Ferramentas Da Qualidade

Todos os direitos reservados ao autor
Versão III – Rev. 0 – Jan / 2020

Ferramentas p/ garantia e controle da Qualidade – MBA em Gerenc. de Obras, qualidade e Desempenho da Construção 1
OBJETIVOS
➢ Geral:
Apresentar ferramentas quantitativas para garantia e controle
da qualidade, utilizando o software MS-Excel® para apoio à
tomada de decisão.
➢ Específicos:
✓ Compreender os princípios da garantia e controle da qualidade

de forma quantitativa;
✓ Conhecer metodologia para garantia da qualidade -
Planejamento de Experimentos;
✓ Aplicar técnica estatística de Analise de Variância para a garantia
da qualidade;
✓ Conhecer princípios do Controle Estatístico da Qualidade;
✓ Aplicar Técnica 3-Sigma para Controle Estatístico de Processos.
PLANO DE AULA:
Assunto Recursos Audiovisuais Duração (h)
Apresentação do Módulo: Bibliografia, Objetivos e Método Avaliatório Datashow 0,25
Introdução a Gestão Quantitativa da Qualidade Datashow 0,50
Princípios Estatísticos para quantificação da qualidade Datashow 0,25
Funções estatísticas básicas e aplicação em gestão quantitativa da qualidade Datashow/Computador 0,75
Resolução de Estudos de Caso de Funções Estatísticas Datashow/Computador 1,50
Planejamento de experimentos - DOE Datashow 1,50
Aplicação de planejamento de experimentos - Estudo de Caso Resolvido Datashow 1,00
Análise de Variância - ANOVA Datashow 1,00
Estudos de caso aplicado para ANOVA Fator único Datashow/Computador 1,00
Resolução da Primeira Lista de Atividades Computador 3,00
Fundamentos de Controle da Qualidade Datashow 0,50
Princípios do Controle Estatístico de Processos – CEP Datashow 1,00
Gráficos de Controle da Qualidade Datashow 3,00
Definição dos Limites de Controle e de Especificação Datashow 0,75
Cálculo da capacidade e desempenho do processo Datashow/Computador 1,00
Resolução da Segunda Lista de Atividades Computador 3,00
Duração Total Estimada: 20h efetivas
BIBLIOGRAFIA
RECOMENDADA
➢ MONTGOMERY, D. C. Estatística Aplicada e Probabilidade para Engenheiros.
Ed. LTC, 2009.
➢ ABNT. Guia sobre técnicas estatísticas para a ISO 9001. NBR ISO 10017, 2005.
➢ ABNT. Sistemas de gestão da qualidade - Requisitos. NBR ISO 9001, 2008.
➢ MONTGOMERY, D. C. Introdução à Controle Estatístico de Processos. Ed. LTC,
2004.
➢ BRUNI, A. L.; PAIXÃO, R. B. Excel Aplicado à Gestão Empresarial. Ed. Atlas,
2008.
➢ Ministério das Cidades. Regimento do Sistema de Avaliação da Conformidade
de Empresas e Serviços e Obras da Construção Civil. PBQP-H, 2012.
➢ CARLBERG, C. Administrando a Empresa com Excel. São Paulo: Makron
Books, 2005.
➢ LEOPOLDINO, E. A. Introdução à Pesquisa Operacional: Métodos e modelos
para análise de decisões. 3ª Edição. Ed. LTC. Rio de Janeiro, 2004.
MÉTODO AVALIATÓRIO
Princípios:
A avaliação será baseada na capacidade do
aluno de compreender e desenvolver os
temas abordados nesse módulo.
7 9
2 5 10 Critérios Objetivos:
1º) Desempenho nas listas de exercícios;
2º) Desempenho nos exemplos;
3º) Assiduidade;
4º) Presença remota (eliminatória).
Critérios Subjetivos:
1º) Participação pró-ativa nas atividades;
2º) Respeito ao colega (silêncio nas horas devidas);
3º) Presença mental;
4º) Critério de desempate: “Agradar” o professor.
Afinal, O que é Qualidade?
Capacidade de se atender a
necessidade de alguém ou de algo.
✓ Respeito a requisitos normativos (ex.: NBR, ISO);
Atender a ✓ Interesses sociais (ex.: leis e regulamentos);
Necessidade ✓ Necessidades coletivas (ex.: tendências de
(referência)… mercado);
✓ Necessidades individuais (ex.: projetos em geral).
Lembre-se: Atender a necessidade não é absoluto,

mas sim relativo.
Atender a necessidade = Agregar Valor
Formas de atendimento da Qualidade
O Propósito da qualidade pode ser atingido de duas
formas:  Qualidade do Processo:
✓ Racionalização dos recursos;
✓ Padronização das rotinas;
✓ Confiabilidade e previsibilidade dos
resultados;
✓ Foco na produtividade e melhoria
contínua.
 Qualidade do Produto:
✓ Satisfação do cliente;
✓ Alto desempenho (uso racional e
durável);
✓ Confiabilidade e segurança.
Para se manter um Sistema de Gestão da
Qualidade é fundamental se respeitar:
◆ Garantia da Qualidade:
Ações planejadas para se assegurar os
padrões de qualidade.
Princípios:
- Produto deve ser adequado à finalidade pretendida;
- Erros devem ser eliminados antes de acontece-lo.
◆ Controle da Qualidade:
Permitir de forma preventiva que processos
resultem em produtos e serviços conformes.
Princípio:
- Capacidade de previsibilidade dentro de limites aceitáveis.
É preciso mensurar a
Qualidade
Deve-se ter medidas quantitativas para
avaliar os atributos de um produto ou serviço.
Elas se dividem em 2 grandes grupos:
✓ Medidas Objetivas (diretas):
✓ Básicas: quando é feita a partir de medições diretas
(ex.: dimensões de um produto)
✓ Compostas: quando é proveniente de uma composição
de medidas básicas (ex.: propriedades dos materiais)
✓ Medidas Subjetivas (inferencial):
Realizadas normalmente a partir de processos
empíricos que visam transformar medidas qualitativas
em quantitativas (ex.: índice de satisfação do cliente).
Funções Estatísticas
INTRODUÇÃO
O que é estatística?
“Estatística é a ciência que se ocupa do levantamento e
tratamento de informação”.
A Estatística divide-se em 2 ramos distintos:

• Estatística Descritiva:
Responsável pelo estudo das características de uma
dada população conhecida. (Ex.: produtividade média Total dos
das equipes de trabalho); trabalhadores
• Estatística Indutiva:
Infere-se os resultados de um grupo a partir da amostra
Total de
de uma dada população ou universo, enunciando as amostra
Insumos
consequentes leis. (Ex.: controle de qualidade dos
insumos).
12
INTRODUÇÃO
Qual a importância das ferramentas estatísticas no gerenciamento
qualidade?
Elas são fundamentais no planejamento, inspeção, controle e análise de
registros da qualidade, como também de dados de maneira geral.
O Sistema de Avaliação da Conformidade (SiAC) do Programa Brasileiro da
Qualidade e Produtividade do Habitat (PBQP-H) explicita, em seu referencial
normativo, a importância e obrigatoriedade do uso de técnicas estatísticas para
medição e análise da conformidade do produto e do sistema de gestão da
qualidade.
8 Medição, análise e melhoria
8.1. Generalidades
A empresa construtora deve, de maneira evolutiva, planejar e
implementar os processos necessários de monitoramento, medição,
análise e melhoria para:
a) demonstrar a conformidade do produto;
b) assegurar a conformidade do Sistema de Gestão da Qualidade, e;
c) melhorar continuamente a eficácia do Sistema de Gestão da
Qualidade.
Isso deve incluir a determinação dos métodos aplicáveis, incluindo
técnicas estatísticas, e a abrangência de seu uso.
Ferramentas p/ garantia e controle da Qualidade – MBA em Gerenc. de Obras, qualidade e Desempenho da Construção
INTRODUÇÃO
Qual a importância das ferramentas estatísticas no gerenciamento
qualidade?
8.4 Análise de dados
A organização deve determinar, coletar e analisar dados apropriados para
demonstrar a adequação e eficácia do sistema de gestão da qualidade e para
avaliar onde melhorias contínuas do sistema de gestão da qualidade podem
ser realizadas. Isso deve incluir dados gerados como resultado do
monitoramento e das medições e de outras fontes pertinentes.
A análise de dados deve fornecer informações relativas a:
a) satisfação dos clientes;
b) conformidade com os requisitos do produto;
c) características e tendências dos processos e produtos, incluindo
oportunidades para ações preventivas, e;
d) fornecedores.
[...], a utilidade das técnicas estatísticas segue a variabilidade

observada no comportamento e na realização de praticamente todos
os processos, mesmo sob condições de uma aparente estabilidade. [...]
NBR ISO 10017 - Guia sobre técnicas estatísticas para a ISO 9001.
Medidas de Posição
Ao lidar com grande quantidade de dados numéricos em um determinado evento, é
interessante obter algum tipo de número que possa representá-los a fim de facilitar futuras
comparações.
Foram realizadas 10 medidas para avaliar o grau de absorção de água em

piso cerâmico, com os seguintes resultados:
2% 2% 3% 3% 3% 4% 4% 4% 5% 5%
Se você tivesse que representar os resultados acima por um único número,

qual seria?
Uma forma intuitiva de representar esse grande volume de dados numéricos pode
ser por meio de medidas que permitam avaliar onde há maior concentração
(“posição”) de valores em uma dada distribuição numérica.
Essas medidas normalmente são denominadas de Medidas de Posição.
• Média Aritmética
• Moda
• Mediana
Média Quociente da soma dos valores da variável pela quantidade

Aritmética deles.
Função: MÉDIA
Retorna a média aritmética de um conjunto de dados numéricos.
Sintaxe no Excel: =MÉDIA(núm1; núm2; ...)

Ex.: Média de: 1, 2, 3, 4, 5 , 6
Moda Valor que ocorre com mais frequência em uma série de dados.
Função: MODO.ÚNICO
Retorna o valor que ocorre com mais freqüência em uma matriz ou intervalo de
dados.
Sintaxe no Excel: =MODO(núm1; núm2; ...)

Ex.: Moda de: 1, 2, 3, 4, 5 Moda de: 1, 1, 3, 4, 5 Moda de: 1, 1, 3, 3, 5
Mediana Refere-se ao valor central de uma série em ordem crescente

ou decrescente.
Função: MED
Retorna a mediana dos números indicados. Se houver uma quantidade par de
números no conjunto, MED calculará a média dos dois números do meio.
Sintaxe no Excel: =MED(núm1; núm2; ...) Ex.: Mediana de: 1, 2, 3, 4, 5
Exemplo:
Uma grande empresa de âmbito nacional resolveu
realizar uma pesquisa junto aos seus principais clientes
pelo Brasil, para verificar o nível de satisfação quanto aos
serviços prestados pelas suas redes regionais. A partir
dessas informações, pretendeu-se compará-las entre si
por meio do cálculo da média, moda e mediana.
A partir dos resultados obtidos, pergunta-se: Em qual região do país a empresa
possui os clientes mais satisfeitos?
Medidas de Dispersão
Para a interpretação de dados estatísticos é fundamental que se conheça não só uma
medida de posição, mas também medidas de variabilidade.
Imagine os três conjuntos de dados abaixo, representando a mesma medida de referência:

X: 70 70 70 70 70
Y: 68 69 70 71 72 Média X = Média Y = Média Z = 70
Z: 5 15 50 120 160
Isso demonstra que uma medida de posição não é suficiente para representar
estatisticamente um conjunto de dados.
As principais medidas de dispersão são:
• Amplitude total
• Variância
• Desvio Padrão
• Coef. de Variação
Amplitude total É a diferença entre o maior e o menor valor observado. Possui a

desvantagem de não considerar valores intermediários.
Função: MÁXIMO e MÍNIMO

Retorna o maior e o menor valor, respectivamente, de um conjunto de dados
numéricos.
Sintaxes no Excel : =MÁXIMO(núm1; núm2; ...) =MÍNIMO(núm1; núm2; ...)
Variância É a diferença quadrática média entre cada um dos valores e a média

aritmética de um conjunto de observações.
Função: VAR.P Função: VAR.A
Calcula a variância com base na Calcula a variância com base uma

população total. amostra.
Sintaxe no Excel : =VARP(núm1; núm2; ...) Sintaxe: =VAR(núm1; núm2; ...)
Desvio Padrão Equivale à raiz quadrada da variância. Possui unidade similar
à população de dados.
Função: DESVPAD.P Função: DESVPAD.A

Calcula o desvio padrão com base Calcula o desvio padrão com base
na população total. em uma amostra.
Sintaxe: =DESVPADP(núm1; núm2; ...) Sintaxe: =DESVPAD(núm1; núm2; ...)
Coeficiente de O desvio padrão, quando utilizado comparativamente, por si

Variação só não diz muita coisa. Ele possui maior destaque se
relacionado com uma medida de posição (média).
Baixa dispersão: CV  15%
Assim, tem-se: Média dispersão: 15%<CV<30%
Alta dispersão: CV  30%
Não há função específica para obter o coeficiente de variação no Excel.
Exemplo: Uma indústria faz retirada de amostras de um determinado insumo vendido por 3
fornecedores para verificação da qualidade do mesmo. Adotando o valor 1 como péssimo e
10 como ótimo, determine a média aritmética e todas as medidas de dispersão apresentadas.
Que considerações podem ser feitas a partir dos resultados obtidos?
Deve-se avaliar a
qualidade do produto.
Deve-se avaliar a
qualidade do processo.
(Trecho da norma NBR 10017:2005)
✓ Qualidade do Produto: Capacidade em atender aos requisitos técnicos.

✓ Qualidade do Processo: Capacidade em fornecer produtos com baixa
dispersão de qualidade técnica (semelhantes);
HISTOGRAMA
Forma gráfica de se resumir a distribuição de CLASSE

dados agrupados por características
semelhantes.
➢ Classe: intervalo de valores onde se deseja
verificar a quantidade de medidas contidas
no mesmo;
➢ Frequência: Número de vezes em que as
medidas encontram-se numa mesma classe.
Com o histograma é possível:
➢ Verificar se há alguma concentração de resultados dentro de poucas
classes;
➢ Avaliar se existe alguma correlação entre a frequência e classe;
➢ Adotar um padrão de comportamento para predição de futuros
resultados.
HISTOGRAMA
Passos Básicos para Criação do Histograma:

✓ Coletar dados de forma aleatória (recomenda-se no mínimo 50 valores)
referente a variável que se deseja estudar.
✓ Definir um número de intervalos (quantidade de classes: k) da variável
em que se deseja estudar para se realizar a contagem de frequências.
✓ Calcule a amplitude total dos dados coletados (R = Máx-Mín).

✓ Calcule a amplitude de cada classe (h = R / k).
✓ Adote intervalos de classe partindo do menor valor dos dados e
acrescente gradativamente h até alcançar o maior valor.
Determinação do Histograma a partir do Excel:
✓ Selecionar o comando
“Análise de Dados”*
(menu>Dados).
- Intervalo de entrada: faixa onde estão

registrados os dados.
- Intervalo de bloco: faixa de valores de
seleção dos dados (classes). São os
números que constarão no eixo das
abscissas.
- Intervalo de saída: determina o lugar
onde serão apresentados os resultados.
- Porcentagem acumulada: apresenta as frequências acumuladas.
- Resultado do gráfico: apresenta o gráfico escolhido.
* Caso não esteja disponível deve-se instalar o Suplemento: “Ferramentas de Análise” dentro de “Opções do Excel”.
HISTOGRAMA
Exemplo de Aplicação:
Uma empresa resolveu realizar o monitoramento de duas de suas principais
equipes de assentamento de piso cerâmico a partir de amostragens. Monte o
histograma e conclua a respeito dos resultados encontrados.
40 120% 25 120%
Freqüência
Equipe B
35 Equipe A 100% 20 % cumulativo 100%
30 Freqüência 80%
Freqüência
80% 15
Freqüência
25
% cumulativo 60%
20 60%
10
15 40%
40%
10 5 20%
20%
5
0 0%
0 0%
0,77 0,80 0,83 0,86 0,89 0,92 0,94 0,97 1,00 1,03 1,06 Mais
Produtividade (m2/h)
Produtividade (m2/h)
Considerações:
➢ Equipe B apresenta maiores dispersões de produtividade que a Equipe A (ou seja, ela é
menos previsível);
➢ Equipe B apresenta maior potencial de produtividade, embora com menor confiabilidade
de reprodutibilidade;
➢ As produtividades mais frequentes da Equipe A (entre 0,92 a 1,00m2/h) ocorrem em
menor frequencia na Equipe B.
GRÁFICO DE PARETO
• Diagrama que permite a análise das
principais origens de um fenômeno, avaliando
quantitativamente a representatividade das
mesmas na forma agrupada (gráfico de
percentual acumulado). Efeitos
acumulados
• O gráfico de Pareto é extremamente útil em
análise de projetos para tomada de decisões.
Causas do fenômeno
em ordem decrescente
• Curiosidade: Vilfredo Pareto, competente economista e engenheiro do século

XVIII, foi convidado por um dono de uma grande empresa na Itália para traçar as
metas de atuação da corporação. Após um árduo levantamento, chegou a
seguinte conclusão: “80% do nosso trabalho é direcionado para apenas 20% dos
nossos clientes”. A partir daí foi generalizado uma série postulados, dentre eles:
“Um número pequeno de causas é responsável pela maior parte do problema”
“Poucos vitais e muitos úteis”
GRÁFICO DE PARETO
➢ Utilizando o Excel:
• O gráfico de Pareto pode ser criado a partir do comando: análise de
dados>histograma.
Esta maneira é utilizada quando há um conjuto de dados significativos que
necessitam ser agrupados para posteriormente avaliar os efeitos dos mais
significativos
➢ Exemplo:
Avaliar as equipes de maior produtividade do primeiro trimestre a partir do gráfico de
Pareto
GRÁFICO DE PARETO
➢ Utilizando o Excel:
• Quando os resultados já foram previamente tratados (agrupados) e deseja-se somente
criar o gráfico:
Neste caso a variável que se deseja avaliar deve
Gastos no mês
Classe de Custos Custos realizados % Acumul
estar agrupada em ordem decrescente de valor.
Pessoal R$ 2.600.450,00 73,3%
Materiais R$ 606.892,00 90,4%
1º) Selecionar com o mouse os dados das duas
Equipamento R$ 110.394,00 93,5% séries, incluindo as classes de custos;
Viagens R$ 92.956,00 96,1%
Hora-extra R$ 55.903,00 97,7%
2º) Selecionar a opção: gráfico de colunas;
Contas de consumo R$ 49.000,00 99,1% 3º) Selecione a série de dados %Acumulado no
Despesas gerais R$ 18.000,00 99,6%
Aluguel R$ 15.400,00 100,0% gráfico e a configure como “eixo secundário” e
Total R$ 3.548.995,00 altere o tipo de gráfico para “linha”.
R$ 3.000.000,00 120%
Dica: Caso esteja com dificuldade de
R$ 2.500.000,00 100%
selecionar a série do gráfico:
- Vá até o comando “seleção atual” R$ 2.000.000,00 80%
(dentro do menu: formatar); Após a R$ 1.500.000,00

Custos realizados
60%
- Lá fica disponível todos os elementos configuração do R$ 1.000.000,00

% Acumul
40%
do gráfico para seleção e formatação. gráfico, tem-se: R$ 500.000,00 20%
R$ 0,00 0%
GRÁFICO DE PARETO
Exemplo de Aplicação:
Para a construção de um grande shopping foi adotado a solução estrutural via pré-
moldados de concreto. Durante o processo de controle da qualidade das peças
estruturais, utilizando como referência os requisitos da NBR 9062*, chegou-se a
uma determinada etapa da obra com um levantamento das principais não-
conformidades dos produtos. Determine o gráfico de Pareto e defina as
recomendações que deverão ser feitas para o fornecedor de pré-moldados.
Controle de Qualidade - Pré-moldados Recomendação:

60 120%
98% 100% As principais patologias que o
50 93% 100%
80%
87% fornecedor deve se preocupar em
Quantidade de NC
Acumulado de NC
40
64%
80%
reduzir são:
30 60% - Tolerância dimensional (TD),
39%
20 40% - Peças empenadas (E),
10 20% - Fissuras (F),
0 0%
equivalente a maioria das não-
TD E F M R AC PE conformidades.
Não-conformidades
* ABNT. Projeto e Execução de Estruturas de Concreto Pré-Moldado: NBR 9062. Rio de Janeiro, 2006.
Planejamento dos Experimentos
Introdução
A cultura do “imediatismo” onde grandes e pequenos projetos vem sendo
“forçados” a cumprir com cronogramas cada vez mais enxutos,
demandam por procedimentos de execução com pequenas chances
desperdício, exigindo gradualmente aumento da eficiência, eficácia,
racionalização dos processos e melhoria do desempenho.
Processos Prazos e Qualidade do Desempenho

Racionalizados Produto satisfeitos atendido
O Planejamento dos Experimentos possui como premissa analisar a qualidade do

produto/processo previamente para garantir o seu desempenho, preocupando-se
em racionalizar recursos (tempo, insumos, equipe e equipamentos).
Introdução
O cenário atual da construção está exigindo não somente
redução de custo na execução, mas também garantia de um
razoável nível de desempenho em seu uso.
NBR 15.575 – Edificações Habitacionais – Desempenho
Primeira norma brasileira que define os requisitos que deverão ser atingidos para que
o uso da edificação (habitabilidade, segurança e sustentabilidade) seja adequado.
Como atestar o O Planejamento de

desempenho no uso da experimentos visa avaliar de
edificação de forma forma criteriosa quais fatores
antecipada ainda na fase são importantes para atingir o
de projeto e construção? desempenho desejado de um
produto ou processo.
Item 6 – NBR 15.575 – Avaliação do Desempenho:
[…] Para atingir essa finalidade é realizada uma investigação sistemática baseada em
métodos consistentes, capazes de produzir uma interpretação objetiva sobre o
comportamento esperado do sistema em condições de uso definidas. […]
Introdução
DEFINIÇÃO (segundo NBR ISO 10.017):
Refere-se às investigações planejadas para comprovar
estatisticamente efeitos avaliados por meio de experimentos.
Ex.: Uma construtora irá implar um sistema de gestão da qualidade onde
pretende definir procedimentos operacionais para as principais atividades fins da
obra. Dentre as várias atividades ela resolveu iniciar por uma que possui maior
impacto na obra (vedações em alvenaria).
Quais são os principais fatores Planejar testes
Avaliar quais fatores
(equipe, processo e produtos) preferencialmente em campo
merecem ser priorizados
que influenciam na execução da para avaliar se os fatores
para que sejam
alvenaria a partir de um estudados interferem na
customizados.
referencial de qualidade? qualidade do produto.
P D
A C
Tomar providências para a Avaliar os resultados
Realizar os testes
melhoria do processo de provenientes dos testes a
respeitando as definições
execução e padronizar o partir de técnicas estatísticas
planejadas
método construtivo. (ANOVA)
Benefícios
O DOE é uma ferramenta de engenharia importante para

melhorar um processo de fabricação, mas tem também
extensiva aplicação no desenvolvimento de novos
processos. A aplicação dessas técnicas bem cedo na
melhoria do processo pode resultar em:
• Melhor rendimento do processo (aumento da eficiência);

• Variabilidade reduzida e conformidade mais próxima da padrão (qualidade);
• Redução nos tempos de projeto e de desenvolvimento;
• Redução nos custos de operação (racionalizar o uso de recursos).
No planejamento de novos processos os benefícios são:

• Redução dos insucessos quando os processos estiverem sendo aplicados;
• Avaliação de materiais alternativos que podem ser aplicados no processo;
• Determinação dos parâmetros-chave do projeto que têm impacto sobre o
desempenho (qualidade) do produto.
TERMINOLOGIA
➢ Características de Qualidade:
Todas as características do produto que o cliente
percebe como importantes (Ex.: durabilidade).
➢ Variáveis de Resposta:
Aspectos do produto que podem ser medidos e que
permitem quantificar as características de qualidade
(Ex.: Vida útil).
Voz do Cliente Voz do Engenheiro

Relação entre a demanda de
qualidade (cliente) e as Características Variáveis de
de Qualidade Resposta
variáveis de resposta
Aspectos que Mensuráveis,
(engenharia) podem ser vagos quantitativas
TERMINOLOGIA
➢ Parâmetros do Processo:
Todas as variáveis da linha de produção que podem ser alteradas e
que possam promover um efeito sobre as variáveis de resposta.
• Fatores controláveis (manipulados):
São aqueles parâmetros do processo que foram selecionados para serem
estudados a vários níveis no experimento (Ex.: Testar tipos de matéria-prima
diferentes).
• Fatores constantes:
São os parâmetros do processo que não entram no experimento e que são
mantidos seguramente constantes durante o experimento (Ex.: Mesma equipe).
Fatores Objeto de
Parâmetros do Controláveis estudo
Processo
Fatores mantidos
constante
TERMINOLOGIA
• Fatores não controláveis (Ruídos): São as variáveis que não podem ser
controladas pela equipe técnica (Ex.: produtividade das equipes ao
longo do tempo, oscilações climáticas, etc.).
São responsáveis pelo erro experimental ou variabilidade residual.
• Níveis:
Correspondem às quantidades de valores dos fatores controláveis.
Exemplo:
Necessidade do Cliente: Produto + durável.
Variável de Resposta (identificada pelo especialista): Aumento da resistência.
Fatores Controláveis: Tipo de matéria-prima (Material A e B ->2 níveis), Processo Alterado.
Fatores Constantes: Mesma equipe técnica.
Fatores Não Controláveis: Desempenho da equipe, Condições ambientais, etc.
FERRAMENTA PARA ANÁLISE DOS RESULTADOS
Para tanto existe uma ferramenta estatística conhecida pela sigla em inglês
ANOVA – Analise de Variância - que avalia a capacidade dos Fatores
Controláveis em interferir na Variável Resposta a partir da dispersão dos
resultados de ensaios.
Nível 1 VR1
Ruídos
Fatores Nível 2 Variáveis VR2
… ...
Controláveis Nível n
Respostas
VRn
Variância Provocada:
✓ Pelos Níveis de FC`s

Variáveis Qual é mais
✓ Pelos Ruídos
Respostas expressivo?
TIPOS DE PLANEJAMENTO DE EXPERIMENTOS
O DOE é classificado pela quantidade de fatores controláveis
considerados no experimento. Será abordado nesse módulo somente
o primeiro tipo:
• DOE - Fator Único (One-way ANOVA):

A análise de variância avaliará somente o efeito de 1 Fator de Controle
sobre 1 Variável Resposta.
O Fator Controlável poderá ter mais de um nível, da seguinte forma:
• FC a níveis fixos (Ex.: 5 valores de temperatura);
• FC a níveis aleatórios (Ex.: 3 lotes de fabricação escolhidos ao
acaso);
• DOE – Multifatorial* com 2 Fatores (Two-way ANOVA):
A análise de variância avaliará o efeito de 2 Fatores de Controle sobre 1
Variável Resposta. Realiza a combinação de todos os níveis dos 2 FC’s sobre a
Variável Resposta. A cada combinação pode haver repetição de testes.
Há análise de interação entre os dois fatores (Ex.: Efeito da temperatura
em conjunto a umidade sobre o concreto)
* Maiores detalhes para ANOVA Multifatorial consultar livro de Montgomery – Estatística Aplicada e Probabilidade para Engenheiros
DOE de Fator Único (One-way ANOVA)
O método ANOVA considera que o efeito dos ruídos deve ser o menor o
possível para que não atrapalhe na verificação do efeito dos níveis do fator
de controle sobre a Variável Resposta.
É adotado um Modelo Linear para correlacionar os efeitos dos Níveis dos

Fatores de Controle sobre a Variável Resposta, conforme apresentado
abaixo:
Efeito dos Níveis do FC sobre a VR
Variável Resposta Efeito do Ruído sobre a VR
Média Global
A partir do modelo acima podemos ter duas Hipóteses:
: O efeito dos Níveis do FC pode ser significativo sobre a VR;
: O efeito dos Níveis do FC não é significativo sobre a VR;
O método ANOVA se baseia na variância dos valores da variável resposta
proveniente das alterações nos níveis do Fator de Controle...
Média Quadrática dos Níveis do FC
Média Quadrática dos Ruídos (Erros experimentais)
... em relação as alterações decorrentes dos Ruídos.
Ou seja, quanto maior for a relação acima mais o efeito dos níveis se torna
significativo em relação ao efeito dos ruídos, e por conseguinte, mais distante a
hipótese deixa de ser verdadeira.
Quanto maior for a Mais provável será os efeitos

relação das variâncias dos FC`s sobre a VR.
✓ É necessário comparar a relação acima com um valor tabelado da “distribuição F”.

O Excel quando aplicado fornece esse valor automaticamente.
Exemplo Resolvido* com Auxílio do Excel:
Um fabricante de papel para sacos pardos está interessado em melhorar

a resistência do seu produto à tensão. Para tanto, resolveu estudar o
efeito da concentração de polpa de madeira de lei nos teores de 5% a
20%.
Eles decidem fabricar 6 corpos de prova para cada teor de 5%, 10%, 15% e 20%.
Os testes foram feitos em ordem completamente aleatória com os seguintes
resultados:
Tabela – Resultados dos testes de Resistência à tensão (em psi).
Observações
Concentração de Madeira de Lei Caracterização do Modelo:
5% 10% 15% 20% • Possui 1 fator de controle com 4 níveis
1 7 12 14 19
(Modelo Fator Único);
2 8 17 18 25
3 15 13 19 22 • Possui 1 Variável de Resposta
4 11 18 17 23 (Resistência à Tensão);
5 9 19 16 18 • Possui 6 observações ou repetições por
6 10 15 18 20
Nível.
* Exemplo adaptado do livro: Estatística aplicada e Probabilidade para Engenheiros – Douglas Montgomery.
Exemplo Resolvido com Auxílio do Excel:
✓ Ir no Menu “Dados”:
✓ Clicar no Comando Análise de Dados*:
✓ Aparecerá dentre as várias opções uma

denominada Anova: fator único.
* Esse comando no Excel 2003 encontra-se no menu “Ferramentas”.
Os resultados de cada nível podem estar

agrupados em colunas ou linhas. Nesse
exemplo está em colunas.
Nível de precisão do modelo. Ele aponta Se no intervalo de entrada foi selecionado a descrição dos
a probabilidade do efeito do FC não ser níveis, deve-se selecioná-lo. Caso contrário a primeira
significativo sobre a população. linha será considerada com resultados da Variável
Quanto menor possível for esse valor Resposta.
mais representativa será a análise para
a população, porém mais exigente será
Resultado na mesma planilha, em local selecionado.
o modelo.
Resumo das estatísticas por Nível (5%, 10%,

15%, 20%) do Fator de Controle “Teor de
poupa de madeira de lei”.
Média Quadrática dos Níveis
Relação entre a Média Quadrática dos

Níveis pelo Ruído
Valor tabelado para comparar com o valor F

calculado (associado com o a: quanto maior
for a, menor será o Fcrítico)
Média Quadrática dos Ruídos Como F >> F crítico, então:

A probabilidade do efeito dos níveis
do FC sobre a VR não ser O efeito dos níveis do FC é significativo
significativo na população é de sobre a Variável Resposta.
aproximadamente 0,0004%
(praticamente impossível).
• Realizando o Gráfico das médias, máxima e mínimas, tem-se:
Concentração Máxima Mínima Média

5% 15 7 10
10% 19 12 15,67
15% 19 14 17
20% 25 18 21,17
É possível distinguir quais os níveis (concentração de

madeira de lei) que produzem o mesmos efeito na
resistência à tensão?
• Comparação Múltipla de Médias:
Permite diferenciar o efeito dos níveis de um Fator de Controle sobre a

Variável Resposta. Ou seja, consegue verificar a seguinte questão:
Há Níveis que provocam efeitos distintos na Variável Resposta?
➢ Avalia-se a diferença entre médias dos níveis,

tomadas duas a duas, e compara-se com o valor:
O valor de L, conhecido por Mínima Diferença Significativa, refere-se ao intervalo
de valores da variável resposta onde não se consegue distinguir se a variação é
decorrente do FC ou dos ruídos.
Passos:
✓ Listar as médias de cada nível em ordem crescente ou decrescente e compará-
las duas a duas, consecutivamente.
✓ A diferença das médias, tomadas duas a duas, será significativa se for maior que
a Mínima Diferença Significativa (L). Caso contrário, o efeito dos respectivos
níveis serão provavelmente semelhantes na Variável Resposta.
Continuando o Exemplo Resolvido anterior...
1º Passo: Cálculo da Mínima Diferença Significativa (L).

Cálculo da Mínima Diferença Significativa (L) entre Médias:
MQE= 6,508
n= 6
L= 3,124
2º Passo: Ordenar de forma crescente as médias e calcular a diferença entre elas.
3º Passo: Comparar a diferença de

médias com “L”.
L=3,12
10,0 15,7 17,0 21,2

Resistência à tensão Média
Nível 5% Nível 10% Nível 15% Nível 20%
Um engenheiro industrial desenvolveu um modelo estocástico de simulação que

prevê a produtividade mensal em função do intervalo de tempo entre manutenções
preventivas. Se esse intervalo for muito curto, as máquinas estarão constantemente
em manutenção e a produtividade será baixa. Se o intervalo for muito longo, haverá
quebras, exigindo manutenção corretiva, mais demorada, novamente prejudicando
a produtividade. Os resultados da simulação aparecem a seguir:
Faça a análise da variância (p/ alfa=5%), encontre os intervalos que promovem a

mesma produtividade, e conclua a respeito do intervalo ótimo para as intervenções
da manutenção produtiva a partir do gráfico das médias.
Controle Estatístico da Qualidade
Introdução
“Qualidade significa adequação ao uso”.

A qualidade é determinada por meio da interação:
• Qualidade de Projeto: Estar de acordo com os anseios do cliente (foco no produto).
• Qualidade de Conformidade: Redução sistemática de variabilidade e a eliminação

de defeitos até que cada unidade produzida seja “idêntica” e livre de defeito (foco no
processo de produção).
➢A Qualidade de Projeto deve proporcionar um modelo “ideal” de Produto na concepção

do cliente.
➢Já a Qualidade de Conformidade incentiva a criação de mecanismos, por meio de

Melhorias no Processo, para se alcançar os anseios do cliente (Produto ou Serviço
“ideal”).
“Melhoria da Qualidade significa a eliminação sistemática de resíduos (perdas,

retrabalhos, inspeção, teste, erros em documentos, etc)”.
Introdução
O processo de fabricação / prestação de um serviço tem, por conseguinte, de

ser estável ou capaz de ser repetido e operar com pouca variabilidade ao redor
do alvo ou dimensão nominal.
O Controle Estatístico de Processo (CEP) em tempo real (online) é uma

ferramenta poderosa para encontrar a estabilidade de um processo e para
melhorar a capacidade através da redução de variabilidade.
Ou seja: DOE => Abordagem PRÓ-ATIVA (Planejamento);

CEP => Abordagem mais REATIVA (Acompanhamento).
Introdução
DEFINIÇÃO (baseado na NBR ISO 10.017):
CEP avalia a estabilidade do processo a partir de limites que descrevem a
variabilidade inerente da atividade, utilizando-os para monitorar a variável
que mensura a qualidade.
Ex.: A partir de um grande histórico de dados da construtora sabe-se que ela consegue
executar acabamentos em reboco com desaprumo de +/- 0,3% do pé direito. Assim resultados
que estejam dentro deste intervalo é considerado como natural do processo de execução.
Todo o processo de fabricação de algum produto ou fornecimento de algum serviço
está sujeito a algumas variabilidades em sua saída. Essas variabilidades podem
se dividir em 2 partes:
✓ Causas Casuais (inerentes): Também conhecido por variabilidade natural ou “ruído
de fundo”. As suas causas são essencialmente inevitáveis, porém aceitáveis e
inerentes dentro de um processo controlável do ponto de vista estatístico;
✓ Causas Atribuídas: Causas passíveis de reconhecimento de sua origem e que

normalmente geram maior oscilação de resultados. Essa oscilação geralmente surgem
de 3 fontes: máquinas não propriamente ajustadas, erro dos operadores ou matérias-
primas defeituosas. Representam um nível inaceitável de desempenho do processo
(fora de controle).
Gráficos de Controle: Princípios Básicos
Uma das formas mais usuais de CEP a ser tratada neste módulo será por meio dos
Gráficos de Controle (como sugerido pela NBR ISO 10.017 – Item 4.11).
Gráficos de Controle: Forma gráfica de visualização da Variável Reposta a ser monitorada
com o objetivo de tomada de decisão para controle contínuo da qualidade na saída de um
processo.
O Gráfico de Controle é uma ferramenta largamente utilizada na gestão

da qualidade e pode ser aplicada principalmente nas seguintes fases:
✓ Fase de Planejamento:
Constatar se os processos possuem condição controlar a qualidade
e ainda se os produtos poderão estar em conformidade com as
especificações.
✓ Fase de Produção:
Necessidade de validar, monitorar e controlar a produção e
prestação de serviços.
✓ Fase de Acompanhamento da Gestão da Qualidade:
Avaliar a capacidade dos processos em manter e garantir que a
qualidade dos processos e produtos sejam atendidos.
Componentes básicos de um Gráfico de Controle:
Caracter. da Qualidade da Amostra
Número da Amostra ou Tempo
• Linha Média ou Central (LC): Representa o valor médio da característica de

qualidade.
Em um processo sob controle o valor médio das amostras deve estar
envolvendo a linha central.
• Linha Superior e Inferior de Controle (LSC e LIC): Limites que procuram definir os
resultados sob controle. Não é meta, é retrato da produção.
O intervalo desses limites é estabelecido para abrigar apenas as variabilidades
provenientes de causas casuais. A pergunta agora é: como definir os limites?
O posicionamento dos limites inferior e superior está associado ao desvio-
padrão, pois assim atribui-se uma variabilidade aceitável com previsibilidade
probabilística.
Os eventos aleatórios de amostragem
podem ser previstos como possuindo
comportamento de uma curva normal:
Assim as chances uma amostra

encontrar entre:
• Intervalo de 1 sigma é de 68,26%;
68,26%
• Intervalo de 6 sigma é de 99,99985%; 95,46%
Para o intervalo de 3 sigma, a probabilidade 99,73%

de um ponto médio cair fora dos limites do
controle do processo é de 0,27%. 99,99985%
Conclusão Importante:
✓ Quanto maior for o intervalo
considerado como aceito o processo sob
controle (3 ou 6s), menor deverá ser o
valor do desvio padrão para manter o
nível de qualidade limitado a intervalos de
variação efetivamente pequenos.
✓ Isso implica em dizer que se um

processo aumentar seu controle de 3 para
6s, mantendo os limites extremos fixos
(LSC e LIC) o desvio padrão deverá
reduzir para ½ do anterior (ou ¼ da
variância), ou seja, o processo deverá
estar melhor ajustado aos quesitos de
qualidade (será mais exigido!).
Conclusão Importante:
Controle 3s: 2,7 erros por 1.000 peças
Controle 6s: 2 erros por 1.000.000 peças
O controle de qualidade 6s foi

implementado pioneiramente pela
Motorola.
O nível de controle deve ser compatível 3s => 99,73%
com o porte organizacional da empresa:
6s => 99,99985%
“Não adianta ter um controle 6s em uma

empresa com práticas operacionais 3s”.
É importante saber sobre Controle Estatístico da Qualidade:
• Os gráficos de controle são massivamente utilizados para Melhoria no
Processo;
• A maioria dos processos não opera em um estado de controle estatístico;
• Gráficos de controle devem identificar as causa atribuídas;
Vantagens dos Gráficos de Controle:

• É uma técnica comprovada para a melhoria da produtividade;
• São efetivos na prevenção de defeitos (Faça certo da 1ª vez);
• Previnem ajustes desnecessários no processo (diferenciar a causas
casuais da atribuídas);
• Fornecem informação sobre o diagnóstico da variabilidade do
processo (possíveis motivos da variabilidade);
• Fornecem informação sobre a capacidade do processo (com qual
frequência haverá resultados fora dos limites);
Projeto de um Gráfico de Controle
Em uma fábrica de anéis de pistão de motores automotivos o
diâmetro interno do anel é uma dimensão crítica de qualidade.
O valor médio dessa dimensão é de 74,00 mm e sabe-se que o
desvio-padrão é de 0,01mm.
A cada hora é retirada uma amostra aleatória de 5 anéis, cujo o
diâmetro médio é representado por e plotado no gráfico de
controle da média amostral (conhecido por Gráfico ).
LSC=74,013
5
Dimâmetro médio , 𝑥
LC=74,000
LIC=73,9865
Nº da amostra
O calculo dos Limites de Controle do Gráfico da Média Amostral
(Gráfico ) para uma variabilidade de 3 sigma é:
Desvio-Padrão do Processo
Média do Processo
Tamanho da amostra
Para o exemplo:
LSC=74,013
5
Dimâmetro médio , 𝑥
LC=74,000
LIC=73,9865
Nº da amostra
O projeto de um gráfico de controle tem que especificar o tamanho da amostra e
a freqüência da amostras:
✓ Amostragem grande tornará mais fácil detectar pequenas mudanças;
✓ Amostragem pequena está mais susceptível a captar mudanças

relativamente grandes no processo;
O ideal seria realizar amostragens grandes muito freqüentemente.
A prática corrente nas indústrias tende a favorecer pequenas amostras e mais

freqüentes, particularmente em processos de fabricação de alta produção ou
onde muitos tipos de causas atribuídas possam ocorrer.
Experiências apontam para tamanhos em torno de 3 a 6 medidas.
Já a freqüência deve estar em intervalos condizentes com a ocorrência das

variações por causa atribuída.
* Encontra-se no material complementar deste módulo uma forma de se dimensionar o tamanho da amostra, porém que não
será abordado em função do tempo disponível.
Amostras Racionais
Quando há o estabelecimento dos Limites de Controle a partir de amostras
iniciais do processo é importante coletar dados amostrais que evitem, na medida
do possível, observações sob influência de variabilidades atribuída, e aceitar
observações sujeitas a variabilidades de causas casuais. Assim, será possível
estabelecer as fronteiras (LIC e LSC) para englobar as causas casuais e deixar
de fora as causas atribuídas, que evidenciam o processo fora de controle.
A forma de se realizar a amostragem deve passar por uma das duas abordagens
levantadas por Montgomery (2007):
➢ Amostragem de unidades produzidas ao mesmo tempo: É normalmente
considerada quando deseja-se detectar mudanças no processo. Essa forma de
amostragem minimiza efeitos de variabilidade atribuída dentro das amostras e
maximiza o efeito desta variabilidade entre amostras.
➢ Amostragem ao longo do tempo: entre intervalos pré-estabelecidos. Esse

método é empregado quando deseja tomar decisões sobre os produtos que
foram gerados ao longo da amostragem.
Comportamento dos Resultados
Assumindo que um processo esteja sob controle, é de esperar

que os resultados plotados no gráfico estejam dentro dos
limites (LIS e LSC) e ainda que apresentem comportamento
aleatório, sem haver uma tendência de lógica presumível.
Estável*
Instável
*Sob controle
Tal comportamento aleatório é esperado, pois se considera

que as amostras foram selecionadas de forma aleatória e
que as variações de resultados monitorados estejam sob
influência das causas casuais não previsíveis.
Comportamentos Não-Aleatórios
Um gráfico pode ter comportamento não-aleatório, quando há influência de
causas atribuídas, que geram uma variabilidade além do desejado, nas
seguintes situações:
• Quanto uma ou mais amostras encontram-se fora dos Limites de
Controle;
• Quanto várias amostras encontram-se dentro dos Limites de Controle, mas:
✓ Possuem uma seqüência crescente ou decrescente com mais
de 5 amostras contínuas (conhecido por: corrida);
✓ Possuem uma seqüência maior que 8 pontos do mesmo

lado da linha média;
✓ Possuem um comportamento cíclico. Tal padrão de
comportamento pode indicar um problema com o processo, como
por exemplo: fadiga do operador, entrega de matéria-prima e
desenvolvimento de variações ambientais;
LEMBRE-SE: Os limites LIC e LSC devem compreender, dentro do possível, somente

variabilidades casuais.
Comportamentos Não-Aleatórios
Não é fácil detectar padrão de comportamentos não-aleatórios. A habilidade
para interpretar um padrão particular de comportamento em termos de causas
atribuídas requer experiência e conhecimento do processo.
O Western Electric Handbook (1956) sugere um conjunto de regras complementares

de análise de estabilidade dos gráficos de controle. As duas principais são:
✓ 2 de 3 pontos consecutivos caírem

LSC
além do limite 2 sigma;
Probabilidade de ocorrência desta situação
= [(100%-95,46%)/2]2 = 0,05%
LC
✓ 4 de 5 pontos consecutivos caírem

além do limite 1 sigma;
LIC
Probabilidade de ocorrência desta situação

= [(100%-68,26%)/2]4 = 0,06%
Cálculo dos Limites de Controle
É recomendado que seja feito o CEP a partir das médias, amplitudes e desvios-
padrão das amostras racionais.
 Gráfico de Controle das Médias Amostrais ( )
Caso os parâmetros m e s forem

desconhecidos, geralmente estima-se com
base em amostras racionais retiradas
quando o processo estiver aparentemente
sob controle (estável).
A quantidade mínima de amostras

recomendada é de 20 a 25, e o tamanho
por amostra é de 3 a 6.
Média das Amplitudes Amostrais
Média das Médias Amostrais

Constante em função do
tamanho da amostra (valor
tabelado). Obs.: Limites definidos para 3 sigmas
Tabela para obtenção das Constantes (Retirado de
Montgomery, 2009).
 Gráfico de Controle das Amplitudes Amostrais ( )
Média das Amplitudes Amostrais
tabelado).
tabelado).
Obs.: Não é aconselhado LIC negativo. Se ocorrer,

considerar igual a zero.
➢ É importante controlar a qualidade a partir de medidas de dispersão, pois

dentro da amostra pode ocorrer variações de resultados inaceitáveis na
produção de um produto.
Isso significa dizer que dentro de um mesmo lote poderão haver desvios de
padrão: unidades produzidas com excesso ou carência de qualidade.
 Gráfico de Controle do Desvio-Padrão Amostral ( )
Média dos Desvios-Padrão
Amostrais
tabelado).
Obs.: Não é possível LIC negativo. Se ocorrer, considerar

igual a zero.
Os limites de controle devem ser revisados periodicamente, pois as

condicionantes de produção (insumos, trabalhadores, equipamentos,
etc.) variam com o tempo.
• Exemplo:
Uma construtora resolve implantar e controlar a produção de
edifícios classe média respeitando-se os critérios mínimos da
NBR 15.575. Um dos requisitos estratégicos definido em projeto é
garantir a resistência térmica da alvenaria externa, depois de
acabada, para alcançar o desempenho térmico pretendido.
Amostra Resistência Térmica Alvenaria (dm2.0C/W)
Nº x1 x2 x3 x4 x5
1 33 29 31 32 33 Para tanto foram realizadas várias medições de forma
2 33 31 35 37 31
3 35 37 33 34 36 padronizada nas primeiras unidades e tomadas como
4 30 31 33 34 33
5 33 34 35 33 34
referência para controle da qualidade. Sendo assim,
6
7
38
30
37
31
39
32
40
34
38
31
determine:
8 29 39 38 39 39
9 28 33 35 36 43
10 38 33 32 35 32 a)Os gráficos de controle , , ;
11
12
28
31
30
35
28
35
32
35
31
34
b)Verificar se há algum ponto no gráfico fora de controle;
13 27 32 34 35 37 c)Reconstrua os gráficos desconsiderando os pontos
14 33 33 35 37 36
15 35 37 32 35 39 fora de controle.
16 33 33 27 31 30
17 35 34 34 30 32
18 32 33 30 30 33
19 25 27 34 27 28
20 35 35 36 33 30
• Exemplo:
10 Passo: Determine os Limites de Controle para os três gráficos:
Resistência Térmica Alvenaria (dm2.0C/W) Resumo Estatístico das Amostras Limites de Controle da Média
Nº Amostra x1 x2 x3 x4 x5 Média Amplitude Desv. Padrão
1 33 29 31 32 33 31,6 4 1,67332 Amostral:
2 33 31 35 37 31 33,4 6 2,60768 LC 33,32
3 35 37 33 34 36 35 4 1,58114
LSC 36,67
4 30 31 33 34 33 32,2 4 1,64317
5 33 34 35 33 34 33,8 2 0,83666 LIC 29,97
6 38 37 39 40 38 38,4 3 1,14018
7 30 31 32 34 31 31,6 4 1,51658
8 29 39 38 39 39 36,8 10 4,38178
Limites de Controle da Amplitude
9 28 33 35 36 43 35 15 5,43139 Amostral:
10 38 33 32 35 32 34 6 2,54951
LC 5,8
11 28 30 28 32 31 29,8 4 1,78885
12 31 35 35 35 34 34 4 1,73205 LSC 12,27
13 27 32 34 35 37 33 10 3,80789 LIC 0,00
14 33 33 35 37 36 34,8 4 1,78885
15 35 37 32 35 39 35,6 7 2,60768
16 33 33 27 31 30 30,8 6 2,48998 Limites de Controle da Desvio-Padrão
17 35 34 34 30 32 33 5 2,00000
18 32 33 30 30 33 31,6 3 1,51658
Amostral:
19 25 27 34 27 28 28,2 9 3,42053 LC 2,35
20 35 35 36 33 30 33,8 6 2,38747 LSC 4,90
Média 33,32 5,8 2,345 LIC 0,00
• Exemplo:
20 Passo: Plotagem dos Gráficos e Verificação de Pontos Fora de Controle:
Gráfico de Controle da Média Amostral
42
40 6
38 8
36
Medias
34
32 Gráfico de Controle da Amplitude Amostral

30 16 9
28 11 14
19
26 12
Amplitudes Médias
0 2 4 6 8 10 12 14 16 18 20
10
Amostras
8
0
0 2 4 6 8 10 12 14 16 18 20
Amostras
• Exemplo:
20 Passo: Plotagem dos Gráficos e Verificação de Pontos Fora de Controle:
Gráfico de Controle da Desvio-Padrão Amostral

6
9
5
Desvio Padrão Médio
0
0 2 4 6 8 10 12 14 16 18 20
Amostras
30 Passo: Após a retirada dos pontos considerados fora de controle: 6, 8, 9, 11 e
19, e recalculando os limites, tem-se:
Gráfico de Controle da Média Amostral Esses limites podem
42
agora ser usados para
40
38
julgar o Controle
36 Gráfico de Controle da Amplitude Amostral Estatístico da Produção
Medias
34 futura.
16
32
14
30
Gráfico de Controle da Desvio-Padrão Amostral
Amplitudes Médias
12
28
10
6
26
8
0 5 10 5 15 20
Desvio Padrão Médio
6 Amostras
4 4
2
3
0
0 5 2 10 15 20
Amostras
1
Recomenda-se rever 0
periodicamente os limites, 0 5
Os10limites devem
15
sempre ser
20
mesmo que o processo revistos
Amostras quando melhorias no
permaneça estável. processo são implementadas.
Medições índice de Produtividade (h/m2)

Resolveu-se monitorar a produtividade do Amostra
X1 X2 X3 X4
serviço de montagem das fôrmas em uma 1 0,33 0,33 0,33 0,43
2 0,38 0,38 0,43 0,33
grande obra de 6 mil unidades habitacionais, 3 0,38 0,40 0,35 0,38
cujo o novo sistema construtivo apresenta 4 0,30 0,35 0,38 0,33
5 0,35 0,33 0,43 0,40
como caminho crítico esta etapa. Esta 6 0,30 0,38 0,43 0,35
7 0,38 0,33 0,38 0,35
empresa possui certificação NBR-ISO 9001. 8 0,30 0,40 0,38 0,38
As amostras são medidas diariamente. 9 0,33 0,43 0,43 0,38
10 0,30 0,30 0,40 0,33
11 0,40 0,35 0,40 0,35
Determine: 12 0,43 0,43 0,33 0,35
a) Calcule os limites de controle. 13 0,35 0,38 0,38 0,35
14 0,33 0,43 0,38 0,30
b) Monte os gráficos de controle. 15 0,45 0,40 0,38 0,43
16 0,38 0,38 0,40 0,33
c) Avalie os resultados: 17 0,38 0,43 0,35 0,40
c1) Podemos considerar os limites 18 0,38 0,30 0,35 0,30
19 0,33 0,43 0,33 0,35
calculados para controle da qualidade? 20 0,30 0,33 0,30 0,33
c2) Há algum sinal de instabilidade da 21
22
0,25
0,30
0,33
0,33
0,40
0,33
0,40
0,38
produtividade que precisa ser ajustado? 23 0,40 0,38 0,33 0,33
24 0,33 0,30 0,30 0,35
25 0,33 0,35 0,30 0,33
Capacidade de Processo
Definição:
Refere-se à capacidade do processo gerar saídas
(produtos e serviços) conforme as especificações
previamente definidas pelo cliente (normas,
mercado, leis, exigências específicas de clientes,
etc.).
A intenção é verificar se o processo de produção é capaz de

gerar variabilidade estatisticamente controlável (previsível) e
ainda suportável, dentro das expectativas do cliente.
Sendo assim, não basta estar com o processo sob controle
estatístico da qualidade (dentro dos limites de controle), mas
é preciso também garantir que ele gere resultados dentro do
esperado pelo cliente (dentro dos limites de especificação)
É necessário obter alguma informação acerca da capacidade do processo em
gerar saídas dentro dos Limites de Especificação do produto.
Não confunda limites de controle com

limites de especificação.
✓ Limites de Controle (LC) são internos ao processo.

Eles refletem a faixa estatisticamente esperada de
variação da saída do processo.
✓ Limites de Especificação (LE) representam os requisitos de engenharia do
produto para satisfazer um cliente interno ou externo. Eles são externos ao
processo.
Tô
Ex.: O fabricante de um piso cerâmico especifica
boiando... que a espessura do rejunte deve ser em torno de
2mm a 5mm (Limites de Especificação). Já a sua
equipe de funcionários, após levantamento do
processo, consegue assentar o piso com rejunte
variando de 3mm a 4mm (Limite de Controle).
Pode-se dizer então que...
➢Os LIMITES DE CONTROLE (LC) são responsáveis por
verificar se o processo de produção de algo está mantido
dentro de certos níveis de tolerância de variabilidade (sob
controle);
➢Os LC’s devem ser comparados estritamente com os valores representativos das
amostras e não com seus valores individuais;
➢Os LIMITES DE ESPECIFICAÇÃO (LE) delimitam o

quanto certa característica do produto pode ser
aceita dentro dos padrões de qualidade exigidos pelo
cliente (ou outro interessado);
➢Produtos que estejam fora dos LE’s são considerados não-conformes aos
padrões de qualidade, porém não quer dizer necessariamente que estejam fora de
controle do processo;
Uma das formas de se medir a Capacidade do Processo é por meio da seguinte
razão: Diferença entre o Limite Superior e
Inferior de Especificação
Diferença entre os Limite de Controle
RCP>1 RCP=1 RCP<1
LIE LSE LIE LSE LIE LSE
6s 6s 6s
DESEJÁVEL ACEITÁVEL INDESEJÁVEL
=> Avalia o quanto do intervalo possível de variação das especificações

do produto é aproveitado pelo processo.
Desempenho do Gráfico de Controle
Todo gráfico de controle procura abrigar
de forma previsível grande parte dos
resultados de qualidade a ser
monitorado.
Porém, é inviável tecnicamente abrigar dentro dos limites de

controle todos os resultados possíveis, até mesmo porque há
limites de especificação do produto que devem ser
respeitados.
✓ Desta forma, deve-se prever qual será o desempenho do
processo em gerar resultados dentro dos limites a fim de
se planejar quando o oposto ocorrer e ainda não gerar
uma expectativa errônea sobre a condição de controle da
gestão da qualidade.
Uma das formas de se avaliar o desempenho do Gráfico de Controle é por meio do
Comprimento Médio de Corrida (CMC).
onde CMC refere-se ao número de médio de pontos p = probabilidade de

que tem de ser plotado no Gráfico de Controle antes de um ponto exceder os
um resultado indicar uma condição fora de controle. limites de controle.
➢ Exemplo:
Se o processo estiver sob controle, as chances de um ponto estar fora dos 3s é de
p=0,0027. Assim:
Conclusões do Exemplo:
✓ Mesmo se o processo permanecer sob controle, um sinal de fora de controle será

gerado, em média, a cada 370 amostras;
✓ Teremos um “alarme falso” aproximadamente a cada 370 amostras, em média. Logo,
se caso ocorrer pontos “fora de controle” nessa frequência, não quer dizer que o
processo está efetivamente fora do controle.
Caso haja resultados fora dos limites LIC e LSC em corridas inferiores a 370
amostras, significa que há grande chance do processo estar fora de controle*.
Ex.: Constatou-se que a cada 8 amostras em média 1 1 𝑝 = 12,5%

estava fora dos limites de controle. Qual a 8= ∴
𝑝 𝑃 = 87,5%
probabilidade de ter resultados sob controle?
Suponha neste exemplo que a amostragem ocorra diariamente. Sendo assim,

um sinal de alerta sobre resultados fora de controle ocorre a cada 8 dias.
O que fazer para reduzir o tempo de

resposta a um possível comportamento
fora dos Limites de Controle do Processo?
* Para a situação fora de controle onde a média amostral se desloca em relação à LC,
pode-se calcular o CMC. Ver material complementar.
Estratégias para reduzir o tempo de resposta

quando há amostras fora de controle e não seja
viável implantar melhorias no processo:
1. Reduzir o tempo entre amostragens (aumentar a freqüência de
amostragem);
2. Aumentar o tamanho da amostra (Isto reduz o intervalo entre LSC e LIC);
3. Recalcular os Limites de Controle (inclusive a Linha Central) a partir dos

novos valores amostrais, caso ainda estiverem dentro dos Limites de
Especificação e essa variação não for proveniente de uma causa atribuída;
4. Criar um plano de contenção, caso ocorra algum problema com as saídas do

processo, a fim de se precaver das conseqüências (não é o mais
aconselhável).
86
Consultoria em Engenharia
CONTATOS PROFISSIONAIS:
leonardo0eloi@gmail.com
62-982501210
sergio_botassi@yahoo.com.br
62-81130925

Idioma

Ferramentas Da Qualidade

Enviado por

Dados do documento

Título original

Direitos autorais

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Ferramentas Da Qualidade

Enviado por

Direitos autorais:

Todos os direitos reservados ao autor

Versão III – Rev. 0 – Jan / 2020

✓ Compreender os princípios da garantia e controle da qualidade

Duração Total Estimada: 20h efetivas

Lembre-se: Atender a necessidade não é absoluto,

A Estatística divide-se em 2 ramos distintos:

[...], a utilidade das técnicas estatísticas segue a variabilidade

Foram realizadas 10 medidas para avaliar o grau de absorção de água em

Se você tivesse que representar os resultados acima por um único número,

Média Quociente da soma dos valores da variável pela quantidade

Sintaxe no Excel: =MÉDIA(núm1; núm2; ...)

Sintaxe no Excel: =MODO(núm1; núm2; ...)

Mediana Refere-se ao valor central de uma série em ordem crescente

Sintaxe no Excel: =MED(núm1; núm2; ...) Ex.: Mediana de: 1, 2, 3, 4, 5

Imagine os três conjuntos de dados abaixo, representando a mesma medida de referência:

As principais medidas de dispersão são:

Amplitude total É a diferença entre o maior e o menor valor observado. Possui a

Função: MÁXIMO e MÍNIMO

Sintaxes no Excel : =MÁXIMO(núm1; núm2; ...) =MÍNIMO(núm1; núm2; ...)

Variância É a diferença quadrática média entre cada um dos valores e a média

Função: VAR.P Função: VAR.A

Calcula a variância com base na Calcula a variância com base uma

Sintaxe no Excel : =VARP(núm1; núm2; ...) Sintaxe: =VAR(núm1; núm2; ...)

Função: DESVPAD.P Função: DESVPAD.A

Sintaxe: =DESVPADP(núm1; núm2; ...) Sintaxe: =DESVPAD(núm1; núm2; ...)

Coeficiente de O desvio padrão, quando utilizado comparativamente, por si

Não há função específica para obter o coeficiente de variação no Excel.

(Trecho da norma NBR 10017:2005)

✓ Qualidade do Produto: Capacidade em atender aos requisitos técnicos.

Forma gráfica de se resumir a distribuição de CLASSE

Passos Básicos para Criação do Histograma:

✓ Calcule a amplitude total dos dados coletados (R = Máx-Mín).

- Intervalo de entrada: faixa onde estão

• Curiosidade: Vilfredo Pareto, competente economista e engenheiro do século

(dentro do menu: formatar); Após a R$ 1.500.000,00

- Lá fica disponível todos os elementos configuração do R$ 1.000.000,00

do gráfico para seleção e formatação. gráfico, tem-se: R$ 500.000,00 20%

Controle de Qualidade - Pré-moldados Recomendação:

Processos Prazos e Qualidade do Desempenho

O Planejamento dos Experimentos possui como premissa analisar a qualidade do

Como atestar o O Planejamento de

O DOE é uma ferramenta de engenharia importante para

• Melhor rendimento do processo (aumento da eficiência);

No planejamento de novos processos os benefícios são:

Voz do Cliente Voz do Engenheiro

✓ Pelos Níveis de FC`s

• DOE - Fator Único (One-way ANOVA):

É adotado um Modelo Linear para correlacionar os efeitos dos Níveis dos

Variável Resposta Efeito do Ruído sobre a VR

A partir do modelo acima podemos ter duas Hipóteses:

: O efeito dos Níveis do FC pode ser significativo sobre a VR;

: O efeito dos Níveis do FC não é significativo sobre a VR;

Média Quadrática dos Níveis do FC

Média Quadrática dos Ruídos (Erros experimentais)

... em relação as alterações decorrentes dos Ruídos.

Quanto maior for a Mais provável será os efeitos

✓ É necessário comparar a relação acima com um valor tabelado da “distribuição F”.

Um fabricante de papel para sacos pardos está interessado em melhorar

✓ Clicar no Comando Análise de Dados*:

✓ Aparecerá dentre as várias opções uma

* Esse comando no Excel 2003 encontra-se no menu “Ferramentas”.

Os resultados de cada nível podem estar

Resumo das estatísticas por Nível (5%, 10%,

Média Quadrática dos Níveis

Relação entre a Média Quadrática dos