Controle Estatistico de Processos

CONTROLE
ESTATÍSTICO DE
PROCESSOS
PÓS-GRADUAÇÃO – INSTITUTO BRASILEIRO DE ENSINO
Rua Silva Jardim, 296 Floresta – Belo Horizonte - MG
www.institutoibe.com.br | facebook.com/institutoibe
Sumário
INTRODUÇÃO ................................................................................................... 3
1. FERRAMENTAS DO CONTROLE DE QUALIDADE ................................................... 5
1.1.Diagrama de Pareto ............................................................................... 6
Algumas recomendações: .................................................................................. 8
1.2. Diagrama de Causa e Efeito ................................................................. 8
1.3. Histograma: ........................................................................................ 10
1.4. Folhas de verificação .......................................................................... 11
1.5. Gráficos de dispersão ......................................................................... 12
1.6.Fluxogramas ........................................................................................ 13
1.7. Gráficos de controle ............................................................................ 14
2. CONTROLE ESTATÍSTICO DE PROCESSOS (CEP) .................................................. 33
2.1 Objetivos: ............................................................................................. 34
2.2.Características ..................................................................................... 35
Metas para manter ..................................................................................... 38
Metas para melhorar .................................................................................. 38
2.3. Normas, portarias e definições técnicas ............................................. 38
2.4.Implantação do CEP ............................................................................ 39
3. SEIS SIGMA .................................................................................................................. 40
4. CONSIDERAÇÕES FINAIS ........................................................................................... 51
5. REFERÊNCIAS BIBLIOGRÁFICAS: ............................................................................ 53

INTRODUÇÃO
Quando é fabricado um produto (bem ou serviço), as características

deste produto irão apresentar uma variabilidade inevitável, devido a variação
sofrida pelos fatores que compõem o processo produtivo. estas variações
podem resultar de diferença entre máquinas, mudanças nas condições
ambientais, variação entre lotes de matérias-primas diferença entre
fornecedores, entre outras. apesar de um esforço considerável ser
especificamente direcionado para controlar a variabilidade em cada um desses
fatores, existirá sempre a variabilidade no produto acabado de cada processo
de uma empresa. portanto, é importante que esta variabilidade também seja
controlada, para que possam ser fabricados produtos de boa qualidade.
É importante verificar a estabilidade do processo, já que processos

instáveis provavelmente irão resultar em produtos defeituosos, perda de
produção, baixa qualidade e, de modo geral, em perda da confiança do cliente.
Em 1924 Shewardt, um estatístico americano apresentou os chamados

gráficos de controle ou cartas de controle, como um método para a análise e
ajuste da variação de um processo em função do tempo. descreviam o
processo considerando duas características fundamentais: centralização -
determinada pela média - e dispersão – verificada pelo desvio-padrão ou
amplitude.
É importante destacar que a estatística é parte fundamental para a

realização este tipo de estudo, é através dela que as informações serão
extraídas e analisadas, será a ferramenta de transformação de dados em
informação.
A fase de coleta de dados inicia quando é definido o tipo de estudo que

será feito sobre uma população, sendo assim surgem algumas perguntas:
• O que quero medir?
• Porque quero medir?
• Qual o resultado esperado?

• O que estou medindo realmente é o que preciso medir?
• Existem fatores externos ou internos que podem influenciar nas

respostas?
• Os dados coletados são confiáveis?
• Existem desvios não analisados ou fatores importantes descartados?
Respondendo estas perguntas, passamos para a próxima fase do

projeto que é buscar informações coerentes e que realmente possam ser
validadas na estruturação do processo. Sendo assim encontramos novas
perguntas:
• Quem?
• Como?
• Quando?
• Quais os recursos necessários?
Tendo encontrado o responsável para a coleta dos dados, a forma da

coleta, o período e os recursos necessários, passamos a verificar os
processos, ou seja, exigimos conhecimento por parte do coletor dos dados
para ter certeza que as informações são plenamente confiáveis, extraímos
desta pessoa informações necessárias. As ferramentas de análise devem ser
definidas também nesta fase, escolher os tipos de gráficos que serão
utilizados, programa ou aplicativos para auxiliar na tomada de decisão,
possíveis problemas apresentados no processo, documentos que comprovem
as tomadas de decisão, sendo eles ações preventivas / corretivas, relatórios
técnicos, análise de causa e efeito, etc. Caso haja alguma dúvida sobre estas
informações, deve ser feito um estudo aprofundado sobre o processo em
questão e um levantamento de todas as fontes modificadoras do mesmo para
assegurar que não existam lacunas no processo.
Cada processo modela-se de acordo com diversos fatores que podem

ser físicos, tecnológicos, operacionais, naturais, normativos e muitos outros
variando entre processos. É de fundamental importância o conhecimento total
do processo, ou seja, quem coletará os dados deve saber, no mínimo, o

comportamento do processo, suas variações, possíveis problemas e
consequentemente a solução dos mesmos.
Após a coleta dos dados é fundamental que eles sejam analisados e que
padrões sejam definidos, encontrar valores ou fatores de controle que serão
chamados de limites de controle e são divididos em três tipos:
• Limite Superior de Controle (LSC): é o maior limite aceito pelo processo,

analisado através de uma variação especificada posteriormente.
• Limite de Controle (LC): é o valor zero ou ideal para a amostra, exemplo

um produto com peso nominal de 500g tem peso ideal igual a 500g, ou seja,
sem qualquer variação.
• Limite Inferior de Controle (LIC): é o menor limite aceito pelo processo.
Além destes limites de controle podemos definir outros pontos de

verificação, como média móvel, linha de tendência ou média das médias de
acordo com a necessidade de cada processo. Definidos os limites de controle
vamos validar estes limites através de análise de normas, técnicas e
verificação do processo, pode ocorrer que algum processo esteja sob controle
analisando-o pelo próprio processo, porém o processo pode estar fora do
requisito de algum regimento ou norma.
1. FERRAMENTAS DO CONTROLE DE QUALIDADE
As sete ferramentas do controle de qualidade são:
* Diagrama de Pareto
* Diagramas de causa-efeito (espinha de peixe ou diagrama de Ishikawa)
* Histogramas
* Folhas de verificação
* Gráficos de dispersão
* Fluxogramas
* Cartas de controle
Iniciemos nosso estudo com:
1.1.Diagrama de Pareto
Gráfico representado pelo plano cartesiano e graficamente distribuído
sob a forma de colunas e linha, onde as colunas representam o total de desvio
de um determinado problema, estando o mesmo ordenado do problema com
maior número de ocorrências para o que menos ocorreu ou de preferência sob
a forma percentual. As linhas representarão o total acumulado da primeira
ocorrência adicionado do total da segunda ocorrência e assim
acumulativamente.
Pode ser chamado de diagrama ABC,80-20,70-30, é um gráfico de

barras que ordena as frequências das ocorrências, da maior para a menor,
permitindo a priorização dos problemas, procurando levar a cabo o princípio de
Pareto (poucos essenciais, muitos triviais), isto é, há muitos problemas sem
importância diante de outros mais graves. Sua maior utilidade é a de permitir
uma fácil visualização e identificação das causas ou problemas mais
importantes, possibilitando a concentração de esforços sobre os mesmos.
PRINCÍPIO DE PARETO
No fim do século XIX, o economista sociopolítico Vilfredo Pareto

observou que havia uma distribuição desigual de riqueza e poder na população
total. Ele calculou matematicamente que 80% da riqueza estava em mãos de
20% da população
O diagrama de Pareto é um recurso gráfico utilizado para estabelecer

uma ordenação nas causas de perdas que devem ser sanadas. Sua origem
decorre de estudos do economista italiano Pareto e do grande mestre da
qualidade Juran.
O diagrama de Pareto torna visivelmente clara a relação ação/benefício,

ou seja, prioriza a ação que trará o melhor resultado. Ele consiste num gráfico
de barras que ordena as frequências das ocorrências da maior para a menor e

permite a localização de problemas vitais e a eliminação de perdas.
Como fazer o diagrama de Pareto
1. determinar o tipo de perda da investigação.
2. especificar o aspecto de interesse do tipo de perda da investigação.
3. organizar uma folha de verificação com as categorias do aspecto da

investigação
4. preencher a folha de verificação
5. fazer as contagens, organizar as categorias por ordem decrescente de

frequência, agrupar aquelas que ocorrem com baixa frequência sob
denominação “outros” e calcular o total.
6. calcular as frequências relativas, as frequências acumuladas e as

frequências relativas acumuladas.
Ex.: Distribuição das peças segundo o tipo de defeitos
Tabela 1: Distribuição das peças segundo o tipo de defeitos
Frequênci Freq.
Defeito a Acum.
relativa
A 0,35 0,35
B 0,25 0,6
C 0,15 0,75
D 0,1 0,85
E 0,1 0,95
D 0,05 1
Total 1
100%
% DE DEFEITOS
80%
60%
40%
20%
0%
A B C D E D
Tipo de defeito
Figura 1: Diagrama de Pareto
Algumas recomendações:
O diagrama de Pareto estabelece prioridades, isto é, mostra em que ordem os

problemas devem ser resolvidos.
1. verifique e teste diversas classificações, antes de fazer o diagrama

definitivo
2. estude o problema medindo-o em várias escalas
3. quebre grandes problemas ou grandes causas em problemas ou causas
específicas, estratificando ou subdividindo em aspectos mais
específicos.
1.2. Diagrama de Causa e Efeito

O diagrama de Causa e Efeito é a representação gráfica das causas de
um fenômeno. É um instrumento muito usado para estudar:
1. Os fatores que determinam resultados que desejamos obter (processo,

desempenho, oportunidade);
2. As causas de problemas que precisamos evitar (defeitos, falhas,

variabilidade).
Exemplo de diagramas de causa e efeito
O primeiro diagrama (Causa e Efeito: Desempenho Desejado) refere-se

a algo que desejamos, isto é, um bom restaurante. Os fatores que determinam
um bom restaurante são: instalações, comida, localização e atendimento. Para
que a comida seja boa, precisamos ter higiene, bom paladar e variedade. A
higiene, por sua vez, depende dos ingredientes (saudáveis, bem conservados)
e do preparo (receita, cuidado, etc). O diagrama é detalhado colocando as
causas do efeito desejado, depois adicionando as causas destas e assim por
diante até que fique bem claro como obter o objetivo visado.
Figura 2: Diagrama de causa e efeito
Os M’s:
1. Mão de obra
2. Método
3. Material
4. Máquina
5. Meio ambiente
6. Medição
7. "Management" (gestão)
4Ps:
1. políticas
2. Procedimentos
3. Pessoal
4. Planta
1.3. Histograma:
Gráfico representado pelo plano cartesiano e graficamente distribuído
sob forma de barras agrupadas que mostram os valores em uma distribuição
de dados usando a mesma grandeza
Na estatística, um histograma é uma representação gráfica da

distribuição de frequências de uma massa de medições, normalmente um
gráfico de barras verticais. É uma das Sete Ferramentas da Qualidade.
É um gráfico composto por retângulos justapostos em que a base de

cada um deles corresponde ao intervalo de classe e a sua altura à respectiva
freqüência. Quando o número de dados aumenta indefinidamente e o intervalo
de classe tende a zero, a distribuição de freqüência passa para uma
distribuição de densidade de probabilidades. A construção de histogramas tem
caráter preliminar em qualquer estudo e é um importante indicador da
distribuição de dados. Podem indicar se uma distribuição aproxima-se de uma
função normal, como pode indicar mistura de populações quando se
apresentam bimodais.
Figura 3: Histograma
1.4. Folhas de verificação

É a ferramenta da qualidade utilizada para facilitar e organizar o
processo de coleta e registro de dados, de forma a contribuir para otimizar a
posterior análise dos dados obtidos.
Uma folha de verificação é um formulário no qual os itens a serem
examinados já estão impressos, com o objetivo de facilitar a coleta e o registro
dos dados.
Tabela 2: Folha de verificação

Fonte: http://www.prd.usp.br/disciplinas/docs/pro2304-2005-
Muscat%28clovis%29/PRO%202304-06.pdf.
1.5. Gráficos de dispersão
Os Diagramas de dispersão são representações de duas ou mais

variáveis que são organizadas em um gráfico, uma em função da outra.
Este tipo de Diagrama é muito utilizado para correlacionar dados, como

a influência de um fator em uma propriedade, dados obtidos em diferentes
laboratórios ou de diversas maneiras (predição X medição, por exemplo).
Quando uma variável tem o seu valor diminuído com o aumento da

outra, diz-se que as mesmas são negativamente correlacionadas. Por exemplo,
a venda de carros é negativamente correlacionada com o aumento de
desemprego. Quanto maior o índice de desemprego, menor a venda de carros.
O gráfico permite que façamos uma regressão linear e determinemos

uma reta, que mostra o relacionamento médio linear entre as duas variáveis.
Com essa reta, acha-se a função que nos dá o "comportamento" da relação
entre as duas variáveis.
Dentre vários benefícios da utilização de diagramas de dispersão como

ferramenta da qualidade, um de particular importância é a possibilidade de
inferirmos uma relação causal entre váriáveis, ajudando na determinação da
causa raiz de problemas.
O diagrama de dispersão é também utilizado como ferramenta de

qualidade .Um método gráfico de análise que permite verificar a existência ou
não de relação entre duas variáveis de natureza quantitativa, ou seja, variáveis
que podem ser medidas ou contadas, tais como: sinergia, horas de
treinamento, intenções, número de horas em ação, jornada, intensidades,
velocidade, tamanho do lote, pressão, temperatura, etc...
•Desta forma, o diagrama de dispersão é usado para se verificar uma possível

relação de causa e efeito. •Isto não prova que uma variável afeta a outra, mas
torna claro se a relação existe e em que intensidade
Na pratica muitas vezes temos a necessidade de estudar a relação de

correspondência entre duas variáveis.
1.6.Fluxogramas
Fluxograma é um tipo de diagrama, e pode ser entendido como uma

representação esquemática de um processo, muitas vezes feito através de
gráficos que ilustram de forma descomplicada a transição de informações entre
os elementos que o compõem. Podemos entendê-lo, na prática, como a
documentação dos passos necessários para a execução de um processo
qualquer. É uma das Sete ferramentas da qualidade. Muito utilizada em
fábricas e industrias para a organização de produtos e processos.
O Diagrama de fluxo de dados (DFD) utiliza do Fluxograma para

modelagem e documentação de sistemas computacionais.
Figura 4: Exemplo de Fluxograma
1.7. Gráficos de controle

De um modo geral podemos dividir os Gráficos de Controle em dois grandes
grupos:
i.- Gráficos de Controle para Variáveis;
ii.- Gráficos de Controle para Atributos.
Chamaremos de:
VARIÁVEIS - dados que podem ser medidos, ou sofrem variação contínua, tais
como, resistência à tração dureza, uma dimensão, etc...
ATRIBUTOS - dados que só podem ser contados ou classificados, tais como,
passa/não passa, claro/escuro, com trinca/sem trinca, etc...
Análise dos Gráficos de Controle

Existem dois tipos de causas para a variação na qualidade dos produtos
resultante de um processo:
· Causas Comuns ou Aleatórias.- A variação provocadas por causas comuns,

também conhecida como variabilidade natural do processo, é inerente ao
processo considerado e estará presente mesmo que todas as operações sejam
executadas empregando métodos padronizados. Quando apenas as causas
comuns estão atuando em um processo, a quantidade de variabilidade se
mantém em uma faixa estável, conhecida como faixa característica do
processo. Neste caso, dizemos que o processo está sob controle estatístico,
apresentando um comportamento estável e previsível.
Causas Especiais ou Fatores Particulares de Processo.- Surgem

esporadicamente, devido a uma situação particular que faz com que o
processo se comporte de um modo completamente diferente do usual, o que
pode resultar em um deslocamento de seu nível de qualidade. Quando um
processo está operando sob a atuação de causas especiais de variação
dizemos que ele está fora de controle estatístico e neste caso sua variabilidade
geralmente é bem maior do que a variabilidade natural. As causas especiais de
variação devem ser, de modo geral, localizadas e eliminadas, e além disto
devem ser adotadas medidas para evitar sua reincidência. Alguns exemplos de
causas especiais de variação são a admissão de um novo operador, a
utilização de um novo tipo de matéria-prima e o descumprimento de padrões
operacionais.
quantidade de variabilidade se mantém em uma faixa estável, conhecida como
faixa característica do processo. Neste caso, dizemos que o processo está sob
controle estatístico, apresentando um comportamento estável e previsível.
Causas Especiais ou Fatores Particulares de Processo.- Surgem

esporadicamente, devido a uma situação particular que faz com que o
processo se comporte de um modo completamente diferente do usual, o que
pode resultar em um deslocamento de seu nível de qualidade. Quando um

processo está operando sob a atuação de causas especiais de variação
dizemos que ele está fora de controle estatístico e neste caso sua variabilidade
geralmente é bem maior do que a variabilidade natural. As causas especiais de
variação devem ser, de modo geral, localizadas e eliminadas, e além disto
devem ser adotadas medidas para evitar sua reincidência. Alguns exemplos de
causas especiais de variação são a admissão de um novo operador, a
utilização de um novo tipo de matéria-prima e o descumprimento de padrões
operacionais.
Os gráficos de controle são instrumentos para o monitoramento da

variabilidade e para a avaliação da estabilidade de um processo. Um gráfico de
controle permite a distinção entre os dois tipos de causa de variação, ou seja,
nos informa se o processo está ou não sob controle estatístico. É importante
destacar que um gráfico de controle não “descobre” quais são as
causas especiais de variação que estão atuando em um processo fora de
controle estatístico, mas ele processa e dispõe informações que podem ser
utilizadas na identificação destas causas.
Um gráfico de controle consiste de:
- Uma linha média (LM) que representa o valor médio da característica da

qualidade correspondente à situação do processo sob controle, isto é, sob a
atuação de apenas causas de variação aleatórias;
- Um par de limites de controle, representados um abaixo (limite inferior de

controle –LIC) e outro acima (limite superior de controle –LSC) da linha média.
Os limites de controles são determinados de forma que, se o processo está sob
controle, praticamente todos os pontos traçados no gráfico estarão entre as
linhas, formando uma nuvem aleatória de pontos distribuídos em torno da linha
média. Os valores da característica da qualidade traçada no gráfico indicam
então a situação do processo no que diz respeito ao controle estatístico.
Em qualquer uma das circunstâncias abaixo descritas devemos considerar que

o Processo esta Fora de Controle Estatístico.
Os arranjos típicos que os pontos podem apresentar são:
a) Variação Extrema
Anomalia é reconhecida em gráficos de controle por meio de um único ponto

ou mais fora dos limites. Torna-se necessário uma pesquisa para detectar as
causas e condições que geraram este(s) ponto(s). Os aparecimentos das
anomalias podem ter varias origens, entre elas, erros em medições e cálculos,
condições de temperatura e pressão, ajustes feitos de
forma errada e depois corrigidos, inicio ou fim de operações
b) Desvios
Embora neste caso os pontos estão dentro dos limites de controle, o

processo esta fora de controle estatístico. São situações como, 6 a 8 pontos
numa seqüência acima ou abaixo da linha media, qualquer grupo de 4 de 5
pontos consecutivos na região de 2 e 3- sigmas, 2 de 3 pontos consecutivos
próximos a qualquer limite de controle, 10 de 11 pontos consecutivos
estão abaixo ou acima da linha media,...
c) Tendência
A tendência de pontos em gráficos e a contínua movimentação para

cima ou para baixo, por pontos consecutivos ou não.
Geralmente a tendência e causada por desgaste de ferramentas, de
dispositivos de posicionamento e de travamento, por defeitos de temperatura e
de umidade, por deterioração de reagentes, por acumulação de poeira, por
folgas em fixações e em furos.
d) Ciclos
Ciclos são arranjos que se repetem mostrando picos e vales. São

indicativos de causas atribuíveis afetando periodicamente processos.
Geralmente esses comportamentos esta associada com efeitos sazonais,
razoem mecânicas diferenças causadas por desvios, etc. A ciclicidade também
pode provir de desgaste, excentricidade, fadiga, troca de operadores. No caso
da amplitude pode indicar rotação de dispositivo de fixação, medidores ou
moldes, uso excessivo da ferramenta ou ferramenta
e) Falta de Variabilidade
É verificada quando os pontos permanecem muito próximos da linha

central. As causas para tal comportamento são seleção imprópria de subgrupos
de amostras e medições tendenciosas. Exemplo: medições tendenciosas -
obtidas ou por equipamento não apropriado para medir dimensões de interesse
ou por inspetores que não sabem como efetuar as medições informando dessa
forma esse arranjo de pontos
f) Variabilidade Excessiva
Ou flutuação errática é caracterizada por altos e baixos dos pontos no

gráfico. As causas para esse arranjo são um tanto difícil de se identificar.
Podem existir causas diferentes agindo em épocas diferentes no processo
considerado. Em tais situações sempre é útil enumerar diversos fatores
conhecidos desse processo, relacionados com operadores, maquinas,
materiais, equipamentos de ensaio, dispositivos, medidores, etc. Devem ser
considerados ainda os problemas de ajustes freqüentes de maquinas ou tipos
diferentes de materiais sendo processados
Observações Complementares
É importante ter presente que não se esgotaram todas as possibilidades

do processo estar fora de controle. A maneira de verificar os casos acima e
outros é lembrar que existe uma curva normal associada ao gráfico e que ela
sempre devera estar caracterizada na distribuição dos pontos em todo gráfico.
Caso houver suspeita de que mais de uma causa influencia o processo,
as modificações deverão ser implantadas gradativamente, a partir daquela
mais importante.te ideal definido.
i. GRÁFICOS DE CONTROLE PARA VARIÁVEIS
Tabela 2: Vantagens e desvantagens
Gráfico X e R (Média e Amplitude)
Para a construção de gráficos de controle, consideremos m amostras

preliminares, onde m é usual considerar 20 ou 25, pelo menos. Cada uma das
amostras conte n observações da característica da qualidade considerada.
Estas amostras, conhecidas como Subgrupos racionais, deverão ser extraídas
quando se acredita que o processo esteja sob controle e com as condições de
operação mantida tão uniforme quanto possível.
___
Costuma-se trabalhar com o gráfico X e R para casos em que o
___
tamanho da amostra n seja menor que 6, caso contrário utiliza-se o gráfico X
e S.
Apresentamos a seguir as expressões para o cálculo dos limites de
___
controle dos gráficos X e R.
Gráfico da Média X :
Gráfico da Amplitude R:
___
sendo X : é a média da i-ésima amostra para i =1,2,...,m;
sendo, Ri : é a amplitude (diferença entre o maior e o menor valor) para i

=1,2,...,m; e os valores de A2, D3 e D4 são obtidos de pesquisar na tabela
adequada em função de n, disponível na próxima folha.
Figura 5: Tabela de constantes para a construção de gráficos

Para traçar os limites de controle, marcar o eixo vertical do lado esquerdo

___
com os valores X e R e o eixo horizontal com os números das amostras.
Traçar linhas cheias para representar LSC, LMC e LIC.
Após construção do gráfico de controle, devemos analisar o

comportamento dos pontos nos gráficos X e R e verificar se o processo está
sob controle estatístico. Caso seja necessário, recalcular os limites dos gráficos
após o abandono de pontos fora de controle. Em alguns casos será preciso
coletar novas amostras. Será importante repetir este procedimento até que o
estado de controle seja atingido.
Se verificarmos que o estado de controle alcançado é adequado ao

processo, tendo em vista considerações técnicas e econômicas (os pontos
estão dentro dos limites de controle e não apresenta as causas especiais de
variação) adotaremos os gráficos para o controle atual e futuro do processo.
Em caso contrário, conduzir ações de melhoria até que seja atingido o nível de
qualidade desejado para o processo.
Ex.1: Um determinado tipo de rosca produzido por uma indústria de

autopeças é submetido a uma operação de usinagem em um torno de
comando numérico computadorizado. O diâmetro primitivo usinado da rosca é
uma das principais características da qualidade de interesse para a empresa.
Para avaliar a estabilidade estatística do processo de usinagem, em relação a
___
esta variável, a indústria pretende passar a utilizar os gráficos de controle X -
R. A Tabela abaixo apresenta 25 amostras de tamanho 5 do diâmetro das

peças, que foram coletadas para a implantação dos gráficos de controle
Tabela 3: Diâmetro das peças usinadas (roscas)
Como percebe-se, teremos 5 observações em cada amostra,
Então, vamos até a tabela A.1, descemos até o numero 5, das observações e
vamos até o D4, onde obteremos: D4= 2,115
E D3= 0
Para calcular os limites do gráfico de R:
Para calcular os limites do gráfico R, efetua-se o cálculo abaixo e verifica-se na

figura:
Figura 6: Gráfico R
___
Para determinar os limites do gráfico de X
Como podemos verificar no gráfico abaixo:
___
Figura 7: Gráfico de controle: X
Percebemos que há 3 pontos fora dos limites de controle: 4, 16 e 25 e

podemos verificar isso no Minitab, com o seguinte procedimento:
Figura 8: Tela do Minitab
Fig. 9: Tela do Minitab, definição para construção de gráfico de controle

Gráfico X e S (Média e Desvio Padrão)
___
Normalmente, o gráfico X é utilizado com o objeto de controlar a
média do processo, enquanto o gráfico S é empregado para o controle da

variabilidade do processo considerado.
Os dois gráficos devem ser empregados simultaneamente, conforme
descreveremos nesta seção.
É evidente que o procedimento usando o desvio padrão da amostra e
muito mais eficiente estatisticamente.. Alem disto, para a determinação de S,
implica em treinamento e calculadoras apropriadas. Apresenta-se a seguir as
___
expressões para o cálculo dos limites de controle dos gráficos X e S.
___
Gráfico da Média X :
Gráfico do Desvio Padrão S:
Lembrando que:
___
em que X : a média da i-ésima amostra, para i =1,2,...,m;
Onde Si , é o desvio padrão da i-ésima amostra, para i =1,2,...,m;
Lembrando que as constantes A 3 ,B 3 e B 4 estão na Tabela A.1 (FIGURA 5)
~
Gráfico X e R (Mediana e Amplitude)
Em certos casos é interessante adotar este procedimento uma vez que
facilita muito ao operador na locação de ponto intermediário, após a ordenação
dos dados. Para construir a Carta correspondente composta por dois gráficos,
adotam-se como limites:
Gráfico da Mediana:
Gráfico da Amplitude:
Carta X individual e AM
Muitas vezes as amostras utilizadas na construção dos gráficos de

controle têm tamanhos unitários, isto é, n = 1. Dois exemplos de situações
onde as amostras consistem de uma única unidade são:
Emprego da inspeção automatizada, onde toda unidade produzida é
avaliada.
Processo para os quais a taxa de produção é baixa, não sendo então
conveniente
permitir que tamanhos amostrais superiores a um se acumulem para que a
análise dos resultados possa ser efetuada.
Os gráficos de controle utilizados para n = 1 são denominados

GRÁFICOS PARA MEDIDAS INDIVIDUAIS.
Para construir a carta correspondente composta por dois gráficos, adota-

se como:
__
X : a média dos valores individuais;
AMi: é a amplitude móvel de duas observações sucessivas para estimar a

variabilidade do processo:
a seguir as expressões para o cálculo dos limites de controle dos gráficos X e

AM.
Gráfico X:
Gráfico AM:
____
Onde AM é a amplitude móvel média,
d2 , D3 e D4 devem ser obtido da tabela A.1 (Figura 5)
para n = 2, já que o gráfico é baseado em uma amplitude móvel de n = 2.
ii. Gráfico de controle para atributos:
I. Gráfico p
Para construir um gráfico p, toma-se m (da ordem de 20 a 25) amostras
do produto, registrando-se para cada amostra o número de itens não-conforme
(defeituoso). Sejam n e Di (i=1,...,m) o tamanho da amostra e número
observado de itens não conformes.
Uma estimativa da fração não conforme é :
Os limites de controle para fração não conforme:

Exemplo 1: Em uma fabrica de luvas, 200 pares são diariamente. Nos 25 dias
úteis de um mês obtiveram-se os seguinte número de pares de defeituosos:
13, 8, 10, 15, 12, 9, 6, 4, 7, 11, 14, 10, 7, 9, 12, 13, 8, 11, 9, 12, 15, 11, 8, 6, 16.
___
256
p = 25 * 200 = 0,0512
0,0512 * 0,9488
LSC= 0,0512+3 =0,097955
200
LM=0,0512
0,0512 * 0,9488
LIC=0,0512-3 =0,00445
200
P Chart of defeitos
0,10 UCL=0,0980
0,08
Proportion
0,06
_
P=0,0512
0,04
0,02
LCL=0,0044
0,00
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
Fig. 10: Gráfico de controle para atributo (p)
Como podemos verificar nenhuma das amostras está fora dos limites de
controle.
II. Gráfico Np:
Teremos as seguintes fórmulas para determinar os limites do gráfico

Np.
Onde para nossos dados, será:
LSC= 200*0,0512+3 200 * 0,0512 * 0,9488 =10,24+9,351=19,59
LC=10,24
LSC= 200*0,0512-3 200 * 0,0512 * 0,9488 =10,24-9,351=0,889
O gráfico abaixo mostra esses limites, e verificamos que o processo está

sob controle.
NP Chart of defeitos
20 UCL=19,59
15
Sample Count
__
10 NP=10,24
LCL=0,89
0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample
Figura 11: Gráfico Np
Outros gráficos ainda existem para controlar atributos como o gráfico C,

gráfico U, gráfico padronizado e gráfico com tamanho médio das amostras.
Vamos agora, verificar a importância desse controle na produção.

2. CONTROLE ESTATÍSTICO DE PROCESSOS (CEP)
É ferramenta da qualidade utilizada nos processos produtivos (e de serviços)

com objetivo de fornecer informações para um diagnóstico mais eficaz na
prevenção e detecção de defeitos/problemas nos processos avaliados e,
consequentemente, auxilia no aumento da produtividade/resultados da
empresa, evitando desperdícios de matéria-prima, insumos, produtos, etc
Posteriormente o CEP trará menos re-trabalho aproveitando melhor os

recursos disponíveis e o bem estar dos funcionários que passarão a trabalhar
melhor e com metas específicas para cada área, podendo assim implantar
outros programas como o PRV – Plano de Remuneração Variável. Estes
recursos podem ser usados tanto numa grande empresa como na mais simples
delas, bastando para isso apenas uma ferramenta gráfica e pessoas
capacitadas para analisar criticamente os resultados obtidos
Como já sabemos, a estatística é a ciência que examina a ocorrência de

fatos entre uma população sob forma de amostra, permite realizar estudos
sobre o comportamento de uma população em relação a um determinado
aspecto. Seus resultados são graficamente analisados, tornando assim mais
simples a visualização de variações dos resultados e a parametrização dos
dados
A função básica do controle estatístico de processo é padronizar a produção de

forma a evitar a variabilidade. A variabilidade como o próprio nome diz, são as
variações ocorridas nas especificações dos produtos finais de uma
organização. Essa variação compromete o sistema de qualidade visto que
alguns produtos deverão ser retrabalhados ou simplesmente sucateados.
Uma ferramenta importantíssima no controle estatístico de processo é a

estatística. Através dela efetua-se coleta de dados no processo e formaliza-se
uma padronização que deverá ser acompanhada de perto pelos envolvidos no
processo de produção.
Existem formas de implantação deste procedimento que devem ser

observadas para garantir seu êxito. A primeira delas é selecionar o processo
que será utilizado para aplicação do controle estatístico. A prioridade é
escolher processos cujos produtos possuem grandes índices de rejeição ou
necessitam de grande controle de inspeção.
Os processos cujos produtos possuem grandes índices de rejeição ou

necessitam de grande controle de inspeção. Os processos que estão sendo
executados harmoniosamente serão analisados posteriormente, pois se não
existem sintomas de anomalias não requerem uma preocupação inicial.
O CEP informa quando agir e quando não agir. Se a ação for tomada
oportuna e adequadamente ela se mostra econômica e eficaz. Quando se age
no processo estamos nos orientando para o futuro e com isso evitamos o
desperdício.
O CEP é uma ferramenta para a “operação de produzir com qualidade”.
2.1 Objetivos:
O controle de processo deve fazer parte do esforço cooperativo de todos

os setores da empresa, no sentido de assegurar a sua conformidade e a
qualidade da produção, para que seja possível atender às necessidades dos
clientes internos e externos.
Atuando em todas as fases do processo produtivo e principalmente nos

pontos críticos, seus objetivos são:
♦ Gerar as informações necessárias ao desenvolvimento dos novos produtos;
♦ Fornecer os subsídios necessários às tomadas de decisões nos processos de

compra e recepção de matérias-primas;
♦ Assegurar, ao setor de produção, as informações requeridas para o efetivo

controle dos processos de fabricação;
♦ Inspecionar os produtos acabados;
♦ Acompanhar o perfil da qualidade dos produtos concorrentes.
2.2.Características
A estatística é, sem dúvidas, uma ferramenta de trabalho poderosíssima

para quem trabalha em controle da qualidade e controle de processo.
Para os nossos propósitos, a aplicação de técnicas estatísticas ao

controle da qualidade pode ser resumida em dois tipos de ações:
• aplicação de técnicas matemáticas na análise dos dados de controle e
• sistematização desses dados de modo a facilitar a análise dos mesmos,

auxiliando os responsáveis a tomar decisões.
A aplicação de técnicas estatísticas tem por principal objetivo oferecer

aos responsáveis pela tomada de decisões, referências relativas ao grau de
confiabilidade dos resultados gerados pelos controles e aos riscos envolvidos
nas decisões tomadas. A sistematização dos dados de controle que
normalmente é feita sob a forma de “gráficos de controle” tem por objetivo
facilitar a “visualização” dos resultados.
Lopes (2007) aborda os três os principais tipos de gráficos usados em

controle da qualidade
♦ Gráficos de controle por média;
♦ Gráficos de controle por amplitude;
♦ Gráficos de controle para frações defeituosas.

Os controles por média e amplitude são feitos com base na teoria

estatística da distribuição normal. Já o controle de frações defeituosas é, mais
freqüentemente, fundamentado na distribuição de Poisson. Para alguns casos
de controle de frações defeituosas, a aplicação de teoria estatística da
distribuição binomial pode ser vantajosa.
A definição de controle estatístico de processo pode ser realizada

através da junção dos significados de cada uma das palavras.
• Controle – manter algo dentro dos limites (padrões) ou fazer algo se

comportar de forma adequada.
• Estatística – obter conclusões com base em dados e números que
trazem informações.
• Controle Estatístico – fazer com que os resultados se mantenham
conforme o previsto pelos padrões com a ajuda de dados numéricos.
• Processo – é a combinação necessária entre o homem, os materiais, as
máquinas, os equipamentos e o meio ambiente para fabricar um produto
qualquer. Mais especificamente, um processo é qualquer conjunto de
condições ou conjunto de causas (sistema de causas) que trabalham
simultaneamente para produzir um determinado resultado.
Portanto, Controle Estatístico de Processo (CEP) é um método

preventivo de se comparar, continuamente, os resultados de um processo com
os padrões, identificando a partir de dados estatísticos as tendências para
variações significativas, a fim de eliminar/controlar essas variações. O objetivo
principal no CEP é reduzir cada vez mais a variabilidade de um processo.
Os elementos estatísticos baseiam-se num universo de amostras que

podem ser retiradas aleatoriamente, em horários determinados ou em
situações determinadas, bastando para isso seguir o conhecido plano PDCA
(Plan, Do, Check, Act).
O ciclo PDCA, ciclo de Shewhart ou ciclo de Deming, é um ciclo de

desenvolvimento que tem foco na melhoria contínua.
O PDCA foi introduzido no Japão após a guerra, idealizado por Shewhart e

divulgado por Deming, quem efetivamente o aplicou. Inicialmente deu-se o uso
para estatística e métodos de amostragem. O ciclo de Deming tem por princípio
tornar mais claros e ágeis os processos envolvidos na execução da gestão,
como por exemplo na gestão da qualidade, dividindo-a em quatro principais
passos.
O PDCA é aplicado para se atingir resultados dentro de um sistema de gestão

e pode ser utilizado em qualquer empresa de forma a garantir o sucesso nos
negócios, independentemente da área de atuação da empresa.
O ciclo começa pelo planejamento, em seguida a ação ou conjunto de ações

planejadas são executadas, checa-se se o que foi feito estava de acordo com o
planejado, constantemente e repetidamente (ciclicamente), e toma-se uma
ação para eliminar ou ao menos mitigar defeitos no produto ou na execução.
Os passos são os seguintes:
• Plan (planejamento) : estabelecer uma meta ou identificar o problema

(um problema tem o sentido daquilo que impede o alcance dos
resultados esperados, ou seja, o alcance da meta); analisar o fenômeno
(analisar os dados relacionados ao problema); analisar o processo
(descobrir as causas fundamentais dos problemas) e elaborar um plano
de ação.
• Do (execução) : realizar, executar as atividades conforme o plano de

ação.
• Check (verificação) : monitorar e avaliar periodicamente os resultados,

avaliar processos e resultados, confrontando-os com o planejado,
objetivos, especificações e estado desejado, consolidando as
informações, eventualmente confeccionando relatórios. Atualizar ou
implantar a gestão à vista.
• Act (ação) : Agir de acordo com o avaliado e de acordo com os

relatórios, eventualmente determinar e confeccionar novos planos de
ação, de forma a melhorar a qualidade, eficiência e eficácia,
aprimorando a execução e corrigindo eventuais falhas.
Há dois tipos de metas:
• Metas para manter;

• Metas para melhorar;
Metas para manter
Exemplos de metas para manter: Atender ao telefone sempre antes do

terceiro sinal. Estas metas podem também ser chamadas de "metas padrão".
Teríamos, então, qualidade padrão, custo padrão, prazo padrão, etc.
O plano para se atingir a meta padrão é o Procedimento Operacional Padrão

(POP). O conjunto de procedimentos operacionais padrão é o próprio
planejamento operacional da empresa.
O PDCA utilizado para atingir metas padrão, ou para manter os resultados num
certo nível desejado, pode então ser chamado de SDCA (S de standard)..
Metas para melhorar
Exemplos de metas para melhorar: Reduzir o desperdício de 100 unidades

para 90 unidades em um mês ou Aumentar a produtividade em 15% até
dezembro.
De modo a atingir novas metas ou novos resultados, a "maneira de trabalhar"

deve ser modificada; por exemplo, uma ação possível seria modificar os
[Procedimentos Operacionais Padrão].
Após a coleta dos dados eles devem ser compilados para retirar as
informações necessárias sob a forma de gráficos, sendo: De linhas: gráfico
representado pelo plano cartesiano e graficamente distribuído sob forma de
linhas horizontais oscilantes de acordo com o valor de leitura das amostras,
onde o eixo y representa os valores e o eixo x representa a linha de tempo de
cada leitura.
2.3. Normas, portarias e definições técnicas
Quando tratamos de produtos pré-medidos podemos trabalhar com

normas ou portarias que regem as variações aceitáveis do processo, seja, por
motivo de padronização, risco de contaminação ou qualquer outro regimento,

daí a necessidade de ter pleno conhecimento sobre o processo e suas
variações . Um só processo pode ter nenhuma, uma ou todas as normas,
portarias ou definições técnicas, ficando a cargo do especialista do processo
definir ou estudar quais devem ser aplicadas, sabendo que a qualquer
momento uma norma pode ser inserida ou retirada do escopo do processo.
Normas internas de controle podem ser definidas e declaradas no
escopo do setor de Qualidade da empresa, desde que estas normas não
agridam portarias ou normas vigentes, portanto é indispensável que se faça um
estudo de leis e estatutos, utilizando para isso as normas ISO, INMETRO,
ANVISA, NR, ABNT e etc. Tendo estes cuidados estará garantida a validade do
estudo de caso, posteriormente deve-se apenas monitorar as modificações das
normas vigentes e adequar o estudo de caso do processo.
2.4.Implantação do CEP
A fase de implantação do CEP deve seguir alguns requisitos, como a

modelagem da ferramenta de apoio contendo campos úteis nas tomadas de
decisão, por exemplo:
• Data: define o dia em que foram coletados os dados referentes à leitura.

• Hora: registra a hora que os dados foram coletados, objetivando a
rastreabilidade do processo.
• Responsável: define quem fez a coleta dos dados.
• Amostra 1, Amostra 2... Amostra n: representa a composição da
amostra, que poderá ter um ou mais elementos, bastando para isso
definir no escopo do projeto.
• Média: representa à média das amostras compostas de mais de uma
leitura coletada, caso número de amostras seja maior que um.
• Limites de Controle: limites definidos anteriormente entre limite superior,
limite de controle e limite inferior para auxiliar na visualização do
processo.
• Problema: é a descrição do problema de forma bem simples.
• Causa: representa o porquê da ocorrência do problema ou desvio do

processo, já definido anteriormente, estes dados serão usados como
entrada no gráfico de pareto.
• Ação corretiva: representa a ação imediata tomada para conter o
problema, naquele momento específico, ou seja, para cada desvio do
processo será aberta uma ação corretiva no próprio documento de
anotação do CEP, seja ele por meio eletrônico ou registros impressos.
Estando todos os campos necessários definidos, preparamos os gráficos

de controle para a certificação do processo, estes gráficos serão usados para
facilitar a visualização dos desvios, ficando a critério de cada responsável a
definição dos tipos usados.
3. SEIS SIGMA
É um conjunto de práticas originalmente desenvolvidas pela Motorola para

melhorar sistematicamente os processos ao eliminar defeitos. Um defeito é
definido como a não conformidade de um produto ou serviço com suas
especificações. Seis Sigma também é definido como uma estratégia gerencial
para promover mudanças nas organizações, fazendo com que se chegue a
melhorias nos processos, produtos e serviços para a satisfação dos clientes.
Diferente de outras formas de gerenciamento de processos produtivos

ou administrativos o Seis Sigma tem como prioridade a obtenção de resultados
de forma planejada e clara, tanto de qualidade como principalmente
financeiros.
O princípio fundamental do Seis Sigma é o de reduzir de forma contínua

a variação nos processos, eliminando defeitos ou falhas nos produtos e
serviços.
A qualidade não é vista pelo Seis Sigma na sua forma tradicional, isto é,
a simples conformidade com normas e requisitos da organização. Ele a define
como o valor agregado por um amplo esforço de produção com a finalidade de
atingir objetivos definidos na estratégia organizacional.
Hoje em dia, o Seis Sigma é visto como uma prática de gestão voltada
para melhorar a lucratividade de qualquer empresa, independentemente do seu
porte. Atualmente, o Seis Sigma tem a finalidade de aumentar a participação
de mercado, reduzir custos e otimizar as operações da empresa que o utiliza.
É uma solução ótima de médio e longo prazos, e se aplicado com

seriedade (sem falsas expectativas). Neste aspecto muitas empresas têm tido
sucesso em sua aplicação e obtenção de resultados, e tantas outras têm
falhado, o que não denigre a filosofia em si mas sim a forma e determinação
como a mesma foi implementada.
Os Projetos Seis Sigma seguem duas metodologias inspiradas pelo

Plan-Do-Check-Act Cycle (PDCA) de Edwards Deming. Estas metodologias,
compostas de cinco fases cada, são chamadas pelos acronimos DMAIC e
DMADV.
* DMAIC é usado para projetos focados em melhorar processos de negócios

já existentes.
* DMADV é usado para projetos focados em criar novos desenhos de

produtos e processos.
DMADV
A metodologia DMADV possui cinco fases:
* Define goals: definição de objetivos que sejam consistentes com as

demandas dos clientes e com a estratégia da empresa;
* Measure and identify: mensurar e identificar características que são

criticas para a qualidade, capacidades do produto, capacidade do processo de
produção e riscos;
* Analyze: analisar para desenvolver e projetar alternativas, criando um

desenho de alto nível e avaliar as capacidades para selecionar o melhor
projeto;
* Design details: desenhar detalhes, otimizar o projeto e planejar a

verificação do desenho. Esta fase se torna uma das mais longas pelo fato de
necessitar muitos testes;
* Verify the design: verificar o projeto, executar pilotos do processo,

implementar o processo de produção e entregar ao proprietário do processo.
DMAIC
A metodologia DMADV, também conhecida como DFSS ("Design For Six

Sigma"), possui cinco fases:
* Define the problem: definição do problema a partir de opiniões de

consumidores e objetivos do projeto;
* Measure key aspects: mensurar os principais aspectos do processo atual

e coletar dados importantes;
* Analyse the data: analisar os dados para investigar relações de causa e

efeito. Certificando que todos os fatores foram considerados, determinar quais
são as relações. Dentro da investigação, procurar a causa principal dos
defeitos;
* Improve the process: melhorar e otimizar o processo baseada na análise

dos dados usando técnicas como desenho de experimentos, poka yoke ou
prova de erros, e padronizar o trabalho para criar um novo estado de processo.
Executar pilotos do processo para estabelecer capacidades;
* Control: controlar o futuro estado de processo para se assegurar que

quaisquer desvios do objetivo sejam corrigidos antes que se tornem em
defeitos. Implementar sistemas de controle como um controle estatístico de

processo ou quadro de produções, e continuamente monitorar os processos.
Características
O Seis Sigma contempla características de outros modelos de

qualidade, tais como:
* Ênfase no controle da qualidade;
* Análise e solução de problemas;
* Uso sistemático de ferramentas estatísticas;
* Utilização do DMAIC (define-measure-analyse-improve-control: definir,

medir, analisar, melhorar, controlar) e do PDCA (plan-do-check-act: planejar,
executar, verificar, agir);
Contudo, o Seis Sigma abrange não só o pensamento estatístico, mas

também, o alinhamento da qualidade com as estratégias da organização, além
da forte ênfase na relação custo-benefício dos projetos de melhoria.
Um dos maiores problemas do Seis Sigma é o fato de que muitas

organizações não têm compreensão da metodologia fazendo com que os
conceitos envolvidos sejam transmitidos de forma errônea, prejudicando a
organização.
Os principais motivos para a implantação do Seis Sigma são:
* Iniciativa própria para melhorar a qualidade e a produtividade;
* Imposição de matrizes;
Os benefícios principais da implantação do Seis Sigma são:
* Diminuição dos custos organizacionais;

* Aumento significativo da qualidade e produtividade de produtos e serviços;
* Acréscimo e retenção de clientes;
* Eliminação de atividades que não agregam valor;
* Mudança cultural benéfica;
Como envolve mudança de cultura na empresa que a está

implementando traz geralmente embutida uma forte resistência inicial a sua
aplicação por parte dos colaboradores e equipes. Este aspecto não pode ser
negligenciado em sua implementação sob risco sério de falha na mesma.
A questão da cultura organizacional é relevante quando se trata do Seis

Sigma, prova disso é o fato de que as empresas que implantaram este
programa são as de maior tradição de qualidade, ou seja, já haviam adotado
outros programas de qualidade.
A implantação do Seis Sigma nas organizações tem o intuito de

incrementar a qualidade por meio da melhoria contínua dos processos
envolvidos na produção, de uma forma estruturada, considerando todos os
aspectos importantes para o negócio. Essa metodologia também prioriza o
aumento da rentabilidade, pois concentra muitos esforços na redução dos
custos da qualidade e no aperfeiçoamento da eficiência e da eficácia de todas
as operações que atendem às necessidades dos clientes.
Os fatores-chave para o sucesso da implantação do Seis Sigma são :
* Envolvimento e comprometimento da alta administração;
* Habilidades de gerenciamento de projeto;
* Priorização e seleção de projeto;
* Revisões da documentação;
* Foco no cliente;
As principais dificuldades na implementação do Seis Sigma são:
* A pouca disponibilidade de funcionários para a realização de treinamentos

e estudos, dentre outras atividades;
* A complexidade das operações realizadas;
* Os treinamentos internos, já que para o Seis Sigmas são muito mais

complexos do que para a maioria dos outros programas de qualidade;
* O manuseio das ferramentas da qualidade;
Dentre as principais facilidades que podem ser encontradas na implantação do

Seis Sigma, tem-se [2]:
* Disponibilidade de recursos para diversos fins como, por exemplo,

treinamentos, materiais didáticos, etc;
* Apoio da direção das organizações;
* Consultoria contratada para auxiliar na implantação;
* Escolaridade dos colaboradores;
* Programas de computador para apoio e a confecção de documentos;
Aplicação
Ao aplicar o Seis Sigma numa organização, é feito um intensivo uso de

ferramentas para a identificação, análise e solução de problemas, com ênfase
na coleta e tratamento de dados e suporte estatístico.
O diferencial do Seis Sigma está na forma de aplicação estruturada

dessas ferramentas e procedimentos e na sua integração com as metas e os
objetivos da organização como um todo, fazendo com que a participação e o
comprometimento de todos os níveis e funções da organização se torne um

fator-chave para o êxito de sua implantação. Também atuam como fatores-
chave o compromisso da alta administração, uma atitude pró-ativa dos
envolvidos no programa, e sistematização na busca da satisfação das
necessidades e dos objetivos dos clientes e da própria organização.
Além disso, o Seis Sigma prioriza a escolha do pessoal que irá se

envolver na implantação e aplicação do programa de forma criteriosa, além do
treinamento e da formação das equipes para a seleção, implementação,
condução e avaliação dos resultados obtidos com os projetos executados, que
são a base de sustentação do programa.
Resultados
Dentre as principais alterações que o Seis Sigmas provoca após sua

implementação, cita-se
* Maior qualidade dos produtos e serviços;
* Ganhos financeiros;
Além disso, observa-se que as organizações que adotam o Seis Sigma,

em sua maioria, utilizam as denominações presentes na literatura para que os
integrantes do programa e a maioria dos funcionários possuam curso superior
completo ou pós-graduação.
4. Avaliar os resultados das ações, com o objetivo de verificar se os mesmos

estão em conformidade com as expectativas, faz parte da natureza do homem.
Assim, no sentido Lato, pode-se dizer que o controle da qualidade remonta aos
primórdios da civilização humana.
Os registros históricos nos mostram que até o final do século XVIII,

antes do início da era industrial, os empreendimentos eram, na sua maioria, de
natureza individual ou familiar e cada um definia e controlava a qualidade dos
produtos ou serviços que gerava. Curiosamente, esta é uma postura muito

atual. No que se refere a “garantia da qualidade”, “cada um é responsável pela
qualidade do que faz”. A diferença entre um profissional do final do século XVIII
e o seu colega dos anos 90 está na forma segundo a qual aquele entendia e
este entende a função “qualidade”. Para o profissional do século XVIII a
“qualidade” estava relacionada ao atendimento as especificações do produto,
especificações estas quase sempre ditadas por ele mesmo. Ele definia o que
deveria ser “qualidade”, produzia e, eventualmente, quase sempre sem uma
programação específica definida, inspecionava o produto para verificar se
estava conforme as suas especificações. Hoje, a “qualidade” é definida pelo
cliente.
Entretanto, não se pode dizer que a sociedade, até o início do

século XIX, encontrava-se totalmente sem estruturas organizacionais
orientadas para o controle da qualidade. Registra-se, no decorrer da idade
média, intensas atividades de associações de artesões, estabelecendo padrões
que visavam proteger ganhos econômicos e sociais de seus associados e
regular a economia. Para alcançar esses objetivos essas associações
desenvolveram intensos e importantes trabalhos estabelecendo salários,
condições de trabalho e especificações para matérias-primas e produtos
acabados.
Entre 1900 e 1930, com o advento da era industrial, pressionados pela

crescente concorrência e pela complexidade dos processos, iniciou-se uma
nova fase para o controle da qualidade. Essa foi a era da inspeção. No início,
as inspeções eram feitas no produto acabado e tinha por objetivo evitar que
itens defeituosos chegassem ao consumidor. Nenhuma técnica estatística era
usada. No final dos anos 20, como decorrência da crescente complexidade dos
processos e da maior concorrência do mercado, iniciou-se a utilização de
técnicas estatísticas para o controle dos produtos. Em 1924, foi criado o
Inspection Engineering Departament of Western Electric’s Bell Telephone
Laboratories, do qual foram membros personalidades como R. B. Miller, G. D.
Peterson, H. F. Dodge, G. D. Edwards, P. S. Olmstead, M. N. Torrey e outros,
aos quais devemos importantes trabalhos pioneiros de desenvolvimento de

teorias e métodos de controle da qualidade, incluindo critérios para seleção e
amostragem. A primeira carta de controle da qual se tem registro foi
desenvolvida por Shewhart em 1924 e ficou conhecida como “Carta de
Controle de Shewhart”.
Entre 1930 e 1940, o uso da estatística como ferramenta para o controle

da qualidade se consolidou como técnica. Destaca-se nesse período os
trabalhos do Joint Committee for the Development of Statistical Aplications in
Egineering and Manufacturing, presidido por Shewhart e apoiado pela
American Society for Testing Materials (ASTM), American Society of
Mechanical Engineers (ASME), American Mathematical Society (AMS),
American Statistical Association (ASA), Institute of Mathematical Statistics
(IMS) e o American Institute of Electrical Engineers (AIEE).
Na década de 40, o uso da estatística como ferramenta para o controle

da qualidade se consolidou como prática indispensável, principalmente devido
às condições impostas pela economia de guerra. A necessidade de massificar
a produção levou a uma inevitável deterioração da qualidade dos produtos.
Esse fato obrigou o sistema produtivo a utilizar, em escala sem precedentes, as
técnicas estatísticas que já haviam sido desenvolvidas para o controle de
produtos. Nesse período, intensivos programas de treinamento, orientados
para a utilização destas técnicas, foram implementados, com os objetivos de
minimizar perdas, reduzir o custo de produção e, principalmente, assegurar a
qualidade dos produtos. Nesse período, as forças armadas dos Estados Unidos
e dos países aliados desempenharam um papel importantíssimo no
desenvolvimento de novas técnicas estatísticas, na pesquisa de novas teorias
de controle, na implementação de programas de controle da qualidade e,
principalmente, no estabelecimento de padrões.
De 1950 a 1960, as forças armadas dos países aliados, principalmente

devido a guerra fria, que demandava contínuos e intensos programas de
desenvolvimentos na área da indústria bélica, continuaram sendo os principais
impulsionadores do desenvolvimento da área de controle da qualidade. Os

principais esforços dos anos 50 foram orientados para os estabelecimentos de
novos padrões. Nessa década, o controle da qualidade deixou de enfocar o
produto e passou a orientar-se para o processo, o que, do ponto de vista
estratégico, representou um passo importantíssimo. Na verdade o responsável
pelos itens defeituosos é o processo. Se o processo é “capaz” e se está sendo
devidamente controlado deve, portanto, gerar produtos sem defeitos.
Na década de 50, o Japão iniciou sua jornada rumo a industrialização.

Deming, que havia participado ativamente, na década de 40, dos programas de
mobilização para a qualidade, nos Estados Unidos, foi para o Japão e,
juntamente com Juran e Ishikawa, tornou-se o principal responsável pela
disseminação dos conceitos de controle da qualidade naquele país.
Nos anos 60, o uso prático da estatística como ferramenta para o

controle de processo se consolidou e foram lançadas as bases para a
implantação dos conceitos de Total Quality Control - TQC, desenvolvidos por
Feigenbaum. O parque industrial japonês, ainda infante, serviu de palco para a
implementação destes conceitos, na década seguinte.
A década de 70 se caracterizou pela disseminação dos conceitos de

TQC, principalmente no Japão e foram lançadas as bases para a implantação
dos conceito de Total Quality Management - TQM. No final desta década, a
International Organization for Standardization - ISO criou o Tecnical Committee
176 (TC - 176) cujos trabalhos levaram a criação das Normas ISO série 9000,
aprovadas em 1987.
Os anos 80 se caracterizaram pela implementação, em larga escala, dos

conceitos de TQM. O Japão, mantendo a sua posição de vanguarda, liderou os
países industrializados na implementação destes conceitos. A aprovação das
Normas ISO série 9000, em 1987, representou uma mudança de paradigma e
a Europa, berço dessas Normas, ocupou a posição de destaque neste novo
cenário.
A partir da década de 60, os problemas relacionados com a preservação

da qualidade do meio ambiente passou, cada vez mais, a ocupar o centro das
atenções da nossa sociedade. O resultado desse movimento, principalmente
nos países mais desenvolvidos, foi o início de pressões social para que os
sistemas produtivos utilizassem tecnologias não poluidoras.
Na década de 70, a sociedade, preocupada com os nossos recursos

naturais, evoluiu, incorporando conceitos de racionalização de insumos nos
processos produtivos. O vertiginoso crescimento das atividades industriais,
ocorrido nesse último quarto do século XX, despertou, principalmente nas
comunidades mais esclarecidas, uma forte conscientização de que a natureza
não é infinita em sua capacidade de absorver os resultados de todas as
atividades humanas, no ritmo em que estas vêm ocorrendo, sem que sejam
alteradas as condições ambientais globais. Como resultado, seis anos após a
realização da ECO-92, foi assinado, no início de 1998, o protocolo de Kyoto
que estabelece critérios sobre emissão de CO2 e outros gases que exercem
efeito estufa e prioriza o desenvolvimento e a utilização de tecnologias
amigáveis com relação a mudanças climáticas.
Como não poderia deixar de ser, os movimentos conservacionistas

influenciaram fortemente os conceitos relativos a qualidade e motivaram a
aprovação das Normas ISO Série 14000, em 1996. Essas Normas especificam
os requisitos relativos a um sistema de gestão ambiental e regem as relações
contratuais para o comércio interno e entre países, operacionalizando grande
parte dos acordos firmados na ECO-92. Assim, a preservação da qualidade do
meio ambiente passou a ter um caráter econômico urgente e como
conseqüência, o sistema produtivo deverá privilegiar, nos próximos anos, em
escala crescente, a utilização de tecnologias orientadas para o
desenvolvimento sustentável, com enfoque na preservação dos ecossistemas e
da biodiversidade.
A função qualidade pode, também, ser analisada pelo objeto do seu

foco. Até a década de 40 o produto era o ponto de aglutinação de todos os
esforços orientados no sentido de lhe agregar qualidade. Essa foi a era da

inspeção, do controle da qualidade e a estatística foi a principal ferramenta
utilizada.
Nas décadas de 50, 60 e 70, o processo passou a ser o ponto principal

das atenções, sem que, contudo, o produto tenha saído de cena. Controlar o
processo para que os produtos por ele gerados atendam as especificações,
certamente é uma forma mais econômica de assegurar qualidade. Nesse
período, as inspeções continuaram sendo atividades importantes mas apenas
para registrar a qualidade da produção e a estatística consolidou sua posição
como ferramenta indispensável para os processos de controle.
Nas décadas de 80 e 90 cresceu no meio empresarial a consciência de

que tão ou mais importante do que produzir com qualidade, é oferecer ao
cliente o que ele deseja, é atender as suas necessidades. Assim, o cliente,
como o “parceiro” mais importante do negócio, passa a ser o foco das
atenções. Atender às expectativas do cliente e, se possível, superar essas
expectativas, passa a ser a política dos negócios de sucesso. As
características de uma empresa orientada para o atendimento ao cliente são:
• seus processos são consistentes e adequadamente controlados (eficiência),
• seus produtos são especificados de acordo com as necessidades do seu

cliente (eficácia),
• como as necessidades do cliente estão sempre mudando, elas são flexíveis,

adaptam-se com rapidez e têm visão do futuro (efetividade).
4. CONSIDERAÇÕES FINAIS
Para a empresa, o cliente no sentido lato (a sociedade) aparece no

cenário com importância crescente e vai se tornando tão importante quanto o
cliente que adquire seus produtos ou serviços.
O controle de processo, para estar de acordo com o enfoque filosófico

da era em que estamos vivendo, deve ser dinâmico, deve estar orientado para
as necessidades dos clientes (interno e externo, strito e lato senso) e ser capaz
de acompanhar as mudanças das suas necessidades. Dentro deste contexto, a
estatística é apenas uma ferramenta, importantíssima sem dúvidas, mas
apenas uma ferramenta.
Cabe, portanto, ao profissional dos tempos atuais, produzir e controlar a

qualidade do que ele produz. Entretanto, o controle da qualidade por ele
exercido é feito de forma sistematizada; é planejado de forma a cobrir todas as
fases do processo e tem por objetivo assegurar que as necessidades do seu
cliente vão ser atendidas. Não se trata mais apenas de uma inspeção final para
verificar se o produto tem ou não defeitos de fabricação.
5. REFERÊNCIAS BIBLIOGRÁFICAS:
ANTONY, J.; BAÑUELAS, R. A strategy for survival. Manufacturing Engineer, v.

80, n. 3, p. 119-121, 2001.
Agência Nacional Do Petróleo, Gás Natural e Biocombustíveis, Resolução ANP
Nº 36, de 06.12.2005 - DOU
BAÑUELAS, R.; ANTONY, J. Critical success factors for the successful
implementation of six sigma projects in organizations. The TQM Magazine, v.
14, n. 2, p. 92-99, 2002.
BOARIN PINTO, Silvia Helena; MONTEIRO DE CARVALHO, Marly; LEE HO,
Linda. Implementação de programas de aulidade: um Survey em empresas de
grande porte no Brasil. Revista Gestão & Produção. v.13, n.2, p191-203, mai.-
ago. 2006
BREYFOGLE III F. W.; CUPELLO J. M.; MEADOWS, B. Managing Six Sigma:

a practical guide to understanding, assessing, and implementing the strategy
that yields bottom-line success. New York: John Wiley & Sons, Inc., 2001.
07.12.2005.
CAMPOS, Vicente Falconi. Gerenciamento da Rotina do Trabalho do Dia-a-

Dia. 1994.
HONG, G. Y.; GOH, T. N. Six Sigma in software quality. The TQM Magazine, v.
15, n. 6, p. 364-373, 2003.
INGLE, S.; ROE, W. Six sigma black belt implementation. The TQM Magazine,
v. 13, n. 4, p. 273-280, 2001.
INSTITUTO NACIONAL DE METROLOGIA, Normalização e Qualidade

Industrial - INMETRO, Portaria INMETRO Nº 74, DE 25.
HAN, C.; LEE, Y. H. Intelligent integrated plant operation system for six sigma.
Annual Reviews Control, v. 26, p. 27-43, 2002
LINDERMAN, K. et al. Six Sigma: a goal-theoretic perspective. Journal of

Operations Management, v. 3, n. 21, p. 193-203, 2003. 05.1995.
LOPES, Luis Felipe Dias. Apostila de Controle Estatístico do Processo (2007).

Disponível em: http://www.logisticadescomplicada.com/wp-
content/uploads/2010/06/controle-processo.pdf. Acesso em 01 de novembro de
2010.
ORIBE, Claudemir. Os 70 Anos do Ciclo PDCA. Revista Banas Qualidade. N.

209. Ano XVII. Outubro/2009. Pag. 20-25
ORIBE, Claudemir Yoschihiro. Quem resolve problemas aprende? A

contribuição do método de análise e solução de problemas para a
aprendizagem organizacional. Dissertação (mestrado) – Pontifícia Universidade
Católica de Minas, 2002
PFEIFER, T.; REISSIGER, W.; CANALES, C. Integrating six sigma with quality
management systems. The TQM Magazine, v. 16, n. 4, p. 241-249, 2004. erais,
Programa de Pós-Graduação em Administração. Belo Horizonte, 2008. 168 f.
WESSEL, G.; BURCHER, P. Six Sigma for small and medium-sized

enterprises. The TQM Magazine, v. 16, n. 4, p. 264-272, 2004.

Idioma

Controle Estatistico de Processos

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Controle Estatistico de Processos

Enviado por

Direitos autorais:

Formatos disponíveis

CONTROLE

1. FERRAMENTAS DO CONTROLE DE QUALIDADE ................................................... 5

1.1.Diagrama de Pareto ............................................................................... 6

Algumas recomendações: .................................................................................. 8

1.2. Diagrama de Causa e Efeito ................................................................. 8

1.3. Histograma: ........................................................................................ 10

1.4. Folhas de verificação .......................................................................... 11

1.5. Gráficos de dispersão ......................................................................... 12

1.7. Gráficos de controle ............................................................................ 14

2. CONTROLE ESTATÍSTICO DE PROCESSOS (CEP) .................................................. 33

2.1 Objetivos: ............................................................................................. 34

Metas para manter ..................................................................................... 38

Metas para melhorar .................................................................................. 38

2.3. Normas, portarias e definições técnicas ............................................. 38

2.4.Implantação do CEP ............................................................................ 39

3. SEIS SIGMA .................................................................................................................. 40

4. CONSIDERAÇÕES FINAIS ........................................................................................... 51

5. REFERÊNCIAS BIBLIOGRÁFICAS: ............................................................................ 53

Quando é fabricado um produto (bem ou serviço), as características

É importante verificar a estabilidade do processo, já que processos

Em 1924 Shewardt, um estatístico americano apresentou os chamados

É importante destacar que a estatística é parte fundamental para a

A fase de coleta de dados inicia quando é definido o tipo de estudo que

• O que quero medir?

• Porque quero medir?

• Qual o resultado esperado?

• O que estou medindo realmente é o que preciso medir?

• Existem fatores externos ou internos que podem influenciar nas

• Os dados coletados são confiáveis?

• Existem desvios não analisados ou fatores importantes descartados?

Respondendo estas perguntas, passamos para a próxima fase do

• Quais os recursos necessários?

Tendo encontrado o responsável para a coleta dos dados, a forma da

Cada processo modela-se de acordo com diversos fatores que podem

do processo, ou seja, quem coletará os dados deve saber, no mínimo, o

• Limite Superior de Controle (LSC): é o maior limite aceito pelo processo,

• Limite de Controle (LC): é o valor zero ou ideal para a amostra, exemplo

• Limite Inferior de Controle (LIC): é o menor limite aceito pelo processo.

Além destes limites de controle podemos definir outros pontos de

1. FERRAMENTAS DO CONTROLE DE QUALIDADE

As sete ferramentas do controle de qualidade são:

Pode ser chamado de diagrama ABC,80-20,70-30, é um gráfico de

No fim do século XIX, o economista sociopolítico Vilfredo Pareto

O diagrama de Pareto é um recurso gráfico utilizado para estabelecer

O diagrama de Pareto torna visivelmente clara a relação ação/benefício,

de barras que ordena as frequências das ocorrências da maior para a menor e

Como fazer o diagrama de Pareto

1. determinar o tipo de perda da investigação.

2. especificar o aspecto de interesse do tipo de perda da investigação.

3. organizar uma folha de verificação com as categorias do aspecto da

4. preencher a folha de verificação

5. fazer as contagens, organizar as categorias por ordem decrescente de

6. calcular as frequências relativas, as frequências acumuladas e as

Ex.: Distribuição das peças segundo o tipo de defeitos

Tabela 1: Distribuição das peças segundo o tipo de defeitos

Figura 1: Diagrama de Pareto

O diagrama de Pareto estabelece prioridades, isto é, mostra em que ordem os

1. verifique e teste diversas classificações, antes de fazer o diagrama

1.2. Diagrama de Causa e Efeito

1. Os fatores que determinam resultados que desejamos obter (processo,

2. As causas de problemas que precisamos evitar (defeitos, falhas,

Exemplo de diagramas de causa e efeito