Material de Apoio CEQ Parte IV

UNIVERSIDADE DO VALE DO RIO DOS SINOS
Ciências Exatas e Tecnológicas

CEQ – Profª Karla Faccio
Material de apoio – Controle Estatístico da Qualidade

Parte IV
Profa. Karla Faccio
10. CONTROLE ESTATÍSTICO DO PROCESSO (CEP)
10.1 Introdução
É uma técnica estatística aplicada à produção que permite a redução sistemática da
variabilidade nas características de qualidade (CQ) de interesse contribuindo para a
melhoria da qualidade intrínseca, da produtividade, da confiabilidade e do custo do que
está sendo produzido. O CEP é um sistema de inspeção por amostragens realizadas ao
longo do processo, com o objetivo de verificar a presença de causas especiais, ou seja,
causas que podem prejudicar a qualidade do produto ou serviço. Uma vez identificadas
as causas especiais, podemos atuar sobre elas, melhorando continuamente a qualidade
do produto.
O CEP fornece uma radiografia do processo que:
- Identifica a variabilidade;
- Possibilita o controle dessa variabilidade ao longo do tempo, através da coleta de
dados continuada;
- Análise e bloqueia possíveis causas especiais que estejam tornando o sistema instável.
Num ambiente competitivo, o controle estatístico abre caminho para melhorias
contínuas, uma vez que garante um processo estável, previsível, com uma identidade e
capacidade definidas.
Segundo Vicente Falconi Campos, um produto ou serviço de qualidade é aquele que
atende perfeitamente, de forma confiável, de forma acessível, de forma segura e no
tempo às necessidades do cliente. Cada produto possui um número de elementos que,
em conjunto, descrevem sua adequação ao uso. Esses elementos são freqüentemente
chamados Características de Qualidade (CQ’s).
Essas características podem ser de diversos tipos:
- físicas, tais como comprimento, peso, voltagem e viscosidade;
- sensoriais, como gosto, aparência e cor;
- ou de orientação temporal, como confiabilidade, manutenção, utilidade e durabilidade.
Página 1
Exemplos de CQ’s: Diâmetro, Espessura, Temperatura, Resistência, % de defeituosos,

Número de defeitos, etc.
10.2 Origens Históricas

O controle da qualidade iniciou na década de 20, nos Estados Unidos, como resultado
de avanços na tecnologia de medição e da aplicação industrial das cartas de controle,
desenvolvidas pelo Walter Shewhart (Bell Telephone Laboratories).
Shewhart desenvolveu uma técnica simples, mas poderosa para fazer a distinção entre
causas comuns e causas especiais: as cartas de controle do processo.
A segunda guerra mundial foi decisiva para a aplicação do controle de qualidade e da
estatística moderna em um maior número de indústrias americanas. Após a guerra, foi a
vez do Japão adotar o controle estatístico da qualidade, seguindo os padrões americanos.
A partir de 1954 os japoneses começaram a perceber que o controle da qualidade
dependia muito de fatores humanos e culturais.
A partir dessa percepção, foi desenvolvido um método japonês para o Controle da
Qualidade, que deu origem ao Controle da Qualidade Total no estilo japonês,
envolvendo a participação de todos os setores e funcionários da empresa e que muito
contribuiu para que o Japão passasse a fabricar produtos da mais alta qualidade.
Recentemente, vários países perceberam as vantagens do Controle da Qualidade e um
grande número de empresas em todo o mundo vêm utilizando os métodos do Controle
da Qualidade.
Parâmetros e Estimadores do CEP:
Média
Símbolos que representam a Média no estudo do CEP:
X : representa a média da amostra
X : representa a média das médias amostrais

µ : representa a média dos valores individuais da população
Desvio Padrão
Símbolos que representam o Desvio Padrão no estudo do CEP:
S : representa o desvio-padrão da amostra
σ : representa o desvio-padrão das médias amostrais
__
X
σ : representa o desvio-padrão dos valores individuais da população
Página 2
Tamanho de amostra
n : representa o tamanho da amostra
N : representa o tamanho de uma série de k amostras (corridas) de tamanho n
10.3 Teorema Central do Limite (TCL)

O CEP trabalha com médias das amostras que tendem à Distribuição de Probabilidade
Normal.
Definição: A soma (e sua média) de n variáveis xi independentes seguem o modelo da
distribuição Normal, qualquer que seja a distribuição das variáveis individuais. A Figura
abaixo exemplifica essa aproximação para o modelo Normal.
 σ2 
x ~ N  µ , 
xi = y1 + y 2 + L + y n  n 
k
y + y2 + L + yn
xi = 1
n i = 1, ...., k amostras
σ x2
Distribuições individuais não muito diferentes da Normal tem boa aproximação com n =
4 ou 5. Distribuições individuais muito diferentes da Normal, então n ≥ 30.
A Média das médias amostrais é igual a média dos valores individuais: X = µ

σ
E o Desvio-padrão das médias é menor do que o desvio-padrão σˆ =
n dos valores
x
individuais na razão de 1 . Logo, quanto maior o número de corridas (k) analisadas,

n
melhor é a estimativa. A Figura abaixo ilustra esta comparação, ou seja, X = µ e
σ __ <σ .
X
f(x)
σx
σ
x
LNI LCI x = µ LCS LNS
Página 3
Tipos de Limites no estudo do CEP:

1. Limites Naturais: Limites da distribuição dos valores individuais.
^
LNI = µ − 3.σ
LC = µ sendo: µ = X
^
LNS = µ + 3.σ
LNI : Limite Natural Inferior
LC : Limite Central
LNS : Limite Natural Superior
2. Limites de Controle: Limites da distribuição das Médias (cada Carta de Controle

terá os seus limites).
LCI : Limite de Controle Inferior
LC : Limite Central
LCS : Limite de Controle Superior
3. Limites de Especificação: Determinadas pelo cliente / projeto.

LIE : Limite Inferior de Especificação
LC : Limite Central (Valor Alvo)
LSE : Limite Superior de Especificação
Exemplos genéricos de aproximações de Distribuições de Probabilidade quaisquer para
Distribuição Normal:
Exemplo 1. Distribuição de Probabilidade Uniforme.
= xk
n
= x2
n
= x1
n
Página 4
Exemplo 2. Distribuição de Probabilidade Exponencial.
= xk
n
Exemplo 3: Considere o lançamento de um dado honesto.

x : lançamento de um dado
Ω = {1; 2; 3; 4; 5; 6}
f(x) = 1/6
Plota-se o gráfico das probabilidades de cada fase sair e verifica-se que o

comportamento é Uniforme:
f(x)
1/6
x
1 6
Mas agora considere a variável: média do valor das faces no lançamento de dois dados
honestos.
x : lançamento de dois dados
Ω = {1; 1,5; 2; 2,5; 3; 3,5; 4; 4,5; 5; 5,5; 6}
Organiza-se as probabilidades de ocorrência de cada valor médio de dois dados

honestos em na tabela a seguir
Página 5
0 0 0 0
1 dado 2 dado Soma Média 1 dado 2 dado Soma Média
1 1 2 1,0 5 2 7 3,5
1 2 3 1,5 3 4 7 3,5
2 1 3 1,5 4 3 7 3,5
1 3 4 2,0 2 6 8 4,0
3 1 4 2,0 6 2 8 4,0
2 2 4 2,0 3 5 8 4,0
1 4 5 2,5 5 3 8 4,0
4 1 5 2,5 4 4 8 4,0
3 2 5 2,5 3 6 9 4,5
2 3 5 2,5 6 3 9 4,5
1 5 6 3,0 4 5 9 4,5
5 1 6 3,0 5 4 9 4,5
2 4 6 3,0 4 6 10 5,0
4 2 6 3,0 6 4 10 5,0
3 3 6 3,0 5 5 10 5,0
1 6 7 3,5 5 6 11 5,5
6 1 7 3,5 6 5 11 5,5
2 5 7 3,5 6 6 12 6,0
Média de
dois dados Freqüência
1,0 1
1,5 2
2,0 3
2,5 4
3,0 5
3,5 6
4,0 5
4,5 4
5,0 3
5,5 2
6,0 1
Plota-se o gráfico das probabilidades de cada valor médio de dois dados honestos e
verifica-se que o comportamento pode ser considerado Normal, com média de 3,5 e
desvio padrão de 1,21.
(
X ~ N 3,5;1,212 )
Página 6
f(x)
6/36
5/36
4/36
3/36
2/36
1/36
1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 x
Logo, a variável média (e a soma) do lançamento de dois dados segue aproximadamente
o comportamento da distribuição Normal, mesmo que a distribuição individual da
variável lançamento de um dado seja Uniforme.
10.4 Elementos do Controle do Processo
Um sistema de controle do processo se caracteriza por quatro elementos fundamentais:

(1) Processo em si, (2) Informações sobre o processo, (3) Ações sobre o processo
orientadas para o futuro (prevenção), e (4) Ações no final da linha de produção são
orientadas para o passado.
(1) O Processo em si
- Pessoas, procedimentos, máquinas e materiais trabalhando em conjunto.
- O desempenho depende da maneira como o processo foi projetado e como ele é
operado.
- O restante do sistema é útil apenas se contribuir para melhorar o desempenho do
processo.
(2) Informações sobre o processo

Informações sobre o desempenho de um processo são obtidas a partir do estudo cruzado
da: Qualidade do resultado final, Qualidade de resultados intermediários, Ajuste dos
parâmetros do processo.
As informações sobre o processo são úteis na medida em que alavancam ações de
melhoria.
Página 7
Se não se pretende agir, coletar informações é inútil.
(3) Ações sobre o processo são orientadas para o futuro (prevenção): Controle sobre as
matérias primas, Ajuste nos parâmetros do processo, Manutenção periódica,
Treinamento de operadores, etc.
(4) Ações no final da linha de produção são orientadas para o passado: correção, refugo
ou retrabalho, as Inspeções impedem que produtos defeituosos cheguem ao cliente, mas
não são uma forma eficiente de ação.
O Controle do Processo não deve se basear em ações no final da linha de produção.
10.5 Entendendo o Controle Estatístico do Processo (CEP)
O CEP foca em ações sobre as causas especiais, ou seja, sobre a origem do problema.
Ele não utiliza inspeção 100%, pois isso mobilizaria recursos importantes para a solução
das causas especiais. Além disso, de nada adiantaria identificar, logo no primeiro dia,
um grande número de causas especiais - faltariam recursos para a investigação dessas
causas.
O CEP opera numa escala de tempo longa. Desta forma, as causas especiais vão sendo
identificadas e eliminadas aos poucos, ao longo do tempo, com paciência e persistência.
No final das contas, como resultado desta metodologia tem-se: um processo livre de
unidades defeituosas, que atende amplamente às especificações, cujo desempenho
independe das atividades de inspeção.
10.5.1 Vantagens do CEP
Fornece uma linguagem comum para discutir o desempenho do processo, possibilitando

a alocação ótima dos investimentos em melhoria da qualidade.
Em um ambiente competitivo, só há espaço para as empresas que adotam uma ótica de
melhoria contínua.
Assim, periodicamente é preciso rever as especificações, reavaliar a capacidade do
processo e agir sobre o sistema quando necessário.
Página 8
A melhora da qualidade, representada pela redução da variabilidade do processo,

promove, natural e inevitavelmente, um aumento de produtividade. Melhorando a
qualidade, os custos diminuem devido à redução do retrabalho, erros e atrasos, e da
melhor utilização da tecnologia e matéria-prima. Conseqüentemente, a produtividade
aumenta, possibilitando a captação de mercados. Trabalhando-se continuamente pela
qualidade, os novos negócios são mantidos e amplia-se a fatia de mercado.
O emprego correto das cartas de controle:

- Permite que o monitoramento do processo seja executado pelos próprios operadores;
- Fornece uma distinção clara entre causas comuns e causas especiais. Assim, serve de
guia para ações locais ou gerenciais.
- Auxilia o processo a atingir: Alta qualidade, Baixo custo unitário, Consistência e
previsibilidade.
10.5.2 Variabilidade em processos produtivos
A variabilidade está sempre presente. Se compararmos duas unidades quaisquer,

produzidas pelo mesmo processo, elas jamais serão exatamente idênticas. Contudo, a
diferença pode ser grande ou pode ser praticamente inexistente. Além disso, as fontes de
variabilidade podem agir de forma diferente sobre o processo.
Pequenas diferenças peça-a-peça: habilidade do operador, diferenças na matéria-prima,

etc.
Alteração gradual no processo: desgaste de ferramentas, temperatura do dia, etc.
Alteração brusca no processo: troca de set up, mudança de procedimento, etc.
Para o gerenciamento do processo e redução da variabilidade, é importante investigar as

suas causas. O primeiro passo é distinguir entre causas comuns e causas especiais.
W. Edwards Deming (1986) explica que a confusão entre causas comuns e especiais
leva à maior variabilidade e a custos mais elevados. A atuação em causas comuns como
se fossem causas especiais pode levar a um aumento indesejado da variação, além de
representar um custo desnecessário. Por outro lado, se causas especiais passarem
Página 9
despercebidas, elas podem ser incorporadas ao resultado do processo, tornando aceitável

o que deveria ser rejeitado, além de se perder uma oportunidade de melhoria do produto.
Causas Comuns
As causas comuns são as diversas fontes (causas) de variação que atuam de forma
aleatória no processo, gerando uma variabilidade inerente do processo. Devido à
variabilidade inerente do processo, as medidas individuais são todas diferentes, mas em
grupo elas tendem a formar um padrão.
Um processo que apresenta apenas as causas comuns atuando é dito um processo
estável ou sob controle, pois apresenta sempre a mesma variabilidade ao longo do
tempo.
Causas comuns, em geral, só podem ser resolvidas por uma ação global sobre o sistema.
Os operadores estão em boa posição para identificá-las, mas a sua correção exige
decisão gerencial. E a correção pode não se justificar economicamente.
Causas Especiais
Também chamadas de causas assinaláveis. São causas que não são pequenas e não
seguem um padrão aleatório: Erros de set up; Problemas no equipamento ou nas
ferramentas; Um lote de matéria-prima com características muito diferente, etc.
As mesmas têm um efeito significativo sobre o desempenho do processo, e devem ser
identificadas e neutralizadas.
Causas especiais em geral são corrigidas por ação local e, por isso, são de
responsabilidade dos operadores (apesar de algumas vezes a gerência estar em melhor
posição para resolver o problema). A eliminação das causas especiais se justifica
economicamente.
Causas Comuns e Causas Especiais
A meta de um sistema de controle do processo é permitir as decisões corretas referentes

a quando agir sobre o processo. Excesso de ação, ou falta de ação, são prejudiciais. Se
o processo é capaz, as ações devem ser guiadas pela presença de eventuais causas
especiais. Assim, a função do sistema de controle do processo é fornecer um sinal
estatístico sempre que causas especiais estejam presentes.
Página
10
As Figuras abaixo realizam um comparativo entre as características das causas comuns

e das especiais.
ASPECTO CAUSAS ESPECIAIS CAUSAS COMUNS
Investimento Pequeno Grande
pequena - A natureza contínua faz
Grande - A natureza súbita
Visibilidade do problema com que todos se acostumem ao
chama a atenção de todos
problema
Ação requerida Restabelecer o nível anterior Mudar para nível melhor
Simples, coleta rotineira e muito Complexos, coleta especial e
Dados
frequente pouco frequente
Simples e feita por pessoal Complexa e feita por pessoal
Análise
próximo ao processo técnico
Responsabilidade pela Operadores (pessoal próximo ao
Pessoal da gerência
ação processo)
TIPO DE TIPO DE STATUS DO AÇÃO

VARIAÇÃO CAUSA PROCESSO REQUERIDA
Inerente
Sob controle
Ação sobre o
Natural COMUM estatístico
Sistema
(Estável)
Previsível
Errática
Fora do controle
Alteração brusca ESPECIAL estatístico Ação Local
(Instável)
Fuga gradual
10.6 Cartas / Gráficos de Controle Estatístico
Definição: Representação em um gráfico da variável de resposta ou fator controlável

que influencia na característica da qualidade versus tempo (ou n° da amostra).
Objetivo: é monitorar a presença de causas especiais (ou seja, causas que não são
comuns ao processo e podem prejudicar a qualidade do produto/serviço)
Processo
Sistema de Medida
Verificar e acompanhar Detectar causa especial

Variabilidade
Implementar ação Identificar causa

Plano de ação para fora
corretiva raiz do problema de controle
Página
11
O emprego correto das cartas de controle:

- Permite que o monitoramento do processo seja executado pelos próprios operadores;
- Auxilia o processo a atingir: alta qualidade, baixo custo unitário, alta capacidade
efetiva, consistência e previsibilidade;
- Fornece uma linguagem comum para discutir o desempenho do processo;
- Fornece uma distinção clara entre causas comuns e causas especiais;
- Serve de guia para ações locais ou gerenciais.
As cartas de controle sempre utilizam limites de controle localizados à distância de três

desvios padrões da linha da média. O desvio padrão utilizado deve ser estimado com
base na variação da amostra. O conhecimento obtido através das cartas de controle deve
ser empregado na tomada de ações necessárias.
Uma vez definida a característica de qualidade em estudo, por exemplo: Diâmetro;

Espessura; Temperatura; Resistência; Percentual de defeituosos; Número de defeitos,
etc. O processo é colocado em funcionamento e se coleta dados desta característica.
Estrutura genérica das Cartas de Controle:
Limite de Causas
Controle Especiais
Superior
50
(LCS)
Causas
Média
Média Comuns
0
2 3 4 5 6 7 8 9 10 11 12 13 14
Limite de
Controle Causas
Especiais
Inferior Limite Cont. Superior = 41,1362 Linha Central = 16,7857
(LCI) Limite Cont. Inf erior = -8,0593 Causas Es peciais
10.7 Procedimento de Melhoria
As cartas de controle fazem parte de um procedimento de melhoria. Primeiro, coleta-se

dados para calcular os limites de controle, ou seja, define-se qual o padrão de
variabilidade natural do processo. Uma vez calculados os limites de controle,
monitoram-se as cartas de controle para identificar a presença de causas especiais. Se o
Página
12
processo não for estável, os operadores devem agir localmente no sentido de corrigir as
eventuais causas especiais.
Uma vez identificadas e eliminadas as causas especiais, o processo se torna estável e
previsível, logo podemos avaliar sua real capacidade de produzir peças que atendam às
especificações. Se a variabilidade associada às causas comuns for maior do que a
amplitude das especificações, a gerência deve atuar sobre o sistema como um todo para
reduzir essa variabilidade. Como pode ser visto na Figura abaixo, o procedimento de
melhoria da qualidade através do CEP acontece em duas etapas principais.
Coleta de dados
ROTINA
Cálculo dos limites
de controle
MELHORIA
Avaliação da
Ação local Ação
ESTABILIDADE do
sobre as causas Operador
processo
especiais Treinamento
Ajuste
Avaliação da Ação no sistema
CAPACIDADE do Ação sobre as
processo Gerência
causas comuns
Custo
Primeiro, eliminando-se as causas especiais para tornar o processo estável e previsível

ao longo do tempo. Essa melhoria é conseguida através de ações localizadas, efetuadas
pelos operadores. Essas ações se justificam economicamente e, em geral já são
suficientes, pois freqüentemente verifica-se que o processo, uma vez estável, atende às
especificações.
Segundo, quando necessário, atuando-se no sistema para reduzir as causas comuns de
variabilidade. Essa melhoria é de responsabilidade da gerência, pois em geral envolvem
maiores investimentos que nem sempre se justificam economicamente. Deve-se iniciar
atuando nas causas especiais, pois provocam maior dano ao processo e, apenas quando
necessário, atua-se nas causas comuns de variabilidade, que mobilizam maiores
recursos.
Página
13
10.7.1 Avaliação da ESTABILIDADE do Processo
As Cartas de Controle auxiliam a verificar se o processo está estável, ou seja, sob

controle estatístico ou livre de causas especiais.
Pontos fora dos limites de controle ou certos padrões / comportamentos são uma
indicação da presença de causas especiais, que devem ser investigadas e eliminadas
pelos operadores por uma ação localizada. Se há pontos fora dos limites de controle,
diz-se que o processo está instável ou fora do controle estatístico.
Caso haja pontos fora dos limites de controle, devem-se retirar as amostras
correspondentes e recalcular os limites de controle. Os pontos são eliminados dos
cálculos, mas não dos gráficos.
OBS: Antes de investigar uma causa especial, verifique se não houve erro na plotagem
do ponto ou problemas no sistema de medição.
Além de verificar pontos fora dos limites, também é importante investigar eventuais
padrões na seqüência de pontos. A observação de padrões pode disparar uma ação sobre
o sistema antes mesmo que um ponto apareça fora dos limites de controle. Alguns
padrões podem ser favoráveis e podem fornecer a pista para eventuais melhorias
permanentes no processo.
Indícios de presença de Causas Especiais:

A seguir serão listados os principais indícios de presença de causas especiais no
monitoramento de processos produtivos. Então, quando qualquer um dos
comportamentos ilustrados abaixo for identificado durante o processo, o operador deve
intervir no processo e registrar a ação no plano de ação para fora de controle.
a) 7 pontos em sequência acima (ou abaixo) da linha central. O Gráfico abaixo

ilustra uma exemplo de 7 pontos em sequência acima da linha central.
7 Pontos Acim a à LC
16,4 LC = 16,23
16,2
16,0
Dimensão (cm)
15,8
15,6
15,4 LC = 15,46
15,2
15,0
14,8
14,6 LCI = 14,71
0 5 10 15 20
Amostra
Página
14
Possíveis Causas: Mudança no ajuste da máquina; Processo, método ou material

diferente; Avaria de um componente na máquina; Quebra de máquina; Grande variação
no material recebido.
b) 7 pontos em sequência ascendente (ou decrescente). O Gráfico abaixo ilustra 7

pontos ascendente.
7 Pontos Descendentes
16,4 LC = 16,23
16,2
16,0
Dimensão (cm)
15,8
15,6
15,4 LC = 15,46
15,2
15,0
14,8
14,6 LCI = 14,71
0 5 10 15 20
Amostra
Possíveis causas: Desgaste de Ferramenta; Gradual desgaste do equipamento; Desgaste

relacionado ao instrumento de medição.
c) Pontos fora dos limites de controle. O Gráfico abaixo ilustra a presença de 2 pontos
fora dos limites de controle.
Fora dos Lim ites de Controle
16,4 LC = 16,23
16,2
16,0
15,8
Dimensão (cm)
15,6
15,4 LC = 15,46
15,2
15,0
14,8
14,6
14,4 LCI = 14,71
0 5 10 15 20
Amostra
Possíveis causas: Erro na medição ou digitação; Quebra de ferramenta; Instrumento de

medição desregulado; Operador não consegue identificar a medida.
d) Periodicidade dos pontos. O Gráfico abaixo ilustra um comportamento de

periodicidade dos pontos.
Página
15
Possíveis causas: Não-uniformidade na matéria-prima recebida; Rodízio de Operadores,

Gabaritos e instrumentos; Diferença entre turnos.
e) Deslocamento / Mudança da média. O Gráfico abaixo ilustra um caso de mudança

na média.
Possíveis causas: Novo Método; Nova Máquina; Melhoria de Qualidade; Novo Lote de
Material.
f) Tendência Linear. O Gráfico abaixo ilustra um caso de tendência linear.
g) Comportamento cíclico. O Gráfico abaixo ilustra um exemplo de comportamento

cíclico.
Página
16
Plano de ação para fora de controle e Estabilização do Processo

Cada causa especial deve gerar uma análise das condições operacionais em busca da
respectiva causa. Os resultados estatísticos dão partida para a tarefa de análise, mas a
explicação do que está acontecendo reside no próprio processo e nas pessoas
envolvidas.
A solução do problema é o passo mais difícil e que consome maior tempo. É preciso
paciência, intuição e experiência para gradualmente eliminar, uma a uma, as causas
especiais. Técnicas de solução de problemas como a Análise de Pareto ou o Diagrama
de Causa e Efeito podem ajudar na análise. Problemas mais complexos podem exigir o
uso de Projeto de Experimentos.
Reavaliação dos limites de controle

Se ações de melhoria estão sendo tomadas, o processo deve apresentar um desempenho
mais consistente, com redução da variabilidade. Assim, de tempos em tempos, os
limites de controle devem ser recalculados e, sempre que houver evidências para tanto,
estreitados (FIGURA ABAIXO). Dessa forma, as cartas de controle continuarão
servindo como uma ferramenta eficaz na busca da melhoria contínua. O CEP deve ser
entendido como uma atividade dinâmica.
10.7.2 Avaliação da CAPACIDADE do Processo
Definido que o processo está sob controle estatístico, agora vamos verificar se é um
processo capaz ou não capaz de atender as especificações de projeto / cliente.
A avaliação da capacidade do processo só inicia após a eliminação das causas
especiais. Assim, a capacidade está associada com as causas comuns de variação.
Página
17
A análise de capacidade do processo implica a utilização de técnicas estatísticas para

estudar a variabilidade do processo, comparando esta variabilidade com as
especificações do produto (tolerância).
Os estudos de Capacidade do Processo podem ser feitos somente em processos que
estão estatisticamente sob controle, ou seja, o processo deve ser estável (livre de
causas especiais.
Desta maneira, o PRÉ-REQUISITO para se realizar a avaliação da capacidade do
processo é ter um PROCESSO ESTÁVEL.
A Figura a seguir ilustra exemplos de processos capazes de atenderem as especificações
de projeto e de processos não capazes de atenderem as especificações de projeto.
Para verificar se um processo é capaz, são utilizados índices de capacidade (Cp e Cpk)
que comparam as especificações de engenharia/projeto/cliente com a variação natural
do processo.
- Índice de Capacidade Potencial do Processo (Cp):
Mede o quanto o processo pode fabricar o produto-serviço satisfazendo às
especificações (tolerâncias).
O Cp não leva em conta a localização ou “valor nominal”, só depende da amplitude das
especificações. Logo, só avalia a variabilidade do processo.
É calculado da seguinte forma:
Fornecido pelo cliente/projeto

LSE − LIE especifica ção
Cp = ^
=
6.σ dispersão
Devido somente às causas comuns de variabilidade
Página
18
1 / C p .100 => % uso da faixa de especificação
Onde:
__
^ R
σ =
d2
^
σ : Estimativa do desvio padrão
__
R : Média das amplitudes das corridas/subgrupos (k)
LSE: Limite Superior de Especificação
LIE: Limite Inferior de Especificação
d2: Constante tabelada que depende do tamanho da amostra (n) de cada
corrida/subgrupo (ANEXO 1)
Esse índice mede o potencial do processo dentro das especificações. A Tabela abaixo
mostra uma classificação para auxiliar na interpretação do índice Cp e do índice Cpk. Por
exemplo, diz-se que um processo é CAPAZ quando o Cp é maior do que 1,33.
Cp ou Cpk Conceito
Acima de 2,00 Excelente
Entre 1,33 e 2,00 Capaz
Entre 1,00 e 1,33 Relativamente Capaz
Abaixo de 1,00 Totalmente Incapaz
Para avaliar mais eficientemente a performance do processo utiliza-se o índice Cpk.

Usualmente o estudo da capacidade do processo é feito utilizando os dois índices, Cp e
Cpk.
- Índice de Capacidade do Processo Nominal (Cpk):

Indica a capacidade efetiva do processo considerando a localização da média, ou seja,
mede um deslocamento/localização da média em relação às especificações.
A capacidade efetiva do processo é melhor estimada pelo índice Cpk:
^ ^
  LSE − X X − LIE 
C pk = min C pksup ; C pk inf  = min  ^
; ^ 
   3.σ 3.σ 
__
^ R
Onde: σ =
d2
Página
19
^
σ : Estimativa do desvio padrão
X : Estimativa da Média das médias amostrais

LSE: Limite Superior de Especificação
LIE: Limite Inferior de Especificação
d2: Constante tabelada que depende do tamanho da amostra (n) de cada
corrida/subgrupo (ANEXO 1)
OBS:
- Cpk > 1 => Processo efetivamente capaz (condição necessária para que a fração de
defeituosos seja pequena).
- Muitas empresas utilizam como padrão de qualidade a meta Cpk > 1,33 => Processo
CAPAZ.
- Cp é sempre maior ou igual ao Cpk. Pois quando Cpk é diferente do Cp o processo está
deslocado.
- Quando o processo está centralizado, ou seja, a sua média está bem no meio da
especificação, então Cp = Cpk inf = Cpk sup
- Tanto Cp como Cpk só têm resultados válidos se a distribuição dos valores individuais
for normal.
- Cpk < 1 => Processo efetivamente não capaz (há geração significativa de produtos não-
conformes).
OBS: O Exemplo a seguir realiza uma comparação entre os índices Cp e Cpk. Desta
forma, é muito importante realizar o cálculo e interpretação dos dois índices
conjuntamente, pois o índice Cp monitora apenas a variabilidade.
Página
20
LIE LSE
σ= 2
Cp = 2
Cpk = 2 Capaz e centrado
38 44 50 56 62
σ=2
Cp = 2
Capaz, mas não
Cpk = 1
centrado
38 44 50 56 62
σ=2
Cp = 2
Cpk = 0
Não capaz e
38 44 50 56 62
não centrado
σ= 2
Cp = 2
Cpk = -0,5
38 44 50 56 62 65
OBS: O Exemplo abaixo ilustra casos de processos capazes e não capazes, centralizados
e não centralizados.
Condição inicial 1
LIE LSE LIE LSE
Descentralizado e não capaz Centralizado e não capaz
Condição inicial 2 Condição desejada
LIE LSE LIE LSE

Descentralizado e capaz Centralizado e capaz
Estudaremos Cartas de Controle para Variáveis e para Atributos. As por variáveis

estudaremos a Carta de Controle para Média e Amplitude ( X - R) e a Carta de
Controle para Medidas Individuais e Amplitude Móvel (R). E as por Atributos as Cartas
p, np, c, u.
Página
21
10.8 Cartas de Controle para Variáveis

Muitos processos têm Características de Qualidade (CQ’s) mensuráveis, assim há um
amplo espaço para o uso das cartas de controle para variáveis.
Uma medição (por exemplo: l = 16,54) contém muito mais informação do que simples
classificação da peça como “conforme ou não-conforme”.
Entretanto, obter um valor medido é mais caro do que simplesmente classificar uma
peça como boa/ruim. As medições fornecem mais informações e, uma estratégia é
realizar amostragem. Assim, o custo usando amostragem pode ser menor. Uma
amostragem permite a coleta no lapso de tempo entre a ação corretiva e a produção de
novas peças.
Variáveis são características mensuráveis, como por exemplo: o diâmetro de um
rolamento; uma resistência elétrica; o tempo de atendimento de um pedido; dispersão de
um pigmento; pH de uma substância; teor de sólidos insolúveis.
As cartas para variáveis representam a aplicação clássica de controle de processo.
A análise do desempenho do processo deve ser feita a fim de garantir que as
Características de Qualidade (CQ’s) estejam dentro dos limites de especificação. Isso é
importante na busca da melhoria contínua.
As variáveis podem ser usadas para monitorar a localização ( X ) e a dispersão (R).
Assim, as cartas de controle para variáveis são quase sempre preparadas aos pares.
10.8.1 Carta de Controle para a Média e Amplitude ( X - R)
A Carta de Controle da Média monitora a variabilidade ENTRE as médias amostrais ao

longo do tempo. E a Carta de Controle de Amplitude monitora a variabilidade
DENTRO da amostra, ou seja, a variabilidade em um determinado período de tempo.
Os dados devem ser coletados em pequenos subgrupos de tamanho constante. Em geral,

3 a 6 peças consecutivas formam um subgrupo. As peças dentro de um subgrupo são
produzidas em condições muito similares e, portanto, a variabilidade dentro de cada
subgrupo será primariamente devido às causas comuns. Os subgrupos devem ser
coletados a uma freqüência periódica. A freqüência de amostragem deve ser definida de
forma que exista uma chance potencial de identificar mudança dos resultados (causa
especial) de algum subgrupo/corrida.
Página
22
Cálculos:
Inicialmente calcula-se a amplitude média ( R ) e a média ( X ) do processo:
∑R
i =1
i
R1 + R2 + ... + Rk
R= =
k k
∑X
i =1
i
X 1 + X 2 + ... + X k
X = =
k k
Onde:
Ri: é a amplitude do subgrupo/corrida i
X i : é a média do subgrupo/corrida i
k é o número de subgrupos/corridas.
Cálculo dos Limites de Controle:

Para a Carta de Médias:
LCS = X + A2 .R
LC = X
LCI = X − A2 .R
Para a Carta de Amplitude:

LCS = D4 ⋅ R
LC = R
LCI = D3 ⋅ R
Onde:
A2, D3 e D4 são constantes tabeladas (ANEXO 1).
- Estimativa do Percentual (%) de Peças Fora das Especificações:

É a proporção de unidades fora dos limites de especificação de projeto. A estimativa
leva em conta o modelo probabilístico Normal.
 ^ 2 
Sendo X ~ N  X ; σ 
 
Página
23
(
P X < LIE ) LIE LSE (
P X > LSE )
µ - 3σ Meta µ µ + 3σ
( )
% = P X < LIE + P ( X > LSE )
= P (X < LIE ) + [1 − P (X < LSE )]
 ^ 2 
Como estamos trabalhando com uma distribuição X ~ N  X ; σ  , temos que
 
padronizar para uma distribuição tabelada Normal Padrão Z ~ N 0;12 : ( )
 LIE − X    
= P Z <  + 1 − P Z < LSE − X 
 ^
   ^

 σ    σ 
Exemplo: Considere os seguintes dados que foram coletados sobre um retentor

produzido por uma empresa. A Característica de Qualidade (CQ) medida foi a Fresa, a
qual possui especificações de 70mm +- 20 mm, ou seja, LIE = 50mm e LSE = 90mm.
Foram coletadas k = 15 corridas/subgrupos de tamanho n = 5 cada
Nome da parte: Retentor Especificações: 50 a 90 mm
Número da parte: 998-5 Instrumento: Paquímetro
Operação: Dobra Superior Amostra / Freq: 5 / 2 horas
Máquina: 30 Carta No. 1
Característica: Fresa
Data 6/mar 7/mar 8/mar
Hora 8 10 12 14 16 8 10 12 14 16 8 10 12 14 16
Operador A A A B B A A A B B A A A B B
65 70 65 65 85 75 85 75 85 65 75 80 80 70 75
60 70 70 75 65 70 75 65 85 80 60 75 75 85 70
Medidas 75 80 65 75 70 60 70 80 75 75 65 80 85 85 75
60 70 60 80 65 80 75 90 60 80 85 75 85 65 70
70 70 75 75 70 65 70 85 75 60 90 80 80 75 85
Soma 330 360 335 370 355 350 375 395 380 360 375 390 405 380 375
Média (X barra) 66 72 67 74 71 70 75 79 76 72 75 78 81 76 75
Amplitude (R) 15 10 15 15 20 20 15 25 25 20 30 5 10 20 15
a) Verifique a Estabilidade do processo utilizando as Cartas de Controle para Média e

Amplitude ( X - R) e conclua a respeito.
b) Verifique a Capacidade do processo calculando os índices Cp e Cpk e conclua a
respeito.
c) Calcule os Limites Naturais do processo e desenhe o processo comparando com os
limites de especificação.
Página
24
d) Estime o percentual de peças fora dos limites de especificação.

Resolução:
a) Primeiramente calcula-se o R e o X :
15
∑R
i =1
i
15 + 10 + ... + 15 260
R= = = = 17,3
15 15 15
15
∑X
i =1
i
66 + 72 + ... + 75 1107
X = = = = 73,8
15 15 15
Carta para Média:
LCS = X + A2 .R = 73,8 + 0,577 .17,3 = 83,8

LC = X = 73,8
LCI = X − A2 .R = 73,8 − 0,577 .17,3 = 63,8
Carta para Amplitude:
LCS = D4 .R = 2,115.17,3 = 36,6
LC = R = 17,3
LCI = D3 .R = 0,000.17,3 = 0,0
Plotando as Cartas:
Pela Carta de Controle para Média ( X ) verifica-se que o processo é sob controle
estatístico (estável), ou seja, livre de causas especiais.
Carta de Controle para Média
88
83
MÉDIA
78
Fresa ( mm )
LCI
73 LC
LCS
68
63
58
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Amostra
Página
25
Pela Carta de Controle para Amplitude (R) verifica-se que o processo é sob controle
Carta de Controle para Amplitude
40
35
30
AMPLITUDE
Fresa (mm)
25 LCI
LC
20
LCS
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Amostra
Conclusão: Com base nas Cartas ( X - R) verifica-se que o processo é estável.
b) Considerando os limites de especificação: LSE = 90 e LIE = 50. Primeiramente temos

que calcular o desvio padrão estimado:
__
^ R 17,3
σ = = = 7,44
d 2 2,326
Agora vamos calcular o índice Cp:
LSE − LIE 90 − 50
Cp = ^
= = 0,90 < 1, Processo Potencialmente INCAPAZ, com
6.σ 6.7,44
excesso de variabilidade.
1 / C p = 1 / 0,90 = 1,11.100 = 111%
=> % de uso da faixa de especificação. Logo,
enfatiza que realmente o processo está com excesso de variabilidade:
5,5% 100% 5,5%
LIE LSE
Mas o processo está realmente centrado com 5,5% fora de especificação de cada lado
(X = meta)? Agora temos que calcular o índice Cpk para responder este
questionamento:
Página
26
^ ^
  LSE − X X − LIE   90 − 73,8 73,8 − 50 
C pk = min C pksup ; C pkinf  = min  ^
; ^  = min  ; =
   3.σ 3.σ    3 .7 , 44 3 . 7 , 44 
= min {0,73;1,07} = 0,73
Como Cpk = 0,73 < 1, o processo é dito INCAPAZ e deslocado (descentralizado).
Assim, o processo está deslocado do valor alvo (meta) e com excesso de variabilidade:
Conclusão: Processo Efetivamente não Capaz, pois Cpk < Cp < 1, ou seja, o processo
não é capaz de atender as especificações de projeto, desta forma, deve-se agir nas causas
comuns.
c) Cálculo dos Limites Naturais do processo:

^
LNI = µ − 3.σ = 73,8 − 3.7,44 = 51,5
LC = µ = 73,8
^
LNS = µ + 3.σ = 73,8 + 3.7,44 = 96,1
Então, utilizando os Limites Naturais do processo, os Limites de Especificação de

projeto e os resultados dos índices Cp e Cpk, verifica-se como o processo está:
Cp = Especificação / Dispersão
Cp= 0,90
Cpk inf = 1,07 Cpk sup = 0,73

LIE LSE
σ = 7,44
50 51,5 70 73,8 90 96,1

µ - 3σ Meta µ µ + 3σ
Página
27
d) Estimativa do percentual de peças fora dos limites de especificação, considerando

^
LIE = 50 e LSE = 90, X = 73,8 e σ = 7,44:
% = P ( X < LIE ) + P ( X > LSE )
= P ( X < LIE ) + [1 − P (Z < LSE )]
= P ( X < 50 ) + [1 − P (Z < 90 )]
Como estamos trabalhando com uma distribuição X ~ N 73,8;7,44 2 , temos que ( )

padronizar para uma distribuição Z ~ N 0;12 : ( )
 LIE − X    
 Z < LSE − X  
= P Z < + 1 − P
 ^
   ^

 σ    σ 
 50 − 73,8    90 − 73,8 
= P Z <  + 1 − P Z < 
 7,44    7,44 
= P (Z < −3,20 ) + [1 − P (Z < 2,18 )]

Procurar as respectivas probabilidades na tabela da Distribuição Normal Padrão (Z)
(ANEXO 2):
= 0,0007 + [1 − 0,9854 ] = 0,0007 + 0,0146 = 0,0153 = 1,53% ou 15300 ppm
Cp= 0,90
Cpk inf = 1,07 Cpk sup = 0,73

0,07% 1,46%
LIE LSE
σ = 7,44
50 51,5 70 73,8 90
µ - 3σ Meta µ
Página
28
Exercício 1: A cada 2 horas de atividade, uma amostra de 5 peças são medidas e dentre
as características de qualidade monitoradas está o peso de um dos componentes
plásticos que são fabricados por sopro. Numa situação onde não havia indícios de
causas especiais de variabilidade, 15 corridas (cada uma com as respectivas 5 peças)
foram monitoradas e indicaram os resultados descritos abaixo. Considere as
especificações técnicas de 72 +- 15.
65 75 65 65 85 75 85 75 85 65 70 85 80 70 80
70 70 80 75 65 70 75 65 85 80 60 70 60 70 80
Medidas 75 80 65 75 70 60 80 80 75 75 70 80 85 75 75
80 75 65 60 75 75 75 90 65 80 85 75 85 65 70
70 70 75 75 70 65 70 80 80 65 90 80 80 75 90
Soma 360 370 350 350 365 345 385 390 390 365 375 390 390 355 395
Média 72 74 70 70 73 69 77 78 78 73 75 78 78 71 79
Amplitude 15 10 15 15 20 15 15 25 20 15 30 15 25 10 20
a) Verifique a Estabilidade do processo plotando as Cartas de Controle para Média e

Amplitude ( X - R) e conclua a respeito.
Página
29
b) Verifique a Capacidade do processo calculando os índices Cp e Cpk e conclua a

respeito.
Página
30
c) Calcule os Limites Naturais do processo e desenhe o processo comparando com os

limites de especificação.
d) Estime o percentual de peças fora dos limites de especificação, considerando as

especificações técnicas de 72 +- 15.
Página
31
10.8.2 Carta de Controle para Medidas Individuais e Amplitude Móvel (R)
Algumas vezes é preciso fazer o controle do processo usando medidas individuais. Esse
será o caso quando:
- Tecnologia de medição automática onde toda peça fabricada é inspecionada.
- Taxa de produção muito baixa (por exemplo: 1 produto por dia).
- Testes muito caros (por exemplo: testes destrutivos ou que exijam a parada da
produção).
- Características muito homogêneas, que variam muito lentamente (por exemplo: um
digestor químico, espessura do rolo de papel, etc).
Cálculos:
Inicialmente calcula-se a amplitude média ( R ) e a média ( X ) do processo:
∑R
i =1
i
R1 + R2 + ... + Rk
R= =
k k
∑X
i =1
i
X 1 + X 2 + ... + X k
X = =
k k
Onde:
Ri: é a amplitude do subgrupo/corrida i
Xi: é a medida do subgrupo/corrida i
k é o número de subgrupos/corridas.
Para a Carta de Medidas Individuais:

LCS = X + E 2 .R
LC = X
LCI = X − E 2 .R
Página
32
Para a Carta de Amplitude Móvel:

LCS = D4 .R
LC = R
LCI = D3 .R
Onde:
E2 é uma constante tabelada abaixo. E D3 e D4 são constantes tabeladas (ANEXO 1).
n 2 3 4 5 6
E2 2,66 1,77 1,46 1,29 1,18
Cuidados em relação à Carta de Valores Individuais:

- E2 é válido se a distribuição dos valores individuais for aproximadamente normal;
- Os pontos da carta da amplitude móvel são correlacionados;
- Não se pode avaliar diretamente a dispersão do processo. Para contornar esse aspecto,
em geral se usa uma amplitude móvel calculada como a diferença entre cada par de
leituras sucessivas.
- Não são tão sensíveis a mudanças no processo como as cartas de médias:
σ σ
µ − 3σ µ − 3 µ+3 µ + 3σ
n n
Processo sob σx =
σ
controle n
(distribuição dentro σ
dos LC)
LCIind LCIméd x=µ LCSméd LCSind

Probabilidade de
detectar
Deslocamento da média deslocamento é
maior na carta de
como causa especial médias do que na
carta de valores
(distribuição fora dos LC) individuais
x
x1 = µ 1
Página
33
Exemplo: Considere a tabela de coleta de dados no Aquecimento do mel.
Nome do produto Apis mellifera Especificações 6a 9

Número do lote 9983-5 Instrumento Viscosímetro
Operação Aquecimento Amostra/Freq. 1 / 1 dia
Máquina 30 Unidade Pa.s
Característica Consistência Carta No. 1
Data 6/8 7/8 8/8 9/8 10/8 11/8 12/8 13/8 14/8 15/8 16/8 17/8 18/3 19/8 20/8
Operador A A A B B A A A B B A A A B B
Medida 1 6,5 7,0 6,5 6,5 8,5 7,5 8,5 8,0 8,5 6,5 7,5 8,0 8,0 7,0 7,5
Ampl. Móvel - 0,5 0,5 0,0 2,0 1,0 1,0 0,5 0,5 2,0 1,0 0,5 0,0 1,0 0,5
Amplitude móvel entre 7/8 e

6/8. Logo o tamanho de n = 2
Verifique a Estabilidade do processo utilizando as Cartas de Controle para Medidas

Individuais e Amplitude Móvel e conclua a respeito.
Resolução:
Primeiramente calcula-se a amplitude média ( R ) e a média ( X ) do processo:
k −1 14
∑R
i =1
i ∑R
i =1
i
0,5 + 0,5 + ... + 1,0 + 0,5 11
R= = = = = 0,8
k −1 14 14 14
15
∑X
i =1
i
6,5 + 7,0 + ... + 7,5 112
X = = = = 7,5
15 15 15

Para a Carta de Medidas Individuais:
LCS = X + E 2 .R = 7,5 + 2,66.0,8 = 9,6
LC = X = 7,5
LCI = X − E 2 .R = 7,5 − 2,66.0,8 = 5,4
Página
34
Plotando as Cartas:
Pela Carta de Controle para Medidas Individuais verifica-se que o processo é sob
controle estatístico (estável), ou seja, livre de causas especiais.
Carta de Controle para Valores Individuais
10,0
LCS = 9,6
9,0
Viscosidadee
8,0
LC = 7,5
7,0
6,0
5,0 LCI = 5,4

0 5 10 15
Amostra
Para a Carta de Amplitude Móvel:

LCS = D4 .R = 3,267.0,8 = 2,6
LC = R = 0,8
LCI = D3 .R = 0,00.0,8 = 0,0
Pela Carta de Controle para Amplitude Móvel verifica-se que o processo é sob controle
Carta de Controle para Am plitude Móvel
3,0
LCS = 2,6
2,5
2,0
Viscosidadee
1,5
1,0
LC = 0,8
0,5
0,0 LCI = 0,0

0 5 10 15
Amostra
Conclusão: Com base nas Cartas de Controle para Medidas Individuais e para
Amplitude Móvel verifica-se que o processo é estável.
Página
35
10.9 Cartas de Controle para Atributos
Atributos: São características que são comparadas com um certo padrão e por isso
podem assumir apenas valores discretos.
Exemplo: Conforme ou Não-Conforme, contagem de não-conformidades, etc.
O monitoramento por atributos não requer muita especialização para a coleta de dados.
Logo, este monitoramento pode ser uma etapa intermediária, anterior ao monitoramento
de variáveis.
Atributos: Não-Conformes X Não-Conformidades.
STATUS DO
ATRIBUTOS MEDIÇÃO EFEITO
PRODUTO
Produto com
Não-Conforme Defeituoso Conforme ou não
defeito
Pode ter mais de uma Número de

Não-Conformidade Defeitos
não-conformidade defeitos no produto
Não-Conformidade (Defeito) é uma característica da qualidade do produto fora do

padrão (o produto é Não-Conforme, pois apresenta pelo menos uma não-
conformidade).
Produtos Não-Conformes: Percentual ou número de não-conformes ou defeituosos:

conta-se o número de produtos defeituosos ou não-conformes (basta ter uma não-
conformidade) => Segue o Modelo Probabilístico Binomial.
Não-Conformidade no produto: Taxa de não-conformidades ou defeitos (refere-se a

contagem de defeitos no produto) => Segue o Modelo Probabilístico Poisson.
Tipos de Cartas por Atributos:

- Carta p: para percentual/fração de produtos não-conformes.
As amostras podem ser de tamanhos diferentes.
- Carta np: para número de número de produtos não-conformes.

As amostras devem ter o mesmo tamanho.
Página
36
- Carta c: para número de não-conformidades.

As amostras devem ter o mesmo tamanho.
- Carta u: para número de não-conformidades por unidade.

As amostras podem ser de tamanhos diferentes.
10.9.1 Carta p
Mede a fração/percentual de produtos defeituosos em um grupo.
Exemplo: % de embalagens defeituosas, % de pedidos com erros, etc.
Para cada subgrupo/corrida anotar:

n: número de itens inspecionados
d: número de itens não-conformes (defeituosos)
Calcular:
Fração/percentual de itens não-conformes:
di
pi =
ni
Fração Média de itens não-conformes:
k k
∑d
i =1
i
d + d 2 + ... + d k ∑p i
p1 + p 2 + ... + p k
p= = 1 ou p = i =1
=
k
n1 + n 2 + ... + n k k k
∑n
i =1
i
Sendo: k o número de subgrupos/corridas, di é o número de itens não-conformes no

subgrupo/corrida i, ni é o tamanho da amostra do subgrupo/corrida i.
Desvio Padrão:
p.(1 − p )
σp = => Pelo Modelo Probabilístico Binomial
n
OBS: Utiliza-se a média do tamanho de amostra ( n ) de cada corrida/subgrupo quando o

n for diferente entre as corridas/subgrupos. Onde:
k
∑ni =1
i
n1 + n 2 + n3 + ... + n k
n= =
k k
Página
37
p.(1 − p )
LCS = p + 3.σ p = p + 3.
n
LC = p
p.(1 − p )
LCI = p − 3.σ p = p − 3.
n
OBS: Se o Limite Inferior de Controle (LCI) resultar em um número negativo, então ele
deve ser fixado em zero.
OBS: Se o tamanho dos subgrupos/corrida (n) for variável, os limites de controle não
serão uma linha contínua, mas uma linha dentada, caso opte-se por não utilizar o n no
cálculo do desvio padrão.
Avaliação da Capacidade
Após a identificação e eliminação das causas especiais, o processo pode ser avaliado em
relação a sua capacidade.
No caso de atributos, a capacidade deve ser comparada com as expectativas e metas
gerenciais. Caso ela não seja satisfatória, a gerência deve agir sobre o sistema (causas
comuns).
Desta maneira, a fração de não-conformes pode ser comparada com as expectativas e
metas gerenciais, gerando um índice de capacidade Cp, dado por:
p meta _ gerencial
Cp =
p
Caso Cp < 1, a gerência deve agir sobre o sistema. A ação sobre as causas comuns é
mais difícil e em geral irá envolver o estudo de variáveis e não mais atributos.
Página
38
Exemplo: Os dados a seguir representam o número de não-conformes observados após

um processo de montagem (amostras com n = 120). Construa uma Carta p (fração de
não-conformes) para estes dados. Caso algum ponto caia fora dos limites, considere que
isso se deve a presença de causas especiais e revise os limites de controle. Conclua a
respeito da Estabilidade do processo. Considerando que a expectativa gerencial é de p =
3%, conclua a respeito da Capacidade do processo.
N° de Não-
Amostra pi
conformes (di)
1 6 0,050
2 4 0,033
3 2 0,017
4 2 0,017
5 1 0,008
6 2 0,017
7 5 0,042
8 0 0,000
9 7 0,058
10 3 0,025
11 3 0,025
12 2 0,017
13 1 0,008
14 2 0,017
15 3 0,025
16 5 0,042
17 4 0,033
18 1 0,008
19 2 0,017
20 4 0,033
Resolução:
Fração Média de itens não-conformes:
20
∑d
i =1
i
d 1 + d 2 + ... + d 20 6 + 4 + 2 + ... + 4 59
p= 20
= = = = 0,025
n1 + n 2 + ... + n 20 120 + 120 + 120 + ... + 120 2400
∑n
i =1
i
Desvio padrão:
p.(1 − p ) 0,025 .(1 − 0,025)

σp = = = 0,014
n 120
Página
39
Cálculo dos Limites de Controle da Carta p:

LCS = p + 3.σ p = 0,025 + 3.0,014 = 0,067
LC = p = 0,025
LCI = p − 3.σ p = 0,025 − 3.0,014 = −0,018 = 0,00
Plotando a Carta p:
Carta de Controle p
0,080
0,070
0,060 p
Farção de não-conformes
0,050 LCI
LC
0,040
LCS
0,030
0,020
0,010
0,000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Amostra
Conclusão: Verifica-se pelo gráfico que o processo é estável, ou seja, sob controle
estatístico e livre de causas especiais.
Comparando a meta gerencial com a fração de não-conformes:

p meta _ gerencial 0,03
Cp = = = 1,2 > 1 => Processo Capaz
p 0,025
Logo, como o Cp > 1, o processo á capaz de atender a meta gerencial, logo não é
necessário agir nas causas comuns.
Página
40
Exercício 1: Os dados a seguir representam o número de itens não-conformes

inspecionados em 10 Lotes de um certo produto. Plote a Carta p e conclua a respeito da
estabilidade do processo. Se as metas gerenciais fossem 1%, comente a respeito da
capacidade desse processo.
LOTE ni di pi
1 95 6 0,063
2 100 1 0,010
3 85 5 0,059
4 90 9 0,100
5 90 3 0,033
6 85 5 0,059
7 100 3 0,030
8 100 2 0,020
9 100 5 0,050
10 90 4 0,044
Página
41
10.9.2 Carta np
A Carta np segue a mesma lógica da carta p, mas agora, ao invés da fração de não-
conformes, se monitora o número de não-conformes.
Exemplo: A cada lote (amostra) de 100 geladeiras, o número de rejeitadas.
Calcular:
Numero Médio de itens não-conformes:
k k
∑ np
i =1
i
np + np 2 + ... + np k ∑d i
d1 + d 2 + ... + d k
np = = 1 ou n p = i =1
=
k k k k
Sendo: k o número de subgrupos/corridas, npi ou di é o número de itens não-conformes
no subgrupo/corrida i.
Desvio Padrão:
σ np = n p.(1 − p ) => Pelo Modelo Probabilístico Binomial
LCS = n p + 3.σ np = n p + 3. n p.(1 − p )

LC = n p
LCI = n p − 3.σ np = n p − 3. n p.(1 − p )
OBS: Se o Limite Inferior de Controle (LCI) resultar em um número negativo, então ele
deve ser fixado em zero.
Página
42
Exemplo: Os dados a seguir representam o numero de itens defeituosos (não-

conformes) observados em lotes de 200 unidades de um certo modelo de peça plástica
injetada. Plote a Carta np e conclua a respeito da estabilidade do processo.
Lote npi
1 7
2 13
3 15
4 9
5 7
6 12
7 6
8 11
9 6
10 8
11 8
12 7
13 12
14 5
15 15
16 6
17 10
18 16
19 14
20 6
Resolução:
Numero Médio de itens não-conformes:
20
∑ np
i =1
i
7 + 13 + ... + 6 193
np = = = = 9,65
20 20 20
Desvio Padrão:
σ np = n p.(1 − p ) = 9,65.(1 − 0,048) = 3,03

Onde:
20
∑d
i =1
i
d 1 + d 2 + ... + d 20 7 + 13 + ... + 6 193
p= 20
= = = = 0,048
n1 + n 2 + ... + n 20 200 + 200 + ... + 200 200 × 20
∑n i =1
i
Limites de Controle da Carta np:
Página
43
LCS = n p + 3.σ np = 9,65 + 3.3,03 = 18,74

LC = n p = 9,65
LCI = n p − 3.σ np = 9,65 − 3.3,03 = 0,56
Plotando a Carta np:
Carta de Controle np
20
18
16
14 np
Numero de não-conformes
12 LCI
10 LC
LSC
8
6
4
2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Amostra
Exercício: Os dados a seguir representam o numero de carrocerias defeituosas em

amostras de tamanho 20. Plote a Carta np e conclua a respeito da estabilidade.
Dia Defeituosos
1 3
2 4
3 9
4 6
5 12
6 7
7 4
8 3
9 6
10 3
11 7
12 4
13 5
14 3
15 4
16 7
Página
44
Página
45
10.9.3 Carta c
Monitora o numero de não-conformidades (defeitos) verificados em um produto.
Exemplo: Número de arranhões em automóveis, Número de erros por página, etc.
A utilidade da Carta c é confirmada quando os defeitos estão dispersos em um meio

contínuo, como por exemplo: Número de falhas por m2 de tecido, Número de
imperfeições por Km de pavimento, Número de erros de digitação por página, etc.
Calcular:
Numero Médio de não-conformidades:

k
∑c
i =1
i
c1 + c 2 + ... + c k
c= =
k k
Sendo: k o número de subgrupos/corridas, ci é o número de não-conformidades no
subgrupo/corrida i.
Desvio Padrão:
σ c = c => Pelo Modelo Probabilístico Poisson
LCS = c + 3.σ c = c + 3. c
LC = c
LCI = c − 3.σ c = c − 3. c
OBS: Na Carta c é como se o n = 1.
Página
46
Exemplo: Os dados a seguir representam o numero de imperfeições (não-

conformidades) observados na pintura da lataria de ônibus ( ≈ 155 m2) no final da linha
de montagem. Plote a Carta c e conclua a respeito da estabilidade do processo.
Onibus ci Onibus ci
1 4 11 1
2 0 12 7
3 8 13 5
4 14 14 15
5 4 15 4
6 12 16 6
7 9 17 17
8 5 18 13
9 9 19 8
10 21 20 11
Resolução:
20
∑c
i =1
i
4 + 0 + ... + 11 173
c= = = = 8,65
20 20 20
Desvio Padrão:
σ c = c = 8,65 = 2,94
LCS = c + 3.σ c = 8,65 + 3.2,94 = 17,47
LC = c = 8,65
LCI = c − 3.σ c = 8,65 − 3.2,94 = −0,17 = 0,0
Plotando a Carta c:
Carta de Controle c
Causa Especial
25
20
Numero de não-conformidades
c
15 LCI
LC
LSC
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Amostra
Página
47
Conclusão: Verifica-se pelo gráfico que o processo é instável, ou seja, não esta sob
controle estatístico e possui um ponto fora de controle (causa especial), o qual deve ser
eliminado dos cálculos e deve ser criado um plano de ação para tratá-lo.
Recalculando os limites de controle depois de eliminar a Causa Especial (ônibus 10):

Onibus ci Onibus ci
1 4 11 1
2 0 12 7
3 8 13 5
4 14 14 15
5 4 15 4
6 12 16 6
7 9 17 17
8 5 18 13
9 9 19 8
10 21 20 11
19
∑c
i =1
i
4 + 0 + ... + 11 152
c= = = = 8,00
19 19 19
Desvio Padrão:
σ c = c = 8,00 = 2,83
LCS = c + 3.σ c = 8,00 + 3.2,83 = 16,49
LC = c = 8,00
LCI = c − 3.σ c = 8,00 − 3.2,83 = −0,49 = 0,0
Plotando a Carta c:
Carta de Controle c
Causa Especial
18
16
14
c
12
LCI
10
LC
8 LSC
6
0
1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 17 18 19 20
Amostra
Página
48
Conclusão: Verifica-se novamente pelo gráfico que o processo é instável, ou seja, não
esta sob controle estatístico e possui um ponto fora de controle (causa especial), o qual
deve ser eliminado dos cálculos e deve ser criado um plano de ação para tratá-lo.
Recalculando os limites de controle depois de eliminar a Causa Especial (ônibus 17):
Onibus ci Onibus ci
1 4 11 1
2 0 12 7
3 8 13 5
4 14 14 15
5 4 15 4
6 12 16 6
7 9 17 17
8 5 18 13
9 9 19 8
10 21 20 11

18
∑c
i =1
i
4 + 0 + ... + 11 135
c= = = = 7,5
18 18 18
Desvio Padrão:
σ c = c = 7,5 = 2,74

LCS = c + 3.σ c = 7,5 + 3.2,74 = 15,72
LC = c = 7,5
LCI = c − 3.σ c = 7,5 − 3.2,74 = −0,72 = 0,0
Plotando a Carta c:
Página
49
Carta de Controle c
18
16
14
c
12
LCI
10
LC
8 LSC
6
0
1 2 3 4 5 6 7 8 9 11 12 13 14 15 16 18 19 20
Amostra
Conclusão: Verifica-se pelo gráfico que finalmente agora o processo esta estável, ou
seja, sob controle estatístico e livre de causas especiais.
Exercício: Uma montadora de automóveis deseja controlar o número de defeitos

observados no setor de montagem do painel de controle. Foram inspecionados 16
painéis. Considere como unidade de inspeção um painel, verifique a estabilidade do
processo plotando a carta de controle do número total de não-conformidades.
Painel N° de defeitos
1 2
2 3
3 5
4 4
5 1
6 3
7 1
8 2
9 6
10 1
11 2
12 0
13 3
14 4
15 2
16 1
Página
50
Página
51
10.9.4 Carta u
Monitora o numero de não-conformidades por unidade produzida.
Exemplo: Número de falhas por rolo de tecido, Número de defeitos por produto por dia,
etc.
É similar a Carta c, exceto que o número de não-conformidade é expresso em relação a
cada unidade.
A carta u é útil quando a amostra contém mais de uma unidade e quando o tamanho da
amostra varia.
As amostras não precisam ter o mesmo tamanho (mas se esse for o caso, os cálculos
ficam facilitados).
Primeiramente, conta-se o número de não conformidades (c) da amostra e se registra:

ci
ui =
ni
ui: número de não-conformidades por unidade i.
OBS: se houver diferenças nos tamanhos de subgrupo (corridas), também haverá

diferenças nos limites de controle, que irão aparecer como uma linha dentada.
Calcular:
Número médio de não-conformidades por unidade:
k
∑c
i =1
i
c1 + c 2 + ... + c k
u= =
k
n1 + n 2 + ... + n k
∑n
i =1
i
Sendo: k o número de subgrupos/corridas, ci é o número de não-conformidades no

subgrupo/corrida i, ni é o tamanho da amostra do subgrupo/corrida i.
Desvio Padrão:
u
σu =
n
Página
52
u
LCS = u + 3.σ u = u + 3.
n
LC = u
u
LCI = u − 3.σ u = u − 3.
n
Exemplo: Uma montadora de automóveis deseja controlar o número de não-

conformidades observadas no setor de soldagem da carcaça, conforme os dados a
seguir. Plote a Carta u e conclua a respeito da estabilidade do processo.
Amostra Num. carcaças (ni) ci ui
1 6 30 5,0
2 4 25 6,3
3 6 12 2,0
4 6 18 3,0
5 4 22 5,5
6 4 15 3,8
7 5 26 5,2
8 6 32 5,3
9 6 21 3,5
10 6 15 2,5
11 5 28 5,6
12 5 13 2,6
13 5 12 2,4
14 4 22 5,5
15 6 25 4,2
16 6 21 3,5
Resolução:
Número médio de não-conformidades por unidade:
16
∑c
i =1
i
30 + 25 + ... + 21 337
u= 16
= = = 4,0
6 + 4 + ... + 6 84
∑n
i =1
i
Desvio Padrão:
u 4,0
σu = = = 0,87
n 5,25
Página
53

LCS = u + 3.σ u = 4,0 + 3.0,87 = 6,6
LC = u = 4,0
LCI = u − 3.σ u = 4,0 − 3.0,87 = 1,4
Carta de Controle u
Numero de não-conformidades por unidade
7,0
6,0
5,0 u
LCI
4,0
LC
3,0 LCS
2,0
1,0
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
Amostra
Exercício 1: Uma empresa moveleira deseja controlar o número de não-conformidades

observadas no setor de estofados. Os dados observados estão abaixo. Plote a Carta u
para o número de não-conformidades e conclua a respeito da estabilidade do processo.
Pedido Num. estofados (ni) Num. defeitos (ci) ui
1 7 23
2 7 16
3 6 29
4 6 13
5 6 11
6 5 20
7 7 26
8 7 19
9 7 31
10 5 24
11 7 12
12 7 18
13 5 20
14 5 15
15 6 27
16 7 31
Página
54
Página
55
Exercício 2: Os dados a seguir representam o número de defeitos superficiais

observados em sapatos. Plote a Carta u e conclua a respeito da estabilidade do processo.
Num. unidades Num. defeitos
Lote ui
(ni) (ci)
1 10 13
2 10 11
3 10 8
4 12 20
5 12 15
6 10 10
7 10 13
8 12 19
9 8 15
10 8 9
Página
56
EXERCÍCIOS:
1. Uma empresa de plásticos produz uma embalagem de iogurte que deve pesar 20g
com uma tolerância de 1,2 gramas a menos ou a mais. Abaixo são apresentadas as
últimas 10 amostras (com 4 embalagens cada) observadas dessa característica:
Amostra 1 2 3 4 5 6 7 8 9 10
20,09 20,62 20,58 19,55 20,00 20,09 20,13 21,03 20,39 20,02
19,75 20,81 19,82 19,86 20,06 20,07 20,02 19,97 20,52 20,44
20,29 19,44 19,96 19,93 20,25 20,67 20,89 20,78 20,87 20,07
20,65 20,12 19,61 19,46 20,07 20,17 20,5 19,64 20,17 20,47
Média ( x ) 20,195 20,248 19,993 19,700 20,095 20,250 20,385 20,355 20,488 20,250
Amplitude (R) 0,90 1,37 0,97 0,47 0,25 0,60 0,87 1,39 0,70 0,45
a) Complete as cartas de controle abaixo indicando os valores das linhas de controle e

central e indicando os pontos das 10 amostras. Conclua a respeito da estabilidade do
processo justificando sua conclusão.
Carta de controle para peso das em balagens
11
média das amostras
10,5
10
9,5
9
1 2 3 4 5 6 7 8 9 10
Carta de controle para peso das em balagens
2
amplitude das amostras
1,5
0,5
0
1 2 3 4 5 6 7 8 9 10
b) Verifique como está a capacidade do processo (calcule Cp e Cpk), e conclua a

respeito.
c) Quais são os limites naturais de variação do processo? Desenhe o processo
comparando com os limites de especificação.
d) Qual o percentual de peças fora da especificação técnica atualmente?
Página
57
R:
a) Carta X :
LCS = 20,78
LC = 20,20
LCI = 19,62
Processo sob controle estatístico (estável), ou seja, livre de causas especiais.
Carta R:
LSC = 1,82
LC = 0,797
LCI = 0,00
b) Cp = 1,03 (processo relativamente capaz), e Cpk = 0,85 (processo incapaz (Cpk<1) e
deslocado, pois Cp ≠ Cpk).
c) LNS = 21,37
LC = 20,20
LNI = 19,03
d) Percentual de peças fora da especificação: 0,0054 = 0,54% ou 5400 partes por milhão
2. Cartas de Controle x- R e R são mantidos para controlar a pressão exercida sobre

uma liga de metal. Após a análise de k=30 amostras de tamanho n=7 obteve-se:
30 __ 30
∑ X i = 12870 e
i =1
∑R
i =1
i = 1350
a) Calcule os limites de controle para as Cartas de Controle para a Média e Amplitude

( x - R).
b) Assumindo que todos os pontos estivessem dentro dos limites de controle, quais
seriam os limites naturais do processo? Desenhe o processo comparando com os limites
de especificação.
c) Se a saída do processo é normalmente distribuída, e as especificações são 440 +- 40,
o processo pode atender as especificações? Estime o percentual de peças fora da
especificação técnica atualmente.
R:
a) Carta X :
LCS = 447,9
LC = 429
LCI = 410,10
Carta R:
Página
58
LSC = 86,4
LC = 45
LCI = 3,6
b) LNS = 479,01
LC = 429
LNI = 378,99
c) Cp = 0,80 (processo incapaz (Cp<1), com excesso de variabilidade), Cpk = 0,58
(processo incapaz (Cpk<1) e deslocado, pois Cp ≠ Cpk). Conclusão: O processo está
totalmente incapaz (o processo não esta atendendo as especificações), com excesso de
variabilidade e deslocado. Logo, deve-se agir nas causas comuns.
d) Percentual de peças fora da especificação: 0,042 = 4,2% = 42000 partes por milhão.
3. Os dados que seguem foram coletados de um processo de uma fonte geradora de

energia. A característica de interesse é voltagem de saída, e n = 5.
Amostra x R Amostra x R
1 103 4 6 106 3
2 102 5 7 102 7
3 104 2 8 105 2
4 105 6 9 106 4
5 104 4 10 104 3
a) Determine (calcule) os Limites de Controle (LCS, LC, LCI) para os gráficos da

Média e da Amplitude ( X - R), plote os gráficos e conclua a respeito da estabilidade do
processo.
b) Supondo distribuição Normal, estime o desvio padrão dessa característica.
c) Quais são os limites naturais variação do processo? Desenhe o processo comparando
com os limites de especificação.
d) Qual deve ser o percentual estimado de não-conformes se as especificações da
característica são 103 +- 4?
e) Calcule o Cp e o Cpk e conclua a respeito.
R: a) Carta X :
LCS = 101,79
LC = 104,10
LCI = 106,41
Carta R:
LSC = 8,46
Página
59
LC = 4,00
LCI = 0,00
b) 1,72
c) LNS = 98,94
LC = 104,10
LNI = 109,26
d) Percentual de peças fora da especificação: 0,047 = 4,7% = 47000 partes por milhão.
e) Cp = 0,78 (processo incapaz (Cp<1), com excesso de variabilidade) e Cpk = 0,56
(processo incapaz (Cpk<1) e deslocado, pois Cp ≠ Cpk).
Conclusão: O processo está totalmente incapaz, com excesso de variabilidade e
deslocado. Logo, deve-se agir nas causas comuns.
4. (2016/2) Um processo é avaliado por uma característica de qualidade que se distribui

de acordo com a distribuição Normal. E possui especificações técnicas de 18,5 +- 3,5.
Depois da análise de 11 amostras de tamanho 4 cada, obteve-se os seguintes dados:
Amostra 1 2 3 4 5 6 7 8 9 10 11
X 19 18 17 20 17 18 17,5 20 18 19 20
R 2 4 3 3 2 4 3 5 4 2 3
a) Determine (calcule) os Limites de Controle (LCS, LC, LCI) para os gráficos da

Média e da Amplitude ( X - R), plote os gráficos e conclua a respeito da estabilidade do
processo.
b) Verifique a capacidade do processo calculando os índices Cp e Cpk, e conclua a
respeito da capacidade do processo.
c) Considerando as especificações técnicas de 18,5 +- 3,5, estime o percentual (a
probabilidade) de peças fora das especificações.
R: a) Carta X :
LCS = 20,83
LC = 18,5
LCI = 16,17
Carta R:
LSC = 7,3
LC = 3,2
LCI = 0,0
Página
60
b) Cp = 0,76 (processo incapaz (Cp<1), com excesso de variabilidade) e Cpk = 0,76

(processo incapaz (Cpk<1), mas centralizado, pois Cp = Cpk).
Conclusão: O processo está totalmente incapaz, com excesso de variabilidade e
centralizado. Logo, deve-se agir nas causas comuns.
c) Percentual de peças fora da especificação: 0,0232 = 2,32%
5. (2017/1) Um molde para extrusão é usado para produzir bastões de alumínio. O

diâmetro dos bastões é uma característica crítica da qualidade. O quadro abaixo mostra
os valores de X e R para 12 amostras de 5 bastões cada. As especificações sobre os
bastões são 0,5035 +/- 0,0010 polegadas. Os valores dados são os três últimos dígitos da
medida, ou seja, 34,2 é lido como 0,50342. Desta forma, considere as especificações
como 35 ± 11.
Amostra 1 2 3 4 5 6 7 8 9 10 11 12
X 34,2 31,6 31,8 33,4 35,0 32,1 32,6 33,8 34,8 35,5 35,0 34,0
R 3 4 4 6 4 2 7 9 10 4 8 6
a) Determine os Limites de Controle para os gráficos da Média e da Amplitude ( X - R)

(Plote os gráficos da Média e da Amplitude) e conclua a respeito da estabilidade do
processo.
1 2 3 4 5 6 7 8 9 10 11 12
1 2 3 4 5 6 7 8 9 10 11 12
b) Quais são os Limites Naturais de variação do processo? (Desenhe o processo

comparando com os Limites de Especificação).
c) Calcule os índices Cp e Cpk, e conclua a respeito da capacidade do processo.
Página
61
R:
a) Carta X :
LCS = 36,88
LC = 33,65
LCI = 30,42
Carta R:
LSC = 11,8
LC = 5,6
LCI = 0,0
b) LNS = 40,85
LC = 33,65
LNI = 26,45
c) Cp = 1,53 (processo capaz (Cp > 1,33), não possui excesso de variabilidade) e Cpk =
1,34 (processo capaz (Cpk > 1,33), porém está deslocado, pois Cp ≠ Cpk).
Conclusão: O processo é capaz de atender as especificações do projeto, porém encontra-
se deslocado. Logo, deve-se centralizar o processo (agir nas causas comuns).
6. (2017/2) Os dados a seguir representam as médias e as amplitudes do diâmetro de
uma determinada peça. Foram realizadas 10 amostras de n = 6 medições cada. As
especificações do produto são 7,5 ± 0,5.
Amostra 1 2 3 4 5 6 7 8 9 10
X 7,20 7,11 7,51 7,42 7,59 7,55 7,23 7,53 7,54 7,12
R 0,53 0,70 0,51 0,55 0,53 0,76 0,72 0,60 0,62 0,58
a) Determine os Limites de Controle para os gráficos da Média e da Amplitude ( X - R)

(Plote os gráficos da Média e da Amplitude) e conclua a respeito da estabilidade do
processo.
1 2 3 4 5 6 7 8 9 10
Página
62
1 2 3 4 5 6 7 8 9 10
c) Calcule os índices Cp e Cpk, e conclua a respeito da capacidade do processo.
R:
a) Carta X :
LCS = 7,67
LC = 7,38
LCI = 7,09
Carta R:
LSC = 1,22
LC = 0,61
LCI = 0,0
b) Cp = 0,69 (processo incapaz (Cp < 1,00), possui excesso de variabilidade) e Cpk =
min{0,86;0,53}= 0,53 (processo incapaz (Cpk < 1,00) e está deslocado, pois Cp ≠ Cpk).
Conclusão: O processo não é capaz de atender as especificações do projeto, ou seja,
possui excesso de variabilidade e encontra-se deslocado. Logo, deve-se agir nas causas
comuns.
6. Os dados a seguir representam o número de produtos não-conformes observados em

16 lotes de certo produto. As medições foram feitas a partir de lotes de 160 unidades.
N° produtos
Lote
defeituosos
1 4
2 2
3 4
4 6
5 7
6 3
7 4
8 1
9 8
Página
63
10 7
11 5
12 2
13 2
14 0
15 4
16 5
a) Escolha uma Carta de Controle por Atributos (p, np, c, u) adequada para esses dados.
Justifique.
R: Carta p ou np, pois trata-se de unidades não-conformes e como o n é constante pode-
se utilizar a carta p ou a np.
b) Calcule os limites de controle (LCS, LC, LCI) da Carta de Controle por Atributos
escolhida na letra a). (Não é necessário fazer a plotagem do gráfico)
R:
Utilizando a Carta p: Ou Utilizando a Carta np:
LCS = 0,061 LCS = 9,91
LC = 0,025 LC = 4,0
LCI = -0,011 = 0,00 LCI = -1,91 = 0,00
7. Uma carta de controle para o número de não-conformes é estabelecido, baseado em

amostras de tamanho 200 (n = 200). Para o início da carta de controle 25 amostras (k =
25) são selecionadas e o número de não-conformes em cada amostra determinado, assim
temos que o somatório dos não-conformes é 2400. Quais são os limites para o gráfico
p?
R:
LCS = 0,585
LC = 0,48
LCI = 0,375
8. Uma empresa produtora de papel, avalia constantemente a qualidade dos seus

produtos. A indústria registra o número de não-conformidades em amostra de 20 resmas
de papel (1 resma = 500 folhas). Considerando como unidade de produção uma resma,
verifique a estabilidade do processo plotando a carta de controle do número total de
não-conformidades.
Amostra Número de não-conformidades
1 5
2 4
3 6
4 3
5 10
6 4
7 6
8 5
9 4
Página
64
10 8
11 2
12 6
13 3
14 8
15 6
16 7
17 3
18 2
19 7
20 8
Justifique.
R: A carta c, pois estamos monitorando os defeitos (não-conformidades) e o n = 1.
R:
LCS = 12,3
LC = 25,4
LCI = -1,6 = 0,0
9. Os dados que seguem apresentam os resultados da inspeção de determinados

produtos em um período de 10 dias. Plote a carta de controle que achares pertinente e
conclua a respeito da estabilidade do processo.
Unidades Unidades não-

Dia
inspecionadas conformes
1 200 4
2 150 3
3 100 4
4 100 3
5 150 3
6 150 3
7 200 6
8 150 6
9 100 1
10 200 4
R: A carta p, pois trata-se de unidades não-conformes (defeituosos) e o n não é

constante.
LCS = 0,064
LC = 0,025
LCI = -0,014 = 0,00
Processo estável, ou seja, livre de causas especiais.
Página
65
10. (2016/2) Uma empresa possui um programa de treinamento para emissão de nota
fiscal oferecida aos novos empregados. Um levantamento revelou as seguintes
quantidades de erros (defeitos) em cada uma das últimas 15 notas emitidas por um
funcionário que acabou de receber o treinamento.
Nota Fiscal Num. de erros
1 8
2 16
3 15
4 19
5 11
6 15
7 8
8 11
9 21
10 13
11 23
12 16
13 9
14 25
15 15
Justifique.
R: A carta c, pois estamos monitorando os defeitos (não-conformidades) e o n = 1.
escolhida na letra a) (Não é necessário fazer a plotagem do gráfico).
R:
LCS = 26,6
LC = 15
LCI = 3,4
11. Uma montadora deseja controlar o número de não-conformidades observadas no

setor de montagem da carcaça. Os dados coletados estão abaixo.
N° de N° de
Amostra
carcaças defeitos
1 6 30
2 4 25
3 6 12
4 6 18
5 4 22
6 4 15
7 5 26
8 6 32
9 6 21
10 6 15
11 5 28
12 5 13
Página
66
Justifique.
R: A carta u, pois estamos trabalhando com não-conformidades (defeitos) e o n > 1 e
não constante.
R:
LCS = 6,74
LC = 4,1
LCI = 1,46
Página
67
ANEXO 1 – TABELA CEP (Fonte: Montgomery, 2004)
CEP
Cálculo dos Limites de Controle
Notação:
LCS – Limite de Controle Superior X - Média das Medidas
LCI – Limite de Controle Inferior X - Média das Médias
LC – Limite Central R - Amplitude
LSE – Limite Superior de Especificação R - Média das Amplitudes
LIE – Limite Inferior de Especificação σ - Desvio Padrão Populacional
n – Tamanho da Amostra
Dados de Variáveis (Cartas de Controle

X - R): n A2 D3 D4 d2
Carta de Controle X : 2 1,880 0,000 3,267 1,128
3 1,023 0,000 2,574 1,693
LCS = x + A2 ⋅ R 4 0,729 0,000 2,282 2,059
LC = x 5 0,577 0,000 2,115 2,326
6 0,483 0,000 2,004 2,534
LCI = x − A2 ⋅ R 7 0,419 0,076 1,924 2,704
Carta de Controle R: 8 0,373 0,136 1,864 2,847
9 0,337 0,184 1,816 2,970
LCS = D4 ⋅ R 10 0,308 0,223 1,777 3,078
LC = R
LCI = D3 ⋅ R
Estudo da Capacidade:
__
LSE − LIE ^ ^
  LSE − X X − LIE  ^ R
Cp = e C pk = min C pksup ; C pk inf  = min  ;  , onde: σ =
^ ^ ^
   3.σ d2
6.σ 3.σ 
______________________________________________________________________
Dados de Atributos (Carta de Controle p, np, c, u):
c (contagem de
np (número de não- u (contagem de não-
p (fração) não-
conformes) conformidades/unidade)
conformidades)
LC p np c u
LCS
p.(1 − p ) u
p + 3. n p + 3. n p.(1 − p ) c + 3. c u + 3.
n n
LCI
p.(1 − p ) u
p − 3. n p − 3. n p.(1 − p ) c − 3. c u − 3.
n n
Se n varia, use n n tem de ser n tem de ser Se n varia, use n ou ni
Notas
ou ni individual constante constante individual
Página
68
ANEXO 2 - Tabela da Distribuição Normal Padrão
P(Z<z) – VALORES POSITIVOS z Z
z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,9 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
Página
69
ANEXO 2 - Tabela da Distribuição Normal Padrão
P(Z<z) – VALORES NEGATIVOS z Z
z 0,0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,4960 0,4920 0,4880 0,4840 0,4801 0,4761 0,4721 0,4681 0,4641
-0,1 0,4602 0,4562 0,4522 0,4483 0,4443 0,4404 0,4364 0,4325 0,4286 0,4247
-0,2 0,4207 0,4168 0,4129 0,4090 0,4052 0,4013 0,3974 0,3936 0,3897 0,3859
-0,3 0,3821 0,3783 0,3745 0,3707 0,3669 0,3632 0,3594 0,3557 0,3520 0,3483
-0,4 0,3446 0,3409 0,3372 0,3336 0,3300 0,3264 0,3228 0,3192 0,3156 0,3121
-0,5 0,3085 0,3050 0,3015 0,2981 0,2946 0,2912 0,2877 0,2843 0,2810 0,2776
-0,6 0,2743 0,2709 0,2676 0,2643 0,2611 0,2578 0,2546 0,2514 0,2483 0,2451
-0,7 0,2420 0,2389 0,2358 0,2327 0,2296 0,2266 0,2236 0,2206 0,2177 0,2148
-0,8 0,2119 0,2090 0,2061 0,2033 0,2005 0,1977 0,1949 0,1922 0,1894 0,1867
-0,9 0,1841 0,1814 0,1788 0,1762 0,1736 0,1711 0,1685 0,1660 0,1635 0,1611
-1,0 0,1587 0,1562 0,1539 0,1515 0,1492 0,1469 0,1446 0,1423 0,1401 0,1379
-1,1 0,1357 0,1335 0,1314 0,1292 0,1271 0,1251 0,1230 0,1210 0,1190 0,1170
-1,2 0,1151 0,1131 0,1112 0,1093 0,1075 0,1056 0,1038 0,1020 0,1003 0,0985
-1,3 0,0968 0,0951 0,0934 0,0918 0,0901 0,0885 0,0869 0,0853 0,0838 0,0823
-1,4 0,0808 0,0793 0,0778 0,0764 0,0749 0,0735 0,0721 0,0708 0,0694 0,0681
-1,5 0,0668 0,0655 0,0643 0,0630 0,0618 0,0606 0,0594 0,0582 0,0571 0,0559
-1,6 0,0548 0,0537 0,0526 0,0516 0,0505 0,0495 0,0485 0,0475 0,0465 0,0455
-1,7 0,0446 0,0436 0,0427 0,0418 0,0409 0,0401 0,0392 0,0384 0,0375 0,0367
-1,8 0,0359 0,0351 0,0344 0,0336 0,0329 0,0322 0,0314 0,0307 0,0301 0,0294
-1,9 0,0287 0,0281 0,0274 0,0268 0,0262 0,0256 0,0250 0,0244 0,0239 0,0233
-2,0 0,0228 0,0222 0,0217 0,0212 0,0207 0,0202 0,0197 0,0192 0,0188 0,0183
-2,1 0,0179 0,0174 0,0170 0,0166 0,0162 0,0158 0,0154 0,0150 0,0146 0,0143
-2,2 0,0139 0,0136 0,0132 0,0129 0,0125 0,0122 0,0119 0,0116 0,0113 0,0110
-2,3 0,0107 0,0104 0,0102 0,0099 0,0096 0,0094 0,0091 0,0089 0,0087 0,0084
-2,4 0,0082 0,0080 0,0078 0,0075 0,0073 0,0071 0,0069 0,0068 0,0066 0,0064
-2,5 0,0062 0,0060 0,0059 0,0057 0,0055 0,0054 0,0052 0,0051 0,0049 0,0048
-2,6 0,0047 0,0045 0,0044 0,0043 0,0041 0,0040 0,0039 0,0038 0,0037 0,0036
-2,7 0,0035 0,0034 0,0033 0,0032 0,0031 0,0030 0,0029 0,0028 0,0027 0,0026
-2,8 0,0026 0,0025 0,0024 0,0023 0,0023 0,0022 0,0021 0,0021 0,0020 0,0019
-2,9 0,0019 0,0018 0,0018 0,0017 0,0016 0,0016 0,0015 0,0015 0,0014 0,0014
-3,0 0,0013 0,0013 0,0013 0,0012 0,0012 0,0011 0,0011 0,0011 0,0010 0,0010
-3,1 0,0010 0,0009 0,0009 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007
-3,2 0,0007 0,0007 0,0006 0,0006 0,0006 0,0006 0,0006 0,0005 0,0005 0,0005
-3,3 0,0005 0,0005 0,0005 0,0004 0,0004 0,0004 0,0004 0,0004 0,0004 0,0003
-3,4 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0003 0,0002
-3,5 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002 0,0002
-3,6 0,0002 0,0002 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,7 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,8 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001 0,0001
-3,9 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Página
70
REFERÊNCIAS
Montgomery, Douglas C. Introdução ao Controle Estatístico da Qualidade. 4a edição.

Rio de Janeiro: LTC, 2004.
Werkema, Maria C.C. Ferramentas Estatísticas Básicas para o Gerenciamento do

Processo. Belo Horizonte: Fundação Christiano Ottoni, 1995.
Ribeiro, José L.D. Controle Estatístico do Processo, Série monográfica Qualidade.

Porto Alegre: FEENG/UFRGS, 2001.
Página
71

Material de Apoio CEQ Parte IV

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Material de Apoio CEQ Parte IV

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DO VALE DO RIO DOS SINOS

Ciências Exatas e Tecnológicas

Material de apoio – Controle Estatístico da Qualidade

Profa. Karla Faccio

10. CONTROLE ESTATÍSTICO DO PROCESSO (CEP)

Exemplos de CQ’s: Diâmetro, Espessura, Temperatura, Resistência, % de defeituosos,

10.2 Origens Históricas

X : representa a média das médias amostrais

σ : representa o desvio-padrão dos valores individuais da população

10.3 Teorema Central do Limite (TCL)

A Média das médias amostrais é igual a média dos valores individuais: X = µ

individuais na razão de 1 . Logo, quanto maior o número de corridas (k) analisadas,

melhor é a estimativa. A Figura abaixo ilustra esta comparação, ou seja, X = µ e

Tipos de Limites no estudo do CEP:

2. Limites de Controle: Limites da distribuição das Médias (cada Carta de Controle

3. Limites de Especificação: Determinadas pelo cliente / projeto.

Exemplo 2. Distribuição de Probabilidade Exponencial.

Exemplo 3: Considere o lançamento de um dado honesto.

Plota-se o gráfico das probabilidades de cada fase sair e verifica-se que o

Organiza-se as probabilidades de ocorrência de cada valor médio de dois dados

10.4 Elementos do Controle do Processo

Um sistema de controle do processo se caracteriza por quatro elementos fundamentais:

(2) Informações sobre o processo

Se não se pretende agir, coletar informações é inútil.

10.5 Entendendo o Controle Estatístico do Processo (CEP)

10.5.1 Vantagens do CEP

Fornece uma linguagem comum para discutir o desempenho do processo, possibilitando

A melhora da qualidade, representada pela redução da variabilidade do processo,

O emprego correto das cartas de controle:

10.5.2 Variabilidade em processos produtivos

A variabilidade está sempre presente. Se compararmos duas unidades quaisquer,

Pequenas diferenças peça-a-peça: habilidade do operador, diferenças na matéria-prima,

Para o gerenciamento do processo e redução da variabilidade, é importante investigar as

despercebidas, elas podem ser incorporadas ao resultado do processo, tornando aceitável

Causas Comuns e Causas Especiais

A meta de um sistema de controle do processo é permitir as decisões corretas referentes

As Figuras abaixo realizam um comparativo entre as características das causas comuns

TIPO DE TIPO DE STATUS DO AÇÃO

10.6 Cartas / Gráficos de Controle Estatístico

Definição: Representação em um gráfico da variável de resposta ou fator controlável

Verificar e acompanhar Detectar causa especial

Implementar ação Identificar causa

O emprego correto das cartas de controle:

As cartas de controle sempre utilizam limites de controle localizados à distância de três

Uma vez definida a característica de qualidade em estudo, por exemplo: Diâmetro;

Estrutura genérica das Cartas de Controle:

10.7 Procedimento de Melhoria

As cartas de controle fazem parte de um procedimento de melhoria. Primeiro, coleta-se

Primeiro, eliminando-se as causas especiais para tornar o processo estável e previsível

10.7.1 Avaliação da ESTABILIDADE do Processo

As Cartas de Controle auxiliam a verificar se o processo está estável, ou seja, sob

Indícios de presença de Causas Especiais:

a) 7 pontos em sequência acima (ou abaixo) da linha central. O Gráfico abaixo

Possíveis Causas: Mudança no ajuste da máquina; Processo, método ou material

b) 7 pontos em sequência ascendente (ou decrescente). O Gráfico abaixo ilustra 7

Possíveis causas: Desgaste de Ferramenta; Gradual desgaste do equipamento; Desgaste

Fora dos Lim ites de Controle

Possíveis causas: Erro na medição ou digitação; Quebra de ferramenta; Instrumento de

d) Periodicidade dos pontos. O Gráfico abaixo ilustra um comportamento de

Possíveis causas: Não-uniformidade na matéria-prima recebida; Rodízio de Operadores,

e) Deslocamento / Mudança da média. O Gráfico abaixo ilustra um caso de mudança

f) Tendência Linear. O Gráfico abaixo ilustra um caso de tendência linear.

g) Comportamento cíclico. O Gráfico abaixo ilustra um exemplo de comportamento