cm36777 SPC

Controlo Estatístico do Processo

A Necessidade do Controlo do Processo
Detecção - Tolera o Desperdício
Prevenção - Evita o Desperdício

A Necessidade do Controlo do Processo
Um Sistema de Controlo do Processo
vo z d o p ro c e s s o
Ti Ts
M
Méétotoddooss
Cp<1
Cpk<1 EEssta
tatís
tístic
ticooss
m ã o d e o b ra
m á qu in a s
m a te ria is P ro c e s s o
m é to d o s
P ro d u to s/S e rviço s CClie
liennte
tess
m e io a m b ie n te
m e d id a s
idideenntific
tificaaççããooddaass
nneecceessssididaaddeess
eeeexp xpeecctatativa
tivass
in p u t o u tp u t
vo z d o s c lie n te s
Sistema de Controlo do Processo
1- Processo é a combinação de pessoas, materiais,

máquinas e equipamentos,medições, métodos e
ambiente que contribuam para a concretização de
um produto final.
2- Informações sobre o Processo pode ser aprendida
através de estudo do resultado do processo.
3 - Acções sobre o Processo são acções de
prevenção para diminuir a variação das
características face ao valor alvo.Mais económica.
4 - Acções sobre o Resultado são acções de
detecção e correcção do produto fora de
especificação. Geram refugo e retrabalho, logo
menos económica.
Variação
As distribuições podem diferir quanto:
Localização Dispersão Forma
... ou quaisquer combinações sobre essas

Variação
Causas Comuns e Especais
Variação Total
Natural Acidental
Causa Aleatórias Causa Especiais
FA
C Máquina M.P.não conforme
T Métodos Avaria
O Matéria Prima Desgaste equipa-
R Mão-de-Obra mento
E Meio ambiente Equipamento de
S medida
Não podem ser Podem ser eliminadas

completamente
eliminadas
Controlo Estatístico
do Processo
Se apenas causas comuns de variação estiverem

presentes o resultado do processo forma uma
distribuição que é estável ao longo do tempo e
previsível
Se causas especiais de
variação estiverem presentes o
resultado do processo não é
estável ao longo do tempo
Variação
6 pontos antes de começar com SPC:
• Coletar dados e usar métodos estatísticos não é o objetivo.

• SPC deveria ser usado para entender o processo e melhorar.
• Os sistemas de medição devem estar sob controle antes que o SPC
possa ser iniciado
• SPC é usado para estudar a variação no processo e usando métodos
estatísticos para melhorar o desempenho –
• SPC têm sido aplicados rotineiramente às peças (produtos acabados,
componentes). Mas esta é apenas a primeira etapa, em uma próxima
etapa o foco deve estar no processo que gera as peças –
• O SPC precisa de prática, olhar os dados não é suficiente, bom
conhecimento sobre o processo é necessário
• O conhecimento do SPC deve ser aumentado, talvez entrando em
contato com outros especialistas
Classical Quality Control
Ciclo SPC:
No SPC, o processo é monitorado durante a produção.

Os registros são mantidos sobre como o processo está funcionando.
Com base nesses registros, uma ação é realizada para garantir o
processo está sempre produzindo produtos bons, não ruins
Causas Comuns: Estão sempre presentes no processo,

são previsíveis, seguem uma distribuição aleatória e são
estáveis ao longo do tempo
Redução  Acções de gestão, ex: novos
equipamentos,mudança de fornecedor
Causas Especiais: São esporádicas, imprevistas ,
instáveis ao longo do tempo e quando estão presentes
indicam que o processo está fora de controlo
Remoção  Acções realizadas por pessoas ligadas ao
processo
Acções Locais e Acções sobre o Sistema
Acções sobre o Sistema:

•Eliminam causas comuns
•Executado por pessoal gestão
•Podem corrigir cerca de 85 % dos problemas
Acções Locais:
•Eliminam causas especiais
•Executado por pessoas próximas ao processo
•Podem corrigir cerca de 15 % dos problemas
Etapas de um Estudo Estatístico
Recolha de
Dados
Ordenar os
Dados
Sim
É conveniente
agrupar os Dados?
Em intervalos
de classes
Não
Determinar o
centro das
classes
Distribuição de
frequências
Caracterização Representação
numérica gráfica
Análise
Conclusões
Decisões
Etapas de um Estudo Estatístico
Variáveis: Discretas e Contínuas
Variável: Entende-se a característica do universo que se pretende analisar. Esta

pode ser discreta ou contínua
Variável Discreta: Podem tomar um nº finito ou numeráveis de valores

ex: Nº peças com defeito, nº de carros vendidos, nº de
clientes
Variável Contínua: Pode tomar qualquer valor dentro de um intervalo ou domínio
ex: Peso, altura, % projecto executado, % erro de medição

População e Amostra
População: conjunto de Amostra: subconjunto dos

habitantes de Portugal habitantes de Portugal
Distribuição de Frequências
Objectivos das distribuições de frequências:

✓Apresentação dos dados de uma forma mais clara
✓Dar-nos a tendência Central
✓Dar-nos a dispersão
✓Frequência relativa da ocorrência
Frequência Absoluta (fa)

É o número de dados que fazem parte do referido intervalo
Frequência Relativa (fr)
A frequência realativa de um dados intervalo é o resultado da divisão da
frequência absoluta pelo número de dados da experiência (n), e expressa a
proporção total de dados nesse intervalo.
fa
fr = *100
n
Exercicio 1-Quadro de dados
Cada valor da seguinte tabela representa o número de unidades defeituosas

encontradas em 40 amostras.
5 6 6 3 3 5 5 3
3 7 4 4 6 4 6 4
4 3 7 5 7 4 5 4
4 4 4 4 5 3 4 5
3 5 5 6 4 4 5 3
Exercicio 1-Resultados
Nº de unidades Freq. Freq. Absoluta Freq. Relativa Freq. Relativa

defeituosas Absoluta Acumulada (fr) (%) Acumulada
(fa) (%)
f a = f r =
a) Quantas amostras existem com menos de 6 unidades defeituosas?
b) Em quantas amostras existem 4 ou menos unidades defeituosas?
c) Qual a percentagem de amostras com 5 unidades defeituosas?
d) Qual a percentagem de amostras com quatro ou menos unidades?

Representações Gráficas
Representações Gráficas
As representações gráficas permitem-nos:
o Melhor compreensão dos dados

o Facilitar a análise dos mesmos
Diagrama Linear: Diagrama de barras Histograma
Histograma de Frequências
60 frequência
8
8
100
50 7
7
80
6
40 5 5
60 5
30 Velocidade 4
4
40
3
20 20
2
10 0 1
1
1Q/99 2Q/99 3Q/99 4Q/

0 0
9,775 10,075 10,375 10,675 10,975 11,275
t1 t2 t3 t3 valor médio das células
Variável Variável
discretas. Contínuas
Representações Gráficas - Histograma
De um processo foram retiradas 30 peças, depois de medidas, obtiveram-se os

seguintes resultados, em cm:
9.67 10.37 11.05 10.64 10.49
10.09 10.02 9.90 10.64 10.51
10.60 9.91 10.23 10.61 10.63
10.52 11.06 10.12 10.23 10.61
11.09 10.92 10.45 10.11 10.24
9.63 11.11 9.95 11.27 10.54

Para construção de um histograma sete passos são necessários executar:
1º Passo – Contar o nº de observações N =
2º Passo – Determinar o valor máximo (Vmax) e o valor mímino (Vmín)
Vmax = ; Vmin =
3º Passo – Determinar o nº de células (k) Nº de obsr. (N) Nº de Células
de acordo com a tabela 20-50 6
51-10 7
No nosso caso N= ,k= . 101-200 8
201-500 9
501-1000 10
4º Passo – Determinar o intervalo de célula – h
Max − Min ____− ____

h= =
____
= _____
k
Arredondar o valor resultante
5º Passo – Determinar as fronteiras das classes
i. Subtrarir a Vmin uma casa decimal (em relação aos valores
analisados) e a terminar em 5.
• 0 casas decimais  ½ = 0.5
• 1 casa decimal  0.1/2 =0.05
• 2 casas decimais  0.01/2 = 0.005
• 3 casa decimais  0.001/2 = 0.0005
Xmin = Vmin - ________=_______ - ________= ________
Xmax = Vmax + ________= _______- ________=_________
ii. Somar ao valor resultante de 1) o intervalo de classe – h

_________ + ________(h) = ___________
iii. Executar a tarefa até à última classe – Valor Máx
Xmin = ______-___________ - 1ª célula

____________-___________ - 2ª célula
____________-___________ - 3ª célula
____________-___________ - 4ª célula
____________-___________ - 5ª célula
____________-___________ - 6ª célula
: :
____________-Xmax=______ - i ª célula
6º - Passo - Construir uma tabela, indicando:
Fronteira Valor Nº de observações Freq

Células Médio
7º Passo - Construir o histograma:
Histograma de frequências
Frequência
Vmed 1= Vmed 2= Vmed 3= Vmed 4= Vmed 5= Vmed 6=

Valor médio das células
Medidas de Tendência Central
As medidas de tendência central de uma distribuição são:
•Média
•Moda
•Mediana
Média
A média aritmética de uma série de valores é obtida somando todos os valores e
dividindo este pelo nº deles.
x1 + x2 + x3 + x4 + ... + xn
X =
n
Quando os valores se apresentam sob a forma de frequências a fórmula que se
aplica é: X1=valor central do primeiro intervalo
Xn=valor central de cada intervalo
x f + x 2 f 2 + x3 f 3 + x4 f 4 + ... + xn f n
X = 1 1 f1=frequência do primeiro intervalo
f1 + f 2 + f 3 + f 4 + ... + f n
fn=frequência do último intervalo
Exemplo:
Pretende-se calcular a idade média dos jogadores de um determinado grupo
de futebol. As idades dos jogadores são as seguintes:
22 21 23 26
23 19 22 27
20 25 25
253
_______________________________________ 23
X = = _______
11 _____________
Exemplo:
Pretende-se calcular a média dos alunos de um determinado curso. Os
alunos apresentam as seguintes idades:
Idades Nº de alunos de Soma das idades
frequência (fa) dos alunos (x.f)
21 10
22 35
23 50
24 42
25 30
26 8
x1 f1 + x2 f 2 + x3 f 3 + x4 f 4 + x5 f 5 + x6 f 6
X =
f1 + f 2 + f 3 + f 4 + f 5 + f 6
_______________________________________
X = = _________
_____________
Moda
A Moda(Mo) de uma série de valores é o valor da observação que se repete
o maior nº de vezes.
Método de càlculo da Moda
Caso discreto
1º Classificar os dados
2º Determinar as frequências relativas e absolutas
3º Verificar qual a classe que apresenta maior frequência, a moda (classe
modal) é o valor dessa classe.
Exemplo
Em 12 jogos de futebol consecutivos, usou os cartões amarelos. O nº de
cartões amarelos amostrados são os seguintes:
3 5 1 6 9 8 6 6 1 8 3 6
O valor mais frequente é o _____ , logo Mo = _____
Caso Contínuo
1º Calcular as frequências relativas ou absolutas de todas as classes
2º Verificar qual a classe que apresenta maior frequência. Chama-se classe
modal
3º Calcular
1
M 0 = l mo + * hmo
1 +  2
Onde : lmo = limite inferior da classe modal
hmo=amplitude da classe modal
1= diferença entre a frequência normalizada da classe modal e a
frequência normalizada da classe anterior.
2= diferença entre a frequência normalizada da classe modal e a
frequência normalizada da classe seguinte
Exemplo
Numa maternidade, o consumo diário de leite em pó po cada bebé está
registado na tabela:
Leite (em gramas) Nº de bébés A classe modal é:__55__ 60

45 - 50 11
Portanto a moda pertence a
50 - 55 31 este intervalo
55 - 60 65
lmo = __55__
60 - 65 48
hmo= _5___
65 - 70 60
70 - 75 46 1= _65_ – _31_ = 34__
75 - 80 30 2= __65 – 48__ = _17_
80 - 85 31
55+(34/(34+17)*5)= 58.3g
Calcular :
1 __
M 0 = l mo + * hmo = ___+ * ___ = ____
1 +  2 __ + __
Mediana
A mediana (Md) de n valores observados e ordenados de grandeza é o valor

que divide a série em dois grupos com o mesmo nº de elementos
Caso Discreto
Se n impar: M d = x n +1
2
Se n é par x n / 2 + x n / 2+1
Md =
2
Exemplo
(22+23)/2
Considerando a série ordenados de valores: =22,5
n é par, visto ter 10 observações:
19 20 21 22 22 23 23 25 26 27
x __ + x __/ 2+1
xn / 2 + xn / 2+1 ____+ ____ ___+ ___
Md = = 2
= = =
2 2 2 2
N é ímpar , visto ter 9 observações
• 20 21 22 22 23 23 25 26
M d = x n +1 = x __ +1 = x = 23
2 2
Caso Contínuo
A mediana é o valor de x tal que F(x) = 50%
1º. Calcular as frequências relativas acumuladas (Fi).

2º. Determinar qual a 1ª classe em que a frequência relativa acumulada passa
de 50%. Essa é a classse mediana.
3º Calcular
0,5 − F
Me = L + *h
fr
Em que:
L=Limite Inferior da Classe Mediana
F=Frequência Relativa Acumulada de todas as classes abaixo da classe
mediana
fr=Frequência Relativa da Classe Mediana
h= Amplitude de Classe
Classes ni fi=ni/N F=Ni/N
145 - 150 1 1/25=0.04 0.04
150 - 155 3 3/25=0.12 0.16
155 - 160 5 5/25=0.2 0.36
160 - 165 7 7/25=0.28 0.64
165 - 170 4 4/25=0.16 0.80
170 - 175 5 5/25=0.20 1
Total 25 1
A classe mediana é : _160___ - __165____

L = Limite Inferior da Classe Mediana = __160__

F = Frequência Relativa Acumulada de todas as classes abaixo da classe
Mediana = __0,36___
Fr = Frequência Relativa da Classe Mediana = _0,28_____
H = Amplitude da Classe = __5____
0,5 − F 0,5 − ____

Me = L + * h = ___+  _____ = _______
Fr ____
160+(0,5-0,36)/0,28*5 =162,5
Medidas de Dispersão
As medidas de dispersão são:

•Amplitude
•Desvio Padrão
•Variância
Amplitude
É a diferença entre o valor máximo e o mínimo da distibuição, e representa-se
por R.
R = X max − X min
Nota: Esta medida não é sensível aos valores intermédios que constituem a
distribuição.
Exemplo
Rendo em conta os seguintes valores:
19 23 22 20 21 23 25 22 26 22 22 27
R = __ - ___ = ____
Desvio Padrão
É a raiz quadrada do quociente entre a soma dos quadrados das
distâncias de cada valor à média e o número de valores dado.
Desvio Padrão da Amostra
( x1 − X ) 2 + ( x2 − X ) 2 + ( x3 − X ) + ... + ( xn − X ) 2
S=
n −1
Desvio Padrão da População
( x1 − X ) 2 + ( x2 − X ) 2 + ( x3 − X ) + ... + ( xn − X ) 2
=
n
Para dados agrupados
( x1 − X ) 2  f1 + ( x2 − X ) 2  f 2 + ( x3 − X ) 2  f 3 + ... + ( xn − X ) 2  f 3 )
S=
f1 + f 2 + f 3 + ... + f n
Onde x1- valor centarl do intervalo , f1 – frequência do primeiro intervalo
Também pode ser dado por:

Em que:
k

fi=frequência absoluta
f i * x'i2 − N * x
2
S2 = i =1 x’i=valor central do primeiro

N intervalo
Distribuições Estatísticas
Distribuição Normal
A maior parte dos Processos Industriais seguem uma distribuição Normal
A variável aleatória é contínua, não discreta.

A função matemática é dada por:
2
−1
1 X −X 
Y = e 2 
 S


S 2  
Onde:
S = Desvio Padrão
= Média
X = Qualquer valor da variável
 = 3,1416....
e = 2,7182...
0,003% 99,994% 0,003%

0,135% 99,73% 0,135%
95,44%
68,26%
-1S +1S
- 2S + 2S
- 3S + 3S
- 4S + 4S

A função cumulativa é dada por:

x 1  x−  2
1 −  
P( X  x) = F ( x) = s e 2 s 
− 2
Distribuição Normal Reduzida
Para facilitar o cálculo adopta-se, em vez de X, a variável reduzida

x−
Z=
s
A função densidade passa ser dada por:
z2
1 −
f (Z ) = e 2
2
A distribuição Normal Reduzida de média zero e desvio padrão unitário,

encontra-se tabelada e é extremamente útil em controlo estatístico do
processo.
Y
Z → N (0;1)
O valor de Z será o numero S=1
de desvio padrões que X está

afastado da média Z=0
Calculando Z e utilizando os valores da tabela podemos conhecer a área

entre duas ordenadas.
Exemplo
O peso dos sacos de determinado produto que saí de uma fábrica é
normalmente distribuído de valor médio 70 Kg e desvio padrão 5 Kg, pretende-
se determinar a percentagem de sacos cujo peso :
a) é inferior a 67 Kg.
?
Z → N (__; __ __ )
67 70
A percentagem de sacos cujo peso é inferior a 67 Kg vai ser dada pela probabilidade
da variável X ser inferior a 67
X−X ___− ___

Z= = = − ____
 ____
 ___− ___ 
P( X  __ ) = P Z   = P(Z  ___) =  (___) = ___ −> ____%
 ___ 
b) é superior a 78 Kg. ?
70 78
 __ − __ 
P( X  __ ) = 1 − P Z   = 1 − P (Z  __ ) = 1 −  (__) = 1 − ____ =
 __ 
_____ −  ____ % ?
c) é superior a 68 Kg e inferior
a 80.
68 70 80
 __ − __   __ − __ 
P(__  X  __ ) = P( X  __) − P( X  __) = P Z   − P Z   =
 __   __ 
= P( Z  __) − P(Z  − ___) =  (_) −  (___) = _____− ____ = ____ -> ____%
Teste à Normalidade – Recta de Henry

Transforma a curva Normal numa linha recta, se a distribuição é Normal.
Em abcissas as probabilidades de ocorrência .
A “marcação” da recta faz-se pelos pontos extremos, e recta deverá passar pelos
pontos centrais onde a concentração da população é mais forte.
Com a recta de Henry podemos também calcular:

• A média
•Desvio padrão
•Determinar indíces de capacidade
Cartas de Controlo por Variáveis Contínuas
Anos 20, Walter Schewart , fez a distinção entre variação controlada e

variação não controlada.
Variação Controlada – Estamos apenas na presença de causas comuns
Variação não Controlada – Estamos na presença de causa comuns +

causa especiais
Desenvolveu uma técnica simples de separar dinamicamente as duas

variações – Cartas de Controlo
As cartas de Controlo podem ser por variáveis contínuas ou por atributos

As principais vantagens da utilização das cartas de controlo são:

•Facilidade de utilização das cartas pelo operador no seu posto de trabalho
•Consistência e previsão da qualidade e custos
•Menor custos por unidades produzida
•Utilização de uma linguagem comum
•Distinção entre causas comuns e causas especiais
Condições para o êxito na implantação das Cartas de Controlo:

•- criar um ambiente de trabalho propício para actuar;
•- definir o processo;
•- determinar as características a serem controladas;
•- definir o sistema de medição adequado;
•- minimizar a variação desnecessária;
•- ter em atenção o tipo de variável a controlar (qualitativa ou mensurável).
0,003% 99,994% 0,003%

0,135% 99,73% 0,135%
95,44%
68,26%
-1S +1S
- 2S + 2S
- 3S + 3S
- 4S + 4S

10 horas
9 horas
A média e a dispersão variam

ao longo
do tempo
8 horas
7 horas
Assim os limites de controlo tal como foram definidos por Shewart são:
x
LSC = x + 3*
n
x
LIC = x - 3*
n
Definição dos Limites de Controlo

É comum fixar-se os limites de controlo considerando três vezes o desvio
padrão da população.
A escolaha dos limites a 3 vezes o desvio padrão é consequência de uma
análise económica.
Desta forma é possível detectar uma alteração ao controlo do processo
Teorema do Limite Central:
“Suponhamos x1,...., xn são n observações de uma população com média  e
variância ², e x a média da amostra. Então, a média, a variância e o desvio

padrão de x são:
 2

E( x) =  ; V( x) = ; D( x) =
n n
CARTA DE CONTROLO DE VARIÁVEIS ( X ,R) PEÇA N.º CARTA N.º
NOME DA PEÇA (PRODUTO) OPERAÇÃO (PROCESSO) ESPECIFICAÇÃO
OPERADOR MÁQUINA APARELHO DE MEDIDA UNIDADES DE MEDIDA
DATA
HORA
1
VALORES 2
3
MEDIDOS 4
5
MÉDIA X
VARIAÇÃO R
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
LSCX =
MÉDIAS
X=
LICX =
VARIAÇÃO
LSCR
= R
Considerações na Construção de uma Carta X − R
i. Selecção das Variáveis – Deve ser mensurável e expressa num valor

numérico (peso, altura, amplitude,dureza,tensão, etc). A distribuição da
variável na população deverá ser normal.
ii. Dimensão e Frequência da Amostra – É normalmente igual a 5. Quanto à
frequência não deve ultrpassar periodos de 1 hora.
iii. Nº de subgrupos – Para obter uma boa estimação da localização da
dispersão e da localização, o nº deverá ser maior ou igual a 20 (
normalmente é 25).
Etapas para a Implantação das Cartas de Média e Amplitude

1º Etapa – Recolha de Dados
a)Na parte superior do gráfico regista-se para cada amostragem: Data e hora de
amostragem.
b) Cáculo da média ( X ) e amplitude ( R ) para cada amostra
X =
 x i
R = x max − x min
n
2ª Etapa – Cálculo dos limites de Controlo
a) Estimação da média e do desvio padrão
O estimador das Médias é a Média das Médias ( X )

A estimação do desvio padrão é dado por: R
s=
d2
N 2 3 4 5 6 7 8 9 10
D2 1.128 1.693 2.059 2.326 2.534 2.704 2.847 2.970 3.078
Se s é uma estimação do desvio padrão da distribuição de valores individuais,

de acordo com o teorema do limite central a estimação do desvio padrão da
distribuição de médias é:
s R
sx = sx =
n d2 n
b) Cálculo dos limites de Controlo
LSC = X + 3 x LIC = X − 3 x
3 3
LSC = X + R LSC = X − R
d2 n d2 n
LSC = X + A2 R LSC = X − A2 R
n 2 3 4 5 6 7 8 9 10
A2 1,880 1.023 0.729 0.483 0.419 0.373 0.337 0.337 0.308
Para o gráfico das Amplitudes
LSC = D4 R LSC = D3 R
N 2 3 4 5 6 7 8 9 10
D4 3.267 2.574 2.282 2.114 2.004 1.924 1.864 1.816 1.777
D3 0 0 0 0 0 0.076 0.136 0.184 0.23

3ª Etapa – Traçar as linhas correspondentes aos valores calculadso da :

-Média das Médias
-Média das amplitudes
-Limite Superior e Inferior de controlo da Média
- Limite Superior e Inferior de controlo da Amplitude
4ª Etapa – Marcar os pontos nos gráficos das Médias e Amplitudes,

correspondentes às amostragens.
Médias
Carta de Controlo das Médias Carta de Controlo da Amplitude
2,80
Amplitude
0,80 LSC
LSC
2,60 0,60
X 0,40
R
2,40
0,20
2,20
LIC 0,00 LIC
1 2 3 4 5 6 7 8 9 10 11 12 13 1 2 3 4 5 6 7 8 9 10 11 12 13
nº amostra nº amostra
Valores
observad
os
N.º da
n1 n2 n3 n4 X R
amostra
1 2,35 2,30 2,57 2,55 X = (x 1 + x 2 + x 3 + x 4 )
4
2 2,55 2,35 2,48 2,75
3 2,47 2,25 2,45 2,50
4 2,40 2,37 2,65 3,00

R = Xmax − Xmin
5 2,85 2,55 2,65 2,75
6 2,50 2,63 2,35 2,40
7 2,35 2,65 2,50 2,25
8 2,30 2,60 2,25 2,45
9 2,35 2,69 2,50 2,72
10 2,20 2,05 2,35 2,38
11 2,30 2,45 2,45 2,40
12 2,20 2,52 2,55 2,47
13 2,52 2,25 2,55 2,30

X = (x1 + x2 + x3 + x 4 + ... + x13 )

13
X = (____+ ____+ ____+ ____+ ... + ____) = ____
___
R = (r1 + r2 + r3 + r4 + ... + r13 ) N=______

13 A2=______
R = (___+ ____+ ____+ ____+ ... + ____) = _____
___
LSC = X + A2 .R LSC = ____+ _____ ____ = _____
LIC = X − A2 .R LIC = ____− _____ ____ = _____

LSC = D4 .R = _____*____ = ____ N=_____

D4=_____
LSC = D3 .R = _____*____ = ____
D5=_____
Limites de Controlo
Recalcular Limites de Controlo
•No estudo inicial, quando estamos na presença de causas especiais de variação
•Deve-se excluir os pontos fora de controlo e recalcular os limites, após
eliminação das causas que deram origem ao descontrolo.
•Se forem muitos pontos, deve-se recorreer a um novo estudo. Nova série de
amostragens.
•Quando retiramos um valor de um subgrupo, o valor correspondente no outro
gráfico deve ser retirado.
Extensão dos Limites de Controlo para o Controlo Contínuo
•Qd os dados iniciais são consistentes, estender os limites para cobrir períodos
futuros.
•Se, no entanto, houver evidência que a média ou a amplitude do processo tenha
mudado (em uma ou outra direcção), as causas deveriam ser determinada e, se a
mudança é justificável, os limites de controlo ser recalculados baseados no
desempenho actual.
Estudos de Capacidade do Processo
As cartas de controlo mostram se o processo está ou não sob controlo

estatístico. No entanto é também necessário saber se este tem capacidade
de produzir de acordo com as especificações estabelecidas para o
produto.
Um estudo de capacidade consiste na comparação entre o comportamento do processo e a
respectiva especificação. Isto só pode ser feito se o processo estiver sob controlo estatístico,
isto é, apenas sujeito a causas comuns de variação
Para melhorar a capacidade do processo (e assim o desempenho), devemos
concentrarmo-nos em reduzir as causas comuns.Tal normalmente requer acções de
gestão para correcção do sitema.
Capacidade Potencial do Processo
Faz a avaliação de como o processo é capaz de produzir de acordo com as especificações
em termos de dispersão.
Compara a amplitude toatal da especificação para uma determinada característica, com a
dispersão total do processo.
Através do estudo potencial do processo podemos ficar de imediato com a

noção se o processo é ou não possível de fabricar dentro dos valores que são
especificados. LIE LSE
Índice de Potencial do Processo(CP) X
O índice é dado pela seguinte expressão:

Amplitude = LSE − LIE
Cp = 6S
6 6 Amplitude da Especificação
Quando fazemos esta relação um dos três valores é possível obter:
- A relação é inferior à unidade
- A relação é igual à unidade
- A relação é superior à unidade
1) Cp<1
Nesta situação podemos concluir que o processo está a produzir fora da
especificação
Distinguir Cp de um Cpk
LIE LSE
Cp - Indíce Potencial Processo
Amplitude LSE − LIE

Cp = =
6 6 +3
-3 X
Amplitude da Especificação
Cpk - Indíce Capacidade do Processo

LIE LSE
X -LIE
LSE - X
 X − LIE LSE − X 
Cpk= min  , 
 3 3 
-3 +3
X
T
Um processo é capaz quando Cp e Cpk é superior a 1,33

Relação entre Cp e Cpk
1) Alto Cp e baixo Cpk 2) Baixo Cp e baixo Cpk 3) Alto Cp e alto CpK
Mau Cp Bom
Processo não Processo não
capaz capaz
Mau Ajuste ou A média
alteração precisa de ser
Ferramenta ajustada
CpK
Processo
capaz
Não é
Bom possível
e bem
ajustado
2)Cp=1
Nesta situação a amplitude da especificação e a dispersão do processo estão
coincidentes. Este tipo de situação não é aconselhável, pois qualquer pequena
variação no processo fará com que se começe a produzir fora de
especificação.
3) Cp>1
Nesta situação a amplitude da especificação é superior à dispersão do
processo, logo, pode-se concluir que “tudo” o que se produz está dentro da
especificação.
Capacidade do Processo
Faz a avaliação de como o processo é capaz de produzir de acordo com as especificações, em
termos de dispersão e localização.
O índice de capacidade do processo é dado pelo menor valor obtido entre as duas expressões
seguintes:
Cpk= min  , 
 3 3 
sendo  = desvio padrão estimado da população
R
= sendo d2 uma constante que depende do tamanho da amostra
d2
= Variação Inerente ao Processo – Variação do processo devido somente às causas comuns.
Esta variação pode ser estimada das cartas de controlo
Após o cálculo de Cpk podemos obter 3 situações diferentes descritas nas figuras seguintes:
LIE LSE
X
Cpk > 1,33
Processo dentro
das especificações.
Processo capaz
LIE LSE
X Cpk = 1
Processo
coincidente com a
especificação
LIE LSE
Cpk < 1,33

Processo
fora de
especificaçã
o
LIE X -LIE LSE
LSE -X
-3 -3
A capacidade do Processo, só pode ser determinada pela aplicação de
cartas de controlo e por processamento de dados, como a seguir se indica:
•- Recolha de dados
•- Elaboração das cartas de controlo
•- Cálculo dos limites de controlo respeitantes ao funcionamento do
processo
•- Avaliação e confirmação da estabilidade do processo
•- Cálculo dos índices
Na eventualidade de não se poder demonstrar a estabilidade(ausência de
causas especiais), não se permite o cálculo dos índices.
Relação Cpk com índice de falhas (ppm)
CpK PPM
1,0 1500-3000
1,33 32-64
1,66 0,3-0,6
Desempenho de um Processo, Pp, Ppk

A diferença entre os índices de desempenho de um processo (Pp,Ppk) e os de
capacidade do processo (Cp,Cpk) vem do facto que no primeiro o processo está
fora de controlo estatístico (presença de causa especiais) e no segundo o
processo está em controlo estatístico (só existem causas comuns).
Esta diferença é traduzida pelo modo de cálculo da variação do processo. Em
baixo seguem definições que ajudam a compreender as diferenças.
 = Variação Inerente ao Processo – Variação do processo devido somente às
causas comuns. Esta variação pode ser estimada das cartas de controlo.
s = Variação Total ao Processo – Esta variação é devida tanto às causa

comuns e às causas especiais. Esta variação é estimada pelo cálculo do desvio
padrão das amostras, usando todas as medidas individuais registadas numa
carta de controlo. A expressão
é:
n
( xi − x) 2

s= = s
i =1 n −1
x
em que: - leituras individuais ;
i x - média das leituras individuais ; n= nº total de
leituras individuais
Índices de Desempenho
Pp: é o índice de desempenho que é definido amplitude da especificação dividida por 6 :
s
Pp =
LSE − LIE
6 s
Pp : é o índice de desempenho que entra em conta com a centragem do processo dividida por
6s: É definida como o mínimo de
 , 
 3 s 3 s 
Os índices de desempenho servem para verificar se o meu processo mesmo sendo instável é ou
não capaz. Logo a condição de capacidade é: Ppk>1,33.
Estudos de Reprodutibilidade e Repetibilidade
Variabilidade Total = Variabilidade do Produto + Variabilidade da medição
Método da Média e Amplitude para o cálculo da Repetitividade e

Reprodutibilidade (R&R)
Repetitibidade – Variação das medições obtidas pelo mesmo operador, usando o

mesmo equipamento, quando faz várias medições da mesma característica na
mesma unidade.
Se a Repetitividade é grande comparada com a Reprodutibilidade, as causas
podem ser :
•O instrumento de medição (dispositivo de medição) necessita de manutenção
• O instrumento deveria ser mais robusto
• A localização do instrumento para a medição necessita de ser melhorado.
Estudos de Reprodutibilidade e Repetibilidade
Reprodutibildade – Variação na média das medições feita por vários operadores

que usam o mesmo equipamento para medir as mesmas características nas
mesmas unidades do produto.
Se a reprodutibilidade é grande comparada com a repetitividade, as causa podem
ser:
•Formação ao operador como usar e ler o instrumento de medição
•Um dispositivo pode ser necessário para ajudar o operador a usar o instrumento
de medida mais consistentemente
Cartas por Atributos
Os atributos são utilizados sempre que é difícil, ou impossível, medir a

característica da qualidade.
Geralmente são consideradas quatro tipo de cartas de controlo por atributos
agrupadas em famílias:
Cartas do número de peças não conformes:
a) a) Carta “p” para proporções de peças não conforme
b) b) Carta “np” para o número de peças não conformes
Cartas do número de não conformidades
a) Carta “u” para o número de não conformidade por unidade
b) Carta “c” para o nº de não conformidades constatadas
Cartas de Controlo para proporções de peças não conformes (p)
A carta tipo p utiliza-se para o controlo de percentagem de unidades não
conformes ou defeituosas
Neste tipo de carta a dimensão da amostra pode ser constante ou não, podendo
esta variar entre 50 a 200, ou até mais unidades. Escolhe-se n por forma a que :
np0 > 5 em que p0 é estimativa da proporção de produtos não conformes.
A dimensão da amostra pode variar porém, para simplificar o cálculo dos limites , é
recomendável que a variação da dimensão da amostra não ultrapasse 25% do
valor nominal estabelecido.
np em que np – nº de unidades não conformes na amostra e

p= n – dimensão da amostra
n
p = Nº total de unidades não conformes observadas
Nº total de unidades observadas
p(1 − p) p(1 − p)
LSC = p + 3  LIC = p − 3 
n n
Cartas de Controlo “np” do número de peças não conformes (np)

A carta de controlo np pode ser utilizada sempre que o processo de fabrico
delimita um dado número de produtos. É o caso da produção por lote.
Nº total de unidades não conformes observadas

np =
Nº total de subgrupos
np(1 − np) np(1 − np)

LSC = np + 3  LIC = np − 3 
n n
Cartas de Controlo de controlo para o nº de não conformidades ( c)

As etapas a percorrer para implantar uma carta “c” são idênticas às referidas para
a implantação da carta “p”.
Tal como na carta “p”, para calcular os limites de controlo começa-se por eliminar
todas as causas especiais de variação identificadas. Após a estabilização do
processo e recolha de 25 amostras calculam-se os limites de controlo.
1)O nº médio de defeitos por unidade:
c= Nº total de defeitos observados

Nº total de subgrupos
2) LSC = c + 3 c LIC = c − 3 c
Cartas de controlo para o número de defeitos por unidades (u)

A carta “u” mede o número de não conformidade, ou defeitos, por unidade
controlada. A dimensão da amostra pode variar de amostragem para
amostragem.
1)Número de defeitos por unidade e por amostra:

ci
ui =
ni
u= Nº total de defeitos observados
Nº total de unidades observada
u u
LSC = u + 3 LIC = u − 3
n n

cm36777 SPC

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

cm36777 SPC

Enviado por

Direitos autorais:

Formatos disponíveis

Controlo Estatístico do Processo

Controlo Estatístico do Processo

Detecção - Tolera o Desperdício

Prevenção - Evita o Desperdício

1- Processo é a combinação de pessoas, materiais,

As distribuições podem diferir quanto:

Localização Dispersão Forma

... ou quaisquer combinações sobre essas

Causa Aleatórias Causa Especiais

Não podem ser Podem ser eliminadas

Se apenas causas comuns de variação estiverem

6 pontos antes de começar com SPC:

• Coletar dados e usar métodos estatísticos não é o objetivo.

No SPC, o processo é monitorado durante a produção.

Causas Comuns: Estão sempre presentes no processo,

Acções sobre o Sistema:

Variável: Entende-se a característica do universo que se pretende analisar. Esta

Variável Discreta: Podem tomar um nº finito ou numeráveis de valores

ex: Peso, altura, % projecto executado, % erro de medição

População: conjunto de Amostra: subconjunto dos

Objectivos das distribuições de frequências:

Frequência Absoluta (fa)

Exercicio 1-Quadro de dados

Cada valor da seguinte tabela representa o número de unidades defeituosas

Nº de unidades Freq. Freq. Absoluta Freq. Relativa Freq. Relativa

a) Quantas amostras existem com menos de 6 unidades defeituosas?

b) Em quantas amostras existem 4 ou menos unidades defeituosas?

c) Qual a percentagem de amostras com 5 unidades defeituosas?

d) Qual a percentagem de amostras com quatro ou menos unidades?

As representações gráficas permitem-nos:

o Melhor compreensão dos dados

Diagrama Linear: Diagrama de barras Histograma

1Q/99 2Q/99 3Q/99 4Q/

t1 t2 t3 t3 valor médio das células

De um processo foram retiradas 30 peças, depois de medidas, obtiveram-se os

9.67 10.37 11.05 10.64 10.49

10.09 10.02 9.90 10.64 10.51

10.60 9.91 10.23 10.61 10.63

10.52 11.06 10.12 10.23 10.61

11.09 10.92 10.45 10.11 10.24

9.63 11.11 9.95 11.27 10.54

Para construção de um histograma sete passos são necessários executar:

1º Passo – Contar o nº de observações N =

2º Passo – Determinar o valor máximo (Vmax) e o valor mímino (Vmín)

3º Passo – Determinar o nº de células (k) Nº de obsr. (N) Nº de Células

de acordo com a tabela 20-50 6

No nosso caso N= ,k= . 101-200 8

4º Passo – Determinar o intervalo de célula – h

Max − Min ____− ____

ii. Somar ao valor resultante de 1) o intervalo de classe – h

iii. Executar a tarefa até à última classe – Valor Máx

Xmin = ______-___________ - 1ª célula

6º - Passo - Construir uma tabela, indicando:

Fronteira Valor Nº de observações Freq

7º Passo - Construir o histograma:

Vmed 1= Vmed 2= Vmed 3= Vmed 4= Vmed 5= Vmed 6=

Leite (em gramas) Nº de bébés A classe modal é:__55__ 60

A mediana (Md) de n valores observados e ordenados de grandeza é o valor

1º. Calcular as frequências relativas acumuladas (Fi).

Classes ni fi=ni/N F=Ni/N

145 - 150 1 1/25=0.04 0.04

150 - 155 3 3/25=0.12 0.16

155 - 160 5 5/25=0.2 0.36

Max − Min −

Xmin = -_____ - 1ª célula

Leite (em gramas) Nº de bébés A classe modal é:55 60

A classe mediana é : _160_ - 165____

L = Limite Inferior da Classe Mediana = 160

X−X _− _

LSC = X + A2 .R LSC = __+ _ = ___

LIC = X − A2 .R LIC = __− _ = ___

LSC = D4 .R = _* = N=_