UNIVERSIDADE FEDERAL DE CAMPINA GRANDE

CENTRO DE CIÊNCIAS E TECNOLOGIA

KLARA FELICIANA BRITO MEDEIROS - 119110757

MARIA HELENA LOURENÇO VIEIRA - 118110961
RENATA CARDOSO CAVALCANTE VILELA - 118111562

ESTUDO DE CAPACIDADE PARA A PRODUÇÃO DE BROWNIES

Campina Grande - PB
Junho de 2019
 KLARA FELICIANA BRITO MEDEIROS (medeiros.k.b.f@gmail.com)
MARIA HELENA LOURENÇO VIEIRA ( marihelena.2112@gmail.com)
RENATA CARDOSO CAVALCANTE VILELA (renatacc.vilela@gmail.com)

ESTUDO DE CAPACIDADE PARA A PRODUÇÃO DE BROWNIES

Artigo apresentado ao professor

Josenildo Brito de Oliveira como
requisito para obtenção de nota
referente ao terceiro estágio da
disciplina Controle Estatístico da
Qualidade do curso de Engenharia
de Produção no período 2019.1.

Campina Grande - PB
Junho de 2019
SUMÁRIO

1.
INTRODUÇÃO……………………………………………………………………………..5
2. FUNDAMENTAÇÃO TEÓRICA……………………………...…………………………..7
2.1. Controle Estatístico de Qualidade…………………………………………….......7
2.2. Controle Estatístico de Processo………………………………………………….7
2.3. Capacidade………………………………………………………………………..7
2.4. Índice Cp………………………………………………………………………….8
2.5. Índice Cpk………………………………………………………………………...9
2.6. Índices Cpm e Cpmk……………………………………………………………...9
2.7. Análise de capacidade por atributo……………………………………………...10
2.8. Análise de capacidade de dados não normais…………………………………...10
3. PROCEDIMENTOS METODOLÓGICOS……………………………………………….12
3.1. Origem dos dados………………………………………………………………..12
3.2. Instrumento de medição utilizado……………………………………………….12
3.3. Procedimentos técnicos………………………………………………………….12
3.4. O ambiente de estudo……………………………………………………………12
4. RESULTADOS……………...………………………………....………………………….14
4.1. Listagem e classificação dos característicos de qualidade……………………....14
4.2. Seleção do característico de qualidade por variável……………………………..14
4.3. Levantamento dos limites de especificação……………………………………..14
4.4. Aplicação dos planos de amostragem…………………………………………...16
4.5. Aplicação dos testes da normalidade…………………………………………….16
4.6. Histograma e cálculo dos índices de capacidade através do MINITAB………...19
4.7. Análise de capacidade para o característico da qualidade por atributo………….21
5. CONSIDERAÇÕES FINAIS……………………………………………………………...25
6. REFERÊNCIAS…………………………………………………………………………...26
RESUMO

A utilização dos conceitos e aplicações do Controle Estatístico da Qualidade é

extremamente relevante para as empresas se manterem competitivas no mercado. Uma
das ferramentas bastante utilizadas nessa área é a análise de capacidade, a qual consiste
na quantificação da variabilidade do processo. Logo, este artigo analisa a capacidade de
um sistema de produção de brownies na Universidade Federal de Campina Grande –
PB. O experimento foi realizado simulando três turnos de produção, sendo eles manhã,
tarde e noite, sendo inspecionados 17 brownies nos turnos manhã e tarde,
respectivamente, e 18 brownies no turno da noite, os quais foram avaliados conforme os
característicos da qualidade por variável (peso, altura, largura e comprimento) e por
atributo (assamento, processo, manuseio, sabor e refugo). Verificou-se que, para a
variável densidade, o processo foi considerado incapaz de atender às especificações nos
três turnos considerados. Assim como para o número de defeitos por unidade
inspecionada, foi verificado que a maioria das unidades não atingiu o alvo de nenhum
defeito, exceto pelo turno da noite, onde a maioria das unidades atingiu. Foram
sugeridas propostas para melhoria da capacidade do processo, tais como a precisão no
corte dos brownies cujo peso e dimensões fossem melhor controlados e maior
monitoramento no assamento, manuseio e processo, podendo influenciar como
consequência no sabor do mesmo.

Palavras-chave: Capacidade. Turnos. Brownie. Processo. Qualidade.

1. INTRODUÇÃO

Há décadas e, principalmente, atualmente, o mercado é cada dia mais exigente e

formador de empresas que buscam aperfeiçoar seus produtos e serviços gradativamente.
Tais empresas vêm reconhecendo a importância da qualidade em seus sistemas
produtivos com a intenção de melhorar seu produto final e atendendo às expectativas do
consumidor para que, desta forma, seja uma grande concorrente no meio em que está
inserida. Compreender e melhorar a qualidade é um fator-chave que conduz ao sucesso,
crescimento a uma melhor posição de competitividade de um negócio. A melhor
qualidade e o emprego bem sucedido da qualidade como parte integrante da estratégia
geral da empresa produzem retorno substancial sobre o investimento (MONTGOMERY,
2004).
Uma maneira de possibilitar todo o ciclo do produto, inclusive no que tange a
atividades anteriores à fabricação, é utilizando os conceitos e aplicações de Controle
Estatístico da Qualidade, que estabelecem padrões a partir da análise de processos
reproduzidos repetitivamente na busca de uniformidade e utilizando ferramentas
estatísticas de gerenciamento e monitoramento da qualidade total, solucionando assim,
alguns problemas no processo e buscando incessantemente a melhoria contínua.
Uma técnica muito importante do Controle Estatístico de Qualidade é a análise de
capacidade, a qual segundo Slack et al.,(2002) consiste na medida da aceitabilidade da
variação do processo. Em outras palavras, avalia a condição de um dado procedimento
em atender às especificações determinadas pela engenharia para alguma característica da
qualidade. Por meio dos estudos da capacidade analisa-se o comportamento do processo
e quantifica-se sua variabilidade, de modo a estabelecer uma relação com as exigências
do produto e é possível identificar quando esta variabilidade for excessiva, indicando
que a produção não está ocorrendo conforme a qualidade desejada (JEANG, 2015).
Diante disso, o estudo da capacidade pode ser feito através de variáveis, tratando de
dados quantitativos, e/ou por atributos, tratando de dados qualitativos.
Dessa forma, os estudos da capacidade de processos se aplicam nas mais diversas
áreas, uma delas é a produção de alimentos. Tanto o fornecedor quanto o consumidor
estarão sempre em busca da uniformidade do produto, com o mínimo de variação
possível, assim, um dos requisitos mais comuns procurados nesta área é a qualidade do
processo, de modo a otimizá-lo (PERGHER et al., 2013). Diante desse cenário, surge o
questionamento: O sistema de produção de brownies realizado na Universidade Federal
em Campina Grande – PB é capaz de produzir conforme as especificações para as
características da qualidade analisadas.
O estudo da capacidade da produção dos brownies é bastante relevante, pois
apresenta a quantificação da variabilidade e o desempenho do processo, buscando a
uniformidade do produto e, com isso, o monitoramento e a melhoria da qualidade do
processo. Portanto, o objetivo deste artigo é verificar a qualidade da simulação parcial
de um sistema produtivo de brownies na cidade de Campina Grande – PB por meio da
análise da capacidade do processo, a fim de concluir se o mesmo é capaz de produzir
conforme as especificações. Para viabilizar esse estudo, foi verificada a normalidade e
estabilidade dos dados, analisado se o processo está centrado no valor alvo, como
também calculando os índices de capacidade.
2. FUNDAMENTAÇÃO TEÓRICA

Nessa sessão será apresentada a revisão teórica sobre os conceitos básicos de controle
estatístico de qualidade, análise de capacidade do processo, e os índices de capacidades, para
ter o entendimento melhor do estudo.

2.1 Controle Estatístico de Qualidade

O controle estatístico da qualidade foi desenvolvido em 1924, através dos gráficos de

controle divulgado inicialmente por Walter A. Shewhart na empresa Bell Laboratories,
quando ele funcionário desta empresa fez um estudo sobre monitoramento de processos
através de técnicas estatísticas (COSTA et al., 2005). Ferramenta da qualidade utilizada em
processos produtivos, o controle estatístico da qualidade tem como objetivo buscar a
melhoria do processo através de medições, controle e monitoramentos.
As empresas, em geral, buscam uma melhoria contínua da qualidade dos seus produtos e dos
seus processos, afinal não existe processo perfeito, então se faz necessário buscar formas para
diminuir as falhas e defeitos. O Controle estatístico de qualidade quando aplicado, diminui a
quantidade de falhas, reduz as perdas no processo, através da implementação de melhorias,
sendo possível analisar também a capacidade do processo.

2.2 Controle Estatístico de Processo

O Controle Estatístico de Processo (CEP) é um tipo de sistema de realimentação, que

envolve a comparação dos resultados de um processo com um padrão e a realização de ações
corretivas em caso de discrepância entre os dois. Envolve, também, a determinação da
habilidade de um processo em produzir um produto que satisfaça as especificações ou
requisitos desejados (SOUZA, 1996). Com isso, o CEP procura a estabilização de processos
através da redução de sua variabilidade, visando a melhoria da capacidade e manutenção da
qualidade.

2.3 Capacidade

Atualmente as empresas buscam produzir com a menor perda possível, seja de tempo,
recursos e/ou custos, sem diminuir a qualidade do serviço prestado aos clientes. Com isso,
muitas empresas fazem uso do controle estatístico do processo, um dos ramos do controle de
qualidade. Um processo estará sob controle se os resultados estão em conformidade com os
limites impostos, caso contrário o processo deve ser investigado para que sejam detectadas as
causas do desvio.
Um processo sob controle estatístico não está livre de produzir itens defeituosos. Sendo
assim, não é suficiente manter um processo sob controle, é preciso avaliar se o processo é
capaz de atender as especificações estabelecidas a partir das necessidades dos clientes. Esta
avaliação constitui a análise da capacidade do processo, que é medida através da relação entre
a variabilidade natural do processo em relação à variabilidade que é permitida a esse
processo, dada pelos limites de especificação.
Uma das formas de quantificar a capacidade é a razão da capacidade de um processo expressa
pelos índices Cp, Cpk, Com e Cpmk, que são números adimensionais que permitem uma
quantificação do desempenho de processos.

2.4 Índice Cp

O índice Cp, chamado de índice de capacidade do processo, pode ser obtido através
da razão entre os limites superior, inferior e o desvio padrão do processo. Implicitamente é
considerado que o processo está centralizado na dimensão nominal. Se a característica de
qualidade em estudo tenha distribuição bilateral a razão da capacidade do processo é definida
pela Equação (1):

𝐶𝑝 = (𝐿𝑆𝐸 − 𝐿𝐼𝑆)/6σ (Equação 1)

Onde,
LSE é o limite superior de especificação;
LIE é o limite inferior de especificação;
σ é o desvio-padrão do processo;

Relacionando a variabilidade permitida ao processo com a variabilidade natural ao processo,

a capacidade do processo em satisfazer as especificações será maior quanto maior for o valor
do índice Cp, isso partindo do pressuposto que a média está centrada no valor nominal. De
acordo com Montgomery (2004), é preciso definir três intervalos de referência para analisar o
índice de capacidade de processo.

Cp Interpretação

Menor que 1 Processo incapaz

Entre 1 e 1,33 Processo aceitável

Maior que 1,33 Processo potencialmente capaz

Fonte: Montgomery (2004)

Para um determinado valor de Cp, pode-se ter qualquer percentual de itens fora das
especificações. Este percentual vai depender apenas de onde está localizada a média do
processo. Como o índice Cp não considera a localização do processo, ele está embasado
apenas na relação entre a variabilidade permita e a variabilidade natural. Com isso, o índice
Cp não possui a certeza do quanto o processo é capaz de produzir dentro do intervalo
especificado do projeto, ele dá apenas uma ideia de como analisar essa capacidade.
2.5 Índice Cpk

Diferentemente do índice Cp, que utiliza apenas os valores nominais dos limites
podendo gerar alguma conclusão errada, o índice de desempenho Cpk proposto por Kane
(1986) que leva em consideração a média do processo e sua distância em relação aos limites.
Quanto maior é o valor de Cpk menor é a chance do processo está fora de controle, ou seja,
das medidas estarem fora das especificações. O Cpk é calculado de acordo com a Equação 2:

𝐶𝑝𝑘 = 𝑚𝑖𝑛⁡((𝐿𝑆𝐸 − μ)/3σ, (μ − 𝐿𝐼𝐸)/3σ) (Equação 2)

Onde,
LSE é o limite superior de especificação;
LIE é o limite inferior de especificação;
μ é a média do processo;
σ é o desvio-padrão do processo.

Realizando a análise de capacidade ao utilizar os índices Cp e Cpk, pode-se estabelecer uma

relação entre eles, já que eles são usados em conjunto. Se o processo estiver centrado no valor
nominal de especificação, então Cpk é igual a Cp, caso contrário, Cp difere de Cpk, então a
média não coincide com o valor nominal das especificações.

2.6 Índices Cpm e Cpmk

Ao analisar a capacidade de um processo, é realizado um estudo a partir dos índices

de capacidade, Cp e Cpk, porém existem índices alternativos que também levam em
consideração a variação do processo e a distância de sua média em relação ao valor nominal
da especificação, são os índices Cpm e Cpmk.
O índice Cpm diminuirá em dois casos, caso ocorra um aumento na variabilidade do processo
fazendo com que o denominador do índice aumente e caso ocorra um distanciamento maior
do processo em relação ao valor nominal. O índice Cpm é dado pela Equação 3:

𝐶𝑝𝑚 = (𝐿𝑆𝐸 − 𝐿𝐼𝐸)/(6√[σ² + (μ − 𝑇)²]) (Equação 3)

Onde,
LSE é o limite superior de especificação;
LIE é o limite inferior de especificação;
μ é a média do processo;
σ é o desvio-padrão do processo;
T é o valor nominal das especificações.
O índice Cpm em relação ao índice Cp tem uma vantagem por fornecer uma melhor
ideia em relação a capacidade do processo, tanto para os processos que se apresentam
próximos ao valor nominal quanto para os que se apresentam mais afastados.
 Já o índice Cpmk considera a menor distância entre a média do processo em relação
aos limites de especificação (inferiores e superiores) em seu numerador, refinando um pouco
mais o processo. Seu valor é estabelecido de acordo com a Equação 4:

𝐶𝑝𝑚𝑘 = 𝑚𝑖𝑛⁡[(𝐿𝑆𝐸 − μ)/(3√([σ² + (μ − 𝑇)² ] )), (μ − 𝐿𝐼𝐸)/(3√([σ² + (μ − 𝑇)² ] ))]

(Equação 4)

Onde,
LSE é o limite superior de especificação;
LIE é o limite inferior de especificação;
μ é a média do processo;
σ é o desvio-padrão do processo.
T é o valor nominal das especificações.

2.7 Análise de capacidade por atributo

O desempenho do processo, muitas vezes, é medido em termos de dados por atributos,

isto é, dados que apresentam não conformidades ou defeitos. Quando uma fração não
conforme é a medida de desempenho, é típico usar as partes por milhão (ppm) defeituosas
como uma medida de capacidade de processamento (MONTGOMERY, 2009).
Ao lidar com não conformidades ou defeitos, uma estatística de defeitos por unidade
(DPU) é frequentemente usada como medida de capacidade, dada pela Equação 5:

DPU=(Numero total de defeitos)/(Numero total de unidades) (Equação 5)

Os dados por atributos na maioria das vezes contam a presença de uma característica
ou condição, como um traço físico, um tipo de defeito, que dependem de uma avaliação
subjetiva, com isso a Capacidade Binomial e a Capacidade de Poisson é utilizada nessa
avaliação. A capacidade Binomial está associada ao número registrado de itens defeituosos
ou não defeituosos. Já a capacidade de Poisson analisa quando um produto ou serviço pode
ter vários defeitos e o número de defeitos em cada item é contado.

2.8 Análise de capacidade de dados não normais

Uma vez estabelecida a não-normalidade dos dados (por várias formas como
histogramas e outras técnicas gráficas e testes de hipótese como de Anderson-Darlin) e a não
possibilidade de executar itens, podemos proceder para tratar os dados não-normais a fim de
se avaliar sua capacidade. Entre as opções mais comuns, segundo Oliveira (2005) são: a
transformação dos dados, o ajuste de distribuições e o tratamento não paramétrico. O
primeiro é o mais usado e principalmente pela sua fácil aplicação. A transformação de
Johnson ajusta uma distribuição empírica aos dados e gera os índices Cm e Cmk proporcional
ao percentual de peças fora dos limites de especificação.
3. PROCEDIMENTOS METODOLÓGICOS

Esta pesquisa é de natureza experimental na qual prima atender aos problemas

apresentados e gerar conhecimentos aplicáveis. Do ponto de vista da abordagem do problema
a pesquisa classifica-se como quantitativa a qual requer o uso de recursos e de técnicas
estatísticas (SILVA e MENEZES, 2001). A pesquisa assume em geral as formas de pesquisas
bibliográficas, estudo de caso e levantamento e coleta de dados, portanto classifica-se como
exploratória e descritiva quanto aos seus objetivos (GIL, 1991).

3.1. Origem dos dados

Para a aplicação dos métodos estatísticos usou-se um conjunto de dados de um

experimento realizado em sala de aula com o objetivo de reproduzir uma de produção de
Brownies. O experimento foi realizado no dia 7 de junho de 2019, entre o horário das 16
horas e 30 minutos até as 20 horas e 30 minutos. A localização do experimento foi na cidade
de Campina Grande, realizado na Universidade Federal de Campina Grande, e
especificamente na sala 204 do Bloco BC. A população foi composta de 180 Brownies
produzidos e dentre a mesma foi retirado, de maneira aleatória, uma amostra de 28,88%,
aproximadamente 29% de dados para análise. Para esclarecimento de alguns dados houve
entrevista informal via mensagem com os membros responsáveis pelo recolhimento dos
dados.

3.2. Instrumento de medição utilizado

Os instrumentos utilizados para a medição das amostras foram o paquímetro digital

profissional e uma mini balança digital. O paquímetro possui capacidade de até 150mm e erro
de 0,03. E a mini balança digital profissional de alta precisão atua com escala entre 0,1g e sua
capacidade até 500g.

3.3. Procedimentos técnicos

Para aplicar os procedimentos e ferramentas metodológicas foram utilizados: a

verificação da normalidade dos dados através de testes; teste com gráfico Boxplot para
identificação de outliers; transformação de Jonhson para a normalidade; obtenção dos índices
de capacidade do processo, Cp e Cpk e a análise dos mesmos com o auxílio do software
MINITAB disponibilizado aos estudantes.

3.4. O ambiente de estudo

O ambiente de análise dos dados estudados acerca do processo produtivo de

Brownies, realizado em Campina Grande-PB, na Universidade Federal de Campina Grande,
foi especificamente na sala 204 do Bloco BC. O experimento foi realizado no dia 7 de junho
de 2019, entre o horário das 16 horas e 30 minutos até as 20 horas e 30 minutos. Para atender
a um processo produtivo e seus requisitos foi dividido entre os alunos suas atribuições no
processo produtivo a fim de atender as especificações da amostra piloto, realizada pelos
alunos anteriormente. O Brownie é uma sobremesa de chocolate típico da culinária dos
Estados Unidos e pode considerar-se um bolo feito num tabuleiro para bolos e partido em
pequenos quadrados. Seu processo de preparo envolve a mistura de diversos componentes o
que torna a sua produção mais complexa, envolvendo diversas variáveis.
Para a coleta de dados, o processo foi dividido em turnos: manhã, tarde e noite. Cada
um com aproximadamente 1 hora e 20 minutos para o término. Em cada turno, foi produzido
60 Brownies dividido em 3 bandejas, na qual totalizou 17 amostras no turno matutino, 17
amostras pela tarde e 18 amostras no turno noturno. Cabe ressaltar, que a cada turno os
operadores mudaram de função, tendo um líder para cada turno que gerenciava todo o
processo, incluindo a finalização.
Para a coleta da pesquisa inicialmente procedeu-se ao mapeamento analítico do
processo de produção, a fim de balizar o cálculo dos indicadores de capacidade e assim,
definir qual o característico da qualidade seria usado para medir os dados necessários ao
cálculo da capacidade do processo (DE OLIVEIRA et al., 2011).
4. RESULTADOS

Esta seção trata das etapas desenvolvidas para alcançar o objetivo proposto na
pesquisa e seus respectivos resultados: listagem e classificação dos característicos de
qualidade envolvidos no processo produtivo de Brownies; seleção do característico por
variável utilizado no estudo; levantamento dos limites de especificação do pacote de
Brownies; aplicação dos planos de amostragem convenientes; aplicação dos testes da
normalidade; análise dos testes da normalidade; cálculo dos índices de capacidade e análise
desses indicadores.

4.1. Listagem e classificação dos característicos de qualidade

Observou-se algumas características fundamentais no processo de produção do Brownie. Por

atributos temos a característica: assamento, processo, manuseio, sabor e refugo. Por
variáveis: largura, altura, comprimento e peso.

4.2. Seleção do característico de qualidade por variável

Para a escolha do característico de qualidade predominante na produção de Brownies, foi

escolhido por variável, por densidade, dado que a sua significância está relacionada a volume
e peso, resumindo os principais fundamentos para o critério de qualidade.

4.3. Levantamento dos limites de especificação

Os limites de especificação para o produto Brownie, foi obtido através de cálculos

para os limites de tolerância para o intervalo de 95% da população coberta dos dados da
amostra piloto. Dado que o mesmo composto por 20 dados não apresentava distribuição
normal. Utilizou-se o diagrama de caixa (Box-plot) para revelar características importantes,
como a dispersão dos dados em torno da média, o grau e a direção da simetria, a existência de
heterogeneidade de variâncias e a presença de outliers (CLEVELAND, 1994; DIGBY &
KEMPTON, 1996; GOWER & HAND. 1996). Chegou-se à conclusão que o limite de
especificação superior e inferior, após os ajustes foram de [0,859;1,154], conforme a Figura
2.
Figura 1: Boxplot para densidade para a amostra piloto.

Fonte: Software Minitab; Dados da pesquisa.

 Figura 2: Intervalo de tolerância para a Densidade da Amostra Piloto após a retirada do outlier.

Fonte: Software Minitab; Dados da pesquisa.

4.4. Aplicação dos planos de amostragem

Para a aplicação da metodologia de amostragem foi retirada uma amostra composta de

52 Brownies distribuídos entre os turnos da manhã, tarde e da noite. Foi utilizado cerca de
29% da população para amostra do experimento, embora Montgomery (1997) recomenda
dispor de mais de 100 observações para que o histograma seja moderadamente estável a fim
de se obter uma estimativa confiável da capacidade do processo.

4.5. Aplicação dos testes da normalidade

Para aplicação dos testes de normalidade, necessários para os estudos de capacidade

serem levados adiante, foi utilizado a ferramenta computacional MINITAB. Os resultados
obtidos na Figura 3 e 4 afirmam que os dados do turno da manhã e da tarde seguem
distribuição normal, dado que seu p-valor foram de, sendo mínimo aceitável para essa
distribuição de 0,05.
Figura 3: Gráfico de Normalidade referente ao turno da manhã.

Fonte: Software Minitab; Dados da pesquisa.

Figura 4: Gráfico de Normalidade referente ao turno da tarde.

Fonte: Software Minitab; Dados da pesquisa

 Entretanto para o turno da noite, figura 5, os dados não apresentam distribuição
normal o que torna o processo instável estatisticamente. Para solucionar esse problema,
utilizou-se um Box-plot para encontrar possíveis outliers do processo e retirá-lo do mesmo.
Feito isso, nenhum outlier foi encontrado, o que sujeita amostra a continuar não possuindo
distribuição normal. Assim, utilizamos a Transformação de Johnson neste caso que se
mostrou útil perante ao teste de normalidade.

Figura 5: Gráfico de Normalidade após a Transformação de Johnson referente ao turno da noite.

Fonte: Software Minitab; Dados da pesquisa

4.6. Histograma e cálculo dos índices de capacidade através do MINITAB

Figura 6: Relatório de Capacidade referente ao processo do turnos da manhã.

Fonte: Software Minitab; Dados da pesquisa

Figura 7- Relatório de Capacidade referente ao processo do turno da tarde.

Fonte: Software Minitab; Dados da pesquisa

 Figura 8: Capacidade do processo da noite após a modelagem dos dados pela transformação de Johnson.

Fonte: Software Minitab; Dados da pesquisa

Observou-se que todos os índices de capacidade calculados apresentaram um

resultado inferior a 1 (um), significando que o processo referente a cada turno se apresenta
incapaz ou inaceitável, ou seja, fora dos limites especificados pela Engenharia do Produto.
Os gráficos demonstraram deslocamentos à esquerda o que sugere e confirma: Cp > Cpk.
Faz-se necessário ressaltar que ambos os relatórios de capacidade afirmam que Cp e Cpk são
distintos, o que indica e afirma a não centralidade na média.

4.7 Análise de Capacidade para o característico da qualidade por Atributo

No experimento realizado, os brownies podem apresentar diversos tipos de defeitos,

tais como: processo, assamento, sabor, textura, manuseio e refugo. Para cada turno, foi
contado o número de defeitos por unidade de brownie, sendo então recomendável a análise de
capacidade de Poisson. Tais análises estão especificadas nas Figuras 9, 10 e 11 para os turnos
da manhã, tarde e noite, respectivamente.
 Figura 9: Análise de Capacidade de Poisson para o turno da manhã .

Fonte: Software Minitab; Dados da pesquisa

Analisando o relatório de capacidade acima, tem-se que o DPU (defeituosos por

unidade) médio consiste em 1,3529, ou seja, é esperado que não ocorra nenhum brownie
defeituoso. Analisando o histograma é possível observar o comportamento dos dados em
relação ao número de defeitos sendo que 11 amostras apresentaram um defeito e 6 amostras
apresentaram dois defeitos, e das 17 amostras avaliadas nenhuma atingiu o alvo, ou seja,
todas apresentaram não conformidades.
 Figura 10: Análise de Capacidade de Poisson para o turno da tarde.

Fonte: Software Minitab; Dados da pesquisa

Já para o turno da tarde, observa-se um aumento do valor do DPU médio, consistindo

em 1,7059, o que é equivalente a nenhum brownie defeituoso durante a inspeção. Pelo
gráfico do DPU Acumulado, percebe-se que, para este turno, houve uma diminuição na taxa
de defeituosos a partir da amostra 7. Além disso por meio do histograma, pode-se observar
que 6 brownies atingiram o alvo, 5 brownies tiverem um defeito, 6 brownies apresentaram 4
defeitos.
 Figura 11: Análise de Capacidade de Poisson para o turno da noite

Fonte: Software Minitab; Dados da pesquisa

Para o turno da noite, apresenta-se a menor taxa de DPU médio, sendo igual a 0,5882,
sendo o mesmo que aproximadamente 2 defeitos a cada uma unidade de brownie. Analisando
o histograma é possível observar que a maioria dos brownies atingiram o alvo, ou seja, não
apresentaram não conformidade, sendo 12 amostras a alcançar o alvo e 5 amostras
apresentaram dois defeitos.
5. CONSIDERAÇÕES FINAIS

O presente artigo realizou a análise da capacidade da simulação de um sistema

produtivo de brownies para os seguintes característicos da qualidade: densidade (com
significância relacionada a volume e peso) e quantidade de defeitos por unidade
inspecionada (com significância relacionada a processo, sabor, manuseio, assamento e
refugo), visando o monitoramento do desempenho do processo por meio dos índices de
capacidade calculados.
Para o CTQ de densidade, foi realizado o teste de normalidade para os dados dos
turnos manhã e tarde, já o turno da noite não apresentou distribuição normal, caracterizando
um processo instável, estatisticamente falando, por isso, foi realizada a Transformação de
Johnson para dar continuidade ao teste. Posteriormente foi realizada a análise da capacidade
por turno, concluindo que para o característico da qualidade de densidade, o processo
encontrava-se incapaz de atender às especificações determinadas. Já para o característico
quantidade de defeitos por unidade inspecionada, foi realizada a análise de capacidade de
Poisson, por se tratar de um CTQ por atributo. Tal análise foi feita para os três turnos
separadamente, concluindo que, no geral, a maioria das unidades inspecionadas não
atingiu o alvo de nenhum defeito, exceto no turno da noite, que 12 unidades atingiram.
Como os CTQs por variável foram sumarizados na variável densidade, é
possível que algumas características tenham sido mascaradas nos testes, levando, no
geral, à incapacidade do processo nos três turnos, porém o teste para as variáveis peso,
altura, largura e comprimento separadamente não foi realizado.
Portanto, por meio deste estudo, foi possível perceber a importância da análise
de capacidade para diversos tipos de processos, tendo em vista que tal análise permite
identificar se a variabilidade está de acordo com as especificações, podendo causar
custos desnecessários para as empresas, assim como insatisfação do público
consumidor, caso o processo seja considerado incapaz.
Possíveis sugestões para melhoria do estudo em questão é a precisão no corte
dos brownies, buscando o controle do peso e das dimensões, influenciando na densidade
e o maior monitoramento no manuseio, processo, assamento e, consequentemente, sabor
e refugo, influenciando na quantidade de defeitos por unidade.
REFERÊNCIAS

SLACK, N., CHAMBERS, S., JOHNSTON, R. Administração da Produção. 2ª Edição.

São Paulo: Atlas, 2002.

PERGHER, I, VACCARO, G.L. AND PRADELLA, M. Aplicação da simulação

computacional para determinar a capacidade produtiva do processo de produção de pães:
um estudo de caso. Produto & Produção, 14(1), 2013.

JEANG, A. Robust product design and process planning in using process capability
analysis. Journal of Intelligent Manufacturing, v.26, n.3, p.459-470, 2015.

MONTGOMERY, D. C. Introdução ao Controle Estatístico da Qualidade. 4ª Edição,

Rio de Janeiro: LTC – Livros Técnicos e Científicos Editora S.A., 2004.
MONTGOMERY, D.C. Introduction to statistical quality control. 6ª Edition. Arizona: John
Wiley & Sons, Inc. 2009.

DE OLIVEIRA, Josenildo Brito et al. Análise da capacidade de um processo: um

estudo de caso baseado nos indicadores Cp e Cpk. ENEGEP, MG, p. 1-15, 7 out. 2011.

BARRETO , Rômulo Rodrigues; ROCHA , Helcio de Oliveira; JUNIOR , Cyro Alves

Borges. Análise da capacidade de um processo de revestimento de bobinas de aço.
SEGeP, RJ, p. 1-11, 31 out. 2016.

KANE, V. E. Process capability indices. Journal of Quality Technology, v. 18, n. 1, p.

41-52, 1986.

SILVA, L. S.; MENEZES, E. M. Metodologia da pesquisa e elaboração de dissertação.

Manual de orientação. Florianópolis, 2001.

GIL, A. C. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2002.

OLIVEIRA, E. S. Análise de dados não-normais no contexto da metodologia six
sigma. Trabalho de diplomação (Graduação em Engenharia de Produção e Gestão) –
Instituto de Engenharia de Produção e Gestão, Universidade Federal de Itajubá – UNIFEI,
Itajubá, 2005.

https://support.minitab.com/pt-br/minitab/18/help-and-how-to/quality-and-process-improv
ement/capability-analysis/supporting-topics/data-and-data-assumptions/data-types-for-capa
bility-analysis/
<Acesso em: 21 de junho de 2019>