Escolar Documentos
Profissional Documentos
Cultura Documentos
0
Métodos Estatísticos
Métodos Estatísticos
Autoria: Profa. Dra. Ana Beatriz Perriello Leme
Como citar este documento: Leme, Ana Beatriz Perriello. Métodos Estatísticos. Valinhos: 2017.
Sumário
Apresentação da Disciplina 04
Unidade 1: Conceitos, Origens e Aplicação da Qualidade nas Empresas 05
Assista a suas aulas 21
Unidade 2: Ferramentas Estatísticas 29
Assista a suas aulas 47
Unidade 3: Distribuições de Probabilidade 55
Assista a suas aulas 80
Unidade 4: Diagramas da Qualidade Aplicados ao Controle Estatístico de Processo 88
Assista a suas aulas 107
2/226
Métodos Estatísticos
Autoria: Profa. Dra. Ana Beatriz Perriello Leme
Como citar este documento: Leme, Ana Beatriz Perriello. Métodos Estatísticos. Valinhos: 2017.
Sumário
Unidade 5: Métodos e Ferramentas do Controle Estatístico de Processo 114
Assista a suas aulas 133
Unidade 6: Gráfico de Controle para Variáveis 141
Assista a suas aulas 162
Unidade 7: Gráficos de Controle por Atributos 170
Assista a suas aulas 191
Unidade 8: Amostragem de Aceitação Lote a Lote para Atributos 199
Assista a suas aulas 218
3
3/226
Apresentação da Disciplina
4/226
Unidade 1
Conceitos, Origens e Aplicação da Qualidade nas Empresas
Objetivos
5/226
1. Introdução
Essa disciplina versará sobre o uso de méto- e produtividade? Qualidade pode ser en-
dos estatísticos aplicados à qualidade, com tendida e definida de vários modos, porém
o intuito de melhorar os produtos e bens é consenso relacionar qualidade às caracte-
manufaturados consumidos pela socieda- rísticas desejáveis de um produto a ser con-
de. Porém vale lembrar, que qualquer setor sumido. Essa definição não está errada, po-
da sociedade ou de uma empresa também rém podemos usá-la como base para uma
pode utilizar os processos e métodos de conceituação mais elaborada.
melhoria da qualidade. Sendo assim, desde
a área de marketing até a área de engenha-
ria podem utilizar os conceitos que apren-
deremos nesse material, buscando a me-
lhoria da qualidade na organização como
um todo.
Começaremos definindo os conceitos, ori-
gens e aplicações da qualidade nas empre-
sas. Assim, você saberia responder o que
significa qualidade, melhoria da qualidade
Fonte: a autora.
18/226
Considerações Finais
• As oito dimensões da qualidade são: (1) Desempenho; (2) Confiabilidade; (3) Durabilidade; (4)
Assistência Técnica; (5) Estética; (6) Características; (7) Qualidade Percebida e; (8) Conformidade
com Especificações;
• Qualidade, para esta disciplina, pode ser entendida como algo que é inversamente proporcional
à variabilidade e, a redução da variabilidade nos processos pode ser entendida como a melhoria
da qualidade. Com isso, quando a variabilidade das características de um produto decresce, a
qualidade deste mesmo produto aumenta;
• Para avaliarmos se as características estão conformes ou não conformes utilizamos gráficos de
controle de processo ou gráfico de Shewhart. Para isso, determinam-se os valores que seriam pa-
drões (LC) e também se determinam os intervalos onde as variações seriam aceitas (LSC) e (LIC);
• A qualidade surge com Frederick W. Taylor (1900), porém, a ideia de utilizar métodos estatísticos
aplicados à melhoria da qualidade tem o seu inicio com Walter A Shewhart, em 1924. Tanto os
procedimentos estatísticos, quanto as filosofias que envolvem qualidade, tiveram sua difusão,
primeiramente no Japão nos anos 50 e, mais tarde, foram aprimorados e difundidos especial-
mente nos Estados Unidos.
19/226
Referências
ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR ISO 9000: Sistemas de gestão da qualida-
de - Fundamentos e vocabulário. Rio de Janeiro, p. 26. 2000.GARVIN, David A.. Competing on the
Eight Dimensions of Quality. Harvard Business Review, Nova York, nov. 1987. Bimestral. Disponí-
vel em: <https://hbr.org/1987/11/competing-on-the-eight-dimensions-of-quality>. Acesso em: 20
out. 2017.
MONTGOMERY, D. C. Introdução ao controle estatístico da qualidade. 7. ed. São Paulo: LTC, 2016.
Aula 1 - Tema: Conceitos, Origens e Aplicação Aula 1 - Tema: Conceitos, Origens e Aplicação
da Qualidade nas Empresas. Bloco I da Qualidade nas Empresas. Bloco II
Disponível em: <https://fast.player.liquidplatform.com/ Disponível em: <https://fast.player.liquidplatform.com/
pApiv2/embed/dbd3957c747affd3be431606233e0f- pApiv2/embed/dbd3957c747affd3be431606233e0f-
1d/224ab6fb89edc2ebe6100104c7307f32>. 1d/1a6b5689ffce1be76426866bbf386444>.
21/226
Questão 1
1. Assinale a alternativa correta. Dentro das oito dimensões da qualidade po-
dem ser citadas:
a) Estética e dureza.
b) Prevenção e desempenho.
c) Qualidade Percebida e confiabilidade.
d) Conformidade com especificações e restauração.
e) Reabilitação e assistência técnica.
22/226
Questão 2
2. Assinale a alternativa correta. Como pode ser compreendida a quali-
dade?
23/226
Questão 3
3. Assinale a alternativa correta. O gráfico de controle de processo tam-
bém pode ser conhecido como:
a) Gráfico de dispersão
b) Gráfico de Shewhart.
c) Gráfico de Deming.
d) Gráfico de Juran.
e) Gráfico de Ishikawa.
24/226
Questão 4
4. Assinale a alternativa correta. São partes constituintes do gráfico de
controle do processo:
25/226
Questão 5
5. Assinale a alternativa correta. Além dos métodos de controle estatísti-
cos, a qualidade se baseia em:
26/226
Gabarito
1. Resposta: C. 3. Resposta: B.
As oito dimensões da qualidade são: (1) De- Para avaliarmos se as características estão
sempenho; (2) Confiabilidade; (3) Durabili- conformes ou não conformes utilizamos
dade; (4) Assistência Técnica; (5) Estética; gráficos de controle de processo ou gráfico
(6) Características; (7) Qualidade Percebida de Shewhart.
e; (8) Conformidade com Especificações.
4. Resposta: D.
2. Resposta: A.
Para avaliarmos se as características estão
Qualidade, para esta disciplina, pode ser conformes ou não conformes utilizamos
entendida como algo que é inversamente gráficos de controle de processo ou gráfico
proporcional à variabilidade e, a redução da de Shewhart. Para isso, determinam-se os
variabilidade nos processos pode ser enten- valores que seriam padrões (LC) e também
dida como a melhoria da qualidade. Com se determinam os intervalos onde as varia-
isso, quando a variabilidade das caracterís- ções seriam aceitas (LSC) e (LIC).
ticas de um produto decresce, a qualidade
deste mesmo produto aumenta.
27/226
Gabarito
5. Resposta: E.
28/226
Unidade 2
Ferramentas Estatísticas
Objetivos
29/226
1. Introdução
Nesse segundo tema faremos uma breve Nesse sentido, a estatística tem contribu-
introdução da estatística aplicada direta- ído no intuito de avaliar os dados de um
mente aos processos. Para isso, verificare- processo ou de um produto e conseguir ti-
mos a montagem de gráficos, por exemplo, rar algumas conclusões úteis que venham a
ramo-e-folhas, histograma e diagrama de contribuir com a melhoria da qualidade do
caixa, que podem ser usados para obser- processo como um todo.
varmos as variáveis de um processo. Além Para conseguirmos chegar a alguma con-
disso, no próximo tema, estudaremos o clusão, usando estatística, primeiramente
comportamento de um processo com base é necessário obter dados. Assim, com o in-
em distribuições de probabilidade, entre tuito de aprofundar o tema e aprendermos
elas, as distribuições: (1) Contínuas e, (2) a trabalhar com as ferramentas estatísticas,
Discretas. vamos usar, pelo menos na primeira parte
Como já visto no tema anterior, raramente do capítulo, os dados contidos na Tabela 1,
conseguimos produzir duas ou mais unida- referente à massa em kg de biscoito den-
des de um produto de modo idêntico. Ima- tro de um pacote produzido, avaliado em
gine um pacote de biscoito, sempre haverá 10 dias diferentes com uma amostragem
uma pequena variação de massa (mesmo de 8 pacotes por dia, totalizando 80 dados
que esta seja mínima) entre as embalagens. amostrais.
30/226 Unidade 2 • Ferramentas Estatísticas
Para saber mais
A utilização da estatística vai muito além da análise de comportamentos de dados para a melhoria da
qualidade. Na verdade, com a estatística as empresas buscam antecipar situações que possam ocorrer
no futuro com base em uma série de dados que refletem o passado. Nesse pensamento, diversos pro-
fissionais de diferentes áreas desenvolvem modelos para observação de comportamentos futuros com
base em estatística. Curvas de previsão de demanda, ocorrência de fenômenos naturais como furacões,
necessidade de implementações de novos terminais de autoatendimento em bancos, tudo isso tem em
comum a estatística, baseando em tomadas de decisão para mitigar efeitos (principalmente em casos de
fenômenos naturais) ou potencializar ganhos (previsões de demanda corretas prevendo necessidade de
itens com prazo de entrega longo). Com o advento do Big Data, a tendência é que a utilização da estatís-
tica seja cada vez maior para tratar um progressivo e complexo volume de dados.
Amostra Dia 1 Dia 2 Dia 3 Dia 4 Dia 5 Dia 6 Dia 7 Dia 8 Dia 9 Dia 10
1 1,072 1,083 1,091 1,029 1,038 1,089 1,049 1,036 1,049 1,056
2 1,043 1,060 1,067 1,049 1,081 1,052 1,076 1,062 1,063 1,069
3 1,079 1,062 1,072 1,031 1,071 1,032 1,060 1,073 1,061 1,074
4 1,065 1,028 1,040 1,040 1,059 1,039 1,058 1,038 1,070 1,037
5 1,090 1,049 1,052 1,059 1,083 1,048 1,068 1,060 1,081 1,060
6 1,039 1,065 1,054 1,075 1,042 1,072 1,052 1,093 1,073 1,075
7 1,058 1,081 1,058 1,053 1,056 1,058 1,077 1,057 1,039 1,068
8 1,072 1,045 1,088 1,061 1,063 1,052 1,070 1,065 1,079 1,046
Fonte: a autora.
A estatística pode ser definida como um conjunto de técnicas para a redução de dados a um
número menor de termos descritivos que sejam mais convenientes e facilmente comunicáveis.
Por isso, o nome: estatística descritiva, quando trabalhamos com dados a fim de chegarmos a
alguma conclusão. A primeira estratégia que podemos utilizar no tratamento dos dados amos-
trais é fazermos os cálculos de média, variância e desvio padrão dos dados. Com isso, obtemos
os valores que seguem para o caso do exemplo da Tabela 1.
Média Aritmética:
Variância:
Desvio Padrão:
Onde, c é a média aritmética, c i é o valor da observação, n é o número de observações, s 2 é a
variância e s é o desvio padrão.
33/226 Unidade 2 • Ferramentas Estatísticas
A média nos indica a tendência central dos dados, que deverá ser em torno de 1,060 kg. Já a va-
riância e o desvio padrão, nos indica a dispersão dos dados em torno de um valor médio. A gran-
de vantagem de utilizarmos o desvio padrão ao invés da variância é que o desvio é expresso na
mesma unidade de medida da amostra original. Com esses dados calculados, podemos começar
a avaliar e construir os gráficos: (1) Ramo-e-folhas, (2) Histograma, (3) Diagrama de caixa.
Para a construção deste tipo de gráfico, separamos os dados obtidos em: (1) Ramos: são forma-
dos pelos dígitos iniciais que se repetem nos dados, no exemplo: 1,0 e, dividimos os diferentes
ramos de acordo com o primeiro dígito que não se repete, obtendo-se assim as 8 classes do
exemplo, são elas: 1,02; 1,03; 1,04; 1,05; 1,06; 1,07; 1,08; 1,09. (2) Folhas: são os algarismos que
faltam para completar o valor. Assim, todas as folhas devem ser posicionadas de acordo com os
seus ramos, usando o exemplo, é possível obter a Tabela 2.
Tabela 2. Gráfico Ramos-e-folhas para os dados de massa de biscoito em kg.
Fonte: a autora.
Fonte: a autora.
Com base nos dados do exemplo, a Pintura, Expedição, Embalagem e Solda deveriam ser traba-
lhadas primeiramente, deixando para depois a Usinagem e o Corte.
Fonte: a autora.
• A estatística pode usada para reduzirmos dados a um termo descritivo que seja mais
facilmente comunicável. A primeira estratégia abordada, no tratamento de dados, foi
o cálculo de média, variância e desvio padrão. A média nos indica a tendência central
dos dados e o desvio padrão indica a dispersão dos dados em torno de um valor médio;
• Fora a média, existem outras ferramentas para observação de tendência central, como
a moda, o valor de maior frequência, a mediana e o valor médio encontrado em uma
série de valores organizados do menor para o maior. Moda é vista em modelos de con-
trole da qualidade como o Diagrama Ramo-e-folhas, já mediana é utilizada no cálculo
do Diagrama de caixa;
• Também aprendemos como fazer a montagem de gráficos dos tipos: (1) Ramo-e-fo-
lhas, (2) Histograma e, (3) Diagrama de caixa, que são gráficos visuais que indicam a
distribuição dos dados, em torno da média ou da mediana (valor do meio do conjunto)
e suas dispersões. Porém o quesito tempo não é levado em conta em nenhuma dessas
representações gráficas, mas pode ser um dos fatores cruciais para os processos de
controle e melhoria da qualidade.
45/226
Referências
GARVIN, David A.. Competing on the Eight Dimensions of Quality. Harvard Business Review, Nova
York, nov. 1987. Bimestral. Disponível em: <https://hbr.org/1987/11/competing-on-the-eight-di-
mensions-of-quality>. Acesso em: 20 out. 2017.
Aula 2 - Tema: Ferramentas Estatísticas. Bloco I Aula 2 - Tema: Ferramentas Estatísticas. Bloco II
Disponível em: <https://fast.player.liquidplatform.com/ Disponível em: <https://fast.player.liquidplatform.com/
pApiv2/embed/dbd3957c747affd3be431606233e0f1d/ pApiv2/embed/dbd3957c747affd3be431606233e0f1d/
90f22f306a4fbe04e58c41e5367ed7d6>. 9d51503244d0f0f679feb22a57154502>.
47/226
Questão 1
1. Assinale a alternativa correta. São medidas de dispersão de dados:
48/226
Questão 2
2. Assinale a alternativa correta. São medidas de tendência central de dados:
49/226
Questão 3
3. Assinale a alternativa correta. O que é um histograma:
a) É um gráfico circular e tem suas distribuições em classes, a área de cada fatia é proporcional
à frequência observada correspondente a classe.
b) É um gráfico de dispersão e tem suas distribuições em classes, a altura de cada ponto é pro-
porcional à frequência observada correspondente a classe.
c) É um gráfico de linhas e tem suas distribuições em classes, a área abaixo da linha é propor-
cional à frequência observada correspondente a classe.
d) É um gráfico de frequências e tem suas distribuições em classes, a altura de cada retângulo
é proporcional à frequência observada correspondente a classe.
e) É um gráfico de barras horizontais e tem suas distribuições em classes, a diferença das al-
turas entre retângulos conjugados é proporcional à frequência observada correspondente a
classe.
50/226
Questão 4
4. Assinale a alternativa correta. O que é possível observar com um Diagrama
Ramo-e-folha?
a) É possível perceber uma maior frequência dos dados em torno de uma dispersão de valores
(média calculada), indicando uma tendência e também, uma baixa frequência para os valo-
res das pontas.
b) É possível perceber uma maior frequência dos dados em torno de um valor central (variân-
cia), indicando uma tendência e também, uma baixa frequência para os valores das pontas.
c) É possível perceber uma maior frequência dos dados em torno de um valor central (média
calculada), indicando uma tendência e também, uma baixa frequência para os valores das
pontas.
d) É possível perceber uma maior frequência dos dados em torno de um valor central (média
calculada), indicando uma sazonalidade.
e) É possível perceber uma maior distribuição dos dados em torno de uma dispersão de dados
(média calculada), indicando uma tendência e também, uma baixa frequência para os valo-
res das pontas.
51/226
Questão 5
5. Assinale a alternativa correta. Qual a grande vantagem de utilizar o Dia-
grama de Caixa ao invés dos outros diagramas estudados nesse tema?
a) A grande vantagem desse diagrama, quando comparado com os outros, é que nele são ob-
servadas apenas a simetria dos dados amostrais.
b) A grande vantagem desse diagrama, quando comparado com os outros, é que nele são ob-
servadas apenas tendências centrais.
c) A grande vantagem desse diagrama, quando comparado com os outros, é que nele são ob-
servadas apenas as tendências de dispersão e de variabilidade.
d) A grande vantagem desse diagrama, quando comparado com os outros, é que nele são ob-
servadas apenas as tendências de variabilidade.
e) A grande vantagem desse diagrama, quando comparado com os outros, é que nele são ob-
servadas tendências centrais, de dispersão e de variabilidade, além da simetria dos dados
amostrais.
52/226
Gabarito
1. Resposta: B. 3. Resposta: D.
2. Resposta: A. 4. Resposta: C.
53/226
Gabarito
5. Resposta: E.
54/226
Unidade 3
Distribuições de Probabilidade
Objetivos
55/226
Introdução
Além de executar a redução de dados, para escala contínua; e (2) Distribuição discre-
que estes se tornem mais facilmente comu- ta, onde a variável aleatória assume certos
nicáveis, a estatística também tem o foco de valores específicos. Desta forma, existem
estudar experimentos com caráter aleatório vários modelos de distribuição nesses dois
e não determinístico, ou seja, tem o foco de casos, para variáveis contínuas e discretas e
estudar experimentos que se repetidos nas as escolhas devem ser feitas a partir do mo-
mesmas condições produzirão resultados delo que descreve corretamente o processo
diferentes. utilizado ou os dados obtidos. Para esse ma-
Para isso ela utiliza distribuições de proba- terial foram selecionados quatro diferentes
bilidade, sendo que, uma distribuição de modelos de distribuição, entre eles: (1) Hi-
probabilidade pode ser definida como um pergeométrica; (2) Poisson; (3) Normal; e (4)
modelo matemático que relaciona o valor Exponencial.
de uma variável aleatória com a probabili-
dade de ocorrência daquele valor aleatório
na população.
Existem dois modelos de distribuições de
probabilidade: (1) Distribuições contínu-
as, onde a variável aleatória é expressa em
56/226 Unidade 3 • Distribuições de Probabilidade
1.1. Distribuição Hipergeomé-
Para saber mais trica
Sabe-se que as distribuições de probabilidade
A distribuição hipergeométrica é uma das
são usadas para representar fenômenos obser-
distribuições discretas que aparecem fre-
vados e, a partir de uma base de dados, inferirem
quentemente nos estudos de controle es-
como o futuro poderia ser. Existem casos notá-
tatístico da qualidade. As distribuições dis-
veis de como as distribuições de probabilidade
cretas são definidas como aquelas em que
são utilizadas atualmente. Na economia, mode-
há uma população finita composta por N
los foram construídos primeiramente com base
itens que podem ser identificados. No caso
na distribuição Normal e depois nas distribuições
de uma distribuição hipergeométrica é re-
de Pareto para inferirem valores futuros de títulos
tirada dos N itens uma amostra de tama-
e bens. Em manutenções, uma boa compreensão
nho n (n<N). Dessa amostra retirada, exis-
de como a degradação de um componente ocor-
tem itens que são de interesse do analista
re permite sua substituição antes que uma falha
chamados itens x e D itens que seria itens
ocorra, além disso, degradações de calçadas po-
defeituosos. Assim, a distribuição de proba-
dem ser verificadas de antemão por meio de pro-
bilidade hipergeométrica se apresenta da
jeções de uma distribuição exponencial.
seguinte forma:
Fonte: a autora.
Note que a distribuição de Poisson é assimétrica, com valores de λ menores a cauda a direita é
mais longa, com valores maiores de λ a distribuição se apresenta de maneira mais simétrica, mas
continua sendo assimétrica.
61/226 Unidade 3 • Distribuições de Probabilidade
No exemplo a seguir, será trabalhado um sistema de produção que trabalha com um valor apro-
ximado de 4 falhas por item produzido, se ao coletar uma amostra aleatória nesse sistema, qual
a probabilidade de apresentar no máximo 2 falhas?
Link
No artigo de Piton, Filho e Alves (2015), Aplicação da distribuição Poisson e exponencial voltada para me-
lhoramento da qualidade de serviço em um posto de combustível, há um estudo de caso da utilização da dis-
tribuição de Poisson para modelar o cenário de chegadas em um posto de gasolina, a fim de melhorar a
taxa de serviço. Disponível em: <http://www.abepro.org.br/biblioteca/TN_STO_211_253_27751.
pdf>. Acesso em: 20 out. 2017.
Fonte: a autora.
Verificando na tabela 3 o valor de 2,50 encontra-se o decimal 2,5 e o centesimal 0,00, resultando
em 0,9938.
Tabela 4. Exemplo de leitura da Tabela de Distribuição Normal Padrão Acumulada.
Fonte: a autora.
Essa probabilidade pode ser divida em 2 cálculos, primeiro de P{x≤0,2515} e P{x≤0,2485}, depois
subtrair P{x≤0,2485} de P{x≤0,2515}, uma vez que, como já visto na Distribuição Normal Padrão
Acumulada, o acúmulo ocorre de -∞ ao valor especificado. Assim, tem-se:
Com ela é possível calcular a probabilidade de uma falha acontecer em determinado período de
tempo e até mesmo qual a probabilidade de uma pessoa chegar a um estabelecimento em um
intervalo de tempo. Na figura 6 é possível observar a variação de comportamento da distribuição
de probabilidade acumulada conforme a variação do parâmetro λ.
Fonte: a autora.
Por exemplo, se o tempo médio de falha de um componente é 10000 horas, ou seja, ele apre-
senta uma falha a cada 10000 horas e um cliente gostaria de saber qual a probabilidade desse
componente falhar antes de 10000 horas, teríamos que efetuar o seguinte cálculo:
72/226 Unidade 3 • Distribuições de Probabilidade
Há uma importante relação que pode ser Link
tecida entre as distribuições de Poisson e No artigo de Cardoso, Fiqueiredo Júnior e Santos
exponenciais. Se o número de ocorrências (2010), Pesquisa operacional: aplicação de teoria de
em um evento for modelado conforme uma filas no sistema de uma panificadora, há um exemplo
curva de Poisson seguindo um parâmetro λ, de modelagem de um sistema de uma panificado-
a distribuição que definirá o tempo entre as ra usando a metodologia de filas e demonstrando
ocorrências será uma distribuição exponen- sua relação com a distribuição de Poisson. Dispo-
cial com o mesmo parâmetro λ. nível em: <http://www.abepro.org.br/biblio-
teca/enegep2010_TN_STP_118_771_15877.
pdf>. Acesso em: 20 out. 2017.
77/226
Considerações Finais (2/2)
78/226
Referências
ARENALES, M. N. et al. Pesquisa operacional para cursos de engenharia. 4. ed. Rio de Janeiro:
Elsevier, 2007.
GARVIN, David A.. Competing on the Eight Dimensions of Quality. Harvard Business Review, Nova
York, nov. 1987. Bimestral. Disponível em: <https://hbr.org/1987/11/competing-on-the-eight-di-
mensions-of-quality>. Acesso em: 20 out. 2017.
80/226
Questão 1
1. Assinale a alternativa correta. São exemplos de distribuições discretas:
a) Hipergeométrica e exponencial.
b) Normal e exponencial.
c) Poisson e exponencial.
d) Hipergeométrica e Poisson.
e) Normal e Poisson.
81/226
Questão 2
2. Assinale a alternativa correta. São exemplos de distribuições contínuas:
a) Hipergeométrica e exponencial.
b) Normal e exponencial.
c) Poisson e exponencial.
d) Hipergeométrica e Poisson.
e) Normal e Poisson.
82/226
Questão 3
3. Assinale a alternativa correta. Para um processo poder ser conhecido como
Seis Sigma é permitida uma falha em quantas peças?
a) 3,4 em 1 milhão.
b) 233 em 1 milhão.
c) 6210 em 1 milhão.
d) 4,3 em 1 milhão.
e) 1,3 em 1 milhão.
83/226
Questão 4
4. Assinale a alternativa correta. Quais as distribuições de probabilidade mais
usadas na Teoria de Filas?
a) Hipergeométrica e exponencial.
b) Normal e exponencial.
c) Normal e Poisson.
d) Hipergeométrica e Poisson.
e) Poisson e exponencial.
84/226
Questão 5
5. Assinale a alternativa correta. São distribuições que, ao apresentarem o
mesmo parâmetro, possuem relação:
a) Hipergeométrica e exponencial.
b) Normal e exponencial.
c) Poisson e exponencial.
d) Hipergeométrica e Poisson.
e) Normal e Poisson.
85/226
Gabarito
1. Resposta: D. ciente ao modelar cenários naturais como
fenômenos climáticos. A distribuição expo-
As distribuições de Poisson e hipergeomé- nencial se mostra eficaz para modelagem
tricas são distribuições discretas, definidas de momento de falhas de componentes e
ponto-a-ponto. Poisson apresenta uma óti- quantidade de chegadas em um intervalo
ma relação para modelagem de sistemas de de tempo.
chegadas aleatórias como em restaurantes,
postos de gasolina e outros. Hipergeométri- 3. Resposta: A.
ca modelam melhor cenários de lote de pe-
ças produzidas que se tem um histórico de Quando um processo chega ao Seis Sigma
falha, podendo assim definir uma amostra- significa que de suas saídas apenas 3,4 em
gem para pegar possíveis falhas no proces- cada 1 milhão de componentes está não
so antes dessas falhas chegarem ao cliente. conforme.
2. Resposta: B. 4. Resposta: E.
Dentre as distribuições apresentadas nes-
As distribuições de Normal e Exponencial
te tema destacam-se para a Teoria de Filas
são distribuições contínuas, construídas por
a distribuição de Poisson para definição da
infinitos pontos. A distribuição Normal é efi-
86/226
Gabarito
taxa de chegadas de clientes às filas e a dis-
tribuição Exponencial para definir a quanti-
dade de clientes que chegariam a um inter-
valo de tempo.
5. Resposta: C.
Pode-se dizer que as distribuições expo-
nenciais e de Poisson apresentam relação
uma vez que ao apresentarem o mesmo pa-
râmetro, podem ter suas saídas (módulo de
falha e probabilidade de falha em um perío-
do) relacionadas.
87/226
Unidade 4
Diagramas da Qualidade Aplicados ao Controle Estatístico de Processo
Objetivos
88/226
Introdução
Fonte: a autora.
Tabela 5. Exemplo de ciclo PDCA.
Link
No artigo de Melo, Costa e Farias Filho (2016), Aplicação do diagrama de causa e efeito como um instrumento
de gestão de resíduos de construção, é discutido um estudo de caso de sucesso da aplicação do diagrama
de causa efeito. Disponível em: <http://www.abepro.org.br/biblioteca/TN_STP_234_366_29583.
pdf>. Acesso em: 20 out. 2017.
Fonte: a autora.
Porém, devem-se tomar alguns cuidados ao utilizar esse tipo de diagrama, pois, a existência de
uma correlação não implica diretamente em uma relação de causa e efeito, mas sim na identifi-
cação de relações potenciais entre variáveis.
Para garantir a qualidade, e também para facilitar a pesquisa sobre eventuais falhas no siste-
ma produtivo, podem ser utilizadas folhas de controle. Essa é uma importante ferramenta para
coleta de dados em um processo. Assim, a folha de controle apresenta um resumo de todas as
atividades pesquisadas e controladas em determinado período, sendo particularmente valiosa
na pesquisa de tendências e padrões significativos.
103/226
Considerações Finais (1/2)
• O gráfico de controle é muito útil na resolução de problemas e também nos di-
versos processos de melhoria da qualidade, mas ele será melhor aproveitado
quando estiver integrado a um programa completo de qualidade, utilizando as
sete ferramentas da qualidade, que são: (1) Histogramas, Ramo-e-folhas ou
diagrama de caixa; (2) Gráfico de controle; (3) Diagrama causa e efeito; (4) Dia-
grama de dispersão; (5) Diagrama de concentração de defeitos; (6) Gráficos de
Pareto e; (7) Folha de controle;
• O diagrama de causa e efeito faz uma relação entre um efeito (falha) com seis
possíveis causas dessa falha, ajudando a elencar e visualizar os motivos que le-
varam ao efeito. As seis causas, conhecidas como os 6M´s, são: (1) Método; (2)
Mão-de-obra; (3) Máquina; (4) Métrica; (5) Meio-ambiente e (6) Matéria-prima.
• O diagrama de dispersão identifica possíveis relações entre variáveis. Para isso,
plota-se um gráfico de xi versus yi e verifica-se se existem ou não relações entre as
variáveis analisadas. Porém, deve-se observar esse diagrama com cuidado, pois, a
existência de uma correlação não implica diretamente em uma relação de causa e
efeito, mas sim na identificação de relações potenciais entre variáveis.
104/226
Considerações Finais (2/2)
• O diagrama de concentração apresenta uma figura detalhada da unidade, mos-
trando todas as vistas relevantes para a localização de defeitos e correção dos
mesmos. Em geral, podem ser usadas cores diferentes para identificar tipos de
defeitos diferentes e também para classificá-los.
105/226
Referências
GARVIN, David A.. Competing on the Eight Dimensions of Quality. Harvard Business Review, Nova
York, nov. 1987. Bimestral. Disponível em: <https://hbr.org/1987/11/competing-on-the-eight-di-
mensions-of-quality>. Acesso em: 20 out. 2017.
Aula 4 - Tema: Diagramas da Qualidade Aplica- Aula 4 - Tema: Diagramas da Qualidade Aplica-
dos ao Controle Estatístico de Processo. Bloco I dos ao Controle Estatístico de Processo. Bloco
Disponível em: <https://fast.player.liquidplatform.com/ II
pApiv2/embed/dbd3957c747affd3be431606233e0f1d/ Disponível em: <https://fast.player.liquidplatform.com/
a7b35ec2611752b1fbca796c0d66dbf9>. pApiv2/embed/dbd3957c747affd3be431606233e0f-
1d/09b620057ea6d84812ee8e2dcf66b888>.
107/226
Questão 1
1. Assinale a alternativa correta. Entre as ferramentas da qualidade podem
ser citadas:
108/226
Questão 2
2. Assinale a alternativa correta. Nos Diagramas Causa-Feito podem ser
utilizadas como causas primárias:
109/226
Questão 3
3. Assinale a alternativa correta. O que o diagrama de dispersão identifica:
110/226
Questão 4
4. Assinale a alternativa correta. O diagrama de concentração busca:
111/226
Questão 5
5. Assinale a alternativa correta. Qual o objetivo da folha de controle no
sistema produtivo?
a) Para garantir os custos, e também para facilitar a pesquisa sobre eventuais falhas no siste-
ma produtivo, podem ser utilizadas folhas de controle.
b) Para garantir a flexibilidade, e também para facilitar a pesquisa sobre eventuais falhas no
sistema produtivo, podem ser utilizadas folhas de controle.
c) Para garantir a qualidade, e também para facilitar a pesquisa sobre eventuais falhas no sis-
tema produtivo, podem ser utilizadas folhas de controle.
d) Para garantir a rapidez, e também para facilitar a pesquisa sobre eventuais falhas no sistema
produtivo, podem ser utilizadas folhas de controle.
e) Para garantir a confiabilidade, e também para facilitar a pesquisa sobre problemas de indis-
ciplina, podem ser utilizadas folhas de controle.
112/226
Gabarito
1. Resposta: B. 3. Resposta: A.
Objetivos
114/226
1. Introdução
Até esse momento do curso foram aborda- sos, afinal um dos lemas da qualidade é que
mos os conceitos fundamentais e introdu- o produto deve ser feito de maneira correta
tórios da qualidade e, também as ferramen- da primeira vez.
tas e distribuições estatísticas indispensá- Para que não haja itens defeituosos, deve-
veis em um processo de controle. Assim, a mos buscar trabalhar com um sistema pro-
partir desse tema começaremos a estudar dutivo estável, com indivíduos envolvidos e
de fato os principais métodos de controle comprometidos com a garantia da qualida-
estatístico de processo. de, em todos os níveis hierárquicos da orga-
Antes de iniciarmos, você já imaginou como nização, que procurem sempre a melhora no
seria laborioso e dispendioso, tanto em desempenho do processo e na redução da
termos financeiros quanto em tempo, ins- variabilidade, é nesse sentido, que devemos
pecionarmos todos os itens fabricados em utilizar o controle estatístico do processo
uma linha de produção? Sim, isso seria de (CEP), juntamente com outras ferramentas
fato inviável. Desta forma, o que buscamos da qualidade (1. Uso de histogramas, ramo-
fazer no controle estatístico do processo -e-folhas ou diagrama de caixa; 2. Folha de
não é controlar os itens produzidos defei- controle; 3. Gráficos de Pareto; 4. Diagrama
tuosos, mas sim controlar o sistema, para de causa e efeito; 5. Diagrama de concen-
que não sejam produzidos itens defeituo- tração de defeito; 6. Diagrama de dispersão
115/226 Unidade 5 • Métodos e Ferramentas do Controle Estatístico de Processo
e; 7. Gráfico de controle), para atingirmos
tais objetivos.
Assim, de todas as ferramentas da qualida-
de, ainda temos que aprender a estruturar
e plotar corretamente um gráfico de con- Link
trole e esse será o foco desse e dos próxi- No artigo de Neto et al. (2013), Aplicação do CEP
mos temas. Lembrando que, de todas as no tempo de atraso em uma linha de uma empre-
ferramentas apresentadas, tanto as esta- sa de transportes urbanos: um estudo de caso em
tísticas, quanto as da qualidade, o gráfico uma empresa do RN, temos um exemplo bem-su-
de controle, ou gráfico de Shewhart é pro- cedido de utilização do Controle Estatístico de
vavelmente o mais trabalhoso e completo, Processo para compreensão das problemáticas
visto que emprega todos os conceitos das do transporte urbano. Disponível em: <http://
demais. Assim, os gráficos de Shewhart têm abepro.org.br/biblioteca/enegep2013_TN_
três principais funções, são elas: (1) Reduzir STO_178_015_22916.pdf>. Acesso em: 20 out.
a variabilidade do processo; (2) Monitorar e 2017.
vigiar o processo e; (3) Estimar os parâme-
tros ideais do produto e, também do pro-
cesso.
116/226 Unidade 5 • Métodos e Ferramentas do Controle Estatístico de Processo
1.2 Princípios Básicos de Um aleatórias é denominado causas atribuíveis
Gráfico de Controle de Processo e dizemos, nesse caso, que o sistema está
fora de controle. Desta forma, na Figura 11
Todos os processos produtivos têm alguma, pode-se observar a comparação entre um
mesmo que mínima, variabilidade intrín- processo apenas com causas aleatórias (a)
seca, que ocorre de maneira natural e ale- e um processo com causas atribuíveis (b).
atória derivada de pequenas causas inevi-
táveis. Assim, um sistema que opera desta
forma, apenas com causas aleatórias, está
sob controle estatístico e o denominamos
por sistema estável de causas aleatórias.
Porém, ocasionalmente, outros tipos de va-
riabilidades podem ocorrer em caracterís-
ticas importantes do processo advindas de
variações sistemáticas que costumam es-
tar concentradas nos 6M´s já mencionados
nos diagramas de causa e efeito. Esse tipo
de variabilidade que não advém de causas
No geral, os sistemas operarão em um estado de controle por um tempo produzindo itens acei-
táveis, mas causas atribuíveis poderão acontecer, aparentemente de maneira aleatória, causan-
do um estado fora de controle. Sendo assim, um dos objetivos de se utilizar, de modo on-line,
Fonte: a autora.
Existem dois tipos principais de gráficos de controle: (1) Gráficos de controle para variáveis, utili-
zados quando a característica monitorada é obtida em uma escala contínua (variável), com uma
tendência central e desvios a partir dessa tendência; (2) Gráficos de controle para atributos, utili-
zados quando as características não podem ser mensuradas em escala quantitativa, neste caso,
julga-se o que está conforme e não-conforme com base em atributos de não conformidades.
Link
Como exemplos de utilização dos tipos de gráficos citados seguem dois artigos sobre estudos de casos
de utilizações dos gráficos de controle. O primeiro sobre o gráfico de controle por variáveis, escrito por
Miyata et al. (2010), Controle estatístico do processo na produção de circuitos eletrônicos. Disponível em:
<http://www.abepro.org.br/biblioteca/enegep2010_tn_sto_114_747_16012.pdf> Acesso em:
20 out. 2017. O segundo por atributos, elaborado por Fernandes et al.(2010), O uso do controle estatísti-
co de processo na gestão da qualidade, estudo de caso: grupo Coringa –Al. Disponível em: e <http://www.
abepro.org.br/biblioteca/enegep2010_tn_stp_114_747_16156.pdf>. Acesso em: 20 out. 2017.
Quando vamos construir um gráfico de controle, alguns fatores deverão ser estudados e plane-
jados, entre eles, o tamanho da amostra, a frequência de amostragem e os limites de controle,
123/226 Unidade 5 • Métodos e Ferramentas do Controle Estatístico de Processo
pois todos afetarão os erros probabilísticos amostras menores em períodos também
dos modelos propostos. menores.
Amostras maiores tornaram mais fáceis as No caso da definição dos limites de confian-
detecções de pequenas mudanças no pro- ça, essa será uma das decisões mais críti-
cesso. Por exemplo, ao aumentarmos o ta- cas em um gráfico de controle, isso porque,
manho da amostra, faremos com que di- quando afastamos os limites da linha cen-
minua a probabilidade de erro do tipo II, ou tral, diminuímos o risco do tipo I e aumen-
seja, aceitar um valor que seria rejeitado, tamos o risco do tipo II e, quando aproxima-
aumentando assim a sensibilidade dos grá- mos as linhas, diminuímos o risco do tipo II
ficos de controle e, ao diminuirmos o tama- e aumentamos o risco do tipo I. Assim, cada
nho da amostra, aumentamos a probabili- empresa poderá adotar os limites conforme
dade de erro do tipo II. os tipos de erros que pretendem minimizar,
Quanto à frequência de amostragem, isso desta forma, países como os Estados Unidos
costumam adotar a métrica dos três-sigma
dependerá dos gastos implícitos em se co-
e países europeus, como o Reino Unido, por
letar e analisar uma amostra, assim exis-
exemplo, adotam os limites de probabilida-
te duas escolhas principais, tomar amos-
de padrão de 0,001.
tras maiores em períodos mais longos ou
• Um gráfico de controle é formado por, no mínimo: (1) Uma linha central (LC), que
pode ser o valor médio de uma característica, ou um valor alvo a ser alcançado e; (2)
Duas outras linhas horizontais, denominadas limite superior de controle (LSC) e li-
mite inferior de controle (LIC), que para serem construídas levam em consideração o
desvio permitido do processo (geralmente três-sigma) e, com isso, calculam-se seus
valores a partir do valor central.
131/226
Referências
PORTAL ACTION (São Carlos - SP). Controle Estatístico do Processo. 2010. Disponível em:
<http://www.portalaction.com.br/controle-estatistico-do-processo/introducao>. Acesso em: 13
out. 2017.
WESTERN ELECTRIC COMPANY (EUA). Statistical Quality Control Handbook. Indianápolis: West-
ern Electric Co., Inc, 1956. 328 p. Disponível em: <https://www.google.com.br/url?sa=t&rct=-
j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwiq_b-ZyL_XAhWFIJAKHfK1AMwQFggn-
MAA&url=http://www.contesolutions.com/Western_Electric_SQC_Handbook.pdf&usg=AOv-
Vaw0PBsv8Q1nQdKKLuhwm_bdB>. Acesso em: 13 out. 2017.
Aula 5 - Tema: Métodos e Ferramentas do Con- Aula 5 - Tema: Métodos e Ferramentas do Con-
trole Estatístico de Processo. Bloco I trole Estatístico de Processo. Bloco II
Disponível em: <https://fast.player.liquidplatform.com/ Disponível em: <https://fast.player.liquidplatform.com/
pApiv2/embed/dbd3957c747affd3be431606233e0f- pApiv2/embed/dbd3957c747affd3be431606233e0f1d/
1d/9a771d4adf502ac0346ec3bdb99bc980>. 178f8adfb1d36dc7e1fe7be266cb95d9>.
133/226
Questão 1
1. Assinale a alternativa correta. Quais os dois tipos de erros de um sistema
produtivo?
134/226
Questão 2
2. Assinale a alternativa correta. Quais são as três retas que constituem
um gráfico de controle?
135/226
Questão 3
3. Assinale a alternativa correta. Quais os 2 tipos de gráfico de controle?
136/226
Questão 4
4. Assinale a alternativa correta. Quais os 2 tipos de erro que um teste de
hipóteses está sujeito?
a) Erro do tipo I – rejeição de um valor que seria aceito e erro do tipo II – aceitar um valor que
seria rejeitado.
b) Erro do tipo I – rejeição de um valor que seria rejeitado e erro do tipo II – aceitar um valor que
seria rejeitado.
c) Erro do tipo I – aceitação de um valor que seria aceito e erro do tipo II – aceitar um valor que
seria rejeitado.
d) Erro do tipo I – rejeição de um valor que seria aceito e erro do tipo II – rejeitar um valor que
seria rejeitado.
e) Erro do tipo I – aceitação de um valor que seria aceito e erro do tipo II – rejeitar um valor que
seria rejeitado.
137/226
Questão 5
5. Assinale a alternativa correta. Quais são os três principais objetivos dos
gráficos de Shewhart?
138/226
Gabarito
1. Resposta: A. monitorada é obtida em uma escala contí-
nua (variável), com uma tendência central
Os erros existentes são erros aleatórios e e desvios a partir dessa tendência; (2) Grá-
sistemáticos. ficos de controle para atributos, utilizados
quando as características não podem ser
2. Resposta: D. mensuradas em escala quantitativa, neste
caso, julga-se o que está conforme e não-
Uma linha central (LC), que pode ser o va- -conforme com base em atributos de não
lor médio de uma característica, ou um va- conformidades.
lor alvo a ser alcançado e; (2) Duas outras
linhas horizontais, denominadas limite su- 4. Resposta: A.
perior de controle (LSC) e limite inferior de
controle (LIC). Erro do tipo I – rejeição de um valor que seria
aceito e erro do tipo II – aceitar um valor que
3. Resposta: A. seria rejeitado.
140/226
Unidade 6
Gráfico de Controle para Variáveis
Objetivos
141/226
1. Introdução
Os gráficos de controle de variáveis são amplamente difundidos e utilizados, tanto que, muitas
pessoas acreditam que esses sejam os únicos tipos de gráficos de controle. Isso porque, a maior
parte das características avaliadas em um processo é expressa numericamente e torna as variá-
veis avaliáveis, por exemplo, massa, temperatura, volume, comprimento e altura.
Quando trabalhamos com uma variável, conseguimos avaliar e trabalhar tanto com os valores
médios da variável, como também os seus desvios (sua variabilidade), que podem ser expressos
143/226 Unidade 6 • Gráfico de Controle para Variáveis
em termos de variância dos dados ou então padrão do que para variância, quando que-
como desvio padrão. remos controlar a variabilidade do processo
para uma distribuição normal, então assumi-
Assim, os gráficos que usaremos para con-
remos a partir daqui este padrão.
trolar as variáveis serão os gráficos de média
populacional (µ) ou média amostral ( c ), vari- Assim, é comum observarmos dois gráficos
ância populacional ( s 2 ) ou variância amos- simultaneamente: os gráficos de contro-
tral ( s ), desvio padrão populacional ( s ) e le para a média e desvio padrão amostrais,
desvio padrão amostral (R). Na teoria, deve- pois temos que manter tanto o controle so-
ríamos empregar sempre gráficos de média, bre a média quanto sobre a variabilidade do
variância e desvio populacional, como já processo, como podemos observar na Figu-
visto no tema anterior, porém na prática, é ra 14, onde para os processos apresentados
muito difícil saber ou determinar estes pa- em a e b percebe-se que as varáveis estão
râmetros em termos de população. Assim, o controladas tanto em termos de média,
que podemos fazer na prática é utilizarmos quanto desvio padrão. Já em c percebe-se
uma amostra robusta, que seja grande o su- que as varáveis estão controladas em ter-
ficiente para que a média amostral ( c ) seja mos de média, porém descontroladas em
igual ou o mais próximo do possível da média termos de desvio padrão. Em d, e, f perce-
populacional (µ). Além disso, é mais comum be-se que as varáveis estão descontroladas
utilizarmos o gráfico de controle para desvio em termos de média e desvio padrão.
144/226 Unidade 6 • Gráfico de Controle para Variáveis
Figura 14. Gráfico de controle de variáveis. a e b) Variáveis dentro do controle estatístico em termos de média e desvio padrão; c) Variáveis dentro
do controle estatístico para média e fora de controle para o desvio padrão; d, e, f) Variáveis fora do controle estatístico para média e desvio padrão.
As variáveis A e D são tabeladas para vários valores de n e podem ser encontradas em anexos de
livros de estatística. Vale também ressaltar, que se a opção for de trabalhar com a variância no
lugar do desvio padrão, ela tenderá a seguir o mesmo padrão de cálculo dos limites.
Para que fique claro o emprego das médias amostrais para a estimativa da média populacional,
usaremos a problemática exposta no Tema 2 da massa de pacotes de biscoito. Para isso, con-
sideraremos a média das massas de cada dia como uma média amostral e a média das médias
amostrais com a média populacional, o mesmo será feito para o desvio. Desta forma, obtemos
os dados expostos nas Tabelas 6 e 7.
Fonte: a autora.
Fonte: a autora.
Fonte: a autora.
Fonte: a autora.
Fonte: a autora.
Fonte: a autora.
Fonte: a autora.
(5) Estratificação: Geralmente advindos de cálculos incorretos dos limites de controle, pode ser
percebida quando existe ausência de variabilidade (pontos sempre muito próximos a linha cen-
tral), como podemos observar na Figura 21.
Figura 21. Padrão de estratificação do processo em um gráfico de controle.
Fonte: a autora.
ser definida como: Cp = LSC - LIC. Consideramos essa uma estimativa da capacidade e não a capacidade
6s
real, pois geralmente não temos o valor e sim uma estimativa dele que é R.
• 1 ≤ Cp ≤ 1,33 – Adequado;
• Cp ≤ 1 – Processo inadequado.
A estimativa de capacidade do processo, também pode ser entendida e interpretada como sendo a esti-
• Uma informação importante que podemos extrair dos gráficos de média e desvio padrão é a es-
timativa da capacidade do processo: . A estimativa de capacidade do processo,
• Alguns padrões comuns que podem ser encontrados em gráficos de média e desvio padrão
são: (1) Padrão Cíclico; (2) Padrão de Mistura; (3) Deslocamento no nível do processo; (4) Ten-
dência de Nível e; (5) Estratificação.
160/226
Referências
WESTERN ELECTRIC COMPANY (EUA). Statistical Quality Control Handbook. Indianápolis: West-
ern Electric Co., Inc, 1956. 328 p. Disponível em: <https://www.google.com.br/url?sa=t&rct=-
j&q=&esrc=s&source=web&cd=1&ved=0ahUKEwiq_b-ZyL_XAhWFIJAKHfK1AMwQFggn-
MAA&url=http://www.contesolutions.com/Western_Electric_SQC_Handbook.pdf&usg=AOv-
Vaw0PBsv8Q1nQdKKLuhwm_bdB>. Acesso em: 13 out. 2017.
Aula 6 - Tema: Gráficos de Controle para Variá- Aula 6 - Tema: Gráficos de Controle para Variá-
veis. Bloco I veis. Bloco II
Disponível em: <https://fast.player.liquidplatform.com/ Disponível em: <https://fast.player.liquidplatform.com/
pApiv2/embed/dbd3957c747affd3be431606233e0f1d/ pApiv2/embed/dbd3957c747affd3be431606233e0f1d/
cdab38bcf293164c54c89b9d63f56f0e>. 7cdfb1c0e76d47078a45a3d68d301d08>.
162/226
Questão 1
1. Assinale a alternativa correta. As variáveis que podemos utilizar na cons-
trução de gráficos de controle por variável são:
163/226
Questão 2
2. Assinale a alternativa correta. Como são denominados os limites obti-
dos em cálculos preliminares dos gráficos de controle?
a) Obtidos.
b) Prestativos.
c) Intuitivos.
d) Tentativos.
e) Exaustivos.
164/226
Questão 3
3. Assinale a alternativa correta. Qual dos parâmetros de produção pode
ser avaliado por gráficos de controle?
a) Produtividade.
b) Treinamentos realizados.
c) Planejamento agregado.
d) Programa Mestre de Produção.
e) Programação de chão de fábrica.
165/226
Questão 4
4. Assinale a alternativa correta. Com qual valor de Cp um processo pode
ser considerado sob controle?
a) Acima de 1.
b) A partir de 1, 1 incluso.
c) Entre 1 e 1,3333.
d) Abaixo de 1.
e) Entre 0,6777 e 1,3333.
166/226
Questão 5
5. Assinale a alternativa correta. Entre os erros que podemos encontrar
nos gráficos de controle estatístico estão:
167/226
Gabarito
1. Resposta: B. dade, mas podem ser utilizados para aná-
lise de desvio quanto a outros parâmetros
Os gráficos que usaremos para controlar as produtivos, entre eles a produtividade. Pro-
variáveis serão os gráficos de média popu- dutividade é a análise que compara recur-
lacional (µ) ou média amostral ( c ), variân- sos utilizados com a quantidade de produto
cia populacional (R2) ou variância amostral disponibilizado ao fim de um processo.
(R2), desvio padrão populacional ( s ) e des-
vio padrão amostral (R). 4. Resposta: A.
169/226
Unidade 7
Gráficos de Controle por Atributos
Objetivos
170/226
1. Introdução
Nos temas anteriores foram apresentados -conforme. Neste tema serão explicadas
conceitos gerais de qualidade e controle as diferenças desses gráficos, como execu-
estatísticos de processo (CEP) voltados ao tar otimizações nos mesmos, identifican-
controle de características mensuráveis de do outliers e excluindo da base de cálculo e
um componente ou produto, mas quan- como interpretar esses gráficos.
do as características de um produto não
podem ser consideradas numericamen- 1.1 Gráfico de Fração Não-con-
te? Quando a análise de qualidade acaba
forme
sendo mais conveniente de uma maneira
qualitativa, passam a serem avaliadas as Fração não-conforme é a razão calculada
conformidades do atributo com padrões. É pelo número de peças não-conforme em
o início da sistemática passa ou não-pas- uma população finita, esse gráfico define
sa, ou como dito atualmente conforme ou o rendimento do processo. Os cálculos que
não-conforme. baseiam a teoria de gráficos de fração não-
As análises passam a ser por proporções da -conforme são baseados em uma distribui-
amostra que estão apresentando atributos, ção de probabilidade ainda não estudada, a
podendo ser gráficos para controle de com- distribuição binomial, pois se trabalha com
ponentes conforme ou componentes não- uma quantidade discreta de peças não-
Equação 7.1
A fração amostral não-conforme seria calculada pela equação 7.2 com valores de média e vari-
ância sendo, respectivamente, as equações 7.3 e 7.4.
Equação 7.2
Equação 7.3
Equações 7.5
Equação 7.6
Sendo L a distância entre a linha central
e os limites superiores e inferiores, sendo
costume a escolha de L=3 como uma defi-
nição natural dos limites de controle, cor-
respondente a um intervalo de confiança
aproximado de 99%.
Realizando as substituições nas equações
7.5 pelas equações 7.3 e equações 7.4 e
aceitando que não há padrão de fração
não-conforme e que ele deverá ser calcula- Equações 7.7
do e que se deve realizar m amostras pre-
174/226 Unidade 7 • Gráficos de Controle por Atributos
As equações 7.7 geram os chamados limi- Por exemplo, uma empresa de maquiagens
tes tentativos, uma vez que trazem valores recebe embalagens para acondicionar seus
amostrais e não do valor conhecido da po- produtos. Ao iniciar um trabalho com um
pulação conhecida. Havendo valores conhe- novo fornecedor, não há parâmetros prévios
cidos de fração não-conforme (não usual de fração não-conforme, dessa forma você
isso ocorrer) as equações 7.7 devem ter deve gerar o primeiro gráfico de controle de
substituídos pelo valor conhecido da fração fração não-conforme com dados amostrais.
não-conforme p. Os dados obtidos estão na Tabela 8.
Assumindo que seja uma estimativa para a população estudada e substituindo nas equações
7.7:
Fonte: a autora.
Como é possível observar na Figura 22 os pontos apresentados no exemplo estão dentro dos li-
mites tentativos de controle, mostrando que o processo está sob controle. Mas se isso não ocor-
re? Como proceder?
Suponha que 2 pontos serão plotados fora dos limites de controle. No momento, 2 e 10 houve-
ram falhas no sistema com causas conhecidas, por meio da ficha de verificação é possível deter-
minar as causas de variações durante o processo e encontrar possíveis causas dessas variações,
Fonte: a autora.
O procedimento para correção desses erros é a verificação do motivo para esses pontos estarem
fora do controle; excluir esses pontos da base de cálculo, considerando-os outliers; e realizar no-
Assim, após a realização dos cálculos, é possível reconstruir o gráfico de controle para a fração
não-conforme (normalizado), cujo resultado é apresentado na Figura 24.
Fonte: a autora.
188/226
Considerações Finais
189/226
Referências
GARVIN, David A.. Competing on the Eight Dimensions of Quality. Harvard Business Review, Nova
York, nov. 1987. Bimestral. Disponível em: <https://hbr.org/1987/11/competing-on-the-eight-di-
mensions-of-quality>. Acesso em: 20 out. 2017.
Aula 7 - Tema: Gráfico de Controle por Atribu- Aula 7 - Tema: Gráfico de Controle por Atribu-
tos. Bloco I tos. Bloco II
Disponível em: <https://fast.player.liquidplatform.com/ Disponível em: <https://fast.player.liquidplatform.com/
pApiv2/embed/dbd3957c747affd3be431606233e0f1d/ pApiv2/embed/dbd3957c747affd3be431606233e0f1d/
022980c6bd79aee47acca52f695cb2b6>. d698090cb27f349a09c7dba2ba92ea40>.
191/226
Questão 1
1. Assinale a alternativa correta. Podem ser citados como atributos:
192/226
Questão 2
2. Assinale a alternativa correta. Sistemas de análise passa ou não-passa
definem:
193/226
Questão 3
3. Assinale a alternativa correta. São definidos como limites naturais quan-
tos desvios-padrões (L=?)?
a) 1.
b) 2.
c) 3.
d) 4.
e) 5.
194/226
Questão 4
4. Assinale a alternativa correta. Qual o problema existente em ter-se um
LIC inferior a 0?
a) Indicação de melhoria que causasse o fim de uma não-conformidade poderia passar desper-
cebida.
b) Indicação de melhoria que causasse o fim das paradas de linha poderia passar despercebida.
c) Não há problemas.
d) Indicação de melhoria que causasse o fim de atrasos nas entregas poderia passar desperce-
bida.
e) Indicação de melhoria que causasse o fim de apresentação de não-conformidades em todas
as áreas da empresa poderia passar despercebida.
195/226
Questão 5
5. Assinale a alternativa correta. Além do gráfico de controle de fração
não-conforme, qual outra forma de controle por atributo pode ser apre-
sentada?
a) Peças Conforme.
b) Fração Conforme.
c) Entregas Conforme.
d) Entregas Não-conforme.
e) Peças Não-conforme.
196/226
Gabarito
1. Resposta: B. 3. Resposta: C.
Quando a análise de qualidade acaba sendo Sendo L a distância entre a linha central e os
mais conveniente de uma maneira qualita- limites superiores e inferiores, sendo cos-
tiva passam a ser avaliadas a conformidade tume a escolha de L=3 como uma definição
do atributo com padrões. É o início da sis- natural dos limites de controle, correspon-
temática passa ou não-passa, ou como dito dente a um intervalo de confiança aproxi-
atualmente conforme ou não-conforme, mado de 99%.
como é o caso da lâmpada acender.
4. Resposta: A.
2. Resposta: D.
Uma vez que ao trabalhar com um gráfico
Quando a análise de qualidade acaba sendo de fração não-conforme já se tem o pressu-
mais conveniente de uma maneira qualita- posto que a empresa apresenta peças não-
tiva passam a ser avaliadas a conformidade -conforme, dessa forma qualquer indicação
do atributo com padrões. É o início da sis- de melhoria que causasse o fim dessa não-
temática passa ou não-passa, ou como dito -conformidade poderia passar desperce-
atualmente conforme ou não-conforme. bida como um ponto dentro dos limites de
aceitação que não precisaria ser estudado.
197/226
Gabarito
5. Resposta: E.
198/226
Unidade 8
Amostragem de Aceitação Lote a Lote para Atributos
Objetivos
199/226
1. Introdução
Ou seja, a probabilidade de um lote, que vier à empresa e for inspecionado conforme o plano
amostral de 90 amostras e 2 peças defeituosas na amostra, ser aceito é de 93,80%. Conforme a
Fonte: a autora.
Fonte: a autora.
214/226
Considerações Finais (1/2)
• No lote de amostragem de aceitação deve ser selecionada uma amostra
sobre a qual será avaliada uma característica (atributo), que será avaliada
da mesma maneira que uma característica quantitativa: conforme ou não-
-conforme;
• Existem três características importantes na definição de uma amostragem
de aceitação: o objetivo dessa amostragem é ter informações sobre a de-
cisão de sentenciamento do lote. A amostragem de aceitação não define
características de qualidade do produto que está sendo avaliado;
• Vantagens na comparação das duas técnicas de inspeção podem ser cita-
das: geralmente inspeção amostral é menos dispendiosa; menor manuseio
do produto, que pode significar menor quantidade de avarias; pode ser apli-
cada em testes destrutivos; menor quantidade de pessoas envolvidas no
processo de inspeção; redução dos erros de inspeção; ao se rejeitar um lote
completo ao invés de peças de um lote o fornecedor ficará mais atento com
as saídas do processo produtivo;
215/226
Considerações Finais (2/2)
• Entre as desvantagens das técnicas de inspeção podem ser citadas: há risco
de aceitação de lotes com peças não-conforme e reprovação de lotes com
apenas uma não-conformidade; gera-se pouca informação sobre o produto
e o processo de manufatura sobre o qual o produto passou; amostragem de
aceitação exige planejamento e documentação do procedimento de amos-
tragem.
216/226
Referências
GARVIN, David A.. Competing on the Eight Dimensions of Quality. Harvard Business Review, Nova
York, nov. 1987. Bimestral. Disponível em: <https://hbr.org/1987/11/competing-on-the-eight-di-
mensions-of-quality>. Acesso em: 20 out. 2017.
Aula 8 - Tema: Amostragem de Aceitação Lote Aula 8 - Tema: Amostragem de Aceitação Lote
a lote para Atributos. Bloco I a lote para Atributos. Bloco II
Disponível em: <https://fast.player.liquidplatform.com/ Disponível em: <https://fast.player.liquidplatform.com/
pApiv2/embed/dbd3957c747affd3be431606233e0f- pApiv2/embed/dbd3957c747affd3be431606233e0f-
1d/5e0e6120cdd90cc81d8904588f8b5c2f>. 1d/2687b848dc96a5107d260cd094c851f1>.
218/226
Questão 1
1. Assinale a alternativa correta. Podem ser avaliadas em uma avaliação por
amostragem por atributo:
219/226
Questão 2
2. Assinale a alternativa correta. Qual dessas três características seria im-
portante para definir a utilização de lote de aceitação?
220/226
Questão 3
3. Assinale a alternativa correta. Pode ser citada como vantagem na exe-
cução de um plano de amostragem:
221/226
Questão 4
4. Assinale a alternativa correta. Pode ser citada como desvantagem na
execução de um plano de amostragem:
a) Há risco de aceitação de lotes com peças conforme e reprovação de lotes com apenas uma
não-conformidade.
b) Há risco de aceitação de lotes com peças não-conforme e reprovação de lotes com apenas
uma conformidade.
c) Há risco de aceitação de lotes com peças conforme e reprovação de lotes com apenas uma
conformidade.
d) Há risco de aceitação de lotes com peças não-conforme e reprovação de lotes com apenas
uma não-conformidade.
e) Não há risco de aceitação de lotes com peças não-conforme e reprovação de lotes com ape-
nas uma não-conformidade.
222/226
Questão 5
5. Assinale a alternativa correta. Com a curva CO pode-se:
a) Definir se um lote, que vier a empresa e for inspecionado conforme o plano amostral defini-
do, será aceito 100% das vezes.
b) Definir a probabilidade de um lote, que vier a empresa e for inspecionado conforme o plano
amostral definido, não ser aceito conforme um limite de confiança proposto.
c) Definir que um lote que venha a ser aceito, conforme um limite de confiança proposto, sem
a necessidade de inspeção.
d) Definir a probabilidade de um lote, que vier a empresa e for inspecionado conforme o plano
amostral definido, ser aceito conforme um limite de confiança proposto.
e) Definir a probabilidade de uma inspeção 100% ser realizada em todos os lotes que vierem à
empresa e que sejam todas as peças aprovadas.
223/226
Gabarito
1. Resposta: B. 3. Resposta: A.
Por se tratar de uma avaliação por atributo Vantagens na comparação das duas técnicas
com características apenas conforme não- de inspeção podem ser citadas: geralmen-
-conforme apenas o item B poderia ser ava- te inspeção amostral é menos dispendiosa;
liado dessa maneira. menor manuseio do produto, que pode sig-
nificar menor quantidade de avarias; pode
2. Resposta: C. ser aplicado em testes destrutivos; menor
quantidade de pessoas envolvidas no pro-
Existem três características importantes na cesso de inspeção; redução dos erros de
definição de uma amostragem de aceitação: inspeção; ao se rejeitar um lote completo ao
o objetivo dessa amostragem é ter informa- invés de peças de um lote o fornecedor fi-
ções sobre a decisão de sentenciamento do cará mais atento com as saídas do processo
lote, não inferir sobre a qualidade do forne- produtivo.
cedor. A amostragem de aceitação não de-
fine características de qualidade do produto 4. Resposta: D.
que está sendo avaliado.
Entre as desvantagens podem ser citadas:
há risco de aceitação de lotes com peças
224/226
Gabarito
não-conforme e reprovação de lotes com
apenas uma não-conformidade; gera-se
pouca informação sobre o produto e o pro-
cesso de manufatura sobre o qual o produto
passou.
5. Resposta: D.
225/226