Você está na página 1de 6

CONTROLE ESTATISTICO DE PROCESSO

Conceitos histricos Walter Shewhart comeou a colocar em prtica nas fbricas alguns conceitos bsicos em Estatstica e Metodologia Cientfica na dcada de 1930 nos Estados Unidos. A percepo extraordinria do Shewhart de que a qualidade e a variabilidade so conceitos antagnicos no sentido de que onde tem muito de um ter necessariamente pouco do outro. Foi assim que Shewhart entendeu que medindo, analisando e monitorando variabilidade o campo do estudo estatstico, e que, atravs de aplicaes de Estatstica na fbrica, processos e produtos poderiam chegar a melhores nveis de qualidade.

Conceitos bsicos

Um dos pilares dos estudos em Estatstica a amostragem. Populaes (na fbrica, o engenheiro utiliza a palavra lotes) em geral so grandes demais para ser analisadas em grandes detalhes item por item. Em muitos casos a inspeo a 100% uma regra da fbrica, mas na realidade este procedimento no funciona adequadamente. Imagine o operador que tem a responsabilidade de verificar o nvel de preenchimento de um lote de garrafas de cerveja. O lote tem 50.000 unidades. Depois de inspecionar apenas 100 garrafas, muito provvel que o operador j no est mais pensando em nveis de preenchimento, mas sim no prximo jogo do seu time de futebol, na prxima oportunidade de tomar uma cerveja, ou na prxima namorada. No final, inspeo a 100% tem custos elevados e resultados pssimos. A seleo de amostras de tamanho muito menor que a populao enxuga os custos e paradoxalmente acaba representando melhor as caractersticas da populao. Amostragem tambm necessria quando a inspeo necessita da destruio do item amostrado. Neste caso poucos itens vo para o laboratrio para sofrer a verificao dos tcnicos. Mais sobre amostragem ser visto nas prximas sees quando as ferramentas so elaboradas A ideia de controlar um processo totalmente diferente da ideia de inspecionar peas para identificar peas no-conformes, embora os dois procedimentos utilizem em parte as mesmas ferramentas estatsticas. A inspeo de peas individuais tem como objetivo a eliminao de peas de baixa qualidade que no alcanam as expectativas do consumidor e no devem ser colocadas no mercado. Com constante inspeo do produto ao longo da linha de produo, a empresa pode identificar produto que precisa de retrabalho ou at mesmo rejeio total. As causas podem ser divididas em trs tipos bsicos.

Uma causa especial assinalvel e em geral nica, no entanto suficientemente grande para produzir perturbaes fortes no processo. um evento que ocorre uma vez ou ocasionalmente. imprevisvel. Estas causas tm que ser eliminadas ou, se por alguma razo no so eliminveis, ento sua influncia pode ser reduzida por aes compensatrias. Exemplos de causas especiais so: trovoada e relmpago, vento de uma janela deixada aberta, funcionrio intoxicado, treinamento onde faltou um ensinamento importante, uma substncia estranha na matria prima, um atraso na chegado dos funcionrios porque o nibus quebrou, entre outros. Uma outra causa chamada estrutural. Como a causa especial, a estrutural tambm eliminvel ou compensvel, mas a diferena que esta causa ocorre periodicamente. Quando o perodo entre ocorrncias relativamente grande, a causa estrutural se confunde com uma causa especial, mas se o gerente for atento, ele vai acabar percebendo sua natureza repetitiva.

A ltima causa comum. Estas causas so relativamente pequenas, mas ocorrem quase sempre e em grande nmero. o acmulo destas causas num certo perodo de tempo que dar existncia varivel aleatria. Por que uma jogada de uma moeda justa pode s vezes cair por caras e as vezes por coroas? A realidade que tantas coisas podem afetar a jogada de uma moeda justa, e cada uma to pequena, que uma anlise cientifica deste resultado praticamente impossvel. As ferramentas de CEP no so apropriadas em geral na anlise e eliminao de causas comuns. E embora as causas comuns possam ser reduzidas, elas sempre vo existir enquanto a natureza na sua totalidade guarda uma diversidade to grande e to incompreensvel pelo ser humano. A reduo destas causas vem apenas com muito sacrifcio em tempo e recursos. Para diminuir irregularidades das causas comuns necessrio investimentos em novas e melhores mquinas, melhor matria prima, treinamento intensivo, um ambiente de trabalho mais confortvel, entre outras. Neste caso qualidade e custo andam juntos. Assim, fcil entender por que o carro popular custa barato e o carro de famosos jogadores de futebol custa cem vezes mais. Exemplos de causas comuns so: uma fbrica no serto do Cear sem ar condicionado, matria prima de baixa qualidade, mas de baixo preo, gerente de produo sem nenhum estudo na rea de produo, maquinaria velha, a combinao errada de ingredientes num processo qumico, entre outras. Com estes conceitos bsicos do CEP, so introduzidas algumas ferramentas simples para melhorar qualidade que se encontra em utilizao generalizada na manufatura e em algumas instancias na administrao.

Mdia

O clculo de uma tendncia central importante porque ela consegue condensar uma srie de dados em um nico nmero. Certamente a mais popular a mdia, a soma de uma srie de dados dividida pelo nmero de dados na soma.

Mediana Para resolver a distoro de nmeros discrepantes e assimtricos, utiliza-se da mediana, o nmero no meio dos nmeros (ou a mdia dos dois nmeros no meio). Pode notar que quando o nmero de dados mpar a mediana exatamente o nmero no meio dos nmeros ordenados, sem a necessidade de calcular a mdia dos dois nmeros no meio. Os analistas argumentam que a mediana melhor do que a mdia para representar a tendncia central dos nmeros na presena de dados muito diferentes que os outros. Isso ocorre porque a mediana insensvel aos valores muito grandes ou muito pequenos.

Desvio Padro

Igualmente importante com as medidas de tendncia central so as medidas de disperso, representando como os dados se espalham ao redor da mdia. Quando os nmeros so sempre prximos mdia, isso significa que a tendncia central representa bem os dados. No entanto, se alguns nmeros ficam longe da mdia, ento a mdia no representa muito bem todos os dados. A ideia de variabilidade importante na rea de engenharia de qualidade, como foi destacado na introduo do captulo, porque oferece uma definio operacional para qualidade, uma definio que daria para medir e analisar, e discutir com os colegas. Peas fabricadas que exibem mensuraes muito espalhadas no tm qualidade, pois muitas peas vo acabar rejeitadas e retrabalhadas, significando custos altos de fabricao e uma posio fraca em termos da competio empresarial do mercado. O desvio ao redor da mdia definida como a diferena entre um nmero individual e a mdia de todos os dados (Xi X). uma tradio dos estatsticos de colocar na expresso do desvio a mdia depois do dado individual. Assim, quando a mdia menor que o dado individual o desvio positivo e vice-versa. muito interessante calcular a mdia dos desvios que representaria a variabilidade dos dados. A soma dos desvios sempre igual a zero, uma fatalidade matemtica, e, portanto a mdia dos desvios tambm sempre igual a zero. Ento a questo como calcular a mdia dos desvios numa maneira consistente e esclarecedora. So conservados os nmeros, mas sem o sinal do desvio, chamado o mdulo ou valor absoluto do desvio.