Escolar Documentos
Profissional Documentos
Cultura Documentos
Unidade II
5 CONTROLE ESTATÍSTICO DE PROCESSOS (CEP)
O Controle Estatístico de Processos (CEP) é uma técnica estatística que pode ser utilizada para se
reduzir a variabilidade de processos, permitindo seu controle ao longo do tempo. As tendências para
variações são identificadas e eliminadas.
Conforme visto anteriormente, Walter A. Shewhart introduziu uma ferramenta estatística na Bell
Telephone Laboratories para auxiliar na análise dos resultados das inspeções realizadas. Essa ferramenta
foi o gráfico de controle (CARVALHO; PALADINI, 2012).
O CEP atua, então, como um método preventivo no qual são comparados os resultados
obtidos de um processo com padrões previamente estabelecidos de forma contínua, auxiliando
as organizações a buscarem a melhoria contínua tanto da qualidade quanto da produtividade
(MONTGOMERY, 2004).
O CEP tem como principal objetivo auxiliar no eficaz controle da qualidade. Essa técnica permite
aos operadores dos processos identificarem, em tempo real, desvios dos processos que podem
influenciar na qualidade final do produto. As correções podem ser feitas rapidamente corrigindo
os processos, aumentando a capacidade destes em atender às especificações. Tal aumento de
capacidade pode significar redução de custos por meio da diminuição de desperdícios, refugos,
retrabalhos, entre outros.
Os processos de transformação apresentam inúmeras causas que provocam variações nas suas
saídas. Há várias causas de variação, dentre outras, podemos citar: tipo de matéria-prima; ajuste
de máquina; condições ambientais; desgaste natural de equipamentos; e competência/habilidade
dos operadores.
Essas variabilidades, às quais todos os processos estão sujeitos, podem ter causas comuns
ou especiais.
Entende-se por causas comuns aquelas que atuam de forma aleatória e são inerentes ao processo.
Esse tipo de variação é inevitável e ocorre mesmo que a operação seja executada de forma controlada.
Representam o padrão natural do processo e acontecem mesmo quando o processo está controlado.
A correção desse tipo de variação é feita atuando-se sobre o sistema como um todo e requer, para tanto,
ações de nível gerencial.
65
Unidade II
Já as causas especiais são aquelas que não ocorrem por motivos facilmente identificáveis e que podem
ser eliminados, não seguindo um padrão aleatório. Existem fatores relevantes a serem investigados.
Podem ser evitadas e não devem ser negligenciadas. Neste caso, consideram-se essas causas como falhas
na operação. Tais causas são corrigidas por intervenções locais e específicas, e são de responsabilidade
do operador do processo em questão.
O quadro a seguir apresenta uma breve comparação entre as características das causas comuns e das
causas especiais de não conformidade nos processos.
Outro fator importante a ser compreendido é a diferença entre medidas de variáveis contínuas e discretas.
Todo o processo de análise da capacidade de processos pode ser alterado dependendo do tipo da variável.
As variáveis discretas são aquelas que têm um número contável (finito) de valores dentro de um intervalo.
Esse tipo de variável é sempre um número e não traz unidade de medida consigo. Dessa forma, sua mensuração
é imediata e não requer instrumentos de medição. O quadro a seguir apresenta exemplos de variáreis discretas.
Variável discreta
Número de erros de digitação.
Número de acertos em uma prova.
Unidades entregues por período.
Porcentagem de chamadas recebidas para um
determinado serviço.
Número de reclamações de clientes.
Índice de atendimento de pedidos.
66
ENGENHARIA DA QUALIDADE
As variáveis contínuas são variáveis que têm um número infinito de valores dentro de um
intervalo. Esse tipo de variável traz sempre uma unidade de medida consigo e, normalmente,
precisa de um instrumento de medição para que seja mensurada. O quadro a seguir apresenta
exemplos de variáveis contínuas.
Variável contínua
Tempo de espera por chamada recebida.
Custo por unidade produzida.
Tempo para embarque em aeronave.
Quantidade de água em um reservatório.
Comprimento de barras de ferro.
Volume de combustível em um tanque.
Além de definir o tipo de variável, é muito importante saber relacionar o impacto que um determinado
tipo de variável tem na outra, mesmo tratando-se de variáveis do mesmo tipo ou de tipos diferentes.
Para tanto, pode-se utilizar o mapa de análise estatística para auxiliar na correta compreensão da
natureza das variáveis envolvidas e o quanto estão relacionadas. Considera-se que a variável Y é função
da variável X, obedecendo-se a relação:
Y = f(X)
O quadro a seguir mostra exemplos de situações em que podem haver combinações de tipos iguais
ou diferentes de variáveis.
Problema: A receita gerada está relacionada com o Problemas: A quantidade de descontos oferecidos
contínua
depende do valor de faturamento previsto? menos peças com menos variedade de defeitos?
Y = Situação da aprovação (A/R) Y = Variedade de defeitos (tipo de defeito)
X = Valor do faturamento previsto (R$) X = Graduação do cargo (nível 1, nível 2 ou nível 3).
67
Unidade II
Para utilizar o controle estatístico de processos (CEP), podem ser seguidas as seguintes etapas:
Quando o processo está com deficiências, é possível observar pontos que estão além dos limites de
controle, seja inferior ou superior, conforme mostra a figura a seguir.
LSE
LIE
68
ENGENHARIA DA QUALIDADE
Sequência
Um comprimento de sequência de sete pontos pode ser considerado anormal, conforme demonstra
a figura a seguir. Pelo menos dez de onze pontos ou dezesseis de vinte pontos consecutivos, incidindo
num mesmo lado da linha central, podem indicar a ocorrência de uma ”sequência” e a consequente
perda do controle desse processo.
LSE
LIE
Tendência
LSE
LIE
69
Unidade II
Lembrete
Para que se possa melhorar a capacidade de um processo, torna-se necessário reduzir os defeitos
apresentados por ele. Aqui, defeitos são definidos como o não atendimento aos requisitos ou
especificações do processo.
Esses defeitos são medidos em termos de milhões de oportunidades, as quais representam as etapas
do processo ou cada atividade em que pode surgir um defeito.
Saiba mais
O sigma (σ) descreve, em estatística, a medida de dispersão (desvio padrão) de uma série de pontos
em relação à sua média. Ele representa uma forma de avaliar o desempenho de um processo ou produto.
Aprimorar o nível σ em uma organização significa buscar continuamente a melhoria dos produtos e
processos, por meio da aplicação de ferramentas específicas e voltadas para a redução da variabilidade
desses processos.
O seis sigma (6σ) se trata de uma iniciativa para se alcançar e sustentar a excelência nos processos
por meio da redução de defeitos e da variabilidade desses processos. É, portanto, uma iniciativa voltada
para a compreensão da necessidade do cliente, a qual será traduzida pelas especificações do processo.
Utiliza-se a análise estatística para avaliar continuamente o desempenho do processo e busca-se sua
melhoria contínua.
70
ENGENHARIA DA QUALIDADE
Um processo deslocado, com uma distribuição do tipo normal, pode apresentar os níveis de
conformidade, conforme indicados na figura a seguir.
Percebe-se que um processo 6σ está 99,99966% conforme, ou seja, deve apresentar uma quantidade
de defeitos extremamente baixa.
Considerando-se a proporção e defeitos para cada nível σ, em partes por milhão (ppm), obtém-se o
gráfico da figura na sequência.
71
Unidade II
Observando-se as figuras anteriores, pode-se concluir que quanto maior a capacidade σ, melhor os
resultados obtidos no processo. Aumentando o número σ do processo, reduz-se o número de defeitos
até o processo operar, teoricamente, livre de defeitos.
Lembrete
O estudo do desempenho dos processos tem por objetivo constatar se esse processo é estatisticamente
capaz de atender às especificações, assim como avaliar sua estabilidade em se manter capaz. Ele pode
ser avaliado por meio de índices específicos tanto para dados discretos quanto contínuos. Torna-se
fundamental avaliar o tipo de dado que está sendo mensurado. A figura a seguir apresenta a sequência
para medida de desempenho para dados discretos e contínuos.
72
ENGENHARIA DA QUALIDADE
Observação
O controle estatístico dos processos pode ser feito utilizando-se os gráficos de controle de processos,
os quais já foram apresentados anteriormente e pode ser visto na figura a seguir.
Limite superior
300 de especificação
Medidas
200 Média
0 10 20 30
Amostras
Esses gráficos são muito úteis ao fornecerem informações sobre a estabilidade e variabilidade do
processo, mostrando sua tendência central e variação.
Já o nível sigma mede a capacidade do processo em atender às especificações definidas para ele.
Essa capacidade pode ser avaliada por meio do seu “rendimento”.
Indicador FTT
Uma das formas de se calcular o rendimento é utilizando-se o indicador first time through (FTT), cuja
tradução livre é processamento certo de primeira vez.
O FTT auxilia na compreensão da qualidade do processo visando à redução dos defeitos gerados e
diminuição dos custos.
73
Unidade II
O total de defeitos, por sua vez, pode ser expresso da seguinte forma:
Exemplo de aplicação
Em um processo industrial, são fabricadas 1.000 peças por dia. Após o final de um dia de trabalho
verificaram-se que 150 peças foram refugadas (sucateadas). Não foram registrados outros tipos de
defeitos neste dia.
1000 − (150 )
=FTT = 0,85 ou85%
1000
Indicador RTY
O indicador rolled throughput yield (RTY), ou rendimento final do processo (em tradução livre), indica
o nível de qualidade de todo o processo e pode revelar as não conformidades, ou defeitos, ao longo do
processo, ou seja, em cada uma das etapas que o compõe. Esses defeitos que não são identificados por
outros métodos, tal como o FTT, são chamados de fábrica escondida (hidden factory). Considerando-se
as diversas etapas que compõem um processo, em cada etapa deve-se realizar a inspeção dos itens em
produção de forma a identificarem-se todas as não conformidades. Essas não conformidades devem ser,
então, reparadas. A figura a seguir apresenta o diagrama do indicador RTY. Nela, são apresentados os
defeitos identificados em cada etapa.
74
ENGENHARIA DA QUALIDADE
Utilizando-se os dados do exemplo anterior, têm-se 1.000 peças que entraram no processo e 850
peças que saíram “boas” ao final do processo. Deve-se reparar que a diferença entre as peças que entraram
das que saíram é de 150 unidades e referem-se àquelas que foram refugadas, ou seja, eliminadas do
processo (80 na etapa 1 e 70 na etapa 2). Assim, as peças retrabalhadas em ambas as etapas (100 na etapa
1 e 200 na etapa 2) continuam no processo, apesar de serem consideradas “defeitos” deste processo.
Pode-se perceber a grande diferença entre o rendimento encontrado pelos indicadores FTT e RTY.
O primeiro encontrou rendimento de 85%, já o segundo apresentou rendimento de 55%. A diferença
está na fábrica escondida (hidden factory), em que as peças retrabalhadas (300 no total) não entram na
conta do FTT. Essas peças não são descartadas, mas requerem trabalho não previsto para o devido reparo.
O RTY identifica essas ocorrências em cada etapa e as incluem em sua equação.
O indicador RTY também pode ser calculado utilizando-se a quantidade de Defeitos Por Milhão de
Oportunidades (DPMO). É importante, neste caso, lembrar que uma oportunidade pode ser qualquer
item medido ou inspecionado, desde componentes, produtos e até mesmo serviços.
• Etapa 1:
— Refugos = 80
— Retrabalhos = 100
• Etapa 2:
— Refugos = 70
— Retrabalhos = 200
180.000 329.000
RTY = 1 − × 1 −
1.000.000 1.000.000
RTY = (1 − 0,18 ) × (1 − 0,329 )
RTY = 0,820 × 0,671 = 0,55 ou55%
76
ENGENHARIA DA QUALIDADE
Observação
77
Unidade II
LSE − LIE
CP =
6σST
Em que:
LSE − LIE
PP =
6σLT
Em que:
Observação
Quando Cp > 1, o processo é considerado capaz e quando Cp < 1, o
processo não é considerado capaz.
De acordo com Silva (2008), os índices Cp e Pp consideram que a média está centrada. Quando isso
não ocorre, é preciso fazer uso dos índices Cpk e Ppk. Assim, o índice Ppk não faz qualquer suposição a
respeito da média e das fontes de variação, sendo, então, o melhor índice para avaliar o desempenho
atual do processo.
Enquanto a métrica Cpk reflete a capacidade atual de um processo e atende aos limites de
especificação (considerando o seu posicionamento), com base na variação de curto prazo para um
subgrupo específico, a métrica Ppk reflete a mesma capacidade com base na variação de longo prazo
para subgrupos. Os índices Cpk e Ppk podem ser definidos como:
78
ENGENHARIA DA QUALIDADE
C = LSE −
LSE −µ µ; µµ−− LIE
LIE ;
Cpkpk = 33σ ; 33σ ;
σST
ST σ ST
ST
ee
PPpk = LSE −
LSE −µµ; µµ−− LIE
LIE ;
pk = 33σ ; 3 σ ;
σLT 3σLT
LT LT
Em que:
A diferença entre os índices citados é que Cp e Cpk consideram que existem somente causas comuns de
variação no processo, enquanto Pp e Ppk consideram também a presença de causas especiais, além das comuns.
O quadro a seguir mostra como os processos podem ser caracterizados a partir da avaliação do índice Cpk.
79
Unidade II
LIE LSE
Baixa capabilidade, mas centrado
• Cp < 1
• Cpk < 1
A figura na sequência mostra a distribuição normal que representa um processo que não está
centrado e ainda cuja extremidade avança sobre o limite de especificação superior. Neste caso, tanto
a capacidade potencial (Cp) quanto a capacidade atual ou efetiva (Cpk) deste processo são baixas, pois
mesmo que seja feita uma intervenção para centralizar o processo, ainda os limites de especificação
serão extrapolados. Assim, ambos os valores destes índices são menores que o valor unitário.
LIE LSE
Baixa capabilidade, não centrado
• Cp < 1
• Cpk < 1
A figura a seguir mostra a distribuição normal que representa um processo que está centrado e
cujas extremidades não avançam sobre os limites de especificação superior e inferior. Neste caso,
tanto a capacidade potencial (Cp) quanto a capacidade atual ou efetiva (Cpk) deste processo são altas,
pois apresentam folga para caso surjam variações. Assim, ambos os valores destes índices são maiores
que o valor unitário.
A figura a seguir mostra a distribuição normal que representa um processo que está centrado e
cujas extremidades não avançam sobre os limites de especificação superior e inferior. Neste caso, tanto
a capacidade potencial (Cp) quanto a capacidade atual ou efetiva (Cpk) deste processo são altas, pois ele
apresenta folga para caso surjam variações, ou seja, os limites de especificação não serão ultrapassados.
Assim, ambos os valores destes índices são maiores que o valor unitário.
80
ENGENHARIA DA QUALIDADE
LIE LSE
• Cp > 1
• Cpk > 1
• Cp > 1
• Cpk < 0
Lembrete
O valor de Cpk auxilia na decisão sobre em que concentrar os esforços da engenharia da qualidade.
É importante estar atento a processos com menor Cpk, pois estes devem ser priorizados nas ações
de melhoria.
81
Unidade II
No caso de um processo com Cpk < 1 e Cp > 1, basta centralizar o processo que para que ele se
torne capaz.
Observação
Dessa forma processos com Cpk < 1 e Cp > 1 devem ser priorizados nas ações de melhoria.
Por outro lado, quando o processo está deslocado de sua média, encontram-se causas especiais de
variação ao longo do tempo, as quais tornam este processo imprevisível quanto a sua variabilidade,
conforme representa a figura a seguir.
82
ENGENHARIA DA QUALIDADE
7 CARTA DE CONTROLE
As cartas para variáveis, mais especificamente, as cartas para x (média) e R (amplitude) representam
a aplicação clássica de controle de processo. Aplicam-se quando se necessitar verificar quanto de
variabilidade do processo é devido à variação aleatória e quanto é devido às causas comuns/ações
individuais, a fim de se determinar se o processo está sob controle estatístico. Tem como vantagens:
• As medições fornecem mais informações e, portanto, exigem uma amostra menor. Assim, o custo
total de amostragem pode ser menor.
• O lapso de tempo entre a produção das peças e a ação corretiva pode ser encurtado.
Uma variável pode sofrer alteração tanto na sua média quanto na sua variabilidade. A figura a seguir
apresenta graficamente a localização e variabilidade das amostras:
1
2
Uma vez calculados x e R, calculam-se os limites de controle das médias considerando-se a extensão
de seis desvios-padrões das médias (três para cada lado), que segundo a distribuição normal compreende
99,73% dos valores de médias amostrais.
LC = X ± 3σ x
Em que a variabilidade das médias é estimada a partir da variabilidade dos valores individuais
α
usando α x = . Substituindo na equação anterior, resulta:
n
3σ
LC= X ±
n
84
ENGENHARIA DA QUALIDADE
Em que a variabilidade dos valores individuais é estimada a partir da média das amplitudes dos
R
subgrupos usando α = e d2 é uma constante que depende do tamanho da amostra, cujos valores
d2
encontram-se na tabela a seguir.
n 2 3 4 5 6 7 8 9 10 15 20
D4 3,27 2,57 2,28 2,11 2,00 1,92 1,86 1,82 1,78 1,65 1,59
d2 1,13 1,69 2,06 2,33 2,53 2,70 2,85 2,97 3,08 3,47 3,74
A2 1,88 1,02 0,73 0,58 0,48 0,42 0,37 0,34 0,31 0,22 0,18
R
Substituindo-se a expressão, α = , na equação anterior, obtém-se o seguinte resultado:
d2
3× R
LC= X ±
nd2
3
Substituindo-se agora A2 = na equação anterior, encontram-se os limites de controle para
as médias: nd2
LSC X =X + A2 × R
e
LIC X =X − A2 × R
Em que A2 é uma constante que depende do tamanho da amostra, cujos valores são apresentados
na tabela anterior.
LC = R ± 3σR
R
σR = d3σ = d3
d2
85
Unidade II
R
LCS= R + 3d3
d2
e
R
LCS= R − 3d3
d2
d3
Substituindo D4 = 1 + 3 e D = 1 − 3 d3 nas equações anteriores, encontram-se os limites de
3
d2 d2
controle para as amplitudes:
LSC R= D4 × R
e
LIC R= D3 × R
Como exemplo, seja a carta de controle mostrada na próxima figura. Primeiro, calculam-se a média
x e a amplitude R para cada amostra. Em seguida, encontra-se a média das médias ( x ) e a média das
amplitudes (R) conforme as equações a seguir:
x1 + x2 + …+ xk
x=
k
e
R1 + R2 + …+ Rk
R=
k
86
ENGENHARIA DA QUALIDADE
Analisando-se somente as médias e amplitudes encontradas para as amostras em cada período (dia),
obtemos as tabelas a seguir:
Data 05/jul.
Hora 8 10 12 14 16
Operador J J J C C
M1 65 75 80 65 80
M2 70 70 70 65 60
M3 75 80 70 65 80
M4 60 90 80 80 80
M5 80 70 80 65 75
Soma 350 385 380 340 375 Média
Média 70 77 76 68 75 73,2
Amplitude 20 20 10 15 20 17
Data 06/jul.
Hora 8 10 12 14 16
Operador J J J C C
M1 75 80 70 85 65
M2 70 75 65 85 65
87
Unidade II
M3 60 65 75 75 65
M4 85 75 65 65 80
M5 75 70 85 80 60
Soma 365 365 360 390 335 Média
Média 73 73 72 78 67 72,6
Amplitude 25 15 20 20 20 20
Data 07/jul.
Hora 8 10 12 14 16
Operador J J J C C
M1 75 85 70 70 75
M2 60 65 75 65 80
M3 75 75 75 85 85
M4 85 75 70 60 80
M5 90 80 70 75 90
Soma 385 380 360 355 410 Média
Média 77 76 72 71 82 75,6
Amplitude 30 20 5 25 15 19
Média geral
Média 73,8
Amplitude 18,7
Uma vez calculados x e R, calculam-se os limites de controle das médias. Esses limites de controle
podem ser encontrados a partir das seguintes equações:
LCS X =X + A2 × R
e
LCIX =X − A2 × R
Em que LCS é o limite superior de controle, LCI é o limite inferior de controle e A2 representa um
fator de correção.
Assim, considerando-se o valor de n = 5 (cinco amostras por dia) e utilizando-se a tabela 6 para
determinar o valor de A2, obtêm-se os limites das médias:
88
ENGENHARIA DA QUALIDADE
Também se considerando o valor de n = 5 (cinco amostras por dia) e utilizando-se a tabela 6 para
determinar o valor de D4 e D3, obtêm-se os limites das amplitudes:
LCS X =X + A2 × R
e
LCIX =X − A2 × R
Os limites de controle das amplitudes podem ser encontrados a partir das seguintes equações:
Com base nos limites de controle, superior e inferior, é possível criar o gráfico de controle para
ambas as grandezas.
Observação
89
Unidade II
As cartas de controle por atributos têm, além da função de estabelecer parâmetros de conformidade,
as seguintes funções:
É utilizada para controlar a fração ou proporção de defeituosos de um processo. Esta carta expressa,
graficamente, a proporção de defeituosos ou não defeituosos.
D
P=
n
Em que:
• D: quantidade de defeituosos.
• n: tamanho da amostra.
P (1 − P )
σP2 =
n
O valor da fração defeituosa média (P) é dado por:
90
ENGENHARIA DA QUALIDADE
Os limites de especificação (ou controle) superior e inferior são calculados da seguinte maneira:
P (1 − P )
LSEP= P + 3
n
e
P (1 − P )
LIEP= P − 3
n
Em que:
Como exemplo, considerar uma indústria de peças automotivas que analisou a quantidade de
defeituosos em sua linha de produção por meio de um gráfico de controle tipo P. Foram coletadas
20 amostras com 100 unidades (n) em cada. A tabela a seguir mostra a quantidade de defeituosos
encontrados em cada amostra.
Amostra Defeituosos
1 22
2 21
3 18
4 33
5 17
6 18
7 23
8 28
9 26
10 25
11 22
12 30
91
Unidade II
13 10
14 40
15 20
16 17
17 28
18 22
19 15
20 15
P (1 − P )
LSEP= P + 3
n
0,225 × (1 − 0,225 )
LSEP =
0,225 + 3 =
0,350
100
e
P (1 − P )
LIEP= P − 3
n
0,225 × (1 − 0,225 )
LIEP =
0,225 − 3 =
0,997
100
92
ENGENHARIA DA QUALIDADE
0,25
µ
Distribuição (%)
0,20
0,15
0,10 LIE
0,05
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Lotes
A carta NP é utilizada para controlar o número de defeitos de um processo. Nesse tipo de carta, o
tamanho da amostra deve ser fixo.
Os limites de especificação (ou controle) superior e inferior são calculados da seguinte forma:
NP + 3 NP (1 − P )
LSENP =
e
NP − 3 NP (1 − P )
LIENP =
Em que:
93
Unidade II
Lembrete
Suponha, como exemplo, que uma fábrica de bicicletas produza 200 unidades por dia. Em um
determinado mês, foram contabilizados 22 dias úteis e foi medido o número de defeituosos nas bicicletas
produzidas, conforme apresenta a tabela a seguir.
Calculando-se P obtém-se:
94
ENGENHARIA DA QUALIDADE
O valor de NP será:
NP + 3 NP (1 − P )
LSENP =
0,18
0,16
0,14
Distribuição (%)
0,12
µ
0,10
0,08
0,06
0,04
0,02
LIE
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Amostras
95
Unidade II
É utilizada para controlar o número de vários tipos de defeitos de um processo tomando-se uma
unidade de inspeção, com amostra de tamanho constante (mesma dimensão), podendo ser n=1.
Os limites de especificação (ou controle) superior e inferior são calculados da seguinte forma:
LSEc= c + 3 c
e
LIEc= c − 3 c
Em que:
• N: número de amostras.
Como exemplo, considere que um fabricante de máquinas agrícolas deseja utilizar uma carta de
controle do tipo C para monitorar seu processo de produção. A cada dia, duas máquinas são selecionadas
aleatoriamente como amostras para fins de inspeção. O processo de amostragem foi realizado durante
30 dias consecutivos, conforme mostra a tabela a seguir.
96
ENGENHARIA DA QUALIDADE
9 4
10 1
11 5
12 6
13 2
14 5
15 4
16 7
17 13
18 2
19 4
20 6
21 8
22 9
23 1
24 4
25 1
26 2
27 4
28 5
29 0
30 3
Sendo o número total de defeitos igual a 135 encontrados em 30 amostras (com 02 tratores cada
amostra), pode-se encontrar o valor de c:
Os limites de especificação (ou controle) superior e inferior são calculados da seguinte forma:
LSEc= c + 3 c
LSEc =
4,5 + 3 4,5 =
10,864
e
LIEc= c − 3 c
LIEc= 4,5 − 3 4,5 < 0 ∴LIEC= 0
97
Unidade II
Observação
12
LSE
10
Nº de defeitos
6
µ
4
0 LIE
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Amostras
É utilizada para controlar o número total de defeitos de uma unidade de inspeção, com tamanho
variável. Este tipo de carta é usado quando ocorrem vários defeitos por unidade de produto.
Os limites de especificação (ou controle) superior e inferior são calculados da seguinte forma:
u
LSEu= u + 3
n
e
u
LIEu= u − 3
n
98
ENGENHARIA DA QUALIDADE
Em que:
• N: número de amostras.
Para ilustrar como utilizar a carta de controle U, exemplificaremos com um fabricante de geladeiras
que está com problemas na fabricação da carcaça do eletrodoméstico. Os principais problemas são
as rebarbas nas chapas e manchas na pintura. Foram inspecionadas duas geladeiras por turno e cada
defeito encontrado foi registrado. Após 20 turnos de trabalho, a tabela a seguir foi apresentada para a
engenharia da qualidade.
99
Unidade II
Sabendo-se então que a quantidade total de defeitos é de 215, cada turno amostrou 2 equipamentos
(n = 2) num total de 40 unidades em todas as amostras. É possível encontrar o valor central de
ajustamento para a carta U, que é dado por:
Os limites de especificação (ou controle) superior e inferior são calculados da seguinte forma:
u
LSEu= u + 3
n
5,375
LSEu =
5,375 + 3 =
10,293
2
e
u
LIEu= u − 3
n
5,375
LIEu =
5,375 − 3 =
0,457
2
12
LSE
Nº médio de defeitos por unidade
10
6
µ
4
2
LIE
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Amostras
100
ENGENHARIA DA QUALIDADE
Montgomery e Runger (2009) mostraram sete ferramentas que fundamentam o CEP. São elas:
• Histograma.
• Carta de controle.
• Gráfico de controle.
• Gráfico de Pareto.
• Diagrama de dispersão.
De forma a complementar essa lista, pode-se ainda acrescentar a matriz de causa e efeito.
8.1 Histograma
A primeira ferramenta citada é o histograma. Ele é um gráfico que representa uma série de dados e
é também conhecido como distribuição de frequências. Esse gráfico é composto de formas retangulares,
agrupadas consecutivamente, em que a base de cada um destes retângulos representa o intervalo
de classe e sua altura ou amplitude é a respectiva frequência. A figura a seguir mostra um exemplo de
histograma genérico (sem escalas).
Frequências
Classes
101
Unidade II
Os histogramas podem aparecer sob diferentes formas, cada uma indicando um tipo diferente de
processo. São exemplos:
Frequências
Classes
É o tipo que ocorre com maior frequência. O valor médio encontra-se no centro da amplitude dos
dados. A frequência é mais alta na parte central do histograma e gradualmente vai tornando-se mais
baixa ao deslocar-se para as extremidades.
O valor médio fica localizado à esquerda e a frequência decresce de maneira acentuada para a
direita. Normalmente ocorre quando o limite inferior é controlado ou quando valores maiores do que
certo valor não são frequentes. A figura a seguir apresenta esse tipo de histograma.
Frequências
Classes
102
ENGENHARIA DA QUALIDADE
De maneira análoga do tipo assimétrico positivo, agora, o valor médio fica localizado à direita do
centro da amplitude e a frequência decresce de maneira acentuada em direção à esquerda. Normalmente,
ocorre quando o limite superior do processo é controlado ou quando não podem ocorrer valores acima
de um determinado limite. A figura a seguir apresenta esse tipo de histograma.
Frequências
Classes
Também conhecido como multimodal, esse histograma apresenta classes com picos seguidas de
outras classes com menor frequência. Costuma ocorrer quando a quantidade de dados varia de classe
para classe, ou quando há uma tendência particular no modo como os dados são aproximados. A figura
a seguir apresenta esse tipo de histograma.
Frequências
Classes
103
Unidade II
Esse tipo de diagrama apresenta picos duplos e frequência baixa no centro das amplitudes dos dados.
Ele aparece quando duas distribuições, cada uma com média muito diferente da outra, são misturadas
ou quando os dados coletados são oriundos de processos diferentes. A figura na sequência apresenta
esse tipo de histograma.
Frequências
Classes
Nesse tipo de histograma pode-se verificar um pequeno pico isolado que aparece ao lado de um
outro tipo qualquer de histograma. Normalmente surge quando há uma pequena inclusão de dados
vindos de uma distribuição diferente. Pode ser o caso de algum tipo de anormalidade do processo, erro
de medição ou mesmo a inclusão de dados de um processo diferente. A figura na sequência apresenta
esse tipo de histograma.
Frequências
Classes
104
ENGENHARIA DA QUALIDADE
O histograma é uma ferramenta que pode nos fornecer informações graficamente, facilitando a
visualização de quatro propriedades da distribuição de uma amostra populacional. São eles: localização
do valor central; dispersão em torno do valor central; forma; e limites de especificação.
Quando um histograma apresenta espaços entre o limite inferior de especificação (LIE) e o limite
superior de especificação (LSE), pode-se afirmar que o processo está controlado e que existe uma “folga”.
A figura a seguir mostra a situação descrita.
LIE LSE
Quando os limites de especificação, inferior (LIE) e superior (LSE), não apresentam qualquer distância
dos extremos das distribuições, pode-se dizer que o processo em questão não apresenta “folga”, ou
seja, está muito próximo de sair do controle (ultrapassar os limites de especificação). A figura a seguir
apresenta um histograma sem folgas relativas aos limites de especificação. Quando se encontra uma
situação como essa, é preciso intervir de forma a reduzir a variabilidade do processo.
105
Unidade II
LIE LSE
LIE LSE
Quando o processo está “fora de controle”, ou seja, apresentando muitas perdas e ultrapassando
os limites de especificação, tanto inferior quanto superior, é necessária uma forte intervenção em
todo o processo, o que pode exigir, inclusive, decisões gerenciais. A figura a seguir mostra um caso de
histograma de processo com grandes perdas.
106
ENGENHARIA DA QUALIDADE
LIE LSE
O gráfico de controle nada mais é do que uma carta de controle utilizada para monitoramento de
um processo. Após determinados os limites de controle e a linha média, torna-se possível acompanhar
visualmente se o processo está sob controle.
As funções desses tipos de gráficos são evidenciar que um processo esteja operando de forma
estatisticamente controlada; sinalizar a presença de causas especiais de variação para que medidas
corretivas apropriadas sejam tomadas; manter o controle estatístico por meio da alteração dos
limites de controle como base de decisões; e apresentar informações para que sejam tomadas ações
gerenciais de melhoria dos processos.
107
Unidade II
Um exemplo de gráfico de controle por variável já foi apresentado anteriormente, conforme mostra
a figura a seguir.
Limite superior
300 de especificação
Medidas
200 Média
0 10 20 30
Amostras
Os limites de controle são limites de confiança calculados de forma que, se o processo não mudou
(não há causas especiais atuando), a probabilidade de uma amostra cair dentro dos limites é de 99,73%
e fora dos limites é de 0,27%.
Caso apareça uma amostra fora dos limites de controle, a probabilidade dessa amostra pertencer a
esse processo é muito pequena (0,27%), logo, há uma forte evidência de que o processo mudou (média
ou desvio) devido à presença de causas especiais.
Erro tipo I
É a probabilidade (α) de considerar o processo fora de controle quando, na verdade, ele está sob
controle. Os limites clássicos adotam ± 3σ, que correspondem a α = 0.27%. A figura a seguir exemplifica
o gráfico de controle para erro do tipo I.
108
ENGENHARIA DA QUALIDADE
Limite superior
0,135% de especificação
µ Média
0 10 20 30
Amostras
Erro tipo II
É a probabilidade (β) de considerar o processo sob controle quando, na verdade, ele está fora de
controle e depende do deslocamento da média (d) e dos limites de controle adotados (LC clássicos
adotam α = 0,27%). A figura a seguir exemplifica o gráfico de controle para erro do tipo II.
Limite superior
de especificação
µ Média
d
Limite inferior
µ de especificação
10 20 30
Amostras
Alguns poucos tipos de defeitos ou inconsistências nos processos acarretam a maioria das perdas
obtidas pelas empresas. A identificação das causas desse pequeno grupo de defeitos deve ser priorizada,
pois a solução destes pode eliminar a maior parte das perdas.
A ferramenta conhecida como “Gráfico ou Diagrama de Pareto” tem origem ainda no século IX,
quando o economista italiano Vilfredo Pareto realizou estudo demonstrando que 20% da população
italiana concentrava 80% da renda. Posteriormente, Joseph Juran utilizou o mesmo conceito para
demonstrar que a maior parte dos defeitos ocorrem a partir de uma pequena quantidade de causas. Essa
ferramenta, portanto, organiza as possíveis causas dos problemas identificados em barras decrescentes,
109
Unidade II
250 100
Porcentagem
Frequências
200 80
150 60
100 40
50 20
A B C D E F G
Causas de problemas
a) Vertical
— de frequência
— porcentagem (%)
b) horizontal (classes)
O gráfico de Pareto é uma ótima ferramenta para auxiliar na identificação de resultados por dois enfoques:
Saiba mais
O diagrama de causa e efeito também é chamado de “espinha de peixe” ou “6Ms” devido, primeiro,
à sua forma e, segundo, às categorias nas quais as causas dos problemas são geralmente classificadas
(material, método, máquina, mão de obra, medida e meio ambiente). A figura a seguir apresenta o
diagrama de causa e efeito.
Causa Efeito
Problema
Material
O problema está na matéria-prima ou material que está sendo utilizado no processo. Os problemas
podem ser falta de conformidade com as especificações, tais como medidas, composição, validade etc.
111
Unidade II
Podem ser feitos questionamentos para se avaliar o quanto os materiais estão impactando nos
resultados dos processos, tais como:
Método
• Foram definidos critérios de qualidade para avaliação dos resultados de cada processo?
Máquina
O problema pode ser a máquina utilizada para a realização de um processo, a qual pode apresentar
algum tipo de falha mecânica, desgaste ou estar mal calibrada. Para ajudar a entender se alguma condição
da máquina está influenciando no processo, podem ser feitas as seguintes perguntas norteadoras:
112
ENGENHARIA DA QUALIDADE
Mão de obra
Para melhor compreensão do quanto a mão de obra pode afetar os processos, podem ser feitas as
seguintes perguntas:
Medida
O problema pode ser as métricas ou medidas que foram utilizadas para medir, monitorar ou controlar
os processos. Neste caso, os instrumentos podem estar desregulados ou mal calibrados. A fim de se
descobrir o quanto as medidas estão influenciando nos resultados dos processos, as perguntas a seguir
podem ser úteis:
Meio ambiente
O problema está no ambiente externo ou interno à empresa. Como, por exemplo, a poluição, a falta
de espaço dentro da empresa, iluminação, calor, ergonomia, barulhos internos e externos.
Para avaliar o quanto fatores ambientais são responsáveis por desvios nos processos, podem ser
feitas a seguintes perguntas:
• A iluminação atende às necessidades das pessoas para a correta realização das tarefas?
A utilização correta do diagrama de causa e efeito pode ser muito benéfica para as empresas, pois:
Após avaliadas as diversas possibilidades para cada possível causa do problema observado, será
possível desdobrar o diagrama de causa e efeito para que uma visão mais abrangente do problema seja
avaliada. Um exemplo do novo diagrama é apresentado na figura a seguir.
Problema
Funcionário não Instrumento mal Falta de
qualificado calibrado iluminação
Parametrização
Falta de motivação inadequada Excesso de ruído
114
ENGENHARIA DA QUALIDADE
A localização do problema ou defeito é de vital importância para o posterior ajuste dos processos.
Um diagrama de concentração de defeito pode ser utilizado para auxiliar nessa tarefa. Esse diagrama,
conforme mostra a figura a seguir, representa um modelo do produto analisado, mostrando todas as
vistas relevantes, em que vários tipos de defeitos são apresentados. O diagrama é analisado de forma
a se avaliar o quanto a localização dos defeitos na unidade pode fornecer informações úteis sobre as
causas potenciais dos defeitos. Quando um número suficiente de unidades é utilizado na elaboração
de um diagrama de dispersão, frequentemente surgem padrões, e a localização desses padrões contém,
geralmente, muita informação sobre as causas dos defeitos (MONTGOMERY, 2013).
Produto:_______________________
Número de série:_________________
Parte superior
Lado Lado
Fundo Frente
esquerdo direito
D C
B A
Parte inferior
Código de defeitos
A - Amassado
B - Arranhado
C - Corte
D - Desgaste
E - Deformação
O diagrama de dispersão mostra, graficamente, a relação entre uma variável dependente, ou seja,
aquela que se obteve como resposta, e outra variável independente, que é aquela chamada preditora ou
que influencia na variável dependente.
O diagrama de dispersão permite observar e avaliar se realmente há algum tipo de correlação entre
as variáveis e qual o grau de relacionamento entre essas duas variáveis, permitindo comprovar-se a
relação entre causa provável e efeito observado. A figura a seguir mostra um exemplo de diagrama
de dispersão.
115
Unidade II
120
100
Variável Y
80
60
40
20
20 40 60 80 100 120
Variável X
Observação
III – Plotar os pares de dados em um sistema de eixos cartesianos (um ponto para cada par ordenado).
Observação
116
ENGENHARIA DA QUALIDADE
120
100
Variável Y
80
60
40
20
20 40 60 80 100 120
Variável X
De forma análoga, quando o coeficiente de correlação é próximo de -1, as variáveis também estão
fortemente relacionadas e o diagrama de dispersão também exibirá baixa dispersão dos dados, mas
agora com inclinação negativa, conforme mostra a figura na sequência.
120
100
Variável Y
80
60
40
20
20 40 60 80 100 120
Variável X
117
Unidade II
Valores de correlação intermediários entre 0 e 1 mostram que a variável independente (X) causará
uma tendência de aumento na variável dependente (Y). Contudo, Y provavelmente não depende
apenas de X. A figura a seguir mostra um diagrama de dispersão com correlação positiva moderada
entre as variáveis.
120
100
Variável Y
80
60
40
20
20 40 60 80 100 120
Variável X
Valores de correlação intermediários entre 0 e -1 mostram que a variável independente (X) causará
uma tendência de decréscimo na variável dependente (Y). Da mesma forma que ocorre na correlação
positiva, aqui também Y provavelmente não depende apenas de X. A figura a seguir mostra um diagrama
de dispersão com correlação negativa moderada entre as variáveis.
120
100
Variável Y
80
60
40
20
20 40 60 80 100 120
Variável X
118
ENGENHARIA DA QUALIDADE
Valores de correlação muito próximos de zero, ou mesmo iguais a zero, demonstram que mudanças
na variável independente (X) não causarão alterações na variável dependente, ou seja, não há relação
entre elas. A figura a seguir apresenta um exemplo de diagrama de dispersão em que, aparentemente,
não há correlação entre as variáveis.
120
100
Variável Y
80
60
40
20
20 40 60 80 100 120
Variável X
Trata-se de uma ferramenta utilizada para priorizar as possíveis causas das instabilidades do processo
estudado. A identificação dessas causas pode ser feita por meio de outra ferramenta de levantamento,
tal como o diagrama de causa e efeito ou diagrama de Ishikawa.
II – Classificar os efeitos de acordo com o grau importância que estes têm para o processo. Podem-se
utilizar notas de 1 a 10, em que 1 significa “menos importante” e 10 significa “mais importante”.
III – Inserir as principais causas identificadas por meio de ferramentas de levantamento, tal qual o
diagrama de causa e efeito.
IV – Estabelecer a correlação entre as causas e os efeitos inseridos, de acordo com a escala de notas.
V – Estabelecer uma pontuação para cada possível causa estabelecida. Esta pontuação é definida
através da multiplicação cruzada entre a classificação dos efeitos com cada correlação feita com as
possíveis causas.
119
Unidade II
Observação
A tabela a seguir apresenta um modelo simplificado de uma matriz de causa e efeito. As pontuações
podem ser inseridas com base nos seguintes critérios:
Pontuações:
• 1, 2 ou 3 – baixa correlação.
• 4, 5, 6 ou 7 – média correlação.
• 8, 9 ou 10 – alta correlação.
Grau de
importância
Total de
Causas Efeito 1 Efeito 2 Efeito 3 ... Efeito n Classificação
pontos
Causa 1
Causa 2
Causa 3
...
Causa n
Pode-se imaginar uma situação hipotética de um processo de fabricação de latas de alumínio para
armazenagem de alimentos em que se observam as seguintes não conformidades (efeitos) nos lotes
inspecionados: riscos, amassados e dimensões fora das especificações. A partir de um diagrama de causa
e efeito (diagrama de Ishikawa), foram identificadas as seguintes causas:
120
ENGENHARIA DA QUALIDADE
Grau de importância 6 8 10
Dimensões fora das Total de
Causas Riscos Amassados Classificação
especificações pontos
Matéria- prima 10 6 2 128 2º
Operador 10 9 1 142 1º
Processo 2 8 1 86 5º
Equipamento 1 2 10 124 3º
Ferramenta 7 8 1 116 4º
• Matéria-prima: 10 x 6 + 6 x 8 + 2 x 10 = 128.
• Operador: 10 x 6 + 9 x 8 + 1 x 10 = 142.
• Processo: 2 x 6 + 8 x 8 + 1 x 10 = 86.
• Equipamento: 1 x 6 + 2 x 8 + 10 x 10 = 124.
• Ferramenta: 7 x 6 + 8 x 8 + 1 x 10 = 116.
Após o cálculo de todos itens, nota-se que a maior pontuação foi atribuída à causa “Operador”.
Assim, recomenda-se avaliar formas de atuar sobre esta causa, de maneira a minimizar ou mesmo
eliminar o problema. Como sugestões, estariam ações como treinamento e avaliação da ergonomia do
local de trabalho.
De acordo com Costa (2003), o controle contínuo dos processos é uma condição essencial para a
manutenção da qualidade. Para manter esse controle constante, são utilizadas ferramentas, conforme
visto anteriormente.
Contudo, todos os parâmetros dos processos e melhorias implementadas são fruto de decisões. Essas
podem ser auxiliadas por diferentes metodologias e ferramentas gerenciais. A seguir, são apresentadas
alguns desses métodos e ferramentas.
O chamado ciclo PDCA foi apresentado pelo engenheiro norte-americano Walter Shewhart na década
de 1930. Contudo, foi Willian Deming, discípulo de Walter Shewhart, que se mostrou muito interessado
também nas ferramentas destinadas ao controle estatístico de processos e na solução de problemas por
121
Unidade II
meio do ciclo PDCA. Segundo Werkema (1995), o ciclo PDCA auxilia na tomada de decisões de forma a
ajudar no alcance das metas estabelecidas pela organização.
Planejamento (P = Plan)
Na fase de planejamento são traçadas as metas a serem alcançadas e as formas de fazê-lo a partir
de um problema identificado. É fundamental que o problema esteja bem definido e compreendido, de
forma que as metas traçadas estejam alinhadas com as reais necessidades da empresa.
• Análise do processo: tem por função entender corretamente as causas desse problema e
priorizá‑las conforme o grau de relevância de cada uma.
Execução (D = Do)
Para a execução dos planos traçados na etapa de planejamento, é preciso que as pessoas envolvidas
sejam treinadas e motivadas para alcançarem as metas definidas.
Controle (C = Control)
Nesta etapa, são verificados os dados coletados durante a etapa de exceção, de forma a se verificar o
correto andamento do plano traçado e atingimento das metas estabelecidas. Caso as metas não estejam
sendo atingidas conforme o plano, será necessário implementar ações corretivas ou mesmo rever o
plano traçado.
Ação (A = Action)
Nesta etapa atua-se para manter o plano caso as metas tenham sido cumpridas, ou se estabelecem
ações corretivas para o caso de as metas não terem sido alcançadas corretamente, agindo-se
principalmente sobre os fatores que levaram a este fato.
Pode-se notar que o PDCA, como ferramenta gerencial, solicita ao gestor da qualidade dados para
análise. Esses dados serão analisados com o auxílio das ferramentas estatísticas disponíveis. A figura a
seguir mostra uma representação do ciclo PDCA.
122
ENGENHARIA DA QUALIDADE
• Plnejamento • Execução
- Compreensão - Treinamento
do problema para realização
do plano
- Definição dos
planos
P D
A C
• Ação
- Manutenção
do plano caso • Controle
as metas forem - Verificação
atingidas dos dados para
- Corrigir o plano identificar
caso as metas não desvios quanto
forem atingidas ao plano e
metas
Conforme Campos (2004), as etapas que constituem o Masp podem ser elencadas da seguinte forma:
• Etapa 2: Observação.
• Etapa 3: Análise.
• Etapa 5: Ação.
• Etapa 6: Verificação.
• Etapa 7: Padronização.
• Etapa 8: Conclusão.
123
Unidade II
Observando-se atentamente as oito etapas do Masp, é possível identificar o ciclo PDCA presente. Isso é
devido ao fato de que o conceito do PDCA foi utilizado para a concepção do Masp como metodologia para
análise e solução de problemas. A figura a seguir mostra a metodologia Masp e o equivalente com o PDCA.
Identificação
do problema
Observação
Ação
Análise
Plano de ação
P D
Conclusão
A C
Verificação
Padronização
Etapa Descrição
Identificação do problema Definir o problema e compreender sua importância.
Investigar as características do problema a partir de uma
Observação perspectiva ampla e sob diferentes pontos de vista.
Análise Identificar as causas principais do problema.
Plano de ação Desenvolver um plano de ação para solucionar o problema.
Ação Inibir as causas do problema.
Verificação Verificar se o plano está solucionando o problema.
Padronização Prevenir o surgimento do problema novamente.
Repassar todo o processo do problema para aprendizado e
Conclusão trabalhos futuros.
124
ENGENHARIA DA QUALIDADE
DMAIC é uma metodologia cujas siglas vêm do inglês e significam define ou definir, mesure ou
medir, analyze ou analisar, improve ou melhorar e control ou controlar. Ela tem por função auxiliar
no entendimento das variabilidades de processos e na identificação de soluções para redução
dessas variabilidades.
As metodologias PDCA, MASP e DMAIC têm semelhança por buscarem a melhoria dos processos por
meio da melhor sistematização da forma como os problemas são identificados, analisados e tratados.
As etapas da metodologia DMAIC são apresentadas a seguir.
A primeira etapa do DMAIC é a fase de definição (define). Nela, são identificadas as condições críticas,
ou seja, aquelas condições que são consideradas maus resultados ou baixa qualidade. São exemplos de
maus resultados:
• retrabalhos;
• refugos;
• reclamações de clientes;
Nesta etapa é importante conhecer bem os requisitos de qualidade determinados para cada processo
produtivo. O quadro a seguir apresenta algumas questões norteadoras para o desenvolvimento da fase
de definição.
Compreensão Gestão do
Definição dos Aprovação das
Definição do problema dos requisitos de processo de
processos melhorias
qualidade melhoria
Quem será o
responsável pela
Definição
Há apoio para
melhoria? implantação das
O que está errado? Como o problema É claro qual melhorias?
afeta a percepção processo está Onde será feito?
O que se deseja do cliente sobre a sendo afetado As melhorias
melhorar? qualidade? pelo problema? Quando será serão bem-
feito? sucedidas?
Como será feito?
125
Unidade II
A segunda etapa refere-se à medição (mesure). Aqui são levantados dados sobre os problemas
identificados na etapa anterior, ou seja, aquilo que está deixando os processos deficientes. Essas medições
vão subsidiar o processo posterior de se analisar as causas destes problemas. Os objetivos da fase de
medição podem ser sintetizados da seguinte forma:
A terceira etapa é a fase de análise (analyze). A partir dos levantamentos de dados feitos na etapa
de medição, é possível a identificação daqueles fatores ou variáveis que estão contribuindo para a
deficiência do processo em questão.
126
ENGENHARIA DA QUALIDADE
Percepção do
problema
Classificação do
problema
Identificação do
real problema
Compreensão do
processo
Definição das
causas potenciais
Identificação da
causa raiz
Após realizadas as análises com base em gráficos e ferramentas estatísticas, pode-se ainda
utilizar‑se uma técnica de “comparação” entre os processos da empresa e de outra organização
semelhante chamada de benchmarking. O benchmarking serve tanto para reconhecer novas ideias
e práticas como para avaliar se os padrões de desempenho da empresa estão compatíveis com
aqueles observados no mercado.
127
Unidade II
j) realiza-se a visita;
k) compilam-se as informações coletadas durante a visita;
l) documentam-se as melhores práticas identificadas e as oportunidades de melhorias;
m) implementam-se as melhorias;
n) documentam-se os resultados alcançados.
A quarta etapa trata das ações para melhorar (improve) os processos que estão deficientes. Para que
isso seja possível, os dados obtidos e analisados nas etapas anteriores devem ter servido para identificação
das causas prováveis dos problemas, as quais serão priorizadas, para que, então, a intervenção, ou seja,
ajustes e modificações no processo, seja realizada.
A quinta e última etapa é o controle (control). Nela, são feitos os controles estatísticos
dos resultados obtidos após a aplicação das melhorias no processo. Deve-se documentar a
implementação de todos os ajustes e mudanças realizadas e seus resultados para melhoria.
A documentação é fundamental para o aprendizado organizacional, assim como para o
monitoramento do desempenho do processo.
Resumo
128
ENGENHARIA DA QUALIDADE
Exercícios
Questão 1. (Enade 2015) De acordo com a ABNT NBR ISO 9001:2008, uma organização deve
assegurar que os itens adquiridos estão conforme os requisitos especificados de aquisição. O tipo e a
extensão do controle aplicado ao fornecedor e a estes itens devem depender do efeito na realização
subsequente do processo produtivo ou no produto.
ABNT. NBR ISO 9001:2008: Sistemas de gestão da qualidade: requisitos, 2008 (adaptado).
CAMPOS, V. F. Gerenciamento da rotina de trabalho do dia a dia. Rio de Janeiro: Fundação Cristiano Ottoni, 2004 (adaptado)
129
Unidade II
Acerca do tipo e da extensão do controle aplicados ao fornecedor e aos itens adquiridos, a sequência
de ferramentas adequadas a serem utilizadas é:
A) Alternativa incorreta.
B) Alternativa incorreta.
Justificativa: o plano de ações deve ser executado depois de serem determinados os problemas e
suas causas. Ele não pode ser executado, por exemplo, antes de uma análise feita por um diagrama de
causa e efeito.
C) Alternativa incorreta.
Justificativa: para que seja executado um diagrama de causa e efeito, é necessário que se conheça
os problemas existentes. Esses problemas são encontrados quando se executa uma lista de verificação.
D) Alternativa correta.
Justificativa: determinado um problema pela lista de verificação, deve ser usado o diagrama de
causa e efeito para determinar sua(s) causa(s) e estabelecido um plano de ação para a eliminação
da(s) causa(s).
E) Alternativa incorreta.
Justificativa: como o gráfico de Pareto quantifica as causas de um problema, ele não pode ser feito
antes da lista de verificação.
130
ENGENHARIA DA QUALIDADE
Questão 2. (Enade 2015) O gráfico de controle é uma ferramenta estatística em que se utilizam
dados coletados de medições de processos. Facilita o monitoramento e a avaliação de características do
processo e permite verificar as variações e prováveis defeitos nos processos avaliados. Na aplicação dos
gráficos de controle, a prevenção de problemas e a tomada de ações preventivas são possíveis por meio
da avaliação desses pontos de medição.
CAMPOS V. F. Gerenciamento da rotina de trabalho do dia a dia. Nova Lima: INDG Tecnologia e Serviços, 2004 (adaptado).
LSE
LSC
LIC
LIE
1 3 5 7 9 13 13 15 16
Figura 79
A) I, apenas.
B) III, apenas.
C) I e II, apenas.
D) II e III, apenas.
E) I, II e III.
131
FIGURAS E ILUSTRAÇÕES
Figura 1
Figura 2
GARVIN, D. A. Managing quality: the strategic and competitive edge. New York: The Free Press, 1987. (Adaptada).
Figura 24
Grupo UNIP-Objetivo.
Figura 25
Grupo UNIP-Objetivo.
Figura 26
Grupo UNIP-Objetivo.
Figura 27
Grupo UNIP-Objetivo.
Figura 28
MARTINS, P. G.; LAUGENI, F. P. Administração de produção. 2. ed. São Paulo: Saraiva, 2005. (Adaptada).
Figura 30
LASCELLES, D. M.; DALE, B. G. The road to quality. Bedford: IFS Ltd., 1993. (Adaptado).
REFERÊNCIAS
Textuais
___. NBR 5426: planos de amostragem e procedimentos na inspeção por atributos. Rio de Janeiro, 1985.
132
CAMPOS, V. F. Gerenciamento da rotina de trabalho do dia-a-dia. 8. ed. Nova Lima: INDG Tecnologia e
Serviços LTDA., 2004.
CARVALHO, M. M.; PALADINI, E. P. Gestão da qualidade. 2. ed. Rio de Janeiro: Elsevier, 2012.
COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R. Controle estatístico de qualidade. São Paulo: Atlas, 2003.
FUSCO, J. P. A.; SACOMANO, J. B. Operações e gestão estratégica da produção. São Paulo: Arte &
Ciência, 2007
GARVIN, D. A. Managing quality: the strategic and competitive edge. New York: The Free Press, 1987.
JURAN, J. M.; GRYNA, F. M. Quality planning and analysis. 2. ed. New York: McGraw-Hill, 1980.
MATTOS, J. C.; TOLEDO. J. C. Custos da qualidade: diagnóstico nas empresas com certificação ISO 9000.
Revista Gestão & Produção, São Paulo, v. 5, n. 3, 1998.
MONTGOMERY, D. C. Introdução ao controle estatístico da qualidade. 4. ed. Rio de Janeiro: LTC, 2004.
___. Introduction to statistical quality control. 7. ed. New York: John Wiley & Sons, 2013
MONTGOMERY, D. C.; RUNGER, G. C. Estatística aplicada e probabilidade para engenheiros. 4. ed. Rio de
Janeiro: LTC, 2009.
PARETO, V. Os economistas: manual de economia política. São Paulo: Nova Cultural, 1987.
SILVA, A. E. Aplicação da metodologia seis sigma para redução da variabilidade do tempo de ciclo do
transporte ferroviário de minério de ferro. Juiz de Fora: EPD/UFJF, 2008. Disponível em: <http://www.
ufjf.br/ep/files/2014/07/2008_3_Aline.pdf>. Acesso em: 17 jul. 2018.
VELLEMAN, P. F. Truth, damn truth, and statistics. Journal of Statistics Education. Cornell University,
v. 16, n. 2, 2008.
133
WERKEMA, M. C. C. As ferramentas da qualidade no gerenciamento de processos. 2. ed. Belo
Horizonte: Fundação Christiano Ottoni, 1995. v. 2.
___. Ferramentas estatísticas básicas para o gerenciamento de processos. Belo Horizonte: Werkema, 2006.
Exercícios
134
135
136
Informações:
www.sepi.unip.br ou 0800 010 9000