Controle

Estatístico de
Processos
CEP
Aplicado à Redução de
Falhas
 MESSIAS BORGES SILVA
Faculty member at
UNIVERSITY OF SÃO PAULO-USP
School of Engineering of Lorena- EEL-USP

SÃO PAULO STATE UNIVERSITY-UNESP

School of Engineering of Guaratinguetá

Visiting Scientist at
HARVARD UNIVERSITY
School of Engineering And Applied Sciences

Massachusetts Institute of Technology-MIT facilitator in Lean Enterprise – International

courses
 Engenheiro Industrial Químico (EEL-USP)
Certified Quality Engineer (American Society for Quality-
ASQ-USA)
Pós-graduado em Ciências Térmicas (ITA)
Pós-graduado em Qualidade (USJT)
Mestre em Engenharia Mecânica (UNESP)
Doutor em Engenharia Química (UNICAMP)
Pós doutorado HARVARD UNIVERSITY
Livre Docente em Engenharia da Qualidade (UNESP)
Espec. em Design of Experiments, Lean enterprise, Lean
Product Development, Innovation&Design Thinking
(Massachusetts Institute of Technology-MIT-USA)
Prof.Dr. Professor convidado da Harvard, University of

Messias
Massachusetts, University of Minnesota, University of
Tennessee– USA,

Borges Acadêmico da ACADEMIA BRASILEIRA DA

QUALIDADE ABQ
Silva Professor e Ex-Diretor Geral da FAENQUIL (hoje USP-
Lorena) e UNESP
Coordenador do Curso de Pós-graduação em Engenharia da
Qualidade da EEL-USP Lorena
Consultor de empresas
.
Situação do Brasil- Concorrência
Internacional
Japão Média Mundial Brasil

23000

10 200

Índice de Refugo
80
70
60
50
40 Japão
Média Mundial
30
Brasil
20
10
0
Tempo Entrega Particip.
Empreg.
 De acordo com dados do Departamento de
Competitividade da Fiesp, abriu-se uma "boca
de jacaré" entre consumo e produção no Brasil.
De 2003 até março deste ano, a produção física
da indústria de transformação cresceu apenas
25%, enquanto o volume de vendas do comércio
varejista ampliado (incluindo automóveis e
materiais de construção) cresceu 116%.
 Cone do Aprendizado

DO THE
REAL
THING!
Faça anotações!
Aplicando os
conhecimentos
na sua área é a
única forma de
sedimentá-los!
 Qualidade

• “ É um conjunto de características
de desempenho de um produto ou
serviço que, em conformidade com
as especificações, atende e, por
vezes, supera as expectativas e
anseios do consumidor ( cliente ).”
 Qualidade só é efetivamente
concluída quando dois
“personagens” entram em cena
• O PRODUTOR DA QUALIDADE
(de produtos ou serviços)

• O CONSUMIDOR DA QUALIDADE
(usuário ou cliente)
 Qualidade : continua sendo
Questão de SOBREVIVÊNCIA
• A sobrevivência da empresa depende da
satisfação dos seus clientes
• Sobreviverão somente as empresas que
valorizam e respeitam o retorno de
informações dadas por um cliente
• A maioria destas informações é recebida
como crítica pessoal ou de forma
destrutiva, e não como uma oportunidade
de melhoria
A QUALIDADE COMO ARMA PODEROSA

A qualidade é hoje a mais eficaz e potente arma de que as empresas

dispõem para seu sucesso.

A qualidade porém, não está só concentrada no produto.

A qualidade tem que fluir em toda organização – desde o momento

em que a recepcionista atende a um telefonema até entregar o
produto nas mãos do cliente.

Produção, Projetos, Ferramentaria, Área Financeira/ Administrativa,

Recursos Humanos, Treinamento, Marketing, Vendas, etc., enfim todos
tem que estar diariamente PERFUMADOS E APAIXONADOS PELA
QUALIDADE.

Fonte: José A. Martins

Qualidade não se prega ou evangeliza, qualidade a gente constrói,
cria, desenvolve e acima de tudo a gente ama a QUALIDADE.

Mas afinal o que é QUALIDADE.

A definição:

“É adequar o produto ao uso, levando em conta

preço, performance, confiabilidade e acima de tudo
a satisfação do cliente.”

Fonte: José A. Martins

O que as empresas Classe Mundial (World
Class) vem praticando

• Estratégia Seis Sigma : busca-se o padrão 3,4

ppm ou dpmo de rejeição melhorando qualidade
e reduzindo variabilidade.
• Lean Thinking : busca-se a transformação radical
para combate a todo tipo de desperdício e
ganhos de produtividade.
• Balanced Score Card : busca-se colocar em
prática as ações previstas no Planejamento
Estratégico
 Evolução do Profissional da Qualidade

• Evolution relies on two fundamental mechanisms:

1. Variation (or change)
2. The selection of the most favorable variant by the principle of
survival of the fittest.
• Current Six Sigma approach- incorporates a wide variety of
ideas that originated from previous incarnations of quality
management.

Some quality principles remain fit!!

(principal of survival of the fittest)
 Evolução da Qualidade

Quality: Business
Process
Statistical Reengineering
Quality Six Sigma
Control
Total
Quality
Management
Lean
Productivity: Six Sigma
Toyota
Production
System Lean
Ford
Six Sigma
Production Lean
Supply Chain
System
JIT
Supply Chain

Information MRP, ERP

Technology: MRP II CRM
Source: Furterer 2004 (ASQ CQSDI)
 Evolução da Qualidade
Quality: Business
Process
Statistical Reengineering
Quality Six Sigma
Control
Total
Quality
Management
Lean
Productivity: Six Sigma
Toyota
Production
System Lean
Ford
Six Sigma
Production Lean
Supply Chain
System
JIT
Supply Chain

Information MRP, ERP

Technology: MRP II CRM
Source: Furterer 2004 (ASQ CQSDI)
 Controle Estatístico de Processos

• A methodology for monitoring a process to identify

special causes of variation and signal the need to take
corrective action when appropriate.
• Seven tools:
1. Control Charts.
2. Histogram.
3. Pareto Diagram.
4. Cause-Effect Diagram.
5. Check Sheets.
6. Process Flow Diagram.
7. Scatter Diagram.
• Focus: quality control
 Evolução da Qualidade
Quality: Business
Process
Statistical Reengineering
Quality Six Sigma
Control
Total
Quality
Management
Lean
Productivity: Six Sigma
Toyota
Production
System Lean
Ford
Six Sigma
Production Lean
Supply Chain
System
JIT
Supply Chain

Information MRP, ERP

Technology: MRP II CRM
Source: Furterer 2004 (ASQ CQSDI)
 Evolução da Qualidade
Quality: Business
Process
Statistical Reengineering
Quality Six Sigma
Control
Total
Quality
Management
Lean
Productivity: Six Sigma
Toyota
Production
System Lean
Ford
Six Sigma
Production Lean
Supply Chain
System
JIT
Supply Chain

Information MRP, ERP

Technology: MRP II CRM
Source: Furterer 2004 (ASQ CQSDI)
 Evolução da Qualidade
Quality: Business
Process
Statistical Reengineering
Quality Six Sigma
Control
Total
Quality
Management
Lean
Productivity: Six Sigma
Toyota
Production
System Lean
Ford
Six Sigma
Production Lean
Supply Chain
System
JIT
Supply Chain

Information MRP, ERP

Technology: MRP II CRM
Source: Furterer 2004 (ASQ CQSDI)
 Evolução da Qualidade
Quality: Business
Process
Statistical Reengineering
Quality Six Sigma
Control
Total
Quality
Management
Lean
Productivity: Six Sigma
Toyota
Production
System Lean
Ford
Six Sigma
Production Lean
Supply Chain
System
JIT
Supply Chain

Information MRP, ERP

Technology: MRP II CRM
Source: Furterer 2004 (ASQ CQSDI)
 Objetivos de um Processo

Produzir um produto que satisfaça

totalmente as expectativas do cliente.
Conceito de Processo
 Passos do Planejamento e
Controle da Qualidade

Definir as características de Decidir como medir cada

qualidade característica

Controlar a qualidade contra Estabelecer padrões de

os padrões qualidade

Encontrar e corrigir causas de Continuar a fazer

má qualidade melhoramentos
 O que é o CEP?

O CEP é uma técnica estatística para

controle do processo, durante a
produção. Tem por objetivo principal,
controlar e melhorar a qualidade do
produto.
 O que é o CEP?

➢Idéia: incorporar o uso de variáveis aleatórias

independentes e identicamente distribuídas
➢Princípio geral: determinar quando o
processo se afasta do estado de controle e as
ações corretivas que devem ser tomadas
➢Variação: excessiva= maior inimiga da
qualidade
 A História do CEP?

Em 1924, o matemático Walter Shewhart

introduziu o controle estatístico de
processo (CEP).
 Variabilidade no Processo

“Todo processo apresenta

variações”

➢ Deming: “não se melhora a qualidade

através da inspeção. Ela já vem com o
produto quando este deixa a máquina antes
de inspecioná-lo”
➢ Pode-se conceituar as causas das variações
nos processos
Variabilidade no Processo

Dois produtos ou características

nunca são exatamente iguais, pois
qualquer processo contém muitas
fontes de variabilidade.

As diferenças entre produtos podem

ser grandes ou imensamente
pequenas, mas elas estão sempre
presentes.
Variabilidade no Processo

Localização Forma

Dispersão
 Variabilidade no Processo
Principais Fontes de Variação

MÃO DE OBRA

MATÉRIA PRIMA

MÉTODO Variáveis
trabalhando de
forma
MEIO AMBIENTE Multivariada
PRODUTO

MÁQUINA

MEIO DE MEDIÇÃO
Variabilidade no Processo

Nosso Problema

✓Controlar as Variações

✓Entender suas Causas

✓Prevenir Ocorrências
 Exemplo de Variabilidade

O diâmetro de um eixo usinado pode variar devido a:

➢Máquina (folga, desgaste do rolamento);

➢Ferramenta (esforço, desgaste);
➢Material (diâmetro, dureza);
➢Operador (precisão na centralização, alimentação da
máquina);
➢Manutenção (lubrificação, reposição de peças gastas);
➢Meio Ambiente (temperatura, constância do fornecimento
elétrico).
 Variabilidade no Processo

Causas de Variação
Causas Comuns ou Aleatórias:
➢Variações inerentes ao processo
➢Podem ser “eliminadas” somente através de
melhorias no sistema - Ações Gerenciais - 85% das
necessidades

Causas Especiais : indicam problemas no processo

➢Variações devidas a problemas identificáveis
➢Podem ser eliminadas por Ação Local do operador
15%
 Variabilidade no Processo

Causas de Variação
Causas Comuns Causas Especiais

Variações Inerentes Variações Atípicas

Origem Sistêmica Origem Local
Engenheiro/Gerente Operador/Supervisor
Solução a Longo Prazo Solução a Curto Prazo
Capacidade Estabilidade
Atender à Faixa do Cliente Previsibilidade

27
Causas Comuns de Variação

➢ Fonte de variação que afeta todos os

valores individuais do processo
➢ Um processo é dito sob controle ou
estatisticamente estável quando
somente causas comuns estiverem
presentes e controladas
Causas Especiais de Variação

➢ Instabilizam o processo
➢ Afetam o comportamento do processo de
maneira imprevisível
➢ Não se pode obter um padrão
➢ Produzem resultados totalmente
discrepantes em relação aos demais valores
prováveis
➢ Origem: interações entre mão-de-obra,
máquinas, materiais e métodos
 Distribuição Normal
Um histograma representa a distribuição dos resultados
observados em uma amostra ; a curva sobreposta sobre
o histograma representa a distribuição de todos os
resultados do processo , ou seja, da população. Essa
curva em forma de sino é conhecida como distribuição
normal.
Variabilidade no Processo

Tempo
f(X)

f(X)
T4
f(X)
T3
f(X)
T2 X

T1 X

Processo isento de Causas Especiais de Variação

 Variabilidade no Processo

f(X) Tempo

f(X)
4
f(X)
3
f(X)
T2
X
T1
X

Causa Especial de Variação alterando a média do processo

Variabilidade no Processo

f(X)
Tempo

f(X)
4

f(X)
3

f(X)
T2 X
T1
X

Causa Especial de Variação alterando a média e

aumentando a variabilidade do processo
 Variabilidade no Processo

Causas Comuns de Variação

Causas Especiais de Variação

 Variabilidade no Processo

Distribuição Normal
Só causas comuns
de variação

Número de
Ocorrências

X Variável
Observada
335
 Histograma

O QUE É: um gráfico de barras

que associa os valores de uma
característica da qualidade,
divididos em pequenos
intervalos, com a freqüência
com que ocorreram na
amostra. Ele representa a
distribuição de distribuição de
freqüência dos dados
freqüência dos dados .
OBJETIVO: resumir um grande
conjunto de dados,
ressaltando suas
características globais, tais
como faixa de valores
observados, dispersão e
padrão (ou forma) de variação.
Tipos de Histograma
 Construção do Histograma
ETAPA 1: Determinação do Número de Classes.
O número de classes é determinado calculando a raiz quadrada do número
total de medições que compõem o Histograma

ETAPA 2: Cálculo da Amplitude (R).

Obter o maior valor e o menor valor de cada linha ou coluna e depois com os
dados selecionados obter o menor valor e o maior valor da amostra.

ETAPA 3: Determinar os intervalos das classes.

Os intervalos das classes são determinados de forma que todos os dados
sejam incluídos, para isto basta dividir a amplitude da amostra em intervalos
de mesmo valor.
 Construção do Histograma

ETAPA 4: Preparar tabela para registro das freqüências de

ocorrência.

ETAPA 5: Determinar os limites dos intervalos de classe.

O intervalo de classe deverá ser aberto á esquerda ou a
direita. Observar se todos os valores da amostra foram
classificados.

ETAPA 6: Obter a freqüência em cada intervalo de classe.

ETAPA 7: Construir o Histograma

Escala horizontal: Valores da variável; Escala vertical:
freqüências.
Faixa Característica do Processo
50 Distribuição Normal

50
Faixa Característica do Processo

Intervalo Probabilidade
Dentro Fora
  1 68,26% 31,74%
  2 95,46% 4,54%
  3 99,73% 0,27%
  4 99,9936% 0,0064%
 Tópicos Principais do CEP

Utiliza cartas de controle para verificar se

alguma parte do processo produtivo não está
funcionando adequadamente e pode causar
má qualidade

Carta de Controle : é um gráfico que

estabelece os limites de controle do processo.
A carta de controle mostra mudanças no
padrão do processo
 Gráfico Sequencial
O QUE É: um gráfico dos dados ao longo do
tempo.
OBJETIVO: é utilizado para pesquisar
tendências nos dados ao longo da produção, o
que poderia indicar a presença de causas
especiais de variação.
 Medidas de Centro e Variabilidade

➢Usualmente necessitamos conhecer onde se

localiza o centro dos dados e quão grande é a
variação em torno desse centro.

➢Os gráficos são muito úteis para se ter uma

visão clara e objetiva dos dados mas, por
vezes, torna-se necessário resumir os dados
numa forma numérica .
Medidas de Posição e Dispersão
 Faixa Característica do Processo

➢A faixa característica de processo (FCP), ou faixa

padrão, representa a faixa de valores que prevemos
para a maioria dos resultados futuros do processo.

➢Esperamos que 99,73% dos resultados caiam

dentro desse intervalo.

➢ A amplitude deste intervalo, 6s, quantifica a

variação natural do processo.

➢ FCP = ( x - 3s; x + 3s) = x ± 3s

 A Carta de Controle
X
Limite Superior de Controle (LSC) = X + 3S

Linha Central (LC) = X

Limite Inferior de Controle (LIC) = X - 3S

1 2 3 4 5 6 7 8 9 1 1 1
0 1 2
tempo
A Carta de Controle
A Carta de Controle
Análise das Cartas de Controle
Análise das Cartas de Controle
Ciclos do Processo
Tipos de Cartas de Controle
Cartas de Controle por Varáveis
 Cartas de Controle por Varáveis
Caso Especial: Carta de Amplitude Móvel (RM)

Utilizar quando:
1) A Variabilidade no
subgrupo for baixa;
2) Quando o subgrupo
for de tamanho 1.
Cartas de Controle por Atributos
 Construção da Carta de Média e Amplitude

ETAPA 1. Coletar os dados

Dividir os dados em sub-grupos ( com no máximo 10 dados-
normalmente 4 ou 5)

ETAPA 2. Calcular a média de cada sub- grupo

ETAPA 3. Calcular a média das médias.

ETAPA 4. Calcular a amplitude de cada sub- grupo.

ETAPA 5. Calcular a média das amplitudes.

ETAPA 6. Calcular os limites de controle

ETAPA 7. Plotar os pontos nos gráficos

 Exemplo de Utilização das Cartas X - R

Utilize os gráficos X -R para analisar o comportamento da

temperatura do forno do atomizador. Foram coletadas 120
amostras, sendo que destas resultaram 30 subgrupos com 4
observações.
Exemplo de Utilização das Cartas X - R
Exemplo de Utilização das Cartas X - R
 Exemplo de Utilização da Carta p

De uma amostra de produção de uma fábrica de pequenos recipientes, foram

retiradas 25 amostras com 50 observações, sendo retiradas 4 amostras por dia.
Exemplo de Utilização da Carta p
 Exemplo de Utilização da Carta np

A amostra a seguir é de uma loja de departamentos onde se pretende verificar se

existe variabilidade ou não, relativa ao grau de insatisfação dos clientes. Para isso,
foram coletados 20 subgrupos, onde cada um deles possui 300 observações.
Exemplo de Utilização da Carta np
 Exemplo de Utilização da Carta c

Neste estudo de caso, serão analisados 26 subgrupos de uma amostra de 100

placas de circuito impresso.
Exemplo de Utilização da Carta c
 Exemplo de Utilização da Carta u

Este exemplo tem por finalidade detectar os defeitos por unidade na linha
de produção de computadores pessoais.
Exemplo de Utilização da Carta u
 Capacidade do Processo

➢Os estudos de capabilidade do processo tem

por objetivo verificar se um processo
estatisticamente estável atende às
especificações de engenharia do produto ou
se há geração de itens não conformes.

➢Esta análise costuma ser efetuada mediante

cálculo e interpretação de índices específicos
para essa finalidade.
 Índice Cp
➢Este índice compara a variabilidade total
permissível para as peças (ou tolerância de
especificação) com a variabilidade do
processo de fabricação (tolerância natural).

➢Para o processo ser capaz o valor deste

índice não pode ser inferior a 1,33.
Classificação do Processo Segundo o Cp
 Índice Cpk

➢É recomendado o seu uso quando se estiver

trabalhando com especificações unilaterais, ou quando
a média do processo não puder ser deslocada
(impossibilidade física ou custo excessivo).

➢Com este índice, além de se avaliar a variabilidade

total permissível para as peças com a tolerância natural
de fabricação, verifica- se também a centralização do
processo com relação aos limites (superior e inferior)
da especificação.

➢O valor deste índice deve ser igual ou superior a 1, 33

para que o processo seja considerado capaz.
Índice Cpk
 Exemplo de Capacidade de Processo

Um Fabricante de refrigerantes deseja saber se o seu processo é capaz de cumprir as

especificações da engenharia de processo. O produto a ser analisado são latas de
refrigerante cuja a especificação é de 355 ± 10 mL, para tanto foram coletados 20
subgrupos com 5 amostras cada.
Número do Amplitud
Subgrupo Amostra Média e
X1 X2 X3 X4 X5 X R
1 353,80 349,89 355,98 360,11 359,79 355,91 10,22
2 361,93 346,27 354,06 359,38 350,65 354,46 15,67
3 352,24 348,24 347,61 351,09 351,91 350,22 4,63
4 346,53 352,73 353,38 355,54 353,54 352,34 9,01
5 353,69 353,52 360,37 354,66 354,26 355,30 6,85
6 352,95 362,89 358,46 364,50 352,38 358,24 12,12
7 361,65 348,55 357,16 358,61 362,68 357,73 14,13
8 354,66 352,90 357,70 353,47 358,03 355,35 5,13
9 349,22 351,61 348,91 353,55 354,87 351,63 5,96
10 355,11 353,71 363,78 348,03 352,05 354,54 15,75
11 345,69 360,79 349,88 352,39 358,03 353,36 15,10
12 356,87 358,50 357,38 349,51 350,54 354,56 8,99
13 357,78 356,29 351,24 354,04 355,53 354,97 6,54
14 357,23 355,55 351,36 362,54 356,95 356,73 11,18
15 355,29 358,32 358,45 352,45 351,31 355,16 7,14
16 359,44 350,20 348,76 357,85 357,55 354,76 10,68
17 363,82 360,78 360,22 355,45 355,01 359,05 8,81
18 356,81 354,90 350,78 347,90 358,31 353,74 10,41
19 356,78 357,47 355,85 350,89 359,95 356,19 9,06
20 353,76 351,64 351,72 353,28 353,19 352,72 2,11
Total 354,85 9,47
 Exemplo de Capacidade de Processo

R 9,47
Estimando o desvio padrão: ˆ = = = 4,07
d 2 2,326

LSE −LIE 365 −345

Cp = = = 0,82
6 6  4,07 O processo é incapaz e
não se encontra
LSE −X 365 −354,85
centrado, mostrando
C ps = = = 0,83
3 3  4,07 uma tendência maior
em direção ao LIE
X −LIE 354,85 −345
C pi = = = 0,81
3 3  4,07
Exemplo de Capacidade de Processo
Carta de Controle
Exemplo de Capacidade de Processo

Após alguns ajustes no processo o Fabricante realiza nova análise

Número Amplitud
do Amostra Média e
Subgrup
o X1 X2 X3 X4 X5 X R
1 353,95 354,87 356,94 358,09 352,02 355,17 6,07
2 356,90 352,93 356,25 356,46 355,00 355,51 3,97
3 356,18 355,25 356,90 354,98 352,74 355,21 4,15
4 354,20 356,55 354,85 353,20 357,37 355,23 4,17
5 353,57 354,50 359,49 353,23 355,58 355,27 6,27
6 351,61 356,38 356,13 356,55 355,66 355,26 4,94
7 356,72 359,05 353,67 357,36 355,69 356,50 5,38
8 358,76 352,66 357,28 354,93 352,23 355,17 6,52
9 354,24 356,36 353,91 357,43 355,59 355,51 3,52
10 357,16 354,69 354,97 354,06 353,93 354,96 3,23
11 353,37 356,68 358,54 354,65 354,31 355,51 5,16
12 354,60 355,09 354,57 356,24 355,21 355,14 1,68
13 358,52 353,47 353,33 355,12 355,53 355,20 5,18
14 353,65 352,19 354,97 354,60 359,70 355,02 7,51
15 353,00 356,37 359,11 356,98 354,70 356,03 6,11
16 353,55 353,11 355,23 357,55 356,88 355,26 4,44
17 354,37 354,22 353,40 356,89 353,40 354,46 3,48
18 354,08 356,99 354,06 355,30 358,63 355,81 4,57
19 354,37 356,25 358,87 355,35 355,40 356,05 4,50
20 354,48 353,07 354,47 358,90 354,21 355,02 5,82
Total 355,37 4,83
 Exemplo de Capacidade de Processo

R 4,83
Estimando o desvio padrão: ̂ = = = 2,08
d2 2,326

LSE −LIE 365 −345

Cp = = = 1,60
6̂ 6  2,08 O processo é capaz e
não se encontra
LSE − X 365 − 355,37
centrado, mostrando
C pks = = = 1,55 uma leve tendência em
3 ̂ 3  2,08
direção ao LSE
X −LIE 355,37 −345
C pki= = = 1,66
3̂ 3 2,08
Ferramentas da Qualidade
Prof. Dr. Messias Borges Silva
 INTRODUÇÃO

A prática na busca da solução de problemas

tem mostrado que em muitas das vezes não
conseguimos encontrar uma Solução Satisfatória,
face à não utilização de metodologia adequada e
de ferramentas que nos permitam encontrar a
melhor solução, bem como entender melhor as
inter-relações entre as variáveis que compõem os
nossos processos de fabricação, administrativos,
incluindo-se o tratamento e minimização de
resíduos.
 OBJETIVO

Proporcionar a todos aqueles que administram

executam atividades dentro de industrias,
empresas de prestação de serviços, etc., uma
metodologia e ferramentas eficientes nos
processos da melhoria da qualidade e na busca da
excelência da qualidade dos produtos e serviços e
do Meio Ambiente .
 AS SETE FERRAMENTAS

- Diagrama de Pareto
✓ - Diagrama de Causa-Efeito
✓ - Estratificação
✓ - Planilha de Verificação (CHECK-LIST)
✓ - Histograma
✓ - Diagrama de Dispersão
✓ - Gráficos e Cartas de Controle
 ANÁLISE DE PARETO

O que é o Diagrama de Pareto?

Problemas de qualidade aparecem sob a forma de perdas

(defeituosos e seus custos).
É extremamente importante esclarecer o modelo de distribuição
das falhas.
Mais do que as perdas, será esperado muitos poucos tipos de
defeitos e seus efeitos podem ser atribuídos a pequenos
números de causas.
Portanto, se as causas desses POUCOS DEFEITOS VITAIS são
identificados, nos podemos eliminar quase todas as perdas
concentrando nossos esforços nessas causas particulares,
deixando de lado os outros MUITOS DEFEITOS TRIVIAIS
para serem atacados posteriormente.
Gráfico de Pareto
 Definição

• É um gráfico de barras verticais;

• Barras: são ordenadas a partir da

mais alta até a mais baixa;

• Traçada uma curva que mostra as

% acumuladas de cada barra.
Gráfico de Pareto

• Dispõe a informação de forma a

tornar evidente e visual ➔
priorização de temas!

• Perdas: 2 categorias:
– “poucos vitais”
– “muitos triviais”
 Gráfico de Pareto

• Dispõe a informação de forma a

permitir a concentração dos
esforços para melhoria nas áreas
onde os maiores ganhos podem
ser obtidos.
Como construir um
Pareto:
1) Defina o tipo de problema a ser
estudado;
2) Liste os possíveis fatores de
estratificação (categorias) do
problema escolhido;
3) Estabeleça o método e o período de
coleta de dados;
4) Elabore um lista de verificação
apropriada para coletar os dados;
Como construir um
Pareto:

5) Preencha a lista de verificação e registre o

total de vezes que cada categoria foi
observada e o número total de observações;
Como construir um
Pareto:
6) Elabore uma planilha de dados
para o gráfico de Pareto:
Planilha de Dados
Quantidades Totais % Total
Categoria % Acumuladas
(Totais indiv.) acumulados Geral
Como construir um
Pareto:
7) Preencha a planilha de dados,
listando as categorias em ordem
decrescente de quantidade;
Obs: “Outros” → deve ficar na
última linha da planilha.

8) Trace dois eixos verticais de

mesmo comprimento e um eixo
horizontal;
Como construir um
Pareto:
9) Marque o eixo vertical do lado
esquerdo (ou direito) com a escala
de zero até o total da coluna
Quantidade da planilha de dados.

Identifique o nome da variável

representada neste eixo e a
unidade de medida utilizada, caso
seja necessário.
Como construir um
Pareto:
10) Marque o eixo vertical do lado
direito (ou esquerdo) com uma
escala de zero até 100%.
Identifique este eixo como
“Percentagem Acumulada”;

11) Divida o eixo horizontal em um

número de intervalos igual ao
número de categorias constantes
na planilha de dados;
Como construir um
Pareto:
12) Identifique cada intervalo do
eixo horizontal escrevendo os
nomes das categorias, na mesma
ordem em que eles aparecem na
planilha de dados;

13) Construa um gráfico de barras

utilizando a escala do eixo vertical
do lado esquerdo;
Como construir um
Pareto:

14) Construa a curva de Pareto

marcando os valores acumulados
(total acumulado ou percentagem
acumulada), acima e no lado direito
(ou no centro) do intervalo de cada
categoria, e ligue os pontos por
segmentos de reta.
Como construir um
Pareto:
Priorizamos por atacar inicialmente os POUCOS VITAIS e
deixamos para uma segunda etapa os MUITO TRIVIAIS.
Pelo uso do diagrama de Pareto, podemos resolver esses tipos
de problemas de forma eficiente.
Como construir um
Pareto:

15) Registre outras informações que

devam constar no gráfico:
• Título;
• Período de coleta de dados;
• Número total de itens
inspecionados;
• Objetivo do estudo realizado.
 Tipos de gráficos de Pareto

• Efeitos: identificação do principal problema

enfrentado por uma empresa.
Ex.: número de reclamações de clientes, número
de produtos defeituosos

• Causas: identificação das principais causas de um

problema.
Ex.: fornecedor, método de medição,
temperatura, treinamento
Tipos de gráficos de Pareto
Tipos de gráficos de Pareto

• Custos: é um importante indicador a ser

considerado durante a construção de
um gráfico de Pareto para a
identificação dos poucos problemas
vitais.
Gráfico de Pareto para Custos
 Gráficos de Pareto

• A utilização de gráficos de Pareto

para comparações “antes” e
“depois” permite a avaliação do
impacto das mudanças efetuadas
no processo.
Gráficos de Pareto: Antes e
depois
V – DIAGRAMA DE CAUSA-EFEITO
V.1 – O que é o Diagrama de Causa-Efeito ?
É um Diagrama que permite visualizar simples e facilmente cadeia de
causas e efeitos do problema.
O Diagrama mostra a relação entre a características de qualidade e
fatores. Na realidade, não utilizado somente para tratar de aspectos
de características de qualidade mas também pose ser aplicado para
outros campos e áreas.
É conhecido como “diagrama de espinha de peixe”.
Exemplo de Diagrama de CAUSA EFEITO
 BRAIN-STORMING

Com as pessoas dispostas em circulo, o líder pede a cada

membro que formule um problema que sente estar afetando o
departamento, o processo, o equipamento, o ambiente de
trabalho, ou qualquer outro aspecto do trabalho que é
realizado em conjunto. Cada problema formulado é numerado
e relacionado em papel de tamanho apropriado. Quando a
folha estiver preenchida, deverá ser dependurada na parede,
bem a vista dos membros do grupo.

Não são permitidas criticas ou avaliações das idéias expostas. È

importante manter uma atmosfera de apoio, não ameaçadora,
de modo que todos os membros se sintam descontraídos
para expor suas idéias. È permitido que a pessoa passe a
vez (não apresente uma idéia).
A quantidade de idéias é importante. Nesse momento, não
devemos nos preocupar com a “qualidade”; ela vira mais
tarde. Todos devem ser estimulados a participar.”Qualquer
tipo de idéia”, deve ser estimulada; freqüentemente elas
demonstram não ser tão irracionais quanto parece a primeira
vista.

A Combinação e o aperfeiçoamento de idéias anteriores

(conhecidas como “ideias na garupa”) são essenciais.

Se as idéias não estiverem fluindo prontamente, uma opção é

terminar a reunião, marcando-a para o dia seguinte ou dois
dias depois. Isto permite que as idéias sejam incubadas.
Exemplo: Problemas que estão afetando nossa qualidade.

1. Alterações em demasia.
2. Ferramentas insuficientes.
3. Especificações instáveis.
4. Excessivas reelaborações.
5. Necessidade de muitas aprovações.
6. Desconhecimento das metas globais.
7. Procedimentos em excesso.
8. Tempo de ciclo muito longo.
9. Sistema parado durante períodos longos.
10. Escassez de peças.
HISTOGRAMAS
Os dados obtidos a de uma amostra servem
como base para a decisão sobre uma
população.
Quanto maior for o tamanho da amostra maior
será a informação sobre a população.
Mas à medida que aumenta o tamanho da
amostra fica difícil o entendimento da
população, se estes dados estiverem
dispostos apenas em um tabela.
Para facilitar então o entendimento,
construímos o histograma, que permitirá
entender a população de forma objetiva.
Histograma
 Definição

É um gráfico de barras no qual:

• eixo horizontal: apresenta os valores

assumidos por uma variável de
interesse, e

• barra vertical: indica o número de

observações na amostra
Histograma:

• visualização da forma da distribuição de

um conjunto de dados;
• percepção da localização do valor
central;
• dispersão dos dados em torno do valor
central.
 Objetivos

• Apresentar o padrão de variação do processo;

• Visualização do comportamento do processo;

• Comparação dos resultados com os limites

especificados;

• Decisão para concentração de esforços:

melhorias!
Como construir um
histograma:
1) Coleta dos dados;
2) Identificar o maior e o menor dos
valores observados;
3) Calcular a amplitude da amostra (R);
4) Definir o número de classes (k);
5) Calcular o tamanho das classes (h);
6) Calcular os limites das classes;
7) Construir uma tabela de freqüência;
8) Desenhar o histograma
 Passo1: Coleta dos
dados
• Baseada no objetivo e a
variável de interesse;
• Número de amostras  30;
• Registro dos dados numa folha
de verificação.
Passo 2: Maior e menor
valores

• Identificar o maior e o menor

dos valores observados
• Menor valor: XMIN
• Maior valor: XMAX
 Passo 3: Cálculo da
amplitude

• Amplitude: representada pela

letra “R”

R= XMAX - XMIN
Passo 4: Definição do número
de classes
• É a quantidade de colunas que o
histograma terá.
• n = número de amostras coletadas
• K = número de classes

K= n
 Passo 5: Cálculo do
tamanho das classes

• h = tamanho das classes R

• R = amplitude
h =
K
• K = número de classes
• “h”: deve ter a mesma precisão
dos dados coletados (mesmo no de
casas decimais).
 Passo 6: Calcular os
limites das classes

• Selecionar o menor valor (XMIN);

• 1a. Classe: XMIN + h = y
• 2a. Classe: y + h = z
• 3a. Classe: z + h = w
• e assim por diante...
Passo 7: Construir uma tabela
de freqüência
• Mostra os limites de cada classe e
o número de valores dentro de
cada classe Tabela de Freqüência
Classes Limites das classes Tabulação Freqüência
Tipos de Histograma
COMO CONSTRUIR O HISTOGRAMA

Passo 1: Numa tabela quadrada, marcar no eixo vertical do lado

esquerdo, a freqüência de observações e do lado direito a
porcentagem. No eixo horizontal os intervalos de classes.

Passo 2: Em cada intervalo de classe, levantar um retângulo

(barra) correspondente à freqüência de classes.
Passo 3: Nos espaços em branco, registrar dados informativos:
tamanho de amostra, média, desvio padrão.
INTERPRETAÇÃO DO HISTOGRAMA

a) Geral ( Simétrico): O valor médio do histograma esta

enquadrado no centro da amplitude dos dados.
A freqüência é maior no centro e torna-se gradualmente menor à
medida que nos aproximamos dos extremos.
Obs: Este tipo é o que aparece na maior parte dos casos.
b) Combinado (multi-modal): Muitas classes possuem uma frequencia baixa.
Obs: Este tipo ocorre quando o número de unidades de dados incluídos nas classes
varia de classe quando existe uma tendência particular em função do
arredondamento dos dados.
c) Positivamente Desviada (Negativamente Desviada)
O Valor médio do histograma está localizado do lado esquerdo (direito) do centro
da amplitude. A freqüência diminui um tanto abruptamente em direção ao Aldo
esquerdo (direito). É assimétrica.
d) Precipício à esquerda (Precipício à direita)
O valor médio do histograma está localizado longe do lado esquerdo (direito) do centro da
amplitude.
A freqüência diminui abruptamente do lado esquerdo e brandamente segue em direção ao
lado direito (esquerdo). È assimétrica.
Obs: Este tipo ocorre freqüentemente quando 100% da classificação foi feita com dados de
processo de baixa capacidade.
e) Platô: A freqüência em cada classe forma um platô pelo fato das classes
possuírem mais ou menos a mesma freqüência exceto para aqueles que estão
no final.
Obs: Este tipo ocorre com mistura de diversas distribuições possuindo valores
diferentes de médias.
f) Dois Picos (Bimodal): A freqüência é baixa no centro da amplitude dos
dados e existe um pico de cada lado.
Obs: Este tipo ocorre quando duas distribuições com diferentes valores de
médias são misturados.
g) Pico Iisolado: Existe um pequeno pico isolado em adição ao tipo geral.
Obs: Este caso aparece quando existe pequenas inclusões de dados oriundos de
diferentes distribuições, como no caso de anormalidade no processo, erro de
medida ou inclusão de dados oriundos de diferentes processos.
COMPARANDO HISTOGRAMAS COM LIMITE DE ESPECIFICAÇÃO.

Se existe uma especificação devemos levantar linhas dos limites superior e

inferior de especificação (LSE e LIE) no histograma para comparar a
distribuição com a especificação. A partir daí verificar se o histograma
está bem localizado dentro dos limites.
1) Histograma satisfaz as especificações
Comparações de Histogramas
e Limites de Especificação
ESTRATIFICAÇÃO

Quando os valores observados estão divididos em duas ou mais

subpopulações dentro da população de dados, então as
subpopulações são chamadas extratos e a divisão dos dados em
estratos é chamada estratificação.
Os valores observados são sempre acompanhados por algumas
variações. Portanto, quando os dados são estratificados de forma a
separar os fatores que são causadores das variações, as causas
das variações tornam-se mais facilmente detectáveis.
Este método pode ser usado efetivamente para elevar a qualidade do
produto pela redução ad variação e melhoria da media do processo.
A estratificação é usualmente utilizada para matéria prima, máquina,
condição de operação e operadores.
EXEMPLOS DE ESTRATIFICAÇÃO

a) Uma serie de quadro de maquinas (A, B, C e D) estão produzindo

um mesmo item. Amostras foram retiradas de tempo em tempo de
cada maquina e os resultados das medidas em médias foram
misturadas e registradas no gráfico abaixo.
 Verificamos que no período entre 12:00 e 14:00 horas tivemos valores
das médias fora do limite superior de especificação.
A partir daí surge a dúvida. Será que todas as máquinas estão fora ou
esta desconformidade está sendo produzida por uma ou duas das
máquinas? Então há a necessidade de fazermos uma estratificação
dos valores encontrados por máquina.
No exemplo fizemos a estratificação por máquina encontrando o
seguinte:

Característica
Característica
Concluímos então, após estratificação, que a desconformidade está
sendo gerada na máquina C. A partir daqui resta-nos procurar a
causa do problema e elimina-la.
DIAGRAMA DE DISPERSÃO

VIII.1 – O QUE É DIAGRAMA DE DISPERSÃO?

Na pratica muitas vezes temos a necessidade de estudar a relação de
correspondência entre duas variáveis.

Por exemplo:
1) Será que a quantidade de impurezas de uma substancia pode alterar
sua viscosidade?

2) Podemos executar o controle de concentração de uma substancia

substituindo a concentração pela densidade que é mais fácil de se
medir?

O Estudo da relação entre duas variáveis é feito através do Diagrama de

Dispersão.
 GRÁFICO DE DISPERSÃO
Y Y Y

6 6 6

4 4 4

2 2 2

0 0 0
0 2 4 6 X 0 2 4 6 X 0 2 4 6 X
CORRELAÇÃO POSITIVA PODE HAVER NÃO HÁ CORRELAÇÃO
CORRELAÇÃO POSITIVA

Y Y Y

6 6 6

4 4 4

2 2 2

0 0 0
0 2 4 6 X 0 2 4 6 X 0 2 4 6 X
CORRELAÇÃO NEGATIVA PODE HAVER NÃO HÁ CORRELAÇÃO
CORRELAÇÃO NEGATIVA
Caso de Aplicação:
a) Relação entre Característica de Qualidade e fator que a afeta.
b) Relação entre duas Características de qualidade.
c) Dois fatores relacionados a uma única característica de qualidade.

Exemplo:
 Exercício Prático das Cartas X - R

Simulação de uma Planta industrial

Materiais:
Variações no Sistema de Medição

M easurement S ystem A
nalysis

Análise de Sistemas
de Medição
 Fontes das Potenciais de Variação do Processo

Variação Observada do Processo

Variação Atual do Variação da Medição

Processo

Variação do Variação do Variação Variação Variação

Processo Processo da do do
(Longo Prazo) (Curto Prazo) Amostragem Operador Equipamento

Repetitividade Calibração Estabilidade Linearidade

 Análise de Sistemas de Medição

Propriedades Estatísticas obrigatórias à todos

os Sistemas de Medição

O Sistema de Medição deve estar sob controle estatístico, ou seja, sua

variação é devida somente a causas comuns e não a causas especiais.

A variabilidade do Sistema de Medição deve ser pequena com relação

a variabilidade do processo de produção e/ou limites de especificação.

A resolução do Instrumento deve ser no mínimo um décimo (1/10) da

variabilidade do processo e/ou amplitude da especificação.

Quando aplicado a vários itens, a maior (pior) variação do Sistema de

Medição deve ser pequena com relação a variabilidade do processo de
produção e/ou limites de especificação.
 Análise de Sistemas de Medição

REPETITIVIDADE DO DISPOSITIVO DE MEDIÇÃO

Valor
Padrão

Leituras Observadas

Repetitividade

Escala do Dispositivo de Medição

Repetitividade do dispositivo de medição é a variação na medição obtida com

um dispositivo de medição quando usado várias vezes por um mesmo operador
medindo características idênticas nas mesmas peças.
 Análise de Sistemas de Medição
REPRODUTIBILIDADE DO DISPOSITIVO DE MEDIÇÃO

Valor Operador B
Padrão

Operador C

Operador A

Reprodutibilidade

Reprodutibilidade do dispositivo de medição é a variação da média das

medições feitas por diferentes operadores, utilizando o mesmo dispositivo
medindo características idênticas nas mesmas peças.
 Análise de Sistemas de Medição
TENDÊNCIA DO DISPOSITIVO DE MEDIÇÃO

Valor
Padrão Tendência

Média Observada

Escala do Dispositivo-de Medição

Tendência do dispositivo de medição é a diferença entre a média observada

das medições e o valor padrão. O valor padrão pode ser determinado pela
média de várias medidas, utilizando o dispositivo de medição de melhor
exatidão disponível. (Normalmente o Valor padrão é obtido em um equipamento do laboratório
metrológico)
 Análise de Sistemas de Medição

LINEARIDADE DO DISPOSITIVO DE MEDIÇÃO

Baixo valor de Alto valor de

Tendência Tendência
BOM RUIM
Valor Valor
Padrão Padrão

Média Média
Observada
Observada

Escala do Dispositivo de Medição Escala do Dispositivo de Medição

Linearidade do dispositivo de medição, é a diferença entre os valores de

tendência ao longo de uma esperada faixa de operação do dispositivo de
medição.
 Análise de Sistemas de Medição

Exemplo:

• Valor de referência = 0,80

• Variação de processo = 0,70
• Medições efetuadas Média das Medições

X1 = 0,75
X2 = 0,75
X6
X7
= 0,80
= 0,75 X=
 X 7.5
= = 0.75
X3 = 0,80 X8 = 0,75 10 10
X4 = 0,80 X9 = 0,75
X5 = 0,65 X10 = 0,70

Tendência = 0,75 - 0,80 = - 0,05

%Tendência = (I Tendência I / Variação processo) x 100=(0,05/ 0,70) x 100=7,1%

 Análise de Sistemas de Medição

REPETITIVIDADE
É a variabilidade própria do dispositivo de medição (AIAG).

Aptidão de um instrumento de medição em fornecer indicações muito próximas, em

repetidas aplicações do mesmo mensurando, sob as mesmas condições de medição (VIM).

AVALIAÇÃO
Método gráfico - Carta Amplitude
Fórmulas :
VE = 5,15 x onde:
VE = Variação do equipamento
5,15 representa 99% das medições para uma distribuição normal.
= Desvio Padrão REPETITIVIDADE

onde:
 R R = Amplitude Média de varias medições
e= d2 = Extraído da tabela 1 (pág. 32)
d m = número de replicações
2
g = número de operadores vezes número de peças.
 Análise de Sistemas de Medição

REPETITIVIDADE - Exemplo de Carta de Controle

REPLICAÇÕES/ OPERADOR 1 OPERADOR 2
PEÇAS 1 2 3 4 5 1 2 3 4 5

1 217 220 217 214 216 216 216 216 216 220
2 216 216 216 212 219 219 216 215 212 220
3 216 218 216 212 220 220 220 216 212 220

Média 216.3 218.0 216.3 212.7 218.3 218.3 217.3 215.7 213.3 220 .0
Amplitude 1.0 4.0 1.0 2.0 4.0 4.0 4.0 1.0 4.0 0.0 R = 25 2,5
=
10
X = 216,3 X = 216,9

Cálculo dos limites Cálculo da Repetitividade

LSC = R x D4 (*) LIC = R x D3 (*) VE = 5,15 x  e

LSC = 2,5 x 2,575 LIC = 2,5 x 0 VE = 5,15 x R/d2 (**)
LSC = 6,4 LIC = 0 VE = 5,15 x 2,5/1,72
VE = 7,5
 Análise de Sistemas de Medição
REPRODUTIBILIDADE

* DEFINIÇÃO : É a variabilidade própria do Operador (AIAG)

* AVALIAÇÃO :

Vo = 5,15 x 0 onde:
Vo = Variação do operador
0 = Desvio Padrão de Reprodutibilidade

 0 = R0 / d 2 onde:
Ro = Diferença entre as médias máximas e
mínimas dos Operadores
d2 = Extraído da tabela
 Análise de Sistemas de Medição
EXEMPLO DE REPRODUTIBILIDADE

•Da Carta de Controle -

-Média Operador 1 => 216,3 218,0 216,3 212,7 218,3 = 216,3
-Média Operador 2 => 218,3 217,3 215,7 213,3 220,0 = 216,9

Ro = 216,9 -216,3 = 0,6

Vo = 5,15 x  o
Vo = 5,15 x Ro/d2
Vo = 5,15 x 0,6/1,41
Vo = 2,2
REPRODUTIBILIDADE AJUSTADA
2 2
5,15  Ro  2  (5,15  )  2 7 ,5 
Vo =
 −   Vo = 2 ,2  −  = Vo = 1,0
 d 2  (  r ) 5  3
 n 

Onde : n = Número de Peças - r = Número de Replicações

 Análise de Sistemas de Medição

VARIAÇÃO PEÇA A PEÇA

 Determinado através de :
 Estudo da capacidade do processo
 Estudo do sistema de medição

Determinação da Variação Peça a Peça

Vp = 5,15 x p
onde:
VP = Variação peça a peça

p = Desvio padrão de peça a peça

p = Rp / d2
 onde:
Rp = Amplitude da média das amostras
d2 = Extraído da tabela 2 com:
m = número de peças
g = 1 ( somente 1 cálculo de amplitude )
 Análise de Sistemas de Medição
LINEARIDADE
 É a diferença entre os valores de tendência obtidos ao longo de uma faixa de medição do
equipamento.

 Causas de Erros de Linearidade

 Erro de calibração nos limites ( superior/ inferior ) do campo de operação.

 Erro no padrão mínimo ou máximo.

 Desgaste no dispositivo de medição.

 Erro de projeto do dispositivo de medição

 Determinação da Linearidade (Análise Gráfica)

 Determina-se a tendência de várias peças, cobrindo-se toda a faixa de operação do

equipamento.
 Marca-se os valores de Tendência x Valores de Referência em um gráfico de linearidade

 Utiliza-se a linha de regressão linear para avaliação do gráfico.

Análise de Sistemas de Medição
EXEMPLO - Cálculo de Linearidade

Arquivo : Dispositivo de Teste Sumário de dados do Dispositivo Operador 1

Peça # 1 : 1 Carta # : 1 Nome da Carta: Carta 1 1 Operador

1 2 3 4 5
VALOR DE REFERÊNCIA 2.00 4.00 6.00 8.00 10.00

1 2.70 5.10 5.80 7.60 9.10

2 2.50 3.90 5.70 7.70 9.30
R E PL I CAÇ Õ E S

3 2.40 4.20 5.90 7.80 9.50

4 2.50 5.00 5.90 7.70 9.30
5 2.70 3.80 6.00 7.80 9.40
6 2.30 3.90 6.10 7.80 9.50
7 2.50 3.90 6.00 7.80 9.50
8
2.50 3.90 6.10 7.70 9.50
9
2.40 3.90 6.40 7.80 9.60
10
2.40 4.00 6.30 7.50 9.20
11
12
2.60 4.10 6.00 7.60 9.30
2.40 3.80 6.10 7.70 9.40

MEDIA PEÇAS 2.49 4.12 6.03 7.71 9.38

TENDÊNCIA 0.49 0.12 0.03 -0.29 -0.62

SUMÁRIO DE DADOS DO DISPOSITIVO

Nota : Variação do processo = 6,00

 Análise de Sistemas de Medição

CÁLCULOS

y = ax + b
onde: y = média das tendências
a = inclinação (coeficiente de regressão)
x = valor de referência
b = constante
a = (n . xy) - (x . y) = (5 . -6,88) - (30 . -0,27) = -0,1317
n x2 - (x)2 (5. 220) - (30)2
b = y - (a . x) = -0,27 - (-0,1317 . 30) = 0,7367
n 5
R2 = (n .  xy) - ( x .  y) = (5 . -6,88) - (30 . -0,27) = 0,98
[n . x2 - (x)2] - [n . y2 - (y)2] [5 . 220 - (30)2] . [5 . 0.7239 - (- 027)2]

Tendência = b + ax = 0,7367 - (0,1317 . 6) = - 0,05

Linearidade = I Inclinação I x variação do Processo = I 0,1317 I . 6,0 = 0,79
% Linearidade = 100 . (Linearidade/ Variação de Processo) = 13,17%
A validade do ajuste = R2 = 0,98 (coeficiente de correlação)
 Análise de Sistemas de Medição
Linearidade
Arquivo:Dispositivo de Teste de Linearidade Data: 01/09/96 Estudo # : 01 Carta #: 01
Nome: Carta # 01 01 Operador 12 Ensaios 05 Peças
Tolerância: 6,0 mm Comentários: Estudo Especial
MIN NOM MAX
1.20
1.00
0.80
0.60
0.40 +
0.20 +
-0.00 +
-0.20
+
-0.40
-0.60 +
4.00 6.00 8.00 10.00
Valores de Referência
TENDÊNCIA =0.05 QUALIDADE DE AJUSTE ( R^2) = 0.98 % LINEARIDADE = 13.17 LINEARIDADE = 0.79

GRÁFICO DE LINEARIDADE

 A qualidade do ajuste ou o coeficiente de correlação ( R2 ) indica se existe

uma relação linear
 A Linearidade é determinada pela inclinação da reta de melhor ajuste.
 Quanto menor a inclinação, melhor a linearidade do dispositivo de medição.
 Análise de Sistemas de Medição
 O dispositivo deve estar devidamente calibrado
 O dispositivo deve ter resolução adequada
 O número de operadores, amostras e replicações de leitura, deve ser previamente determinado
de acordo com os seguintes fatores:
 a) Criticidade das dimensões : Dimensões críticas requerem mais peças e /ou
replicações
 b) Configuração das peças : Para peças volumosas ou pesadas, utilizar amostras
menores e maior número de replicações.
 As peças da amostra devem ser selecionadas do processo, e representar a sua faixa completa de
variação.
 Utilizar Operadores usuários do dispositivo de medição.
 O procedimento de medição deve estar definido e disponível.
 Os operadores devem estar treinados no procedimento de medição.
 As medições devem ser realizadas em ordem aleatória.
 A identificação e seqüência das peças só deve ser conhecida pelo condutor do estudo.
 Os operadores devem estar conscientes dos objetivos do estudo.
 As peças devem ser marcadas para indicar o local exato da medição (para estudos onde a
variação própria da peça será excluída).
 Análise de Sistemas de Medição

MÉTODO DA AMPLITUDE

No exemplo abaixo temos o cálculo de R&R de um dispositivo através do

método da amplitude
Peça Amplitude
Operador A Operador B
(A-B)
1 0.85 0.80 0.05
2 0.75 0.70 0.05
3 1.00 0.95 0.05
4 0.45 0.55 0.10
5 0.50 0.60 0.10
CARACTERÍSTICA : Medição de diâmetro
TOLERÂNCIA : +/- 0.2

AMPLITUDE MÉDIA : R=
( Ri ) = 0.35
= 0.07
5 5
R&R DO DISPOSITIVO : ( )
4.33 x R  4.33 x 0.07 = 0.303

CRITÉRIO DE ACEITAÇÃO
R& R 0.303
% R&R = x 100 = x 100 = 75.5%
TOL 0.40 %R&R < 0% APROVADO
10% < R&R  0% APROVADO CONDICIONAL
No exemplo dado, (R&R = 75.5%) o dispositivo %R&R > 30% REPROVADO
deve ser reprovado
 Implementação do CEP

ETAPA 1. Identificação do projeto piloto.

Nesta etapa é selecionada a área para o início de
implementação do CEP. A área escolhida deve apresentar
problemas que justifiquem a utilização dos gráficos de
controle e os benefícios em termos de aumento de
produtividade e redução de custos devem ser levantados.

ETAPA 2. Elaboração do fluxograma de processo

Nesta etapa é preparado um fluxograma de processo para
a identificação dos pontos e parâmetros críticos do
processo onde serão utilizados os gráficos de controle.
 Implementação do CEP

ETAPA 3 .Definir cronograma do projeto piloto.

Esta etapa ajuda o coordenador do projeto na tarefa de
acompanhamento do andamento e verificação dos
resultados. Podem ser adotados documentos para registro
das atividades pendentes e resultados obtidos.

ETAPA 4. Identificação e solução de problemas da

área piloto.
Esta é a primeira etapa efetiva da implementação do CEP,
nela são levantados os principais problemas da área
piloto, os quais com a utilização das ferramentas básicas
da qualidade (diagrama de causa-efeito, Pareto) são
eliminados.
 Implementação do CEP

ETAPA 5 .Seleção do tipo de gráfico de controle a ser

utilizado.
Nesta etapa é definido o tipo de gráfico de controle que
vai ser utilizado no processo, se a decisão for pela a
utilização de gráficos por atributos, deve- se partir para a
etapa sete, caso a decisão seja pela utilização de gráficos
por variáveis deve ser realizada a etapa 6.

ETAPA 6 .Avaliação da Capacidade do processo.

Esta etapa que indica se o processo já está apto para a
utilização dos gráficos de controle, se o processo for
capaz deve-se partir para a etapa 7, se o processo não for
capaz deve-se voltar a etapa 4
 Implementação do CEP

ETAPA 7. Elaboração de procedimento para uso do

gráfico de controle.
Nesta etapa são estabelecidas as responsabilidades das
pessoas envolvidas com os gráficos de controle, incluindo
as atividades de registro e monitoramento dos gráficos de
controle.
 Referências Bibliográficas

➢ COSTA,A.F.B., EPRECHT, E.K., CARPINETTY, L.C.R. , Controle Estatístico

de Qualidade. 2a. ed. São Paulo, Atlas, 2006.
➢ LOPES, Luis Felipe Dias.Controle Estatístico de Processo.Universidade
Federal de Santa Maria, 2007.
➢ MONTGOMERY, D.C. Introdução ao Controle Estatístico da Qualidade.
4a ed. New York, John Wiley, 2009.
➢
WERKEMA MCC. Ferramentas Estatísticas Básicas para o
Gerenciamento de Processos. Belo Horizonte: Fundação Christiano
➢ Ottoni, Escola de Engenharia da UFMG; 1995.
MONTGOMERY, Douglas C.; RUNGER, George C. Estatística aplicada e
probabilidade para engenheiros. 2a. ed. Tradução de Verônica
➢ Calado. Rio de Janeiro, LTC, 2003.
SHEWHART, W. Statistical method: from the viewpoint of quality
➢
control. Washington: Dover, 1986.
➢ VIEIRA, S. Estatística para a qualidade. Rio e Janeiro: Campus. 1999.
198 p.
VTB, Consultoria e Treinamento. Controle Estatístico do Processo
Básico. São Paulo, 2008.