CONTROLE ESTATÍSTICO DE

PROCESSO
GEC - 2002

Márcio Andrade

Para refletir...

 "Em qualquer processo natural a ENTROPIA (desordem) sempre

aumenta."
2ª Lei da termodinâmica
Resposta

Número da amostra

1
C.E.P

 O que é CEP?
 Noções de estatística
 Processo Capaz e Não-Capaz
 O CEP no SCP
 Nossa responsabilidade!

O QUE É C.E.P.?

• CEP significa CONTROLE ESTATÍSTICO DE

PROCESSO
• CEP não se refere a uma técnica, algoritmo
ou procedimento específico.
• CEP é uma filosofia de otimização
relacionada à melhoria contínua do
processo, usando ferramentas estatísticas.

2
O QUE É C.E.P.?

• CEP é um componente chave para a

Qualidade do Produto e do Processo.
• CEP visa maximizar os lucros através de:
• melhoria na qualidade do produto.
• aumento na produtividade
• redução de perdas
• redução de emissões
• etc.

O QUE É C.E.P.?

• Geralmente as ferramentas utilizadas no CEP incluem:

• Fluxogramas
• Gráficos XY
• Gráficos do Pareto
• Diagramas de Causa-e-efeito
• Histogramas de Freqüência
• Diagramas de Controle de Dispersão
• Cada ferramenta é simples para implementar
• Essas ferramentas estão usualmente utilizadas
simultaneamente.

3
Fluxogramas

 Fluxogramas (Flow charts)

• não têm base estatística
• são excelentes ferramentas para
visualização de etapas
 Mostram...
• o progresso do trabalho
• o fluxo de material ou informação em
uma seqüência de operações.

Fluxogramas

 Fluxogramas são úteis para uma análise inicial de

um processo.

4
Gráficos XY

 Gráficos XY apresentam de variáveis de processo plotadas

contra o tempo ou em uma seqüência cronológica.
 Não têm base estatística, mas revelam:

• tendências
• relações entre as variáveis

Gráficos XY

• Gráficos XY podem ser usados para estudar as relações

entre as variáveis. No exemplo abaixo, as relações podem
ser difíceis de identificar. Porém, se utilizarmos escalas
apropriadas...
Resposta

Número da amostra

5
Gráficos XY

 A relação entre as 2 variáveis se torna mais clara.

Obviamente, este método pode não ser tão simples
quando de muitas variáveis.

Resposta

Número da amostra

Para refletir...

 “Se eu pudesse resumir toda a minha mensagem em

poucas palavras, eu diria: reduza a variação”
W. Edwards Deming
Resposta

Número da amostra

6
Diagrama de Pareto

 Vilfredo Pareto (1848-1923) descobriu que:

• 80% da riqueza da Itália estava

nas mãos de 20% da população;
• 20% dos clientes eram
responsáveis por 80% das
vendas;
• 20% dos componentes
representavam 80% do custo,
etc.
 Estas observações foram confirmadas por Juram (1960) e
resultaram no que hoje é conhecido com Princípio de
Pareto.

Diagrama de Pareto

 O Princípio de Pareto define que:

“Nem todas as causas de um fenômeno
particular ocorrem com a mesma freqüência
nem com o mesmo impacto.”
 Estas características podem ser ilustradas usando
diagramas de Pareto.

7
Diagrama de Pareto

• O Diagrama de Pareto mostra os fatores mais freqüentes

que ocorrem em um processo.

A análise destes 50 42

diagramas permitem 40
36

o uso racional dos 30

recursos para 20
enfrentar as causas e 9
5
10 4 3
bloqueá-las. 1

0
1 2 3 4 5 6 7

Diagrama de Causa e Efeito

 Diagramas de Causa-e-efeito também são chamados:

• Diagramas do Ishikawa (Dr. Kaoru Ishikawa, 1943)
• Diagramas de espinha de peixe
 Diagramas de Causa-e-efeito não têm um fundamento
estatístico, mas são excelente ajuda para solução de
problemas.

8
Diagrama de Causa e Efeito
 Diagramas de Causa-e-efeito podem

• revelar relacionamentos importantes

entre variáveis e as muitas causas
possíveis.
• Fornecer uma visão adicional do
comportamento do processo.

Diagrama de Causa e Efeito

Máquinas Métodos Materiais

Produto

Meio- Mão de
Medidas
Ambiente Obra

9
Histogramas de Freqüência

 O histograma de freqüência é um gráfico muito efetivo e

facilmente interpretado para dados.
 O histograma de freqüência é uma ferramenta estatística
fundamental do CEP.
 Fornece informação sobre:

• a média dos dados

• a variação apresentada pelo dados
• o modo de variação
• se o processo está dentro
especificações

Histogramas de Freqüência
 No histogramas de freqüência leva-se em conta as seguintes
regras:
• Os intervalos devem estar igualmente espaçados
• Os intervalos devem ser selecionados para ter valores
convenientes.
• O número de intervalos está usualmente entre 6 e 20.

10
 Para refletir...

 “A melhoria na qualidade nunca é um acidente, mas

sempre o resultado de um esforço inteligente”
John Ruskin

Gráficos de Controle

 Processos que não estão em um estado de controle

estatístico

• apresentam variações excessivas

• exibem variações que mudam
com o tempo
 Um processo em um estado de controle estatístico é dito
estar estatisticamente estável.

11
 Gráficos de Controle

 Gráficos de controle são utilizados para detectar se um

processo está estatisticamente estável. Eles diferenciam
entre as variações

• que são normalmente esperadas

do processo devido a causas
comuns
• que mudam no tempo devido a
causas especiais ou conhecidas.

Gráficos de Controle

 Variações devidas a causas comuns

• têm pequeno efeito no processo
• são inerentes ao processo em razão:
• da natureza do sistema
• do modo como o sistema é administrado
• do modo como o processo é organizado e
operado
• unicamente podem ser eliminadas por:
• modificações no processo
• mudando o processo
• são a responsabilidade da alta administração

12
 Gráficos de Controle
 Variações devidas a causas especiais são:

• identificáveis
• exceções ao sistema
• consideradas anormalidades
• freqüentemente específicas a
• um determinado operador
• um determinado equipamento
• um determinado lote de material,
etc.
 Investigação e remoção de variações ligadas a causas
especiais são a chave para a melhoria do processo.

Gráficos de Controle

 Nota: Às vezes a diferenciação entre entre causas comuns e

causas especiais não é clara.

13
 Gráficos de Controle

 Os princípios para a aplicação de gráficos de controle são

muitos simples e estão baseados no uso combinado de

• gráficos XY
• testes de hipóteses

Gráficos de Controle

 O procedimento é
• amostrar o processo em intervalos regulares;
• plotar o dado estatístico (ou alguma medida de
performance), por exemplo:

• médias, intervalos, variáveis,

número de defeitos, etc.
• verificar (graficamente) se o processo está sob controle
estatístico
• se o processo não estiver sob controle estatístico, tomar
ações.

14
 Para refletir...
 “O estado de controle estatístico não é um estado
natural para os processos de produção. Muito pelo
contrário, é uma meta a ser alcançada pela eliminação,
uma a uma, das causas especiais de variação, como
resultado de muito esforço e determinação.”
W. Edwards Deming

Gráficos de Controle

 Gráficos de controle fazem suposições sobre os dados

estatísticos analisado, a saber

• são independentes, i.e., um valor não é

influenciado por seu valor passado e não
afetará valores futuros;
• estão distribuídos normalmente, i.e., os
dados têm uma função de densidade de
probabilidade normal.

15
 Gráficos de Controle

Média (µ)
n
1
= x = ∑ xi
µ~
Desvio Padrão (σ)
n i =1

1 n
σ~
=s= ∑ i
n − 1 i =1
( x − x ) 2

Gráficos de Controle
 Função de Densidade de Probabilidade Normal
Densidade de Probabilidade

Média

Estatística

16
 Gráficos de Controle
 Função de Densidade de Probabilidade Normal
Densidade de Probabilidade

Média

Estatística

Gráficos de Controle
 Função de Densidade de Probabilidade Normal
99,7%
95,4%
68,3%
Densidade de Probabilidade

Média

Estatística

17
 Gráficos de Controle

 A distribuição normal N(µ,σ2) tem várias propriedades

distintas:
• A distribuição normal tem forma de sino e é simétrica;
• A média, µ, é localizada no centro;
• A probabilidade de que um ponto, x, esteja a uma certa
distância da média certa além do meio é dada por:
Pr(x > µ + 1.96σ) = Pr(x > µ - 1.96σ) = 0.025
Pr(x > µ + 3.09σ) = Pr(x > µ - 3.09σ) = 0.001
σ é o desvio padrão dos dados

Caso 1

2,57 2,43 2,41 2,40 2,56

2,15 2,24 2,36 2,66 2,76
2,39 2,40 2,26 2,40 2,05
2,57 2,17 2,21 2,57 2,44
2,80 2,62 2,76 2,41 2,61

Caso 2
2,34 2,61 2,66 2,24 2,46
2,55 2,56 2,14 2,41 2,40
2,47 2,59 2,41 2,47 2,79
2,46 2,57 2,40 2,45 2,40
2,21 2,46 2,56 2,39 2,38

18
Caso 1

2,57 2,43 2,41 2,40 2,56

2,15 2,24 2,36 2,66 2,76
2,39 2,40 2,26 2,40 2,05
2,57 2,17 2,21 2,57 2,44
2,80 2,62 2,76 2,41 2,61

Caso 2 Média= 2,45

2,34 2,61 2,66 2,24 2,46
2,55 2,56 2,14 2,41 2,40
2,47 2,59 2,41 2,47 2,79
2,46 2,57 2,40 2,45 2,40
2,21 2,46 2,56 2,39 2,38
Média= 2,45

Caso 1

2,57 2,43 2,41 2,40 2,56

2,15 2,24 2,36 2,66 2,76
2,39 2,40 2,26 2,40 2,05
2,57 2,17 2,21 2,57 2,44
2,80 2,62 2,76 2,41 2,61
Histograma
Média= 2,45
6
5 Desvio padrão
Freqüência

4
= 0,200
3
2
1
0
2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
Bloco

19
Caso 2
2,34 2,61 2,66 2,24 2,46
2,55 2,56 2,14 2,41 2,40
2,47 2,59 2,41 2,47 2,79
2,46 2,57 2,40 2,45 2,40
2,21 2,46 2,56 2,39 2,38
Histograma Média= 2,45
10
9
8 Desvio padrão
7
Freqüência

6 = 0,142
5
4
3
2
1
0
2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
Bloco

Comparando...
Histograma

6
5
Freqüência

4
3
2
1
0
Caso2,1 2,2Média
2,0 + 1σ 2,6 2,7 +2,8
2,3 2,4 2,5 2σ 2,9 3,0 + 3σ
1 2,45 2,25 2,65 2,05 2,85 1,85 3,05
Bloco
2 2,45 2,31 2,59 2,17 2,73 2,03 2,87
% de dados no
68,3% 95,4% 99,7%
intervalo

20
Caso 2
2,34 2,61 2,66 2,24 2,46
2,55 2,56 2,14 2,41 2,40
2,47 2,59 2,41 2,47 2,79
2,46 2,57 2,40 2,45 2,40
2,21 2,46 2,56 2,39 2,38
Histograma Média= 2,45
10
9
8 Desvio padrão
7
Freqüência

6 = 0,142
5
4
3
2
1
0
2,0 2,1 2,2 2,3 2,4 2,5 2,6 2,7 2,8 2,9 3,0
Bloco

Gráficos de Controle
 Os Gráficos de Controle são distribuições normais com uma
dimensão de tempo
Densidade de Probabilidade

po
Tem

Característica

21
 Gráficos de Controle

 Gráficos de Gráficos de Controle são gráficos XY com

distribuições normais sobrepostas

Média
Característica

Tempo

Gráficos de Controle

 Uma regra prática é dividir o intervalo em 6 faixas e

verificar a distribuição dos pontos nestas faixas.

Média
Característica

Tempo

22
 Gráficos de Controle

 Uma regra prática é dividir o intervalo em 6 faixas e

verificar a distribuição dos pontos nestas faixas.

LSC
A 2,5% Média
Característica

B 13,5%
C 34%
C 34%
B 13,5%
A 2,5%
LIC
Tempo

Limites de Controle

Para refletir...

 “Não ponha a sua fé naquilo que a estatística diz, até

que você considere cuidadosamente aquilo que ela não
pode dizer.”
William W. Watt

23
 Padrões Anormais

 Um processo também pode ser considerado fora de

controle, mesmo quando todos os pontos caem dentro
dos limites de controle.
 Alguns destes padrões foram estudados por Nelson
(1985) e estão ilustrados a seguir.

Padrões Estatísticos Anormais

TESTE 1
Um único ponto além da zona A,
ou seja, acima do LSC ou abaixo
do LIC.

TESTE 2
Nove pontos consecutivos na
mesma metade do gráfico, ou seja,
todos acima da linha média ou
abaixo desta.

24
 Padrões Estatísticos Anormais

TESTE 3
Seis pontos consecutivos
constantemente aumentando ou
diminuindo no gráfico.

TESTE 4
Quatorze pontos consecutivos
alternando-se para cima e para
baixo no gráfico.

Padrões Estatísticos Anormais

TESTE 5
Dois em três pontos consecutivos
na zona A.

TESTE 6
Quatro em cinco pontos
consecutivos na zona A ou B.

25
 Padrões Estatísticos Anormais

TESTE 7
Quinze pontos consecutivos na
zona C (acima ou abaixo da linha
média).

TESTE 8
Oito pontos consecutivos de
ambos os lados da linha média,
com nenhum na zona C.

Resultados Estatísticos

26
Controle Estatístico de Processo

Capacidade de Processos

Márcio Andrade

“Somente processos estáveis devem

ter sua capacidade avaliada.”

27
 Capacidade do processo

 A Capacidade de um processo é também outro conceito

importante no CEP. Verifica
• a variabilidade das características do processo
• se o processo é capaz de produzir produtos em
conformidade com as especificações
 Estudos da capacidade de um processo distinguem entre a
adequação a limites de controle e limites de especificação
(também chamados limites de tolerância)

Capacidade do processo

• Se o processo está sob controle, então virtualmente

todos os pontos permanecerão dentro dos limites de
controle.
• Estar dentro do limites de controle não garante
necessariamente que os limites de especificação são
satisfeitos.
• os limites de especificação são usualmente definidos
pelos clientes.

28
 Capacidade do processo

 Processo sob LIE LSC

LIC
controle e o
produto satisfaz
LSE
as especificações.

Os limites de
controle estão
dentro dos limites
de especificação

Capacidade do processo

 Processo sob LIC LSE

LIE
controle mas
alguns lotes não
LSC
satisfazem às
especificações.

Os limites de
especificação
estão dentro dos
limites de
controle

29
Capacidade do processo

 A Capacidade do Processo é definida a partir

da faixa µ ± 3σ , a qual é denominada faixa
característica do processo.
processo
 Se o processo estiver sob controle e se for
verdadeira a suposição de normalidade,
99,73% dos valores da variável de interesse
devem estar nesta faixa.

Capacidade do processo

 Como µ e σ são desconhecidos, eles deverão

ser estimados por meio de dados amostrais.

30
 “Um processo pode não ser capaz por
apresentar:
• Elevada variabilidade.
• Média deslocada em relação ao ponto
médio dos limites de especificação.”

Análise da Capacidade

 Limite superior:
_ _
• µ + 3σ ou x+3s

 Limite inferior:
_ _
• µ - 3σ ou x-3s

31
Capaz ou não-capaz?

 Inicialmente é necessário determinar se o

processo tem distribuição próximo à normal

45
40
35
30
25
20
15
10
5
0

Capaz ou não-capaz?

 O índice Cp é definido por:

Cp = LSE - LIE
6σ
LSE - limite superior de especificação
LIE - limite inferior de especificação

Condições:
• O processo esteja sob controle estatístico.
• Que a média (µ) esteja centrada no valor nominal.

32
 Capaz ou não-capaz?

Cp = LSE - LIE
6σ

Uma forma simples de compreender o Cp:

LSE - LIE = o que se deseja produzir

6 σ = a variabilidade natural do processo.

O valor mínimo aceito para Cp é 1,33

Classificação
Cp Comparação com a Proporção de
do processo especificação off-spec (p)
LIE LSE
Capaz
ou Cp ≥ 1,33 p ≤ 64 ppm
adequado

LIE LSE

Aceitável 1 ≤ Cp < 1,33 64 ppm < p ≤ 0,27%

LIE LSE

Incapaz ou
Cp < 1 p > 0,27%
inaceitável

33
 Interpretação natural

 O índice Cp tem uma interpretação natural:

% da faixa de especificação utilizada =
= 1/Cp x 100
Exemplos:
Cp = 1,33 ≡ 75% da faixa
Cp = 1,0 ≡ 100% da faixa
Cp = 0,90 ≡ 110% da faixa

Média deslocada

 Se a média do processo não coincide com a

média da especificação, então usamos o índice
Cpk.
 Este pode ser interpretado como uma medida da
capacidade real ou índice de performance do
processo.

34
Capacidade Real

• Cpk = MIN [ LSE - x, x - LIE ]

_ _
_ _
3s 3s

• Quando há apenas o limite inferior de

especificação:
especificação
Cpi = µ - LIE
3σ
• Quando há apenas o limite superior de
especificação:
especificação
Cps = LSE - µ
3σ

Procedimento Resumido

 Escolha um período para avaliação, excluindo os pontos

cuja variação seja justificada por ocorrências anormais
(ou seja, processo deve estar sob controle estatístico).
 Verifique se a distribuição é normal, por meio de um
histograma.
 Se a curva é normal, calcule o Cp e trace os limites
inferior e superior.
 Se a curva não é normal, se a média está deslocada ou se
há apenas LIE ou LSE, calcule o Cpk.
 Defina os valores para LIC e LSC.

35
 Procedimento Resumido
 A mensagem do estudo de
capacidade do processo é:
• primeiro reduzir a
variação no processo
• então buscar a média- Alvo Redução na
alvo do processo variação
Desvio da
média

36
37
“Bom trabalho!”

38