrutiva e desvia do foco
da reunião, que consiste em descobrir as causas específicas de um problema.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
analisados em diagramas separados.
6) Cada causa tem um devido grau de importância, e este deve ser estabele-
cido com base em dados, não somente em experiência ou impressões subjetivas.
7) As causas e os efeitos devem ser mensuráveis. Quando isso não for possí-
vel, é importante encontrar alternativas que substituam e que sejam mensuráveis.
FERRAMENTAS DA QUALIDADE II
85
Problema
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Diagrama de Ishikawa nas investigações de acidentes do trabalho
A representação deste diagrama facilita não só a visualização do problema,
como a interpretação das causas que o originaram.
É necessária a participação de alguns colaboradores que conhecem o pro-
cesso de trabalho para darem sua opinião sobre o que pode ter acontecido
para o acidente ocorrer. Pois, nada melhor do que quem está envolvido de
fato no processo de trabalho para poder nos informar sobre esses fatores.
As causas
Quando iniciada a investigação, o EFEITO, ou seja, a CONSEQUÊNCIA do
ocorrido, deve ser registrado na CABEÇA DO PEIXE. E as suas possíveis
CAUSAS deverão ser registradas nas ESPINHAS.
Em geral quando se trata de um acidente, investigamos quatro causas:
1. O Ambiente de trabalho.
2. Os agentes materiais.
3. As características pessoais.
4. Organização de trabalho.
Na realidade, o diagrama de causas e efeitos usa seis “m” (mão de obra, mé-
todos, máquinas, meio ambiente, materiais e medidas), que é outra opção.
Fonte: Monteiro (2015, on-line)1.
FERRAMENTAS DA QUALIDADE II
87
HISTOGRAMA
Conceitos básicos
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Histograma
88 UNIDADE III
CONSTRUÇÃO DO HISTOGRAMA
Variáveis contínuas
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
São variáveis que podem ser
encontradas em um intervalo que
varia do infinito negativo ao posi-
tivo, dentro dos números reais.
O procedimento para a cons-
trução de um histograma de
variáveis contínuas se inicia com
uma coleta de dados referente à variável cuja distribuição será analisada. Sugere-se
que os dados, nominados n, sejam superiores a 50 para que possa ser obtido um
padrão representativo da distribuição.
Determine o número de intervalos ou classes (k). Para determinar o número
de intervalos, podemos utilizar a tabela a seguir.
FERRAMENTAS DA QUALIDADE II
89
R = MAX – MIN
h = R/k
LI2 = LS1
LS2 = LI2 + h
Os cálculos devem ser realizados até que seja obtido um intervalo que contenha
o maior valor da amostra (MAX) entre seus limites. O número final de interva-
los será igual a k+1.
Construa uma tabela de distribuição de frequências, constituída pelas colunas
número de ordem de cada intervalo (i) e limites de cada intervalo. Os intervalos
são fechados à esquerda e abertos à direita e deverão obedecer à notação repre-
sentada por este símbolo (˫).
Construção do Histograma
90 UNIDADE III
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
apresentados anteriormente no decorrer desta unidade e o histograma extraído
será de grande valia para a melhoria dos resultados onde for aplicado.
A seguinte tabela indica o rendimento de determinada reação química em
um processo de fabricação de amaciante em 80 diferentes partidas consecutivas.
Tabela 2 - Medidas de rendimento (%) de uma reação química na fabricação de amaciantes
FERRAMENTAS DA QUALIDADE II
91
Total 80 1
Fonte: o autor.
Construção do Histograma
92 UNIDADE III
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
4
2
0
71 73,4 75,8 78,1 80,5 82,9 85,3 87,6 90
Figura 4 - Rendimentos das reações
Fonte: o autor.
Observando o histograma, você pode obter uma visão geral das medidas de ren-
dimento da reação química:
■■ O gráfico não pode ser considerado simétrico.
■■ O histograma possui dois picos.
■■ Na obtenção desses dados, pode ter havido alguma discrepância em rela-
ção à coleta de dados, tais como turnos ou máquinas diferentes.
FERRAMENTAS DA QUALIDADE II
93
Existem os mais diversos tipos de histogramas que podem ser utilizados para
análise nas mais diferentes situações. Vejamos alguns exemplos a seguir.
Tipos de histogramas
Algumas formas típicas de histogramas podem ocorrer, e estas situações são des-
critas com base no trabalho de Kume (1993) e Ishikawa (1989) (apud Werkema
2006).
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Histograma simétrico
Neste tipo de histograma o valor médio dos dados é localizado em seu centro.
A frequência é mais alta no centro e diminui gradativamente e de forma simé-
trica em direção aos extremos do gráfico.
A ocorrência deste tipo de gráfico se deve à variável contínua e sem restri-
ções para os valores que ela pode assumir. O processo ao qual a variável está
associada é estável.
Histograma assimétrico
O valor médio dos dados está fora do centro do histograma. A frequência dimi-
nui gradualmente, e não de modo abrupto. Este tipo de gráfico é usualmente
encontrado quando não é possível que a variável assuma valores mais altos ou
mais baixos do que um determinado limite.
Construção do Histograma
94 UNIDADE III
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
O valor médio dos dados neste tipo de histograma localiza-se fora do centro e a
frequência diminui de forma abrupta em um ou dois lados do gráfico.
FERRAMENTAS DA QUALIDADE II
95
Histograma bimodal
A frequência é baixa no centro do histograma e existe um pico à direita e outro
à esquerda do gráfico.
Ocorre quando dados provenientes de duas distribuições possuem médias
diferentes e são agrupados no mesmo conjunto de dados. Isso é comum de acon-
tecer quando junta-se dados de diferentes máquinas ou turnos.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Construção do Histograma
96 UNIDADE III
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
junto de dados, no qual vemos qual a forma de distribuição e localização do
valor central e a dispersão em torno deste valor. Isso não dispensa a disposição
de dados em formato numérico. Estes dados numéricos de extrema importância
nas análises são medidas para quantificarmos onde se localiza o centro da distri-
buição de dados (locação) e a dispersão dos dados (variabilidade).
São medidas de locação a média (x) e a mediana (x). Assim como as medi-
~
x̃ = x(n+1)/2
Para o cálculo de medidas de variabilidade, como por exemplo a amplitude, uti-
liza-se a seguinte fórmula:
√ ∑ (xi − x)2
1
s= n−1
n
√
1 ∑ i=1
s= n−1 (xi − x)2
Se os dados estão agrupados em uma i=1 tabela de distribuição de frequências com
k intervalos, o desvio-padrão é calculado por:
√
k 2
1 ∑ 2
s= x f − n(x )
√
k i i
1 n−1
2
s= n−1
∑ xi=1
2 f − n(x )
i i
i=1
n
1n 6435,25
x
x=
=1 ∑n
∑ x
x f =
i f =
6435,25
i 8080, 4=
= 4%
80, 4 4 %
n i i
i=1 80
i=1
x + xx(n/2)+1
n/2+ x(n/2)+1 81,5+ 81,3
81,5+ 81,3
x̃ = x̃ n/2
= 2 2
= = 2 =281, 4 % = 81, 4 %
Construção do Histograma
98 UNIDADE III
Exemplos:
Cálculo da média com base em exemplo anterior.
Tabela 4 - Cálculo da média
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
4 78,1 n 6 468,75 36621,09
√
1 2
5 s= 80,5
n−1
∑ (xi −8x) 644,00 51842,00
6 82,9 i=1 14 1160,25 96155,72
7 85,3 11 937,75 79943,19
8 87,6 7 613,38 53746,98
√
9 90,0 k 7 2630,00 56700,00
1 ∑
Total s=
n−1 xi 2 f80i − n(x )6435,25 520441,72
Fonte: o autor. i=1
Cálculo da média:
n
1 6435,25
x= n
∑ xi f i = 80 = 80, 44 %
i=1
Cálculo da mediana:
xn/2+ x(n/2)+1 81,5+ 81,3
x̃ =
Tabela 5 - Rendimento (%) de uma reação química na fabricação de amaciantes
2 = 2 = 81, 4 %
Medidas de rendimento (%) de uma reação química na fabricação de amaciantes
71,2 73,6 74,9 78,7 81,5 84,4 86,1 88,5
72,3
R =73,6
maior 75,4
valor da79,2 82
amostra − m84,4 86,1
enor valor 88,6
da amostra = 90, 6 − 71
72,3 73,7 76,3 79,4 82,1 84,5 86,1 88,8
√
72,3 73,8 76,4 k 80,1 82,2 84,7 86,6 89,1
√
2
72,3 s =73,9 1
76,6∑ xi 80,1
n−1
2fi − n(x82,3
) = 1
84,780−1 [520441,
86,6 789,1
2− (80)(80, 44)2]
i=1
FERRAMENTAS DA QUALIDADE II
w = [n − 1]/4
99
√
2
1 ∑ de forma crescente,
s = organizados
Após os dados da tabela estarem
n−1 (x i − x) e como se trata
de um número par de dados coletados, faz-se
i=1 a utilização da seguinte fórmula:
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
√
2 k 2
1 ∑ xi 2 f i − n(x )
s= n−1
Cálculo da amplitude:
i=1
R = maior valor da amostra − menor valor da amostra = 90, 6 − 71, 2 = 19, 4%
n
Cálculo do desvio padrão: 1 6435,25
x= n
∑ xi f i = 80 = 80, 44 %
√
k i=1
√
2
s= 1
n−1 ∑ xi2f i − n(x ) = 1
80−1 [520441, 72 − (80)(80, 44)2] = 5, 95%
i=1
xn/2+ x(n/2)+1 81,5+ 81,3
x̃ = 2 = 2 = 81, 4 %
Outras medidas de locação e variabilidade.
w = [n − 1]/4
Quartis
Comparados à mediana, R= maior
que valor
divide da amostra
o conjunto − menor
de dados em duas valor da amostra
metades, os = 90, 6 − 71
Q 1 =
quartis
x
são(w) e Q = x
cada uma3 das quatro
(3w) partes do conjunto de dados original. Os quartis
√
k
√
são representados por Qsn, = onde n indica cada 2
1
n−1 ∑ xi2f i um dos)quartis
− n(x = numerados
1 de 1 a 4. 2
80−1 [520441, 72 − (80)(80, 44) ] =
Q1 =Para o+
x(20) cálculo
0, 25 dos
(x(21)quartis,
− x(20)deve-se
) = 76, arranjar
i=14 + 0, 25os dados
(76, 6 − 7em
6, 4forma crescente
) = 76, 45% e
utilizar a seguinte fórmula:
w = [n − 1]/4
Q1 = x(w) e Q3 = x(3w)
[80+1]
n = 80 e então o w = 4 = 2Construção
0, 25 . do Histograma
√
k xn/2+ x(n/2)+1 81,5+ 81,3
x̃ = ) = = = 91 0,[520441,
26 − 71,=2 8=71,2149,
√
2
100
R =U m aior valor
N I D A D E III
da amostra
s= − 1menor
∑ x f − da
n−1
valor
2
2 amostra
n(xi i 80−1 −%4(80)(80,
% 44)2] =
R = maior valor
i=1 da amostra − menor valor da amostra = 90
√
k
√
2
s= 1
∑ xi2f i − n(x ) = 1
80−1 [520441, 72 − (80)(80, 44)2] = 5, 95%
√
n−1
i=1 k
√
1 1 2
R =s m
=aior x]/4
i fi − −
−∑1amostra n(x ) =valor80−1 [520441,
= 970,26−−(780)(80
2
w =valor
[n da
n−1 menor da amostra 1, 2 =
i=1
Se w é um inteiro, então:
√w = [n − 1]/4
w = [n − 1]/4 k
Q1 = x(w) e Q3 = x(3w)
Se w não é um inteiro, podemos utilizar uma interpolação linear. Vejamos o
n = 80 e então o w = [80+1] = 20, 25 .
wno
seguinte cálculo baseado = exemplo
[n − 1anterior
]/4 - o da concentração
4 do amaciante.
n = 80
Neste e entãooon=
exemplo, w 80 [80+1]
= e então Q = x
4 1= o20,w2=5 . e = 20,25.
(w) 3 Q = x
(3w)
Q1 = x(20) + 0, 25 (x(21) − x(20)) = 76, 4 + 0, 25 (76, 6 − 76, 4) = 76
Q = x = 76,
Q1 = x(20) + 0, 25 (x(21) 1− x(20))(w)
e Q3 = x(3w)
4 + 0, 25 (76, 6 − 76, 4) = 76, 45%
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Qn3 == x80 (60) e+ então
0, 75 (x w −= x[80+1]
o(61) (60)
4
) ==85, 20,7 2+50., 75 (86, 1 − 85, 7) = 86
Podemos assim calcular o
Q3 = x(60) + 0, 75n(x=(61)80 Q , onde
− ex3(60) 3w
) = o85,
então =3.20,25
w7=+ 0,475 =
[80+1] = 60,75.
(86,
20,1 2−58.5, 7) = 86%
Q3 = x(60) + 0, 75sQ
(x
2 1(61) x(20)
==(−5,x9 5)+) 2=0,
(60) 2355,
=85, 7(x
+4(21)
00, 7(%) x2(20)
5− (86, 1 )−=85,76,
7) =4 + 0, 25 (76, 6 − 76,
86%
2 2 Q1 = x(20) + 0,2 25 (x(21) − x(20)) = 76, 4 + 0, 25 (76, 6 − 76, 4) = 76, 45
s = (5, 95) = 35, 40 (%)
= (5, 95)2 = 35, 40 (%)2
s2Variância
Q=3 x= x+(60) + 50,
(x7
5,95 5 −(x(61) −) =x(60)) = 85,
, 75da7(86,
+ 01,−7855,(86,
7) =1 86%
− 85,
A variância Qao
s és igual 3C
5,95 = xs 0,do
V (60)
quadrado =7desvio = x0(60) 74 85,
, 0sendo
(61)padrão, 77,+40%
=calculada seguinte
CCVV= =x = 80,44 = 0, 074 = 7, 4%
forma:
80,44
x
FERRAMENTAS DA QUALIDADE II
QQ
1=
x(w)
1 =x(20) e 2Q
+ 0, 5 3(x=(21)x(3w)
− x(20)) = 76, 4 + 0, 25 (76, 6 − 76, 4) = 76,
101
[80+1]
n Q= 80 e então o w = 4 =−20,x25 .) = 85, 7 + 0, 75 (86, 1 − 85, 7) = 86%
3 = x(60) + 0, 75 (x (61) (60)
s 5,95
s2 C
=V(5,=95)x2 =
= 380,44 = 02, 074 = 7, 4%
5, 40 (%)
s
CV = x
DIAGRAMA DE DISPERSÃO
Diagrama de Dispersão
102 UNIDADE III
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
são provenientes de uma de suas
variáveis como consequência de
alterações sofridas por outra variá-
vel. Podemos estar interessados no
rendimento de uma reação química
no momento do tratamento de um efluente, ou ainda controlar a resistência que
determinado material tem depois de produzido. Neste segundo exemplo, geral-
mente são utilizados ensaios destrutivos, os quais perdem a peça produzida. Para
que não seja destruído o produto produzido, pode-se relacionar a resistência à
dureza do material. Então podemos, por meio da relação entre dureza x resis-
tência, com o auxílio do diagrama de dispersão, realizar este estudo.
Um exemplo da aparência de um diagrama de dispersão é apresentado na
figura a seguir.
FERRAMENTAS DA QUALIDADE II
103
45.00
40.00
35.00
30.00
25.00
20.00
15.00
10.00
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
5.00
0.00
0.00 5.00 10.00 15.00 20.00 25.00 30.00 35.00 40.00
Diagrama de Dispersão
104 UNIDADE III
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
trução do diagrama.
FERRAMENTAS DA QUALIDADE II
105
9 224,70 15,3
10 215,50 18,3
11 220,00 16,3
12 218,60 16,7
13 223,50 15,7
14 217,00 17,4
15 221,50 16,1
16 218,40 16,8
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
17 213,60 19,3
18 221,20 16,2
19 219,90 16,2
20 222,20 15,9
21 213,90 19,1
22 216,00 18,0
23 218,10 17,0
24 222,00 16,0
25 224,10 15,4
26 215,00 18,6
27 214,20 18,7
28 223,30 15,6
29 216,70 17,6
30 215,30 18,5
31 223,80 15,5
32 220,60 16,1
33 215,80 18,2
34 217,30 17,3
35 219,20 16,5
Fonte: o autor.
Diagrama de Dispersão
106 UNIDADE III
A variável tensão na rede elétrica foi escolhida para ser representada no eixo x,
pois suspeitava-se que esta pudesse ser a causadora da variação do corte.
Deve-se encontrar o mínimo e o máximo de cada uma das variáveis:
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Com base nos dados apresentados, é possível plotar o gráfico com o auxílio de
softwares.
Período de coleta dos dados - 02/03/2003
a 13/03/2003
25.0
Variação no corte ( mm)
20.0
15.0
10.0
5.0
0.0
206.00 208.00 210.00 212.00 214.00 216.00 218.00 220.00 222.00 224.00 226.00
Tensão (V)
FERRAMENTAS DA QUALIDADE II
107
forte correlação negativa entre as variáveis é nítida, pois são menores os valores
de y, enquanto x aumenta.
Ao analisar um diagrama de dispersão, a primeira providência consiste em
verificar se não há pontos que demonstrem comportamentos atípicos. Estes pon-
tos devem ser analisados com cuidado, pois refletem situações pouco comuns
que podem ou não fornecer informações importantes sobre o objeto analisado.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Algumas considerações devem ser levantadas para que o uso do diagrama de
dispersão seja eficaz e eficiente. Vejamos a seguir quais são estas considerações.
FERRAMENTAS DA QUALIDADE II
109
7 12 3,65
8 16 4,62
9 18 5,5
10 19 6,26
11 20 7,01
12 21 7,62
13 22 8,13
14 23 8,59
Fonte: adaptada de Montgomery (2009).
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
20
15
Número de doentes
10 mentais no Reino
Unido a cada 10000
habitantes
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14
Número de aparelhos de rádio no Reino Unido
Figura 14 - Gráfico da correlação entre número de doentes mentais e o número de aparelhos de rádio no
(milhões)
Reino Unido
Fonte: Montgomery (2009, p. 190).
Estratificação
Quando houver um ou mais fatores de estratificação no estudo realizado,
segundo Werkema (2006), importantes informações podem ser obtidas a partir
de um diagrama de dispersão, se os diferentes níveis destes fatores forem iden-
tificados por meio de cores, símbolos distintos ou divisão dos estratos.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
linear r, o qual permite este objetivo. Para o cálculo deste coeficiente, utilizare-
mos o seguinte procedimento:
1. Coletar 30 pares de observações (x,y) das variáveis.
2. Registrar os dados em uma tabela.
nn nn nn 22
2 1
3. Calcular SSxx == n ∑ (xii − 2 x) n = 2∑
2 ∑ xx12i −−n 1n ((∑∑xxi )i )
2 2
S xxxx= ∑i=1 (x
i=1 i
− x) = ∑ x − i ( ∑ xni ) i=1
i=1
ii=1 n i=1
i=1 i=1 i=1
n nn 2 nn 22
n 2n 2 n
1
4. Calcular SSSyyyy = ∑∑(y(y
yy== − y) = ∑
2 ∑ yy −− nni )((∑∑yyi )i )
12
i −i y) = ∑ yi − nii ( ∑ y
2 1
i=1
i=1 i=1 i=1i=1 i=1 i=1
i=1
nn n nn n nnn nn
∑ (xi − x) (yi − y) = ∑ xi y∑− x1ny( ∑− xi1)1((∑
5. Calcular SSSxyxyxy=== i=1
∑ (xi − x) (yii −− y)
y) = i∑
i=1 = xi yii=1 (∑∑yxi )xi )i )( (∑∑yiy)i )
i − nn i=1
i
i=1
i=1 i=1
i=1 i=1
i=1 i=1
i=1
FERRAMENTAS DA QUALIDADE II
111
Com base no exemplo em que foi tratada a correlação entre tensão elétrica e
tamanho das peças, obtemos a seguinte tabela:
Tabela 9 - Medidas de tensão na rede elétrica e a variação no corte
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
32 220,6 16,1 48664,36 259,21 3551,66
33 215,8 18,2 46569,64 331,24 3927,56
34 217,3 17,3 47219,29 299,29 3759,29
35 219,2 16,5 48048,64 272,25 3616,8
7657,7 595,3 1675835 10178,11 130105,3
Fonte: o autor.
7657,72
S xx = 1675835 − 35 = 395, 877
595,32
S yy = 10178, 11 − 35 = 52, 907
7567,7 . 595,3
S xy = 130105, 3 − 35 = − 141, 237
− 141,237
r= = − 0, 98
√396,635 . 52,907
Como r = - 0,98, um valor muito próximo de -1, conclui-se que existe uma forte
correlação negativa entre a tensão na rede elétrica e a variação no corte das peças.
FERRAMENTAS DA QUALIDADE II
113
CONSIDERAÇÕES FINAIS
Caro(a) aluno(a), tratamos nesta terceira unidade de outras ferramentas que são
a base da qualidade e do controle estatístico do processo.
Lembre-se que a estatística trata da coleta e da disposição dos dados, esta-
belecendo uma conclusão confiável de um fenômeno a ser estudado. Portanto,
medir dados e gerar uma informação que seja a base de uma ótima tomada de
decisão são extremamente importantes.
Em um primeiro momento, estudamos sobre o diagrama de causa e efeito
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Considerações Finais
114
Fonte: o autor.
117
■■ Disponibilidade: grau com que o produto encontra-se disponível para uso quando
requisitado.
Empresas que têm uma Gestão da Qualidade consolidada utilizam de diferentes méto-
dos para conseguir atribuir à seus produtos características de qualidade. Um método
bastante eficaz é o Ciclo PDCA.
Fonte: Gonçalves (2012, p. 1-3).
MATERIAL COMPLEMENTAR
Gênio Indomável
Ano: 1997
Sinopse: em Boston, um jovem de 20 anos (Matt Damon),
que já teve algumas passagens pela polícia, e servente de
uma universidade revela-se um gênio em matemática e, por
determinação legal, precisa fazer terapia. Mas nada funciona,
pois ele debocha de todos os analistas, até se identificar com
um deles.
Para desenhos de diversos diagramas de engenharia e administração existe uma ferramenta que
é excelente e muito intuitiva. Acesse e confira!
Link: <https://www.draw.io/>.
Material Complementar
REFERÊNCIAS
REFERÊNCIA ON-LINE
1
Em: <https://wandersonmonteiro.wordpress.com/2015/05/18/entendendo-o-dia-
grama-de-ishikawa/>. Acesso em: 17 out. 2016.
121
GABARITO
ESTATÍSTICA BÁSICA
IV
UNIDADE
APLICADA AO CEP
Objetivos de Aprendizagem
■■ Criar o raciocínio sobre probabilidade e aplicar este conceito ao CEP.
■■ Conhecer este tipo de variável e sua importância no CEP.
■■ Verificar a importância deste tipo de distribuição para o CEP.
■■ Apresentar esta ferramenta da qualidade como fundamento para o
CEP.
Plano de Estudo
A seguir, apresentam-se os tópicos que você estudará nesta unidade:
■■ Noções de Probabilidade
■■ Gráficos de Controle
125
INTRODUÇÃO
Olá, caro(a) aluno(a)! Trataremos nesta quarta unidade sobre uma prévia para
a última ferramenta da qualidade que é o Gráfico de Controle.
Porém antes de iniciarmos o estudo deste conteúdo, devemos solidificar a
base de nosso conhecimento sobre determinados pontos. A estatística é base
fundamental para a qualidade de um produto, processo ou serviço. Afinal, ao
receber um produto, queremos que o valor cobrado seja justo. Ou quando faze-
mos um serviço que vem de outro setor de uma empresa, esperamos que não
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Introdução
126 UNIDADE IV
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
NOÇÕES DE PROBABILIDADE
1. 100=50%
19:00
18:50
18:40
18:30
18:20
18:10
18:00 18:20 18:40 19:00
Figura 1 - Ilustração da probabilidade do encontro
Fonte: o autor.
Noções de Probabilidade
128 UNIDADE IV
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
o dado não esteja viciado. Neste caso, a probabilidade de ocorrer o número 1 é:
Probabilidade condicional
A probabilidade condicional é quando determinado evento pode ocorrer sob
uma determinada condição. Indica-se a probabilidade de ocorrer um evento A
sob a condição de ter ocorrido B. Temos neste caso a seguinte notação: P (B), que
lê-se “probabilidade de A dado B”. Como exemplo, considere a probabilidade de
ocorrer um acidente de automóvel, dado que está chovendo. A probabilidade é
condicional, porque se refere à ocorrência de um evento sob uma condição dada.
Exemplo:
Ao jogar um dado, qual a probabilidade que dê o número 6? Assim como
vimos anteriormente, a probabilidade de sair um número em um dado é de
16,67%.
Agora, imagine que o dado foi jogado e já se sabe que ocorreu um número
par. Qual a probabilidade de a face com o número 6 ter ocorrido? Note que esta
pergunta é diferente da anterior. Se saiu a face com um número par, só podem
ter ocorrido os números 2, 4 e 6. Logo, a probabilidade de ocorrer o número 6
é 1/3 = 0,3333 = 33,33%.
Eventos independentes
Eventos independentes ocorrem quando a probabilidade de ocorrer um deles
não é modificada pela ocorrência de outro. Se jogarmos ao mesmo tempo uma
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
MOEDA
Dado Cara Coroa
1 Cara;1 Coroa;1
2 Cara;2 Coroa;2
3 Cara;3 Coroa;3
4 Cara;4 Coroa;4
5 Cara;5 Coroa;5
6 Cara;6 Coroa;6
Fonte: o autor.
Noções de Probabilidade
130 UNIDADE IV
Teorema do produto
Quando é necessário conhecer a probabilidade de ocorrer a repetição de um
evento, podemos utilizar o teorema do produto. Um exemplo seria a probabili-
dade de se repetir cara em dez jogadas seguidas em uma moeda.
Em outro caso, dentro de uma urna temos duas bolas brancas e uma ver-
melha. Retira-se ao acaso duas bolas da urna, uma em seguida da outra e sem
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
recolocar a primeira.
A probabilidade de a primeira bola ser branca é = 66,67%.
No caso da segunda bola ser também branca, a probabilidade é de = 50% .
Para se obter a probabilidade de as duas bolas retiradas serem brancas, faz-se o
produto: 0,6667 x 0,50 = 0,3333 ou 33,33%.
Então, se A e B são eventos independentes, a probabilidade de ocorrer A e
B é dada pela probabilidade de ocorrer A, multiplicada pela probabilidade de
ocorrer B, a qual escreve-se P(A e B) = P(A) e (B).
Se A e B são eventos não independentes, a probabilidade de ocorrer A e B é
dada pela probabilidade de ocorrer A, multiplicada pela probabilidade (condi-
cional) de ocorrer B, dado que A ocorreu. P(A e B) = P(A) P(A).
Teorema da soma
Se os eventos A e B não podem ocorrer ao mesmo tempo, a probabilidade
de ocorrer A ou B é dada pela probabilidade de A mais a probabilidade de B, ou
seja, P(A ou B)=P(A)+P(B).
Se A e B podem ocorrer ao mesmo tempo, a probabilidade de ocorrer A ou
B é dada pela probabilidade de A, mais a probabilidade de B, menos a probabi-
lidade de A e B, ou seja, P(A e B)=P(A)+P(B)-P(A e B).
Suponha que uma urna contenha duas bolas brancas, uma azul e uma ver-
melha. Qual a probabilidade de ter saído uma bola azul ou vermelha?
Se a probabilidade de sair uma bola azul é de 0,25 e a probabilidade de sair
uma bola vermelha também é de 0,25, simplesmente soma-se as probabilidades
0,25 + 0,25 = 0,50, ou seja, 50%.
Agora, imagine que uma carta será retirada ao acaso de um baralho. Qual a
probabilidade de sair uma carta de espadas ou um ás?
x P(x)
1 0,167
2 0,167
3 0,167
4 0,167
5 0,167
6 0,167
Fonte: o autor.
Noções de Probabilidade
132 UNIDADE IV
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Figura 2 - Probabilidade de obtenção da face de um dado em um lançamento
Fonte: o autor.
Distribuição binomial
Na distribuição binomial, a variável descreve o número de vezes que um
dado evento pode ocorrer em uma série de ensaios idênticos, com resultados
independentes de outros ensaios, com apenas dois eventos possíveis e com pro-
babilidades constantes em todos os ensaios.
Na estatística aplicada à qualidade temos um exemplo clássico de variável
binomial: número de itens não conformes em n itens inspecionados. Se o pro-
cesso está sob controle, valem as condições:
a. a inspeção de um item é idêntica à inspeção de outro item.
b. o resultado da inspeção de um item independe do resultado da inspe-
ção dos outros.
c. para cada item são possíveis dois eventos: não conforme (p) e conforme (q).
d. as probabilidades dos dois eventos permanecem constantes para todos
os itens inspecionados.
Função da distribuição binomial
Para estudar a função da distribuição binomial, considere a variável que repre-
senta o número de caras em n arremessos de uma moeda. Para um arremesso,
n = 1. Veja a tabela a seguir:
Noções de Probabilidade
134 UNIDADE IV
x caras em n arremessos de uma moeda é dada pela função P(x)= (n x) pxq (n-x),
onde (n x) é a combinação de n, x a x.
Exemplo:
Você deseja saber a probabilidade de ocorrer 2 caras em arremessos de uma
moeda.
Dados: n=4, p=1/2, q=1/2 e o x=2.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
P (x) = (n x )px q(n−x) =
2 4−2
P (2) = (4 2 )( 12 ) ( 12 ) =
Distribuição de Poisson
Quando tratamos de uma probabilidade do evento de interesse (p) muito
baixa, necessita-se que n seja suficientemente grande para que seja possível
observar ao menos um evento de interesse. Para isso, utiliza-se uma distribui-
ção de Poisson.
c x
P (X) = e−c x!
c = μAlguns
= np fenômenos
= 1000 *têm
0, 0a 1distribuição
= 10 que se aproxima de Poisson. São
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Exemplo:
Na produção de adesivos termocolantes, sabe-se que 1% destes é não conforme.
Sob tais condições, qual é a probabilidade de uma caixa com 1.000 adesivos não
conter produtos não conformes?
cx
(X) = e−c x!
Sendo p = 0,01 e n = 1000,Pcalcula-se:
c = μ = np = 1000 * 0, 01 = 10
0 −5
P (X = 0) = e−10 10
0! = 4, 54.10 ou 0, 00454%
Distribuição Normal
Grandes amostras de certas variáveis aleatórias permitem a construção de histo-
gramas, como vimos anteriormente. Para a introdução da Distribuição Normal,
consideremos o histograma simétrico a seguir.
Noções de Probabilidade
136 UNIDADE IV
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Nesta figura, uma curva suave e perfeitamente simétrica foi desenhada sobre o
histograma. É importante destacar a diferença que existe entre o histograma e a
curva. O histograma é uma representação da distribuição dos elementos de uma
amostra extraída de uma população, enquanto a curva representa a distribui-
ção de todos os elementos que constituem a população ou ainda a distribuição
de probabilidade de uma população.
A curva paraboloide representada na Figura 3 é denominada, distribuição
normal. Quando uma variável sofre variações produzidas pela soma de um grande
número de erros independentes de pequena magnitude, provocados pela atua-
ção dos diversos fatores de um processo, sua distribuição geralmente pode ser
descrita de forma apropriada por uma distribuição normal. Diversas caracterís-
ticas da qualidade seguem uma distribuição normal em um processo industrial.
A distribuição normal, segundo Vieira (1999), tem as seguintes características:
■■ A variável aleatória pode assumir qualquer valor real.
■■ O gráfico da distribuição normal é uma curva em forma de sino, simé-
trica em torno da média μ.
■■ A área total sob a curva vale 1, pois ela corresponde à probabilidade de a
variável assumir qualquer valor real.
■■ Os valores maiores do que a média e os valores menores do que a média
ocorrem com igual probabilidade.
1 (x− μ)2
f (x) = √2π σ
exp [− 2σ2
]
Noções de Probabilidade
138 UNIDADE IV
0.8
N(6, 25)
0.6
N(0, 1) N(3, 1)
f(x)
0.4
0.2
N(6, 4)
0.0
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
0 5 10
x
Figura 4 – Comparação de distribuições normais com diferentes médias μ e vários valores de σ
Fonte: Montgomery (2009, p. 7).
Uma distribuição normal com média e desvio padrão é identificada pela nota-
ção N (μ, σ). Quando a média e o desvio padrão são conhecidos, a distribuição
normal estará completamente caracterizada, e para tal utiliza-se de estimativas
amostrais x e s.
Z
0 1,25
A partir da Figura 5, observamos que a área total sob a curva vale 1. Isso signi-
fica que a probabilidade de ocorrer qualquer valor real é 1. A curva simétrica
em torno da média é zero. Então, a probabilidade de ocorrer valor maior do que
zero é 0,5. Mas qual a probabilidade de ocorrer valor entre zero e z = 1,25? A
probabilidade de ocorrer valor entre zero e z = 1,25 corresponde à parte ponti-
lhada. Esta probabilidade é encontrada na tabela a seguir.
Noções de Probabilidade
140 UNIDADE IV
Districuição Normal Padrão: Valores de p tais que P(0 < Z < Zc) = p
Segunda casa decimaç de zc
z 0 1 2 3 4 5 6 7 8 9
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0753
0,2 0,0798 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2517 0,2549
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
0,7 0,2580 0,2611 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0,3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554 0,3577 0,3599 0,3621
Parte inteira e primeira decima dezc
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962 0,3980 0,3997 0,4015
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0,4332 0,4345 0,4357 0,4370 0,4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7 0,4554 0,4564 0,4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8 0,4641 0,4649 0,4656 0,4664 0,4671 0,4678 0,4686 0,4693 0,4699 0,4706
1,9 0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0,4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,4812 0,4817
2,1 0,4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0,4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0,4893 0,4896 0,4898 0,4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0,4932 0,4934 0,4936
2,5 0,4938 0,4940 0,4941 0,4943 0,4945 0,4946 0,4948 0,4949 0,4951 0,4952
2,6 0,4953 0,4955 0,4956 0,4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0,4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8 0,4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 0,4979 0,4980 0,4981
2,9 0,4981 0,4982 0,4982 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986
3,0 0,4987 0,4987 0,4987 0,4988 0,4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997
3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,8 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,9 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000 0,5000
Na primeira coluna desta tabela está o valor de 1,2 que interseccionado com a
coluna determinada 0,05 forma o número Z = 1,25 e sua probabilidade que é
previamente calculada e fornecida em formato de tabela. O número 0,3944 é a
probabilidade de ocorrer um valor entre zero e Z = 1,25. Como a probabilidade
de ocorrer valor maior que zero é 0,5 e a probabilidade de ocorrer valor entre
zero e z =1,25 é 0,3944, .
com distribuição normal com média de 2mm e desvio padrão 0,003mm. É neces-
sário calcular a probabilidade de uma peça apresentar diâmetro interno entre
2mm e 2,00375mm.
Para calcular probabilidades associadas à distribuição normal, utilizamos a
seguinte equação:
No caso do problema apresentado e substituindo os valores, temos:
X− μ
Z= σ
X− μ
Z =
Z = σ2,00375−
Com auxílio da tabela, verifica-se
0,003
2
que Z = 1,25=é 1 , 25a 0,3944, ou seja, a
igual
2,00375− 2
Z= 0,003
X− μ
=1,9985−
1, 252
Z= σ = 0,003 =− 0, 50
X− μ
probabilidade deZX =
assumir um valor entre 2 e 2,00375mm é de 39,44%.
σ
E se fosse necessárioZcalcular μ
= 1,9985−
= X−σa probabilidade 2
0,003 =− 0, 50
de uma peça ter diâmetro
menor que 1,9985? 2,00375− 2
Z = 0,003 = 1, 25
X− μ 1,9985− 2
Z= σ = 0,003 =− 0, 50
Noções de Probabilidade
142 UNIDADE IV
z -0,09 -0,08 -0,07 -0,06 -0,05 -0,04 -0,03 -0,02 -0,01 0,00
-3,5 0,00017 0,00017 0,00018 0,00019 0,00019 0,00020 0,00021 0,00022 0,00022 0,00023
-3,4 0,00024 0,00025 0,00026 0,00027 0,00028 0,00029 0,00030 0,00031 0,00032 0,00034
-3,3 0,00035 0,00036 0,00038 0,00039 0,00040 0,00042 0,00043 0,00045 0,00047 0,00048
-3,2 0,00050 0,00052 0,00054 0,00056 0,00058 0,00060 0,00062 0,00064 0,00066 0,00069
-3,1 0,00071 0,00074 0,00076 0,00079 0,00082 0,00084 0,00087 0,00090 0,00094 0,00097
-3,0 0,00100 0,00104 0,00107 0,00111 0,00114 0,00118 0,00122 0,00126 0,00131 0,00135
-2,9 0,00139 0,00144 0,00149 0,00154 0,00159 0,00164 0,00169 0,00175 0,00181 0,00187
-2,8 0,00193 0,00199 0,00205 0,00212 0,00219 0,00226 0,00233 0,00240 0,00248 0,00256
-2,7 0,00264 0,00272 0,00280 0,00289 0,00298 0,00307 0,00317 0,00326 0,00336 0,00347
-2,6 0,00357 0,00368 0,00379 0,00391 0,00402 0,00415 0,00427 0,00440 0,00453 0,00466
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
-2,5 0,00480 0,00494 0,00508 0,00523 0,00539 0,00554 0,00570 0,00587 0,00604 0,00621
-2,4 0,00639 0,00657 0,00676 0,00695 0,00714 0,00734 0,00755 0,00776 0,00798 0,00820
-2,3 0,00842 0,00866 0,00889 0,00914 0,00939 0,00964 0,00990 0,01017 0,01044 0,01072
-2,2 0,01101 0,01130 0,01160 0,01191 0,01222 0,01255 0,01287 0,01321 0,01355 0,01390
-2,1 0,01426 0,01463 0,01500 0,01539 0,01578 0,01618 0,01659 0,01700 0,01743 0,01786
-2,0 0,01831 0,01876 0,01923 0,01970 0,02018 0,02068 0,02118 0,02169 0,02222 0,02275
-1,9 0,02330 0,02385 0,02442 0,02500 0,02559 0,02619 0,02680 0,02743 0,02807 0,02872
-1,8 0,02938 0,03005 0,03074 0,03144 0,03216 0,03288 0,03362 0,03438 0,03515 0,03593
-1,7 0,03673 0,03754 0,03836 0,03920 0,04006 0,04093 0,04182 0,04272 0,04363 0,04457
-1,6 0,04551 0,04648 0,04746 0,04846 0,04947 0,05050 0,05155 0,05262 0,05370 0,05480
-1,5 0,05592 0,05705 0,05821 0,05938 0,06057 0,06178 0,06301 0,06426 0,06552 0,06681
-1,4 0,06811 0,06944 0,07078 0,07215 0,07353 0,07493 0,07636 0,07780 0,07927 0,08076
-1,3 0,08226 0,08379 0,08534 0,08691 0,08851 0,09012 0,09176 0,09342 0,09510 0,09680
-1,2 0,09853 0,10027 0,10204 0,10383 0,10565 0,10749 0,10935 0,11123 0,11314 0,11507
-1,1 0,11702 0,11900 0,12100 0,12302 0,12507 0,12714 0,12924 0,13136 0,13350 0,13567
-1,0 0,13786 0,14007 0,14231 0,14457 0,14686 0,14917 0,15151 0,15386 0,15625 0,15866
-0,9 0,16109 0,16354 0,16602 0,16853 0,17106 0,17361 0,17619 0,17879 0,18141 0,18406
-0,8 0,18673 0,18943 0,19215 0,19489 0,19766 0,20045 0,20327 0,20611 0,20897 0,21186
-0,7 0,21476 0,21770 0,22065 0,22363 0,22663 0,22965 0,23270 0,23576 0,23885 0,24196
-0,6 0,24510 0,24825 0,25143 0,25463 0,25785 0,26109 0,26435 0,26763 0,27093 0,27425
-0,5 0,27760 0,28096 0,28434 0,28774 0,29116 0,29460 0,29806 0,30153 0,30503 0,30854
-0,4 0,31207 0,31561 0,31918 0,32276 0,32636 0,32997 0,33360 0,33724 0,34090 0,34458
-0,3 0,34827 0,35197 0,35569 0,35942 0,36317 0,36693 0,37070 0,37448 0,37828 0,38209
-0,2 0,38591 0,38974 0,39358 0,39743 0,40129 0,40517 0,40905 0,41294 0,41683 0,42074
-0,1 0,42465 0,42858 0,43251 0,43644 0,44038 0,44433 0,44828 0,45224 0,45620 0,46017
0,0 0,46414 0,46812 0,47210 0,47608 0,48006 0,48405 0,48803 0,49202 0,49601 0,50000
GRÁFICOS DE CONTROLE
Gráficos de Controle
144 UNIDADE IV
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
mento da variabilidade e para a avaliação da estabilidade de um processo.
Processos instáveis resultam em produtos defeituosos, perda de produção,
baixa qualidade e, de modo geral, em perda da confiança do cliente.
Existem dois tipos de causas para a variação na qualidade de produtos resul-
tantes de um processo: as comuns ou aleatórias e as especiais ou assinaláveis.
A variação provocada por causas comuns, também conhecida como variabi-
lidade natural do processo, é inerente ao processo considerado e estará presente
mesmo que todas as operações sejam executadas empregando métodos padro-
nizados. Quando apenas as causas comuns estão atuando em um processo, a
quantidade de variabilidade se mantém em uma faixa estável, o que leva a acredi-
tar que o processo está sob controle estatístico, apresentando um comportamento
estável e previsível.
As causas especiais surgem espo-
radicamente devido a uma situação
particular que faz com que o processo
se comporte de um modo totalmente
fora do convencional, o que gera, con-
sequentemente, um deslocamento do
nível aceitável de qualidade.
Se um processo opera sob a atu-
ação de causas especiais de variação,
ele está fora de controle estatístico, e
neste caso sua variabilidade é maior
que o natural. As causas especiais
É importante frisar que um gráfico de controle não descobre por si próprio quais
são as causas de variação em um processo, mas processa e dispõe de informa-
ções que podem identificar tais causas.
LSC
LC
LIC
(a)
LSC
LC
LIC
(b)
Gráficos de Controle
146 UNIDADE IV
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
tintos. É usual unir os pontos por segmentos de reta, para melhor visualização.
9
8
7
6
5 Medição
LM
4 LIC
LSC
3
2
1
0
1 2 3 4 5 6 7 8 9 10
Figura 7 - Típico gráfico de controle
Fonte: o autor.
2
1
0
1 2 3 4 5 6 7 8 9 10
Figura 8 - Exemplo de periodicidade
Fonte: o autor.
Gráficos de Controle
148 UNIDADE IV
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
6
5 Medição
LM
4 LIC
LSC
3
2
1
0
1 2 3 4 5 6 7 8 9 10
Figura 10 - Exemplo de deslocamento
Fonte: o autor.
Gráfico de controle Np
Este gráfico monitora a variação do número (np) de itens não conformes em
amostras de tamanho constante (n).
Para construir o gráfico:
1. Organize uma folha de verificação, conforme as informações contidas
na Unidade II.
LSC = np + 3√np(1 − p)
LIC = np − 3√np(1 − p)
Se o valor calculado para o limite inferior de controle for negativo, faça esse
limite igual a zero.
Exemplo:
Amostras
1 2 3 4 5 6
n 100
d 5 2 7 3 6 2
p 0,05 0,02 0,07 0,03 0,06 0,02
Fonte: o autor.
Gráficos de Controle
150 UNIDADE IV
5+2+7+3+6+2
p= 6.100 = 0, 04167
LIC = 100.0, 04167 − 3√100.0, 04167(1 − 0, 04167) =− 1, 828 < 0, então LIC = 0
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
O gráfico de controle np do exemplo anterior pode ser assim apresentado:
12
10
6 d
LIC
p
4 LSC
0
1 2 3 4 5 6
Gráfico de controle - R
Quando a característica da qualidade de interesse é expressa por um número
em uma escala contínua de medida, dois dos gráficos de controles mais utiliza-
dos são os de média ( ) e amplitude (R).
O gráfico da média tem o objetivo de estabelecer o controle deste fator den-
tro do processo, assim como o gráfico da amplitude é uma ferramenta para
LSC = x + A2 .R
Utilizar o resultado com duas casas decimais a mais que os dados originais.
LSC = x + A2 .R
Gráficos de Controle
xi1+ xi2+…+ xin
xi = mx = 1sendo i m= 1, 2, …, m
x + x2+…+x
m
152 U N I D A D E IV
x1+ x2+…+xm
Ri = maior xvalor= da amostra
m − menor valor da amo
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Tabela 8- Tabela para gráfico de controle
n A2 D3 D4 d2
2 1.880 0.000 3.267 1.128
3 1.023 0.000 2.574 1.693
4 0.729 0.000 2.282 2.059
5 0.577 0.000 2.114 2.326
6 0.483 0.000 2.004 2.534
7 0.419 0.076 1.924 2.704
8 0.373 0.136 1.864 2.847
9 0.337 0.184 1.816 2.970
10 0.308 0.223 1.777 3.078
Fonte: Montgomery (2009, p. 258).
LIC
8. Calcule o limite superior de controle A2R.R
= x −para por meio da fórmula:
LSC R = D4 .R
LIC = x ou− mais,
A .R
9. Caso a amostra tenha LIC = D3 .R 2 calcule o limite inferior de
6 elementos
R da fórmula:
LSC
controle (LIC) para por meio = D4 .R R
LIC = D3 .R
R
Amostras
Medida 1 2 3 4 5
x1 78 82 86 77 76
x2 77 82 83 79 78
x3
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
79 81 79 81 79
x4 82 79 84 79 79
79 81 83 79 78
R 5 3 7 4 3
Fonte: o autor.
x= 79+81+83+79+78
5 = 80
5+3+7+4+3
Ri = 5 = 4, 4
LIC R = 0
Gráficos de Controle
154 UNIDADE IV
84
82
80
Médias
78
76
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
74
72
1 2 3 4 5
12
10
8
Amplitude
0
1 2 3 4 5
Figura 13 - Amplitude
Fonte: o autor
Gráficos de Controle
156 UNIDADE IV
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
No planejamento dos gráficos de controle e R, devemos especificar o ta-
manho da amostra e a frequência da amostragem utilizada.
Subgrupos racionais
A coleta dos dados que serão usados para elaboração de um gráfico de controle
exige alguns cuidados, como o período de tempo curto e condições de traba-
lho equalizadas.
Suponhamos que o diâmetro de uma peça foi escolhido como a característica
de qualidade em um processo de fabricação. Esta peça é afetada pelos seguintes
fatores: material usado, ajuste de máquina e a habilidade do operador.
Gráficos de Controle
158 UNIDADE IV
CONSIDERAÇÕES FINAIS
Olá, caro(a) aluno(a)! Vimos nesta quarta unidade sobre uma prévia para a
última ferramenta da qualidade, que é o Gráfico de Controle.
Porém, antes de iniciarmos o estudo deste conteúdo, solidificamos a base
de nosso conhecimento sobre determinados pontos. A estatística é base funda-
mental para a qualidade de um produto, processo ou serviço. Afinal, ao receber
um produto, queremos que o valor cobrado seja justo. Ou quando fazemos um
serviço que vem de outro setor de uma empresa, esperamos que não precisemos
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
nos preocupar com as variabilidades fora da curva.
Em um primeiro momento, abordei sobre as noções de probabilidade para
que fossem entendidos alguns pontos sobre as diferentes distribuições, além de
criar um senso lógico de visualizar a probabilidade de algo acontecer ou ainda a
interpretação correta de uma situação que tenha diversas variáveis.
Tratei a seguir sobre as variáveis aleatórias e discretas. Visualizamos as dife-
renças entre estes tipos e como elas são descritas nos gráficos de controle.
Discutimos sobre a distribuição normal que é a mais comum quando trata-
mos do CEP, sem descuidar da distribuição de Poisson e sua aplicação.
Você iniciou nesta unidade o estudo sobre os gráficos de controle, a ferra-
menta da qualidade mais difundida dentre os profissionais da qualidade, sejam
eles analistas, técnicos, engenheiros ou gestores.
O gráfico de controle é uma ferramenta que ajuda a reduzir ao máximo as
variações dentro de um processo. Isso porque ele permite predizer hora a hora,
dia a dia ou mês a mês o quanto se pode produzir, e com que nível de qualidade,
empregando o processo estudado.
3. Você recebeu dez produtos sem defeitos, quatro com defeitos menores e dois
com defeitos maiores. Se você tomar dois produtos ao acaso, qual a probabili-
dade de:
a. Ambos serem sem defeitos?
b. Pelo menos um ter defeito?
c. Nenhum ter defeito maior.
Unidade Defeitos
1 1
2 3
3 2
4 1
5 0
6 2
7 1
8 5
160
Gestão da qualidade
Luiz Cesar Ribeiro Carpinetti
Editora: Atlas
Sinopse: a gestão da qualidade é um tema constantemente
presente nos meios acadêmicos e empresariais, e o certificado
ISO 9001 uma exigência para se qualificar como fornecedor em
diversas cadeias de suprimentos, como é o caso da indústria
automotiva, da linha branca e de outros segmentos industriais.
Mas por que gerenciar a qualidade é tão importante? Porque
a gestão da qualidade toca em dois pontos cruciais para
uma organização: manter e conquistar mercados, melhorando sua eficácia no atendimento
dos requisitos dos clientes; e reduzir desperdícios e custos da não qualidade, melhorando sua
eficiência. E os requisitos do modelo de gestão da qualidade prescrito na ISO 9001: 2008 focam
exatamente esses objetivos, estabelecendo boas práticas para a melhoria da eficácia e eficiência
das empresas.
Quebrando a banca
Ano: 2008
Ben Campbell (Jim Sturgess) é um jovem tímido e superdotado
do MIT que, precisando pagar a faculdade, busca a quantia
necessária em jogos de cartas. Ele é chamado para integrar um
grupo de alunos que, todo fim de semana, parte para Las Vegas
com identidades falsas e o objetivo de ganhar muito dinheiro.
O grupo é liderado por Micky Rosa (Kevin Spacey), um professor
de matemática e gênio em estatística, com quem consegue
montar um código infalível. Contando cartas e usando um
complexo sistema de sinais, eles conseguem quebrar diversos
cassinos. Até que, encantado com o novo mundo que se apresenta
e também por sua colega Jill Taylor (Kate Bosworth), Ben começa a extrapolar seus próprios
limites.
GRÁFICOS DE CONTROLE E
V
UNIDADE
CAPACIDADE DO PROCESSO
Objetivos de Aprendizagem
■■ Apresentar Gráficos x e R e sua importância ao CEP.
■■ Apresentar Gráficos x e s e sua importância ao CEP.
■■ Apresentar Gráficos x e AM e sua importância ao CEP.
■■ Possibilitar a capacidade de interpretação dos resultados de
diferentes gráficos de controle
■■ Determinar se um processo é capaz ou não de ser executado.
Plano de Estudo
A seguir, apresentam-se os tópicos que você estudará nesta unidade:
■■ Gráficos x e R
■■ Gráficos x e s
■■ Gráficos x e AM
■■ Interpretação dos gráficos x e AM
■■ Capacidade do processo
167
INTRODUÇÃO
Olá, caro(a) aluno(a)! Trataremos nesta quinta unidade sobre a última ferramenta
da qualidade que é o Gráfico de Controle. Na verdade são diversos gráficos de
controle, e cada um tem a sua particularidade e aplicabilidade.
Até aqui formamos a base que será importante para que a aplicação dos grá-
ficos não fique apenas na tela de seu software. Saber em qual situação utilizar os
diferentes tipos e interpretar cada um dos resultados apresentados são pontos
cruciais dentro do desenvolvimento da qualidade.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Introdução
168 UNIDADE V
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
GRÁFICOS E R
GRÁFICOS x E S
Gráficos x e s
170 UNIDADE V
Estimar μ
A média μ é estimada por meio da média global da amostra:
m
x1+ x2+…+xm 1
x= m = m
∑ xi
i=1
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Estimar σ
O desvio padrão σ é estimado com base no desvio padrão amostral médio
definido por:
m
s1+ s2+…+ sm 1
s= m = m
∑ Si
i=1
√
n
si = 1 ∑ (xij − xi )2
√
n−1 n
1 j=1∑ 2
si = n−1 (xij − xi )
j=1
s
σ̂ = padrão
É possível demonstrar que o desvio c4 sigma deve ser estimado por
s
σ̂ = c4
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 0.559 1.420 3.931 0.2544 0.708 1.806 6.056 0.459 1.541
Gráfico
Gráficos x e s
172 UNIDADE V
Onde é uma constante tabelada em função do tamanho n das
amostras.
Gráfico
Onde é a estimativa do desvio padrão da distribuição de s e B3 e B4, que são
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
constantes tabeladas em função do tamanho n das amostras.
√
n m
x =si x=1+ x2+…+x
m
1m∑ 1
n−1 = (xij ∑xxi )
−
i
2
j=1 m
i=1
√
n
1 ∑ 2
si E=CAPACIDADE DOn−1
GRÁFICOS DE CONTROLE PROCESSO
(xij − xi )
j=1
LIC = s − 3σˆs = B 3 s
173
xi1+ xi2+…+ xin
xi = m sendo i = 1, 2, …, m
m
x1+ x2+…+xm
x= m = 1
m
∑ xi
5. Calcular o desvio padrão de cada amostra
i=1
√
n
si = 1
n−1
∑ (xij − xi )2
j=1
LSC
SC =
= xx + 33 csss√ n= x +A s
LIC = x − 3cc44 √√nn==x x+−A33As3 s
L +
4
L
LMM= = xx
s
LIC
L = xx −
IC = √nn =
− 33 ccs4 √ −A
= xx − A33ss
LSC = s + 3σˆs = B 4 s
4
Gráfico s
LM =ˆ s
LSC = ss +
LSC = + 33σ = B
σˆss = B44ss
LIC = LsM−=3σsˆs = B 3 s
LM = s
LIC
IC = ˆ
L = ss −
− 33σ = B
σˆss = B33ss
Gráficos x e s
174 UNIDADE V
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
res dos limites de controle.
Exemplo:
Construir os gráficos de controle x e s para os dados da tabela a seguir.
16 7,083 0,012
17 7,106 0,0152
18 7,093 0,0084
19 7,090 0,0158
20 7,100 0,0173
21 7,098 0,0045
22 7,101 0,0175
23 7,104 0,0042
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
24 7,100 0,0117
25 7,118 0,0076
Médias 7,10076 0,01078
Fonte: o autor.
LM = s = 0, 01078
LIC = B 3 s = 0 .0, 01078 = 0
Gráfico s
O gráfico s está apresentado logo a seguir com os m = 25 valores amostrais do
desvio padrão si. Como nenhum dos pontos extrapola os limites de controle e
não há evidências de alguma configuração aleatória dos pontos em torno da
linha média, é possível concluir que o processo está sob controle no que diz res-
peito à variabilidade.
Gráficos x e s
176 UNIDADE V
0,025
0,02
0,015
S
LSC
0,01 s médio
LIC
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
0,005
0
1 3 5 7 9 11 13 15 17 19 21 23 25
Figura 1 - Gráfico para o diâmetro de eixos em milímetros
Fonte: o autor.
Gráfico
LSC = x + A3 s = 7, 10076 + 1, 427 . 0, 01078 = 7, 11614
LM = x = 7, 10076
LIC = x − A3 s = 7, 10076 − 1, 427 . 0, 01078 = 7, 08538
LSC está
O gráfico = Bapresentado
4 s = 2, 089logo
.0, 0a1124
seguir=com
0, 0os
2347
m = 25 valores amostrais do
desvio padrão i. Ao observar o gráfico, verifica-se que 3 pontos extrapolam os
limites de controle. Para exemplo, supondo que um defeito no torno tenha sido
a causa de variação assinalável a estas amostras. Podem ser então descartadas
as três amostras e recalculados os limites de controle dos gráficos e s. É usual
refazer os cálculos também para o gráfico do desvio padrão, eliminando as amos-
tras correspondentes aos pontos fora de controle no gráfico da média, apesar de
não serem detectados problemas no gráfico s.
7,130
7,120
7,110
7,100
7,090
7,080
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
7,070
7,060
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
LM = s = 0, 01124
Gráficos x e s
178 UNIDADE V
0,025
0,02
0,015
S
LSC
0,01 s médio
LIC
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
0,005
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Figura 3 - Novos limites do desvio padrão para o diâmetro em milímetros dos eixos produzidos
Fonte: o autor.
LM = s = 0, 01124
Novos limites do gráfico
LIC
Após = B3s =
a eliminação .0, 01124
das0amostras 4, 16=e 0
25, os novos valores serão, com base no
novo valor de = 7,10005:
LM = x = 7, 10005
7,120
7,115
7,110
7,105
7,100
7,095
7,090
7,085
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
7,080
7,075
7,070
7,065
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Figura 4 - Novos limites para a média do diâmetro em milímetros dos eixos produzidos
Fonte: o autor.
s 0,01124
σ̂ = c4 = 0,9400 = 0, 0112 mm
Gráficos x e s
180 UNIDADE V
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
GRÁFICOS x E AM
LIC = x - 3 AM
d2
Onde AM é a amplitude móvel média e d2 deve ser obtido da tabela a
seguir, para n = 2, já que o gráfico é baseado em uma amplitude móvel de n =
2 observações.
Gráficos x E AM
182
2 2.121 1.880 2.659 0.7979 1.2533 0 3.267 0 2.606 1.128 0.8865 0.853 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 2.574
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 2.114
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
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 0.559 1.420 3.931 0.2544 0.708 1.806 6.056 0.459 1.541
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
183
Gráfico AM
LSC = D4 AM
LM = AM
LIC = D3 AM
do gráfico x.
Exemplo:
A fabricação de corantes têxteis, cuja produção envolvia a realização de reações
químicas muito lentas, era produzida em uma indústria por meio de um pro-
cesso descontínuo em várias bateladas ou partidas. Uma das características da
qualidade de interesse para este corante era seu teor de pureza, o qual devia ser
superior a 85%, segundo as especificações do mercado. A indústria desejava
implementar gráficos de controle para o monitoramento da estabilidade do pro-
cesso produtivo, em relação a essa característica da qualidade. No entanto, como
cada partida da substância demorava várias horas para ser fabricada, a taxa de
produção era muito baixa para permitir a utilização de tamanhos amostrais supe-
riores a 1. Em vista deste fato, a indústria decidiu utilizar gráficos de controles
para medidas individuais.
O teor de pureza medido para 24 bateladas da substância é apresentado na
tabela a seguir, que mostra os valores da amplitude móvel AMi de duas obser-
vações sucessivas (AMi = | xi - xi - 1).
Gráficos x E AM
184 UNIDADE V
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
7 88,3 3,9
8 90,4 2,1
9 89,1 1,3
10 90,7 1,6
11 93,0 2,3
12 93,9 0,9
13 94,8 0,9
14 96,4 1,6
15 91,4 5,0
16 89,2 2,2
17 93,7 4,5
18 90,8 2,9
19 91,8 1,0
20 93,1 1,3
21 89,9 3,2
22 93,4 3,5
23 87,2 6,2
24 92,2 5,0
Médias 91,96 2,82
Fonte: o autor.
Gráfico AM
LSC = D4 AM = 3, 267 . 2, 82 = 9, 21
LM = AM = 2, 82
LIC = D3 AM = 0 .2, 82 = 0
10,0
9,0
8,0
7,0
6,0
Amplitude
5,0 móvel Ami
4,0 LSC
LM
3,0 LIC
2,0
1,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Figura 5 - Medidas do teor de pureza de um corante têxtil
Fonte: o autor.
Gráfico x
A partir dos dados da Tabela 4, foram calculados os seguintes valores para os
limites de controle do gráfico x:
Gráficos x E AM
186 UNIDADE V
2,82
LSC = x + 3 AM
d = 91, 96 + 3. 1,128 = 99, 46
2
LM = 91, 96
2,82
LIC = x − 3 AM
d = 91, 96 − 3. 1,128 = 84, 46
2
Note que, como foi usada uma amplitude móvel de duas observações, então
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
d2 foi obtido com n = 2.
95,0
90,0
Teor de pureza
(%) xi
85,0 LSC
LM
LIC
80,0
75,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
10,0
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
8,0
6,0
Amplitude
móvel Ami
4,0 LSC
LM
LIC
2,0
0,0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
ser obtidos a partir de um histograma para n > 100 ou por meio de uma
distribuição de probabilidade de dados.
■■ Transformar a variável original em uma nova variável que seja aproxi-
madamente normal, e então construir gráficos de controle para esta nova
variável.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
A CAPACIDADE DO PROCESSO
A Capacidade do Processo
192 UNIDADE V
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
b. Calcule a média e o desvio padrão.
c. Calcule os limites naturais de tolerância e a capacidade do processo.
d. Organize uma tabela de distribuição de frequências e desenhe um
histograma.
AMOSTRAS
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Medida 1 2 3 4 5
x1 78 82 86 77 76
x2 77 82 83 79 78
x3 79 81 79 81 79
x4 82 79 84 79 79
x 79 81 83 79 78
R 5 3 7 4 3
Fonte: o autor.
O processo analisado estabelece que VN = 81,5, LSE = 88 e LIE = 75. Com base
nesses dados sabemos que a tolerância do projeto é igual a 13.
Para estimar a capacidade do processo é necessário utilizar a seguinte equa-
ção: 6 σ = 6 . 2, 137 = 12,822 .
Agora, devemos organizar uma tabela de distribuição de frequências e apre-
sentar estes dados em um histograma.
A Capacidade do Processo
194 UNIDADE V
Intervalo ( i ) Frequência
76,0 ˫ 78,0 3
78,0 ˫ 80,0 9
80,0 ˫ 82,0 2
82,0 ˫ 84,0 4
84,0 ˫ 86,0 2
Total 20
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Fonte: o autor.
10
0
77 79 81 83 85
Figura 9 - Histograma
Fonte: o autor.
b. Diminuir a variabilidade.
Índices de capacidade
Os índices de capacidade processam as informações de forma que seja possível
avaliar se um processo é capaz de gerar produtos que atendam às especificações
provenientes dos clientes internos e externos.
Outra forma de expressão da capacidade de um processo consiste no cálculo
dos chamados índices de capacidade. Estes índices são números adimensionais
que permitem uma quantificação do desempenho dos processos.
Para utilizar os índices de capacidade é necessário que o processo esteja sob
controle estatístico e a variável de interesse tenha distribuição próxima da normal.
Índice Cp
Caso a variável de interesse tenha especificação bilateral, o Cp é definido por:
LSE−LIE
Cp = 6σ
A Capacidade do Processo
196 UNIDADE V
LIE LSE
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Capaz ou
adequado Cp ≥ 1,33 p ≤ 64ppm
(verde)
LIE LSE
Aceitável
1 ≤ Cp < 1,33 64ppm < p ≤ 0,27%
(amarelo)
LIE LSE
Incapaz ou
inadequado Cp < 1 p > 0,27%
(vermelho)
A Figura 10 nos fornece parâmetros para que possamos julgar o processo capaz,
aceitável ou inadequado com base no índice Cp.
A definição de Cp assume implicitamente que o processo está centrado no
valor nominal da especificação. Se o processo não estiver centrado, sua capaci-
dade real será menor do que a indicada por Cp. Portanto, Cp é uma medida de
Índice Cpk
O índice Cpk permite avaliar se o processo está sendo capaz de atingir o valor
nominal da especificação já que ele leva em consideração o valor da média do
processo. Logo, o índice Cpk é uma medida da capacidade real do processo. Cpk
é definido pela fórmula:
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
C pk = M IN [ LSE− μ
3σ ,
μ− LIE
3σ ]
Ĉ pk = M IN [ LSE− x , x−LIE ]
3σ̂ 3σ̂
A figura a seguir apresenta o relacionamento existente entre os índice Cp
e Cpk.
A Capacidade do Processo
198 UNIDADE V
σ=2
Cp = 2.0
(a) Cpk = 2.0
38 44 50 56 62
σ=2
Cp = 2.0
(b) Cpk = 1.5
38 44 50 56 62
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
σ=2
Cp = 2.0
(c) Cpk = 1.0
38 44 50 56 62
σ=2
Cp = 2.0
(d) Cpk = 0
38 44 50 56 62
Cp = 2.0
Cpk = -0.5
σ=2
(e)
38 44 50 56 62 65
CONSIDERAÇÕES FINAIS
Prezado(a) aluno(a), vimos nesta quinta unidade uma última ferramenta da qua-
lidade que é o Gráfico de Controle. Na verdade são diversos gráficos de controle
e cada um tem a sua particularidade e aplicabilidade.
Até aqui, formamos a base que será importante para que a aplicação dos grá-
ficos não fique apenas na tela de seu software. Espero que a partir de agora você
saiba em qual situação utilizar os diferentes tipos, e que interpretar cada um dos
resultados apresentados é ponto crucial dentro do desenvolvimento da qualidade.
Reprodução proibida. Art. 184 do Código Penal e Lei 9.610 de 19 de fevereiro de 1998.
Considerações Finais
200
Amostras
n 1 2 3 4 5 6 7
d 20 15 18 30 17 22 18
Amostras
1 2 3 4 5
26 28 22 27 23
30 20 24 28 18
20 24 24 24 21
24 20 26 21 22
Atualmente as empresas buscam produzir com a menor perda possível, de tempo, re-
cursos e custos, sem deixar de atender aos desejos e necessidades dos clientes. Para
atingir esse objetivo, muitas empresas fazem uso do controle estatístico do processo,
um dos ramos do controle de qualidade, que trata da coleta, análise e interpretação de
dados para a proposta de melhorias e controle da qualidade de produtos e serviços.
Analisando-se a variabilidade do processo, têm-se duas classificações possíveis para ele.
O processo é dito estatisticamente sob controle quando somente causas comuns de va-
riabilidade estiverem presentes. Ao contrário, se um processo apresentar, além das cau-
sas comuns de variabilidade, causas especiais, ele será dito fora de controle estatístico.
Quando se verifica que o processo encontra-se sob controle estatístico, pode-se me-
dir quanto esse processo consegue gerar produtos que atendam às especificações de
projeto que refletem os desejos e exigências de seus clientes. Para isso, faz-se uso dos
índices de capacidade do processo. Os índices estabelecidos nos estudos tradicionais de
capacidade do processo, ou de capabilidade do processo, do inglês process capability,
procuram detectar dois tipos de problemas. O primeiro é de localização do processo, se
o processo atende em média ao valor nominal de especificação, e o segundo, de varia-
bilidade, quando o processo apresenta muita dispersão e não atende às especificações
(bilaterais) que são estabelecidas no projeto.
A teoria de capacidade do processo foi primeiramente desenvolvida supondo-se que o
processo em análise apresenta distribuição normal e quando a característica de quali-
dade é do tipo nominal com especificações bilaterais. Porém, em algumas situações, é
desejável atender a uma especificação unilateral, na qual, certamente, um processo não
normal seria desejado. Por exemplo, produtos alimentares, que são obrigados por lei a
terem certo peso, por causa do custo, terão uma quantidade mais próxima desse peso,
o que certamente irá gerar um processo com assimetria (não normal). Sendo assim, é
importante que se busquem alternativas para atender a este tipo de situação, visando
minimizar conclusões errôneas na análise da capacidade.
Fonte: Gonçalez e Werner (2009, p. 121).
MATERIAL COMPLEMENTAR
Jogo da imitação
Ano: 2014
Sinopse: durante a Segunda Guerra Mundial, o governo
britânico monta uma equipe que tem por objetivo quebrar
o Enigma, o famoso código que os alemães usam para
enviar mensagens aos submarinos. Um de seus integrantes
é Alan Turing (Benedict Cumberbatch), um matemático de
27 anos estritamente lógico e focado no trabalho, que tem
problemas de relacionamento com praticamente todos à
sua volta. Não demora muito para que Turing, apesar de
sua intransigência, lidere a equipe. Seu grande projeto é
construir uma máquina que permita analisar todas as possibilidades de codificação do Enigma
em apenas 18 horas, de forma que os ingleses conheçam as ordens enviadas antes que elas sejam
executadas. Entretanto, para que o projeto dê certo, Turing terá que aprender a trabalhar em
equipe, e tem Joan Clarke (Keira Knightley) como sua grande incentivadora.
O MINITAB é um software que fornece um ambiente completo para a análise de dados. Trabalha,
simultaneamente, com planilhas de dados, tabelas com análises estatísticas, gráficos e textos,
chamados de projeto, quando salvos em conjunto. No link a seguir você pode baixar uma versão
exclusiva para acadêmicos.
1.
a. -R
b. -R
c. np
d. -R
e. -R
2. LSC = 32,73; np = 20; LIC = 7,27.
3. Para : LSC = 28,55; = 23,60; LIC = 0. Para R: LSC = 15,22; R = 6,80; LIC = 0.
5. Para : LSC = 237,4; = 223,0; LIC = 208,6. Para R: LSC = 65,97; R = 34,29; LIC = 2,61.
205
CONCLUSÃO
Caro(a) aluno (a), é uma honra saber que você bravamente chegou até aqui!
Preparei este material com o intuito de lhe apresentar os princípios e conceitos bási-
cos do Controle Estatístico do Processo (CEP) para que você aplique no planejamen-
to, realização, controle, na busca da obtenção de resultados positivos nos processos
industriais e na prestação de serviços. Minha intenção foi que você compreendesse
esses conceitos para que eles sejam aplicados com eficiência na prática. As ativida-
des que propomos em cada unidade o(a) direcionaram para isso. O desafio foi aceito
e você o cumpriu.
Este material foi dividido em cinco unidades:
A Unidade I, “Visão geral sobre o Controle Estatístico do Processo”, abordou a impor-
tância da evolução dos métodos e filosofias que embasam os estudos acerca deste
tema. Nesta unidade, foi conhecida um pouco da história sobre o controle estatísti-
co e como ele deve funcionar.
A Unidade II, chamada “Ferramentas da Qualidade I”, forneceu a você conhecimen-
tos de três ferramentas da qualidade: a folha de verificação, a estratificação e o dia-
grama de Pareto.
A Unidade III, intitulada “Ferramentas da Qualidade II”, forneceu informações sobre
três novas ferramentas: Diagrama de Causa e Efeito, Histograma e Diagrama de Dis-
persão.
A Unidade IV, intitulada “Estatística básica aplicada ao CEP”, abordou a importância
do conhecimento sobre probabilidade, variáveis e a distribuição normal.
Por fim, a Unidade V tratou da última ferramenta, denominada Gráfico de Controle,
e da capacidade dos processos. Nesta unidade foi enfatizado o uso dos diferentes
tipos de cartas de controle aplicados ao CEP e a capabilidade de um processo.
Este livro teve como objetivos fornecer informações úteis à elaboração de gráficos e
estudos que irão ajudar você em sua tomada de decisão. Ele foi desenvolvido para
responder de forma simples e objetiva às frequentes dúvidas encontradas no con-
trole de um processo.
Um grande abraço e sucesso!
ANOTAÇÕES
ANOTAÇÕES
ANOTAÇÕES