Livro - CEP 2º Edição - Controle Estatístico Do Processo

k
CEP 2a Edição
Controle Estat í stico de Processo
.
s
CERTIFIED
1 AlAG
^ à [
Insight . Expertise . Results . Training
Provider
www.iaction-plexus.com.br Interaction
Plexus
I
/1
/? rf) / i r2. C Y ,
LK - J ' O d (
0
< yJ
^ 7"
R - /
A
Controle Estatí stico do Processo - CEP - 2 a EDIçãO
Plexus Training System
~ A
A /Aè - /W r o^ o f l UA X 'VJ S'l 1
^
Controle Estatí stico do

Processo (CEP) - 2a edição
FA005
O
Qn
o
UJ
(0
CM Interaction
Plexus
e-mail: info@ iaction- plexus.com.br
& site: www.iaction-plexus.com.br
LU
O
Interaction Plexus - Plexus Training System BR rev. 02 1
Controle Estatí stico do Processo - CEP - 2a EDIçã O
DIREITOS AUTORAIS
Todos os direitos estã o reservados e cobertos por direitos autorais. Nenhuma

parte deste trabalho pode ser usada ou ser reproduzida de qualquer forma ou por
quaisquer meios (grá ficos, eletrónicos ou mecânicos, incluindo-se fotoc ópias,
grava çõ es , grava ções em fita magnética ou armazenamento de informações ou
sistemas de recuperaçã o ) sem a permiss ã o expressa e por escrito da Interaction
Plexus.
USO DOS MATERIAIS
Os materiais escritos devem ser utilizados somente com o Sistema de

Treinamento Plexus .
Os Clientes concordam que cada participante receber á materiais escritos apenas
para o seu uso exclusivo .
INTEGRANTES DA EQUIPE DE ELABORAÇÃO DO CURSO
Carlos Alberto Colonna Romano InterAction Plexus

Eduardo Takao InterAction Plexus
o
O
T3
LU
re
CM
I
*
Q.
LU
O Interaction Plexus - Plexus Training System BR rev. 02 2
Controle Estat í stico do Processo - CEP - 2a EDIçãO
í ndice
1- Objetivos 5
2- Estatí stica 12
3- Cartas de Controle 28
4- Cartas de Controle para Variá veis 46
5- Capacidade e Desempenho do Processo 54
6- Cartas de Controle para Atributos 63
7- Apêndices 71
O
Uo
o
LU
M
I
Q.
LU
JL
Atividade:
m
Em seu grupo responda o seguinte:
> Qual a finalidade de se aplicar o CEP?
> Para que serve a Estatí stica?

I
o {
í«
*8
<>
(
4
nmm 4
o Í
é
LU I
fc
ra t
CM b
£
& *
UI *
4
Controle Estatístico do Processo - CEP - 2a EDIçãO
1- Objetivos
PREVENÇÃO VERSUS DETECÇÃO

No passado, a manufatura geralmente dependia da produção para fazer o produto e do
controle da qualidade para controlar e inspecionar o produto final e detectar os itens que
não se enquadravam nas especifica ções. Em situa ções administrativas , o trabalho é
frequentemente checado e reverificado , no esforç o de identificar erros. Ambos os casos
envolvem uma estratégia de detecc ã o ', que geram desperdí cio , porque permitem que
tempo e materiais sejam empregados nos produtos e/ ou serviços os quais nem sempre
ser ã o utilizados.
É muito mais efetivo evitar o desperdício , em primeiro lugar , nã o produzindo resultados

insatisfat órios - aplicando , portanto, uma estratégia de prevençã o . ç g ?
^
Alguns elementos importantes para a implementa çã o de um controle estatí stico do
processo, respondem às seguintes perguntas:
O que significa um sistema de controle do processo?

MT&
A TPc
o
M
*
Como uma variaçã o afeta o resultado do processo?
Como técnicas estatí sticas podem mostrar se um problema é localizado

ou envolve todo um sistema? < -
o O que significa um processo estar sob controle estatí stico?
çã
11
c
O que significa um processo ser capaz ? ( A «r
1
A J r CA- , , . r / V A ^ 4 7b 5 tSZ T )c- C ay
1 f
- 9 5 co
/
* '
6> 0 ;? AC
( i^r-t Uj -^A^
Edi
O que é um ciclo de melhoria cont í nua e em que papel o controle do
processo participa dele ?
O que s ã o cartas de controle , e como s ã o usadas?

a
2
-
cf *-•
Que benefí cios podem ser esperados do uso de cartas de controle?

- ^ til S' «P & •**
** -
CEP Interaction Plexus - Plexus Training System BR rev. 02 5

Controle Estat ístico do Processo - CEP - 2a EDIçã O
VARIA ÇÃ O: CAUSAS COMUNS E ESPECIAIS
A fim de efetivamente utilizar os dados de mediçã o no controle do processo é importante

entender o conceito de varia çã o , conforme ilustrado na figura 1 ( vide a seguir).
Dois produtos nunca s ã o exatamente iguais, porque qualquer processo conté m muitas
fontes de variabilidade. As diferenças entre produtos podem ser grandes ou podem ser
imensamente pequenas, mas elas estã o sempre presentes, podendo em um processo
industrial serem devidas a variações da máquina, da ferramenta, do operador , da
manutençã o , do meio ambiente, do sistema de medi ção entre outros fatores. Em
processos administrativos, também ocorrem varia ções como, por exemplo, no tempo de
processo um faturamento, que pode variar devido à s pessoas que realizam o processo , o
procedimento e o sistema utilizado, entre outros fatores.
Algumas fontes de varia çã o no processo causam em curto prazo, diferen ç as peç a-a-
peç a , por exemplo, folgas e falhas em uma m áquina e em sua fixa çã o ou a precisã o do
,
trabalho de um escritur ário. Outras fontes de variaçã o tendem a causar mudanç as no

resultado somente apó s um longo per í odo de tempo , ou gradgalmente, no caso de
desgaste de ferramenta ou m áquina , ou bruscamente , como mudanças no procedimento,
ou irregularmente como mudança no ambiente do tipo fornecimento de energia elétrica.
Portanto , o intervalo de tempo e as condiçõ es sobre as quais as medidas sã o feitas
afetar ão a quantidade total de varia çã o que ser á observada.
Enquanto valores tomados individualmente podem ser todos distintos, como um grupo
eles tendem a formar um padr ã o que podem ser descritos como uma distribuição (ver
Figura 1 a seguir . Esta distribuiçã o pode ser caracterizada pelos seguintes fatores:
o • Localiza çã o ( valor especí fico da medida central da distribuição) ;
o*
Mwm
• Dispersão (engloba a abrangência ou extens ão de valores do menor ao maior);
• Forma ( o padr ão de variaçã o - se a distribuiçã o é simétrica , oblíqua, etc.)
o Do ponto de vista dos requisitos mí nimos, o tópico variação é geralmente simplificado :

LU peç as dentro das especifica ções sã o aceitáveis e fora das especificações nã o o sã o ;
relatórios entregues dentro do prazo sã o aceitos e fora do prazo nã o. Entretanto o
PS objetivo é de se manter a localização em um valor alvo com o m í nimo de varia ção.
CM Para gerenciar qualquer processo e reduzir a sua varia ção, devem ser identificadas
as causas da variação . O primeiro passo é distinguir as causas de variaçã o entre
I
.
causas comuns e causas especiais.
Q
UI
Controle Estat í stico do Processo - CEP - 2 EDIçãO
a
Causas comuns referem-se às muitas fontes de varia çã o que agem de forma

consistente no processo. As causas comuns de um processo possuem uma distribuição
est ável e repetitiva ao longo do tempo. Isto é chamado “ sob estado de Controle
Estatí stico” , “ sob Controle Estatí stico” ou às vezes somente “ sob controle". Causas
comuns resultam em um sistema est ável de causas prov áveis./ Se somente causas
comuns de variaçã o estã o presentes e nã o se alteram, o resultado do processo se torna
previs í vel.
Causas especiais ( frequentemente chamadas de causas assinalá veis) referem- se a

quaisquer fatores causadores de variação que afetam apenas parte do resultado do
processo. Quase sempre elas são intermitentes e imprevisí veis As causas especiais s ão.
sinalizadas por um ou mais pontos além dos limites de controle ou por padr ões não
aleat órios dos pontos dentro dos limites de controle. A menos que todas as causas
especiais sejam identificadas e tomadas as devidas providências, elas continuarão a
afetar o resultado do processo de maneira imprevisí vel fee causas especiais est ã o
(
,
r
presentes, o resultado do processo nã o é est á vel ao longo do tempo.
As mudanças na distribuição do processo devido a causas especiais podem ser tanto

negativas quanto positivas. Quando sã o negativas, elas precisam ser entendidas e
eliminadas. Quando s ã o positivas , elas devem ser entendidas e transformadas em parte
permanente do processo. Com alguns processos bem desenvolvidos, o cliente pode dar
permiss ã o especial para executar um processo que contenha, consistentemente a
ocorrência de uma causa especial. Tais permissões irão geralmente , requerer que os
do
planos de controle do processo possam assegurar a conformidade com os requisitos
cliente e ao mesmo tempo proteger o processo contra outras causas especiais.
Z'-
<r 5 rA '
O I 5 -
p
c uS £ A 5
-
o
fZO Z' 1
T
O/ c/ t
V ,> o r e D </ 5
f - fr ê<£ u
O’
o
Ui
ra
i
CM
I
I
i
I
&
) LU
\
I
I
>
-
Controle Estatí stico do Processo - CEP - 2a EDIçãO
AS PEÇ AS VARIAM DE UMA PARA OUTRA

—
a
TAMANHO •
íTt
TAMANHO
n §
TAMANHO TAMàKJÍ-IO
5
MAS ELAS FORMAM UMA AGLOMERA ÇÃ O QUE SE ESTÁ VEL, PODE.SER DESCRITA COMO UMA DISTRIBUIÇÃO.
TAMANHO
y\
TAMANHO TAMANHO
a
AS DISTRIBUIÇÕES PODEM DIFERIR QUANTO A:
LOCALIZA ÇÃ O DISPERSÃ O FORMA
A \
/ i
\ /
/
/
»
\
/
f \
&
\
—-
/
TAMANHO TAMANHO TAMANHO
...OU QUAISQUER COMBINAÇÕES ENTRE ESSAS.
êc
SE APENAS CAUSAS COMUNS DE VARIA ÇÃ O ESTIVEREM r \
PRESENTES, O RESULTADO DO PROCESSO FORMA UMA
DISTRIBUIÇÃ O QUE É ESTÁ VEL AO LONGO DO TEMPO E /
/
!
\
\
&
PREVIS ÍVEL:
/
PREDIÇÃO
-
íc
x:
o TAMANHO
o*
Mwm
SE AS CAUSAS ESPECIAIS DE VARIA ÇÃ O ESTIVEREM
PRESENTES , O RESULTADO DO PROCESSO NÃO É
7 7
?
7 -
?
o ESTÁ VEL AO LONGO DO TEMPO. PREDIÇÃO
ui
ra
CM TAMANHO
Figurai . Varia çã o: Causas Comuns e Especiais

I
&
LU
A ÇÕES LOCAIS E AÇÕES SOBRE O SISTEMA
Há uma importante rela çã o entre os dois tipos de variação que acabamos de apresentar
e os tipos de ações necess árias para reduzi-las .
A ções Locais
S ã o usualmente requeridas para eliminar causas especiais de varia çã o.

Podem ser geralmente executadas por pessoas pr óximas ao processo.
Podem tipicamente corrigir cerca de 15% dos problemas de processo.
A ções no Sistema
S ão usualmente requeridas para reduzir a variaçã o devido às causas comuns.
Quase sempre requerem a çã o gerencial para correçã o .
S ão necessárias para tipicamente corrigir por volta de 85% dos problemas do processo .
Confusões a respeito do tipo de ação a aplicar , podem custar muito caro para a
organização em termos de esforç os desperdiçados, soluções de problemas postergadas
e problemas agravados. Pode ser um problema tomar uma a ção no local, (ex. ajuste de
uma máquina) , quando uma a ção gerencial sobre o sistema é requerida (ex. seleção de
fornecedores que entreguem materiais com qualidade consistente) . Portanto trabalho em
conjunto entre a ger ência e as pessoas diretamente ligadas a operaçã o é essencial para
a reduçã o significativa de causas comuns e especiais de variação do processo.
O Controle Estat í stico do Processo (CEP) é um método para controlar ou gerenciar um

O processo de produçã o com base em métodos estatí sticos. Foi desenvolvido por Walter
Andrew Shewhart (1891-1967) na década de 1920 e descrito em detalhe em seu livro
“ Controle Económico da Qualidade do Produto Manufaturado " ( 1931)
O principal objetivo do CEP é evitar erros quando se atua na redução da varia çã o dos
o processos. Os erros que se podem cometer s ão dois:
LU • Erro 1: atribuir uma variação ou um erro a uma causa especial

comum.
tenha sido afetada por uma causa
, embora
(Q
• Erro 2 : atribuir uma variação ou um erro a uma causa comum, embora
M tenha sido afetado por uma causa especial.
Q.
LU
No CEP s ão utilizadas cartas de controle a fim de minimizar esses erros.
O
Controle Estat í stico do Processo - CEP - 2a EDIçã O
BENEFÍCIOS DO CEP
( CONTROLE ESTATÍ STICO DO PROCESSO )
Utilizadas adequadamente , Cartas de Controle podem:
• Servir aos operadores para o controle contínuo de um processo.
• Ajudar o processo a ter desempenho consistente e previs í vel .
• Permitir que o processo alcance:

o Melhor qualidade
o Menor custo por unidade
o Maior capacidade efetiva
• Fornecer uma linguagem comum para a discussão do desempenho do processo
• Distinguir as causas especiais de varia çã o das causas comuns , permrtmdo a

identificaçã o da necessidade de a ções locais ou a ções no sistema .
O
0*v
o
LU
(0
CM
I :
CL
UI
:
O
Controle Estat í stico do Processo - CEP - 2 EDIçã O
a
ATIVIDADE: CAUSAS COMUNS E ESPECIAIS

m
Desenvolva um diagrama de causa e efeito (Ishikawa) para avaliar as causas da varia çã o
de uma caracter í stica especial de um produto.
Baseado no seu conhecimento sobre o processo que realiza esta caracter í stica especial
do produto , identifique se estas causas são causas comuns ou especiais, marcando as
letras C ( causa comum) ou E ( causa especial), ao lado das mesmas.
DIAGRAMA CAUSA E EFEITO
Mào- de- Obra Máquina Material

f pe ‘ N
Variação na
característica
"
especial do
I j
^S o P*
C ’C t K> C
J produto
I
I
i Meio de medi ção
Mé todo Meio Ambiente
I
4 <;) U
*
rc tj fcjt > ^ P A A' fr Q

O Q C
' (r O C
*
o
LU
CQ
N
I
&
LU
1
>
2- Estatí stica
O HISTOGRAMA - AVALIAÇÃ O DA DISTRIBUIÇÃ O
O Diagrama de Frequência com Divisão de Classes ou Histograma é o mé

todo mais
importante para representar grandes quantidades de dados de forma gr áfica
. O
histograma fornece uma visão geral relacionada à distribuição dos valores avaliados
.
A ideia é agrupar todos os valores a uma classe de um intervalo espec í fico dos
valores
avaliados. Assim, as classes nas quais muitos valores se acumulam podem
ser bem
identificadas assim como naquelas com poucos valores.
O Histograma serve para determinar a forma da distribuiçã o da varia çã o do processo

e
permite visualizar de uma forma clara e fácil como, em um processo,
está se
comportando a variação de uma determinada caracter í stica e se o processo
varia
simetricamente em torno da medida central (aderência à Distribuição Normal). I
O
Histograma é um gr áfico de barras que representa no eixo vertical a frequência
de I
observações de uma caracterí stica variável e no eixo horizontal o valor desta
I
caracter í stica.
(
ATIVIDADE: Desenvolver um histograma com o valor da soma de um par de dados. <

Jogue dois dados 50 vezes , some os seus valores em cada jogada e use o espa ç o i
abaixo para registrar os resultados obtidos.
i
i
Quantidade de Vezes
o Soma
2
( Frequência )
<
çã 3
4
I
í
«
Edi
5
6 <
7 I
8 í
a 9 »
2
-
10
11 «
12 «
CE P Interaction Plexus - Plexus Training System BR rev. 02 12

Use este espa ço a seguir para tra çar o histograma com o resultado do exercício.
Quantidade de
vezes
(Frequência)
2 3 4 5 6 7 8 9 10 11 12
Um Histograma também pode ser construído através da frequência versus intervalos de

valores. Por exemplo: poder í amos construir um Histograma da soma dos dados com
apenas 5 categorias (valores entre 2-4, entre 4-6, entre 6-8, entre 8-10 e entre 10-12).
Neste caso como ficaria o Histograma ?
O
O'
ã wm
o
LU
ra
N :
.
!
2a4 4a6 6a8 8 a 10 10 a 12
O
LU
O BR rev. 02 13
Interaction Plexus - Plexus Training System
Controle Estat í stico do Processo - CEP - 2 a EDIçã O
Como construir um Histograma
1 -Coletar no m í nimo 30 medidas da caracter í stica analisada

2 -Determinar o número de classes do histograma
3 -Determinar o intervalo das classes
4 -Ajustar os intervalos das classes
5 -Tabular os valores individuais coletados
6 -Construir o Histograma
Uma forma t ípica para a determinação do n úmero de classes ( k) de um Histograma

é
fornecida pelos seguintes critérios:
1o Critério - Tabela de Número de Classes de dados
N° DE DADOS N° DECLASSES
31 - 50 5a7
51 - 100 6 a 10
101 - 250 7 a 12
Acima do 250 10 a 20
o 2° Crité rio - Raiz quadrada da quantidade de dados
çã Use entre 4 e 20 classes. Escolher como número de classes, o valor inteiro que se
aproximar da raiz quadrada do n úmero de dados avaliados
Edi
a
Número de classes = Vn
A quantidade de classes deveria ser ajustada ( arredondada) para facilitar a identifica çã o
de intervalos fixos em cada classe.
2
-
Controle Estat ístico do Processo - CEP - 2a EDIçãO
Intervalo da classe ( w )
Além do número de classes, é necessário definir o intervalo das classes ( w ) para se

criar um histograma . Este par âmetro define o tamanho da amplitude das classes, nos
quais, os valores s ã o agrupados nas classes (somente considerado o caso em que toda
a classe tem a mesma largura) . Calcular a amplitude dos valores avaliados, dividido pelo
número de classes.
Xmax xmin
W = k
O intervalo das classes deve ser arredondado se confirmando que k . w > amplitude dos
valores , pois isto garante que cada valor pode ser atribuí do a uma classe) .
Deve- se notar através disso , que cada valor pode ser unicamente atribu í do a uma classe.
O que acontece aos valores que caem exatamente no limite de classe? Uma
possibilidade é para atribuir estes valores sempre à classe esquerda .
O
<8
On
u
m
tz
CM
I
&
LU
Controle Estat í stico do Processo - CEP - 2 a EDIçãO
Exemplo de um Histograma da Vazã o de uma Bomba Hidrá ulica

.
Uma bomba hidr áulica foi projetada para operar com uma capacida
de má xima de
2, 50m 3/ h. Com o objetivo de analisar a variação desta caracter í stiea, foram
coletados 80
valores individuais. No quadro abaixo se encontram representadas
as medidas de vazão,
em m 3/h.
2, 06 2 , 30 2,29 2 ,47 2,35 2, 60 2,40 2,33

2,17 2 ,36 2,43 2,42 2,49 2, 32 2 ,44 2,57 I
2,23 2,35 2,41 2,25 2,17 2, 30 2,52 2,39
2,32 2 ,70 2,39 2, 08 2,40 2, 23 2,10 2,58
1,90 2,32 2,19 2,45 2,46 2, 16 2,32 2,35
2,39 2,12 2,29 2 ,01 2, 33 2, 54 2 ,25 2,49
2,22 2 ,14 2,28 2 ,21 2,32 2, 15 2 ,30 1,96
2,16 2 ,47 2,50 2 ,00 2, 39 2, 43 2 ,37 2,25
2,32 2 ,26 2,53 2 ,25 2,47 2, 44 2 ,33 2,03

2,13 2 ,22 2,40 2 ,68 2,26 2, 21 2 ,15 2,32
CLASSE INT, AJUSTADO TABULA ÇÃ O FREQ0ÊNCIA
1 1,901 1 2, 00 III 3
o 2
3
2,00
2 ,10
12 ,10
12 , 20
Wf 5 1
çã
4Hf Wt 10
4 2,20 12, 30 IHUttf M III 18 l
Edi
5 2 ,30 12 ,40 4Hf Wt wr JW II 22
6 2,40 12 ,50 m wt mi 14
7 2,50 12, 60 Wfl 6
a 8 2,60 12,70 II 2
2
- A interpretaçã o dos dados e de sua distribuiçã o pode ser muito facilitada
construçã o de um histograma ( diagrama de barras que representa
a partir da
a distribuiçã o da
CEP
frequência). É construí do colocando- se as classes , no eixo das abscissa
s e frequ ências
correspondentes, no eixo das ordenadas.

Frequência
25 -\
20 -
15
10 -
5 -
1.90 2.00 2.10 2,20 2,30 2.40 2.50 2,60 2.70 Classes
O
o»
tmm
o
lU
CM
I
&
LU
1
'
ATIVIDADE <
Tempo de Atendimento aos Pedidos
Uma empresa implementou um sistema informatizado para emiss ão dos pedidos dos I
clientes via web de forma a reduzir o seu tempo de atendimento. Veja abaixo uma tabela I
comparativa do tempo de atendimento , em horas, de 13 pedidos no mês 1 ( antes da
implanta çã o do sistema) e 13 pedidos no mês 2 ( após a implantaçã o do sistema) .
Houve melhora no tempo de atendimento dos pedidos dos clientes, após a

implementaçã o do sistema informatizado ?
Discuta com sua equipe.
Mê s 1 Mê s 2
12 27
24 7
13 15
7 4
16 18
8 6
20 23
25 6
14 2
10 24
I
O 11
30
2
6 i
‘8
O M é dia
16
15.8 —
5
11.2
I
I
I
<
I
LU I
ro «
I
CM t
CL
LU
O
ESTATÍ STICAS DE CENTRALIZA ÇÃ O E DISPERSÃ O DE UM

PROCESSO
Estatí sticas básicas de interesse são as medidas de centraliza ção, também chamadas
medidas de localizaçã o , que apresentam o valor central de certo número de valores.
Também é necessário conhecer as diferenças entre os valores individuais, que podem
ser avaliadas através das medidas de variaçã o , também conhecidas como medidas de
dispers ã o.
O fato é que precisamos saber o valor central das medidas que o processo produzir á e
também a faixa de variação do processo em torno deste valor.
ESTATÍ STICAS DE CENTRALIZAÇÃ O
As estatí sticas de centralização mais utilizadas são:
Mé dia aritm ética , m édia ou valor m é dio: É o somat ório dos valores dividido pelo
número de valores (tamanho da amostra - n). É representada pelo símbolo X (para
amostra) e |J ( para a populaçã o)
X -L + X 2 + X 3 + Xn
•• •
X = M édia =
n n
O
Qn Mediana: É o valor central em um grupo de valores , quando ordenados do menor para o
maior. Se o número de valores é par , a média dos dois valores centrais é utilizada como
o a mediana . É representada pelo s í mbolo X .
UI X = Mediana = x -i , x2 , x3 xn = mediana é o valor de x(n+i )/2 (ímpar)

= mediana é a média de X (n/2) e X ((n/ 2)+i ) (par )
CM
I
CL
UI
I
Exemplos :
Valores M édia Mediana

X X
5/6/4/675 26 - 5 = 5, 2
A / 5151616 ( í mpar )
Mediana = 5
5/6/4/675 /6/ 32 - 6 = 5,33
4/5/S/6/6/6 ( par)
Mediana = 5,5
ESTATÍ STICAS DE DISPERSÃ O
Estatí sticas que estabelecem a variaçã o ao redor das medidas centrais sã o chamadas
medidas de dispersão ou de varia çã o.
As estat í sticas de dispers ã o ou variaçã o mais utilizadas s ão :
Amplitude : É a diferenç a entre o maior e o menor valor de um grupo de valores.
É representada pela letra R (em inglês a palavra Amplitude é Range) .
R = Amplitude = Maior Valor - Menor Valor
Desvio Padr ã o : É a raiz quadrada do somató rio do quadrado dos desvios individuais
dividido pelo número de amostras menos 1. É representado pela letra S (para uma
amostra) e (J ( para uma populaçã o - neste caso a divis ã o deve ser por n e nã c n-1).
O
S = Desvio Padr ã o =
z?
=i Vi -
* ) 2
J n-1
B
o Variância: é o desvio-padr ão elevado ao quadrado. E representado pelo símbolo S .

2
LU
Exemplos :
cu Valores Amplitude ( R ) Desvio-Padrão ( s ) Vari ância ( s 2 )
CM 5/6M/6/5 6-4=2 0, 84 0, 7
.LU
Q
I
576 /4/6/5/6/ 6-4=2 0, 82 0,67
O <
Médias X Indiví duos
A dispersão dos possí veis de x é n vezes menor que a dispersão da qual é retirada a
amostra, isto se deve ao fato de que dentro da amostra existe uma compensação natural
entre os valores extremos fazendo com que os valores de x sejam mais próximos da
média populacional conforme se aumenta o tamanho da amostra.
=
^VÃ x_
Coeficiente de Variação
O Coeficiente de Varia ção (cv) é um importante indicador para a comparação de séries

de medidas, relacionando a variaçã o de valores individuais com o valor absoluto da
O média aritmética e é , normalmente, expresso em percentual.
O
wwm
o CV = 4X - 100
IU
CM
I
CL
LU
Os processos organizacionais ( produtivos e administrativos) podem ser considerad

os
como um conjunto de atividades que transformam insumos (entradas) em
produtos
( sa í das) .
A sa í da de um processo administrativo de entregas pode ser o pedido atendido

do
cliente. A sa í da de um processo produtivo de usinagem pode ser um pino com um
diâmetro acabado. É intuitivo concluir que tanto o diâmetro produzido no processo
de
usinagem quanto o tempo de atendimento do pedido do cliente ir ão variar
em torno de
uma média natural da capacidade do processo.
I
|
Por exemplo, podemos imaginar que para o di â metro do pino usinado num
torno (
mec ânico regulado para usinar uma medida de 10mm , é natural uma boa quantidade {
de
peças com medidas variando em torno de 10mm. Quanto rnais nos
afastarmos da
medida de 10mm, menor a chance de produzir peças nesta medida . A probabilidade de {
fabricar peças entre 9 e 11 mm é maior que fabricar pe ç as entre 5 a 7mm.
i
Isto porque , a variaçã o que ocorre nos produtos “ fabricados” por um processo *i
frequentemente apresenta uma distribuição estatí stica, chamada de Distribuição Normal i
ou Distribuiçã o de Gauss ( ver abaixo ). i
i
o Media
Desvio-padrão
M- i
l
çã
(7
( Sigma ) I
l
Edi
l
•
a p 4 a p 3 a p 2a p la
- - - -
p p+la p+2a p+3 a p + 4 a
:
2
-
I 68 ,26% -*
95 ,44% -
*
99,73% -
*
CEP -*
99,994%
«
O mesmo pode ocorrer com o tempo de atendimento de pedidos de um cliente. Se

normalmente o tempo de atendimento é de 2 dias, podemos esperar que boa parte dos
pedidos sejam entregues neste prazo e quanto mais nos afastarmos deste prazo “ normal”
de 2 dias, seja para menos, seja para mais, menor a chance de entregar dentro deste
tempo.
Considerando que os dados avaliados seguem uma distribuição normal, e os desvios

padrão do tempo de atendimento antes e após a implementa ção do sistema
informatizado apresentados abaixo , calcule qual seria a variação natural do tempo de
atendimento dos pedidos antes e depois da implementa çã o do sistema informatizado
( faixa de variaçã o com 99,73% de probabilidade de ocorrer (+/- 3 sigmas)) .
Quais s ão suas conclusões sobre a melhoria real do processo ap ós a implanta çã o

do sistema informatizado via web?
A B C D E F G H J K L M
1 pedido valor ( horas) valor media erro quadrado soma dividido
2 l 12 12 15,85 - 3,85 14,7929 591,6923 49,30769 7,021944 desvio amostrai
3 2 24 24 15,85 8,15 66,48521 45,51479 6,746465 desvio popuacional
4 3 13 13 15,85 - 2,85 8,100592
5 4 7 7 15,85 - 8,85 78,25444
6 5 16 16 15,85 0,15 0,023669
7 6 8 8 15,85 - 7,85 61,56213
8 7 20 20 15,85 4,15 17,25444
9 8 25 25 15,85 9,15 83,7929
10 9 14 14 15,85 -1,85 3,408284
11 10 10 10 15,85 -5,85 34,17751
12 11 11 11 15,85 -4,85 23,48521
13 12 30 30 15,85 14,15 200,3314
14 13 16 16 15,85 0,15 0,023669
15 mé dia 15,85 DESVIO A DESVIO P
16 desvio a 7,02
17 desvio p 6,75 |2 - x)2> 1Y ( x - i ) 2
18
19
Í (» -- 1
) V »
O Mê s 1 Mê s 2
12 27
Qo 24
13
7
15
7 4
D 16
8
18
6
LU 20
25
14
23
6
2
<Q 10 24
M 11
30
16
2
6
5
I Mé dia158 11.2
Desvio 7.0 9.0
&
LU
O BR rev. 02 23
DISTRIBUIÇÃ O NORMAL
Uma distribuição de probabilidade é um modelo matem ático que relaciona o valor da
variá vel com a probabilidade de ocorrência daquele valor na populaçã o.
Um dos mais importantes tipos de distribuição cont í nua de probabilidade é a distribuiçã o
normal, também conhecida como distribuiçã o de Gauss,
r,
P(z < x) P( z > x)

SV .
: '
a b
Nesta distribuiçã o que é definida pela média e desvio padr ã o , a á rea total limitada pela
curva e pelo eixo X é igual a 1 (100%) e representa a probabilidade total dos valores.
A área da curva compreendida entre as coordenadas x = a e x = b, representa a
probabilidade de um determinado valor (x) estar contido entre a e b.
A variá vel X pode ser expressa em termos da variável reduzida Z , com média 0 e desvio
padr ã o 1, onde :
Z=
^l
a
o No apêndice da apostila temos a tabela de distribuiçã o normal que associada ao valor de

Z , nos dá a probabilidade dos valores serem maiores que +Z ou menores que -Z.
çã Por exemplo , se Z = 1,98 temos que a Probabilidade de Z > 1,98 ou a Probabilidade de
Edi
Z<- 1,98 é P (z) = 0 , 023852 isto é 2, 39%
Já a probabilidade de Z estar contido entre + 1, 98 e -1, 98 (-1, 98 < Z< + 1,98) é de:
t
P (-1, 98 < Z< +1, 98) = 100% - (2 x 2 ,39%) = 95, 22% t
a
2
- •
•
•
Quando -1< z < 1 a área compreendida é de 68, 27% ( + /-1 sigma ) .
Quando -2< z < 2 a área compreendida é de 95 , 45% ( +1-2 sigmas ) .
Quando -3< z< 3 a á rea compreendida é de 99 , 73% (+ /-3 sigmas ).
CEP
«
t
t
f
.
J
Atividade 1
r\
Se em um processo de fabricaçã o de pinos temos os seguintes dados :
Média do Processo : 10 mm
Desvio Padr ã o : 0, 5 mm
Especificaçã o : 9 a 11 mm
Utilizando a Tabela de Distribuiçã o Normal Padrão calcule:
> Qual a probabilidade dos pinos fabricados terem mais de 11 mm?
2 ) - --
li- - é.
_ ~
}
r 2
0' ^ C' r >
111- Sc
y
> Qual a probabilidade dos pinos fabricados terem menos de 9 mm?
2-\ v-Af jo _ :-1-

^
-
- c" o 22 >2>c'
o ^, a
y ,
t"
í
H
o > Qual a probabilidade dos pinos fabricados terem de 9 a 11 mm?
UI 7 r
J>
- ,
f x hI U
'
CM S H5 . /JA
I
CL
LU
Atividade 2
Se este processo passar por uma melhoria e reduzir o desvio padrã o:
Média do Processo : 10 mm
Desvio Padr ã o : 0,3 mm
Especificaçã o : 9 a 11 mm
ft
f
Utilizando a Tabela de Distribuiçã o Normal Padr ã o calcule:
oT w
3
'
”
2
o
Qn
u 2 ,& t t'b H > i

Ç
&
cJ
J
v
K
(Z
y
'
M U - lo? 4
y.
'
I
CL
U
O
Controle Estatístico do Processo - CEP - 2a EDIçã O
Atividade 3
Se um novo material está sendo testado e a média do processo mudar:
Média do Processo: 10 , 4 mm
Desvio Padr ã o : 0 , 5 mm
Especifica çã o : 9 a 11 mm
Utilizando a Tabela de Distribuiçã o Normal Padrã o calcule:
- ^ _ Kf
r -
~ JJ^ .
V
Z
<*
Z 1.2
- o 9(
(
^ ?
*
/ •

? if
J( <£ X
^ l
,
o 2 r
C> C>2? 2-
Qn
UI // , r6
c ^ (t
nA C
' ^
^ V ~' ^
T C
CM
I
.
0
m
o Interaction Plexus - Plexus Training System BR rev. 02 27
Controle Estat í stico do Processo - CEP - 2 a EDIçã O
3- CARTAS DE CONTROLE:
FERRAMENTAS PARA CONTROLE E A MELHORIA DO PROCESSO \

1- Coleta
• Coletar dados e marc á-los em uma carta de centralização e dispers ã

o
2- Controle
Calcular os limites preliminares de controle a partir dos dados do process

o
Identificar causas especiais de varia çã o e agir sobre elas £4
Ç
3- Análise e Melhoria *
Ç
Quantificar as causas comuns de variação, tomar ações para reduzi-las *
.
6a
Estas trê s fases s ã o repetidas para a melhoria cont í nua do processo
Carta de M édias e Amplitudes
Vers
* &U& 3 l IMil 1 Ccmfr .rivvito O QJrW
u
VO 33 —
L
*
*i «
'» vx
v; < it IH l
' * rsMot (> Kn: |irucr%% 5,1» «4
vS.
6.4 M vv. 5 <n.
R • 2.41 IIJ
*
.n ^ i — — • «**•, —- e
; — H1- -— !:
>•
O ; 1 / rí / f
t :
T 1
2 : . - L- - : i í •
r rr
*
1 ,
- ... ..... J .
2
- 4. , í
ti
M -•
- - -
'
1.
L :
* ; i
Oo
' '
— --
1
• ' • j' " ' * » • ' 1 '
.
| " ] ' "" ii ” J
:
*. «*» • «u»
-
mm~
- .
•<» «..
«
ttM
4 <M> «* kw. «k* «fcMLÍ *«» HW» «
*. «*A; na
•« <»* i« '«A j“» *» * * *«> «w ««. . «a 4“’ . —
•* «' mm - *
r T --
I Li i
o 2
2
s
-n
..V
. v
- m r * 4.
LU S 2 4
v-r — -y
n
^.
I :
: ^:
5 i
L -: - - :
Í.
5 «•
> I «H< i >»i imM'»» >
> 1)1
: ^1
< i
- >v jL
n t:~u -u
i
»•
: Wi . : ;
.’•i
L-
’*
M til P>*l
r I*
*Í» A XX XX XI XI 11 IX V XX XI *
li1
I4 Ih
»
I'» 21 :: ;1 M 24
.
2A ! r 2«
M
n
íÁltt
XX XX XX X» XX XX XX XX XX XX '" M • Vt M
" KR XX XI 11 I* V II v»
.
XI XX XX XX V» u
.*
XX II
.
\\ XX XX XX XX
.
X X XX XX XX
•iX M 4.M %1 < 4.5 5.7 4 « 4xii 5 « 5.5 .V
’
5A »U 5J J *
« 4 J éul 4.h 4.5 5.7 4.2 J.7 5.0 3.1
5.7 4.2 * 4.5 7.5 M 56 45 4.6 5.5 5.2 4.2
4.2 .7 .1 5. 5.0 .l 4.4
$J ; M 4 5 5.4
« . 43 ^5.1 4.7 5. U 53
43 \ 2 4.7
. 4.24.7. r ,7 53
,4
.
•I M 4 0 V» 6,1 5„ | 23 43 M
fc H ft5.1 h. 4 5.2 5.0
3 3.2 U 5.4 4.1 2 ? 5 J i
5.1 6.0 5.1 ft.K 5.4 5J 4.1 i.i *2.7
3T 4 , M W M 4.1 3.3
I 43 4.1 6..H 4.4 5.1 33 5 4 ÍU 4.6 5.2 43
3.0 f> J 4.4 53 4.4 43
6 A fc. 4 43 4.I
6.7 5.4 53 4.3 53 5.1 5.0 63 4.'» 4 o 5.4
.
u
M 4.7 43 <••» 7.7
-
f »«MI* fc> TX \m
.
r > 253 31 I 3 T J S6J LM 223.235 213,21.! , 24.5
> ..3 213 M 2 . 22.7 «« 24.7
U t'l 3123
7.0 1.2 4.J 13 32 M 53
I 13
. .*
UXM
14.6 !V 2 '
2M 234 233.223 25.1 213 ,24.1

< .to t « 4JM 34 4 2 éJIM* » ' i»Í$.» .* **** 213
-
IK U • *.m 334 5:32 . « «,J » 4.73 1« i. Tw V tjlíí I MJ ' ' "
. » ÍAJIJ
441 4.1 j 4.7» 4, 0 5,il»:5i
’ *
Q
4 *
-- .
t .... M 21 2.6 ....2.6 IÍ.... lí 1 ' » n « 3 2.5 2 4
.
— » 2.3 2 U IJ 2 M 23 2.4
' .. . 21
. M .
.
2.4 2.1 ... 2 x. II .M.. | <. |.. .J, .
.. . ..
2 -1
. .
LU
O
Tipos de Cartas de Controle

Cartas de Controle para Variá veis
As cartas de controle podem ser usadas para monitorar ou avaliar um processo. Existem
basicamente dois tipos de cartas de controle: para dados do tipo variá veis ( ex. avaliar um
di âmetro, comprimento ou pressão) e cartas por atributo (ex. avalia çã o com equipamento
passa nã o passa).
Em cada tipo de carta existem v árias combinações de cartas que podem ser utilizadas
para melhor avaliar o processo.
Cartas de controle por variá veis representam a aplica çã o t í pica dó controle estat í stico do
processo , no qual os processos e seus resultados podem se caracterizar por medições
das variá veis.
As cartas de controle para variáveis são particularmente úteis por diversas razões. Um
valor quantitativo (ex. o diâmetro é de 16 ,45 mm) contém mais informa ções do que uma
simples declara çã o de Ok - Nã o Ok (diâmetro est á ou não conforme a especificaçã o) .
Uma carta por variáveis pode explicar dados do processo em termos de sua varia çã o de
-
processo , variabilidade peça-a peç a e média do processo. Por este motivo , as cartas de
controle para variá veis geralmente são preparadas e analisadas aos pares, uma carta
para a média do processo e outra para a varia çã o do processo. O par mais comumente
utilizado é o das cartas X e R . X é a média aritmética dos valores em pequenos
subgrupos - uma medida da média do processo ; R é a amplitude dos valores dentro de
cada subgrupo ( o maior menos o menor) - uma medida da varia çã o do processo.
Entretanto existem v árias outras cartas de controle que podem ser mais úteis sob
determinadas circunstâncias.
X & AM
X&R X&S X&R ( Valores
Tipo de
(Média e (Média e Desvio Mediana e individuais e
Carta
Amplitude ) Padr ã o ) Amplitude Amplitude
O Geralmente
Mó vel )
Usado quando usado como

Usado onde
Monitoração de precis ões mais ferramenta de
Qn
wwm
Uso
Primá rio
rotina dos processos
de fabricação
elevadas são
necessárias nos
monitoração de
produto ou
apenas uma
amostra é
poss í vel
o estudos de variação
Marca o valor das

processo
Marca os valores
Marca o Valor
LU Carta
Marca o valor das
Médias dos
subgrupos e as
Médias dos
subgrupos e o
Individuais do
subgrupo e a
Mediana do
Individual e a
Amplitude
Amplitudes do Desvio Padrão dos Móvel da
subgrupo
subgrupo subgrupos amostra
CM Tamanho
2 ou mais
Normalmente é
uma qtd. í mpar: Um
T í pico do De 2 a 9
I Subgrupo 3, 5, 7 etc.
CL Carta da
Variação
Usa a Amplitude Usa Desvio Padr ã o Usa a Amplitude
Usa Amplitude
Móvel
LU
<
t
Controle Estat í stico do Processo - CEP - 2a EDIçãO *
Cartas de Controle para Atributos
Embora as cartas de controle sejam mais utilizadas em termos de variáveis também

foram desenvolvidas cartas de controle para os atributos. Dados do tipo atributos têm
r
valores distintos que podem ser contados para registros e análises. Na análise de
atributos , os dados sã o separados em categorias distintas ( conforme/ nã o conforme,
aprovado / reprovado , passa / n ão passa)
Carta np Carta u
Carta p Carta c
Tipo de Carta ( Qtd.
( % defeituosos ) ( Qtd. Defeitos ) ( Defeitos/ Unidade )
Defeituosos)
Usado para
Usado para Usado para análise
análise da Usado para
análise do
proporção ou análise das não- das nã o-
número de itens conformidades por
Uso Primário percentual de itens conformidades
não conformes
não conformes ou ou defeitos unidade
ou defeituosos
defeituosos
Marca a soma Marca o número
Marca a proporçã o de todas as n ã o -
Marca o número médio de n ã o-
Carta de ou o percentual de itens nã o conformidades
Localizaçã o dos itens não conformidades por
conformes encontradas na amostra unit ária
conformes amostra
Tamanho de Tamanho do Tamanho do

Subgrupo da Variá vel subgrupo subgrupo Variável
Amostra constante constante
O
omm
o
LU
re
M
I
&
LU
O
Procedimento de Seleçã o para uso de Cartas de Controle:
Del « minar a
caractemtica que dever á
entrai na caita
O interevve esta em O mtereuc esta cm

Os dado* vio mo
não item nio conforme nio conformidades
do tipo
variáveis?
- i e Porcentagem -» e diver epanciav
de peç a rum*? peç a'’
*
sun SIM
SIM
O tamanho não Use a O tamanho nao Use a
da amostra t da amostra e u
carta
carta p
constante *
'
ccmstanie '*
au SIM
Uve a carta Use a cana
np ou p c ou u
Eles *io homogéneo* na
natu/ eaa ou impr óprio* A* médias do*
para a subamostragcin u; u > subgrupos podem vet ado Uve a carta
da mediana
cm subgrupos - m. coovefsieairtnente
baaibo químico, lote ác cakulad**'1

tinta, etc .?
SIM
O tamanho do SIM Uve a

sim subgrupo è 9
ou maior''
carta X -$
e Use a cana de valore*

individuais X - AM ilAo
Ha meio* para
<>
I
facilmente
calcular * de
cada subgrupo'*
nao U »e a
carta .Í - R
.i;i
LU Uve a
carta Í* v
CM
.LU
Q

Conceitos
Discuta com seu grupo e explique os seguintes conceitos no Flip- Chart.
Amostra lft 0r
Populaçã o
T&'Cvjr c u
sJ - - J. *
Amostragem
f- p £
cJ A ^
<
JU
C :
A ,4
r
<
Í
W
^ /
Tamanho de amostra
r ->*
o
çã Amostra representativa
- -
•r 3
-»
j
Edi
,ríZ
jét&rp
vv ^
a
2
-
Estratificação de Amostras S -
S
?V"- S? r 1
^
yi •
< ,,
,y ..' >•

]
I
Controle Estat ístico do Processo - CEP - 2 a EDIçãO
ELEMENTOS DAS CARTAS DE CONTROLE

Nã o existe uma única maneira “ aprovada ” para exibir as cartas de controle. Entretanto,
deve-se sempre ter em mente os motivos pelos quais as cartas de controle estã o sendo
utilizadas. Todo formato é aceitável desde que contenha o seguinte.
( A ) Escala apropriada
E preciso usar uma escala que permita a visualiza çã o fá cil da varia ção natural do
processo. Uma escala que resulte em carta de controle “ estreita ” nã o permite a
aná lise nem o controle do processo.
( B) Limite Superior de Controle ( LSC ) e Limite Inferior de Controle ( LIC )

A capacidade de determinar pontos fora dos limites que sinalizem causas
especiais. A carta de controle exige limites de controle com base na distribuição
da amostragem. Os limites de especificaçã o nã o devem ser usados no lugar dos
limites de controle v álidos para aná lise e controle do processo.
Linha Central
A carta de controle exige uma linha central com base na distribuiçã o da
amostragem para permitir a determinaçã o de padrões n ã o aleat órios que
sinalizam causas especiais.
( C) Sequê ncia do subgrupo/ Tempo

A manutençã o da sequência na qual os dados são coletados oferece indicações
de “ quando" uma causa especial ocorre , e se essa causa especial é afetada pelo
tempo.
o ( D) Identifica çã o dos valores marcados como fora de controle
çã
Os pontos marcados que est ã o fora do controle estat í stico devem ser
identificados na carta de controle. No caso de controle do processo , a análise das
causas e sua identificaçã o devem ocorrer à medida que cada amostra é marcada,
bem como nas revisões periódicas para encontrar padr ões não aleat órios na carta
Edi
a
de controle como um todo .
( E) Registro de eventos
Além da coleta , coloca ção em gráfico e análise dos dados é preciso coletar
informações adicionais de suporte. Essas informa ções devem incluir as fontes
2
-
potenciais de variação , assim como as ações realizadas para resolver os sinais
fora de controle. As informações podem ser registradas na carta de controle ou
separadamente em um "diário de bordo” .

V
A D B
l l 4 *
n LSC
u
i /i
5 40 Linha Central
39
LIC
38 -
Subgrupo 15 2D 3G 40 45
QCS Subgrupo Registro de Eventos

C 1 primeiro turno - nova configuração; inserção IC27; lote de material n 9 1984
4 segundo turno - nova configuração; inserção IC27 ; Icrtede material n91931
6 terceiro turno - nova configuração ; inserção IC84; lote de material n - 1QR50
* **
•
7 .
primeiro turno - lote de material n 9 2179 inserto ruim substituído
9 terceiro turno - lote de material n 9 2193
12 primeiro turno - lote de material n 9 1950
23 segundo turno - lote de material n 9 218
etc .
tE
Elementos das Cartas de Controle
O
<>
1
o
LU
CM
I
CL
UI
O
Controle Estatí stico do Processo - CEP - 2 a EDIçãO
PREPARA ÇÃ O PARA O USO DE CARTAS DE CONTROLE
Antes de usar as cartas de controle, vá rias etapas preparat órias precisam ser seguidas:
• Estabelecer um ambiente apropriado para a çã o
• Definir o processo
• Determinar aspectos a serem analisados, considerando :

• As necessidades do cliente
• Á reas de problema atuais e em potencial
• Correlação entre caracterí sticas
• Definir a caracter í stica a ser controlada
• A caracterí stica deve estar operacionalmente definida, para que os
resultados sejam transmitidos a todos os envolvidos de maneira que
tenham sempre o mesmo significado. Isto envolve especificar qual
informaçã o será coletada, onde, como e sob quais condições
• A característica pode ser qualitativa (discreta) - Utilizar cartas de controle
por atributo.
• A caracterí stica pode ser quantitativa (contínua) - Utilizar cartas de
controle por variável
• Definir o sistema de mediçã o

• A variabilidade total do processo consiste da variabilidade peça a peça e a
variação do sistema de mediçã o. É muito importante avaliar o efeito da
variabilidade do sistema de mediçã o sobre a variabilidade geral e
determinar se ela é aceit á vel - Realizar estudos de MSA .
O • Minimizar varia ções desnecessá rias

• Causas de variação externas desnecessárias deveriam ser reduzidas
<Jn
antes do estudo começ ar. O propósito é evitar problemas óbvios que
poderiam e deveriam ser corrigidos sem o uso das cartas de controle.
!
• Assegurar que o esquema de seleçã o (defini çã o de subgrupos) é apropriado para
LU detectar causas especiais esperadas.
ro
N
I
Q.
LU
O
MEC Â NICA DA CARTA DE CONTROLE

As etapas para a utiliza çã o das cartas de controle são:
• Coleta de dados
As cartas de controle sã o desenvolvidas a partir de medições de determinada
caracteristica ou aspecto do processo. Essas medições se combinam em um dado
estat í stico ( controle) , por exemplo , média , mediana, amplitude, desvio padr ã o , valores
individuais, que descreve um atributo da forma de distribuiçã o do processo. Os dados de
mediçã o s ã o coletados em subgrupos e podem consistir em uma ou mais peç as. Em
geral, um subgrupo maior facilita a detec çã o de mudanças pequenas do processo.
• Criação de um Plano de Amostragem

Para que as cartas de controle sejam efetivas o plano de amostragem deve definir
subgrupos racionais . Um subgrupo racional é aquele no qual as amostras s ão
selecionadas de modo a minimizar as chances de que ocorra uma variação devida à s
causas especiais dentro de um subgrupo , enquanto maximiza a chance de ocorrência de
uma varia çã o por causas especiais entre os subgrupos . O principal a ser lembrado ao
desenvolver um plano de amostragem é que a variaçã o entre os subgrupos ser á
comparada com a varia çã o dentro dos subgrupos. A tomada de amostras consecutivas
para os subgrupos minimiza a possibilidade de que o processo mude e deve minimizar a
varia çã o dentro do subgrupo. A frequência da amostragem determinar á a oportunidade
que o processo tem de mudar entre os subgrupos.
A varia çã o dentro de um subgrupo representa a varia çã o peç a- a-pe ç a ao longo de um
per í odo curto. Toda variaçã o significativa entre os subgrupos reflete mudanças do
processo que devem ser investigadas para a tomada da a çã o adequada .
Tamanho do Subgrupo ( m ) - O tipo de processo sob investigaçã o determina o modo
o como o tamanho do subgrupo é definido. Um subgrupo maior facilita a detec çã o de

mudan ças pequenas do processo. A equipe responsá vel precisa determinar o tamanho
adequado para o subgrupo. Se a mudança esperada for relativamente pequena, ent ã o é
o* I
preciso ter um subgrupo maior comparado àquele que seria necessário se a mudan ça
prevista fosse grande. O tamanho do subgrupo deve permanecer constante, mas pode
haver situa ções nas quais o tamanho do subgrupo varia dentro de uma única carta de
controle. O cálculo dos limites de controle depende do tamanho do subgrupo e se o
tamanho do subgrupo variar , os limites de controle mudar ã o para aquele subgrupo.
LU Frequência do Subgrupo - Os subgrupos sã o tomados sequencialmente com relação
n> ao tempo , por exemplo , uma vez a cada quinze minutos ou duas vezes por turno. A meta
M é detectar mudanç as no processo no decorrer do tempo. Subgrupos deveriam ser

coletados com frequência suficiente e em tempos apropriados, de modo que eles possam
I refletir as oportunidades potenciais para mudança . Tais causas potenciais de mudanç a
.
Q
UI
podem ser devido às diferenças entre turnos de trabalho ou operadores substitutos,
tendências de aquecimento , lotes de materiais, etc.

Número de Subgrupos ( n) - Suficientes subgrupos deveriam ser coletados para

assegurar que as principais fontes de variaçã o que podem afetar o processo tenham
tido uma oportunidade de aparecer. Geralmente, 25 ou mais subgrupos contendo
cerca de 100 ou mais leituras individuais oferecem bom teste para a estabilidade e, se
est á vel, oferecem boas estimativas para a localiza ção e dispers ão do processo .
Planejando a amostragem
Para se conhecer a variação de um processo é necessário um planejamento da
amostragem, ou seja, um plano para coleta das amostras que sejam representativas do
processo. Erros na coleta da amostra podem levar a conclusões incorretas.
Por exemplo, no caso dos comprimentos de um eixo comando de válvula , se sabe que os
eixos podem ser usinados em duas máquinas diferentes, poderí amos planejar a coleta de
amostras para construção de gráficos das seguintes formas:
1) Aleatoriamente entre as duas máquinas (peças misturadas provenientes da máquina A

e B. Neste caso os gráficos e c álculos representariam a varia çã o do processo de
usinagem em geral) ;
2) Estratifica çã o das duas máquinas. Neste caso a varia çã o de cada m áquina seria
representada por dois gráficos distintos.
3) Alternadamente e ordenadamente. Neste caso com apenas um gr áfico, por ém
podendo reconhecer facilmente os dados provenientes da m áquina 1 e da máquina 2.
Calcular os valores estatísticos de Controle da Amostra para cada subgrupo
O Os valores estatí sticos de controle a serem marcados s ão calculados a partir de dados de

medição do subgrupo. Esses valores estatí sticos podem ser a média, a mediana, a
amplitude e o desvio padrã o.
o
wwm Marcar os valores estat í sticos do controle nas cartas de controle
o Marcar os valores estat í sticos do controle na carta. Verificar se os pontos de marcaçã o

LU dos valores estat í sticos de controle correspondentes est ã o alinhados verticalmente.
Conectar os pontos com linhas para auxiliar a visualizaçã o de padr ões e tendências.
Os dados devem ser revisados durante a coleta para que sejam identificados possí veis
problemas. Se algum ponto estiver substancialmente mais alto ou mais baixo que outro,
CM confirmar se os cálculos e marcações estã o corretos e registrar todas as observa ções
pertinentes.
I
&
LU
Estabelecimento dos Limites de Controle
Os limites de controle sã o definidos pela variação natural dos valores estat í sticos de
controle. Eles definem um intervalo no qual os valores estat ísticos devem cair dentro de
modo aleat ório , considerando-se que existam apenas causas comuns de varia ção.
Se o processo é está vel (ou seja, tem variação apenas da causa comum) , ent ã o para
qualquer amostra de subgrupo existem grandes chances de que os valores estatí sticos
calculados fiquem dentro dos limites de controle. Se os valores estat í sticos de controle
excederem os limites de controle, ent ã o isso indica que uma variaçã o de causa especial
pode estar presente.
Existem duas fases nos estudos de controle estat í stico do processo.
1. A primeira é a identificaçã o e eliminaçã o das causas especiais de variaçã o do *
processo. O objetivo é estabilizar o processo. Diz-se que um processo est á vel é

previsí vel e est á sob controle estatí stico.
2. A segunda fase diz respeito à previsã o de medi ções futuras , verificando assim a
estabilidade constante do processo. Durante essa fase , a análise de dados e a
reação às causas especiais são feitas em tempo real. Uma vez estável, o
processo pode ser analisado para determinar se ele é capaz de produzir aquilo
que o cliente deseja.
Para auxiliar na an álise gr áfica dos valores estat í sticos de controle marcados , desenhe
as seguintes linhas :
S A linha central
S O Limite Superior de Controle ( LSC)
v' O Limite Inferior de Controle ( LIC)
o
çã Interpreta çã o do Controle Estatístico
Se o processo n ão tiver causas especiais que afetem sua variabilidade, os valores
Edi
estatí sticos de controle ficarã o entre os limites de controle de modo aleat ório ( ou seja,
nenhum padr ão ser á evidente).
O objetivo da análise da carta de controle é identificar qualquer evidência de que a

variabilidade do processo ou a centralização do processo esteja operando em ní vel
a constante - que um ou ambos estejam fora do controle estatí stico - e tomar as
2 providências apropriadas.
-
Como os limites de controle dos valores estatí sticos da centraliza çã o dependem dos
valores estat í sticos da varia çã o , estes devem ser analisados em primeiro lugar por
quest ões de estabilidade. As estat í sticas de varia çã o e centraliza çã o s ão analisadas
separadamente, mas às vezes a compara ção dos padr ões entre as duas cartas podem
dar ideias adicionais sobre as causas especiais que afetam o processo.
Nã o é poss í vel dizer que o processo é est á vel ( sob controle estat í stico) a menos que
ambas as cartas nã o tenham nenhuma condiçã o fora do controle (indica ções de causas
especiais).
Apó s a identificaçã o e eliminação das causas especiais da Carta de Variaçã o e da Carta

de Centraliza çã o , os limites de controle deveriam ser recalculados para excluir os efeitos
dos per í odos fora de controle para os processos nos quais as causas tenham sido
claramente identificadas e removidas ou institucionalizadas. Exclua todos os subgrupos
afetados pelas causas especiais que tenham sido identificadas de removidas ou
institucionalizadas e depois recalcule e trace novo valor médio e limites de controle.
Extensã o dos limites de controle para o controle contínuo

Quando os dados iniciais (ou hist óricos) est ã o consistentemente contidos dentro dos
limites de controle preliminares , estenda os limites de controle para cobrir per í odos
futuros. Pode ser desejável aqui o ajuste do processo para o alvo , se o centro do
processo est á fora do alvo , Estes limites seriam usados para a monitoraçã o contí nua do
processo , com o operador e a supervis ã o local respondendo aos sinais de condições fora
de controle na centraliza ção ou na varia ção das cartas com açã o imediata.
Considera ções Adicionais

Um estado de controle estat í stico perfeito nunca é atingido num processo de produçã o. O
o objetivo das cartas de controle n ã o é a perfeição , mas um estado de controle razoável e

econ ómico. Para propósitos pr á ticos, portanto , um processo controlado não é aquele
onde a sua carta est á sempre sob controle. Se uma carta nunca esteve fora de controle
o
wmm
nós poder í amos seriamente questionar se aquela operaçã o , deveria ser acompanhada
por uma carta. Para propósitos de fábrica, um processo controlado é considerado como
aquele que tem apenas uma pequena porcentagem de pontos fora de controle, e onde os
o pontos fora de controle sã o acompanhados por a ções apropriadas.
LU
(Z
M
I
CL
LU
O
DEFINIÇÃ O DE SINAIS FORA DE CONTROLE r
Ponto Al ém dos Limites de Controle

A presença de um ou mais pontos além de um dos limites de controle é a evidência
primária da variação por causa especial naquele ponto. Essa causa especial pode
ter ocorrido antes desse ponto r
Um ponto fora dos limites de controle é geralmente sinal de um ou mais das
seguintes situações:
• 0 limite de controle e /ou ponto marcado foram mal calculados ou marcados.
• A variabilidade peça-a-peça ou da dispersão da distribuição aumentou ( ou seja, ficou
pior ) , seja naquele momento ou como parte de uma tendência .
• O sistema de medição mudou ( ex.: avaliador ou instrumento diferente).
• O sistema de mediçã o não tem discrimina çã o apropriada .
Para as cartas que tratam da dispersã o , um ponto abaixo do limite de controle
mais baixo , em geral é sinal de uma ou mais das seguintes condições :
• O limite de controle ou ponto marcado est á errado.
- A dispersão da distribuição diminuiu (ou seja, ficou melhor) .

• O sistema de mediçã o mudou (incluindo possí vel edi çã o ou alteraçã o dos dados).
Um ponto além de um dos limites de controle em geral é sinal de que o processo
mudou naquele ponto ou como parte de uma tendência.
Quando as amplitudes est ã o sob controle estat í stico , a dispers ã o do processo - a
varia ção dentro do subgrupo - é considerada est á vel. As médias podem ent ã o ser
analisadas para ver se a centraliza ção do processo est á mudando com o tempo .
Processo sob controle para Médias Processo fora de controle para Médias
(um pouco além dos limites de controle )
o m yWv^1 E ^=V
LSC
T
çã
]
LIC 1 LIC 1
Edi
a
xxx
B8NO CLIP
*<5
LSC
|
%
•>
XXX
i xxx
- -
[ xxx
<W P VVX -
* mi
XXX
CARTA DE CONTROLE X E R
...
£0 TO
íXíKSí ií w V»
*
« MM
I
. .
ÍS55HR ÍSSIS?
X
- 0719
rn
••
Urr ponto eit à alem do hrrite d«

controle
[ XXX
iij -
Mis
MIL
r
wji>iri'- '-
fW HQOH6
uc
tf
- .
.< '
dns
2
«
-
UJ / i
5 ' 0
:
- - L -4 l J - -
- •
CEP Interaction Plexus - Plexus Training System

Pontos além dos Limites de Controle
BR rev. 02 40
>
I
Padrõ es ou Tend ências dentro dos Limites de Controle

A presenç a de padr ões anormais ou tendências, mesmo quando todas as amplitudes
est ã o dentro dos limites de controle, pode ser evidência da influência de uma
causa especial durante o per í odo de ocorrência do padr ão ou da tendência. Este pode
ser o primeiro aviso de uma condição desfavorá vel que deve ser corrigida .
Inversamente, certos padr ões ou tendências poderiam ser favor áveis e deveriam ser
estudados para uma possível melhoria permanente do processo. Compara ções de
padr ões entre as cartas da amplitude e da média p o d e m dar uma compreens ã o
adicional.
Existem situaçõ es nas quais um "padrão fora de controle" pode ser um evento
ruim para um processo e um evento bom para outro. Um exemplo disso é que em
uma carta X e R uma série de 7 pontos ou mais de um lado da linha centra!
pode indicar uma situaçã o fora de controle. Se isso acontecesse em uma carta p
(atributo), o processo poderia realmente estar melhorando se a série estivesse
abaixo da linha da média (menos nã o conformidades estã o sendo produzidas) .
Assim, neste caso, a série é uma ocorrência positiva , se identificarmos e
conservarmos a causa.
Sequências
Cada uma das situa ções abaixo são sinais de que teve iní cio uma mudança ou
tendência no processo:
• 7 pontos consecutivos em um lado da média X ou R.
• 7 pontos consecutivos que s ã o consistentemente crescentes ( igual ou maior

que os pontos precedentes) ou consistentemente decrescentes.
o PROCESSO FORA DE CONTROLE PARA AS

AMPLITUDES (SEQU Ê NCIAS LONGAS ACIMA E
ABAIXO DAS AMPLITUDES MÉDIAS)
PROCESSO FORA DE CONTROLE PARA AS
AMPLITUDES (SEQUÊ NCIAS LONGAS ACIMA
DAS AMPLITUDES MÉDIAS)
-
LSC LSC
o° LIC
V v
* -* -
i
\s m
LIC |
o
u CC
O
3
lit* tarU tem ume sequent » *np
(0 t
o.
. N
M 5
<
® DO SUBGAUTC
HORA
DATA
u
--
1?
!
;
-
t
.* •M
1;
#•' 10
2 .
r
6.11
10 1Í
6 2
"/5
- .
#115
i
1.1
„J
«A - .
I n 76 80 70 80 a» ro BO 76 K
-
Hl
66 191
*1
.
It
ó
.
75
70
86
t
ó
«
.
85
76
75
80
Kl
70
73
70
70
75
B8 -
»5 »U 50 66 75 n
95
»
7
TO
,
#0 »
7
86
70
7S
70
85
»0
80
75
.
HP
75
8
'
70
Bis
T. -I.
70
«0
*'
U!>
W
«t-
60
«
...
80
H-
»:
,
r S
#5
»
75
•>
(55
«I
- .1
.’ v
/ •J
&
H lí M HO 76 78 BA 7 66 HO 70 6 7
S HO
" 70 Sí
.« to 3
N‘
«««nem 350 385 3 80 340 3 75 365 3 65 3,60 3 ) 3 35 3.75 3 60 IBO y « » 78 3 80 3 3$ 3.30 310 3.10 3 45 v> i M
M4OIA X 70 77 76 fia 75 73 73 72 74 67 76 76 . 72 71 87 75 76 ; 67 66 «2 70 •A
' 06
âMPl/Tuoí R 20 JO 10 15 20 25 15 70 70 20
*0 70 05 75 15 15 15 15 06 06 .1 15 > i •i
Iu
o Sequência de uma carta de Controle de Amplitude

Controle Estat í stico do Processo - CEP - 2 a EDIçã
O
• Padr ões Nã o Aleató rios Ó bvios
Além da presença de pontos além dos limites

de controle ou longas sequências ,
outros padr ões distintos podem aparecer nos
dados os quais podem dar pistas de
causas especiais. Um teste para a dispersão global
dos dados é descrito abaixo.
Dist ância dos pontos em relação à R ou X : Geralm

ente, cerca de 2/3 dos pontos
marcados deveriam permanecer na regiã o do ter ç
o médio, entre os limites de controle
e cerca de 1/ 3 deveria estar nas regiõ es
dos dois ter ços mais externos. Se,
substancialmente mais de 2/3 dos pontos marcados
ficarem pr ó ximos à R ou X , isto
pode indicar uma causa especial.
Se menos de 2/3 dos pontos marcados ficarem

perto de R ( para 25 s u b g r u p o s
s e 4 0 % ou menos est ã o no ter ç o médio) , isto pode indicar
uma causa especial.
PROCESSO FORA DE CONTROLE PARA AS PROCESSO FORA DE CONTROLE PARA AS

AMPLITUDES (PONTOS MUITO PRÓXIMOS Á AMPLITUDES (PONTOS MUITO PRÓXIMOS
AMPLITUDE MÉ DIA ) AOS UMITES DE CONTROLE)
LSC
LSC
R
UC UC
o -.
r
SC
LiJ
4C
Certa de 2/3 dos par-tos e:t ào centro do te ço Tedio cos i .ite:
de coitroe ( 15 dos 25 enr ^e 0 , 122 e 0.244}
" -
O 30
D
çã —
t
o. V
/\
I .* 0
ff) DO SUBGRUPO
XsT
V L
10 12 21 # 0
’ 12 2 B 10 12 ? R 12
Edi
2 8 12 B 10 12 ;
DATA fVR 'M e/ie> S' 11 fim fine
1
'
»1 «íl I M í 7b «I I ,’C) »
1 75 .80 ! .66 85 ro «5 M 7S M «0
,
76 86 80 50 6.3 ; .86
70 j 35 !
' 86
i
SO 70 | 75 05 BO ’0 Cl
± . n \JS. 75 7: H eo m 70 . 70 ÍS T 60 55 91 i 65 .W) rO
«J
*5
1
75 J «Ti . 7570 !j .8565
85 ’ 70 .65
75 ,65 . 80 I .85 00 90 85 76 Ba .80 .85
75 . 00 06 j 66
'
65 65 75 65 70
.65 .76 76 .86 80 50 - v.
, 7 t. 75 . 75 80 .70 .70 j
aa ,es L / a . w | ao . jo
'
,ro JS
1
.76 .» i .80 iií? r:
li '. . 116
ra Ki / 0 89
W .
96 .BC 1 .00
456
.70
.60 65
'
.
-O
.
liU
3 50 3 85 * 3.80 3 40 1 3 75 3 , 65 3.65 3 60 3.S0 3.35 . 3.75 3 60 3.60

3 55 4 10 3 75 3.80 3 36 3.30 3 10 3 10 ; 345 | 3 S0 3.20 3.30
MÉDÍA X ,70 i ’
.77 . 76 . 68 íM
M 79 .72 78 .87 : .75 . ;
AMPUTUDE H I i‘0 20 10 1b 20 .75 15 20 20 .20 40
n 71 . 82 .75 .76 .87 M .62 ; 2 ' 69 70 .64 86 ' ! « . .
05 75 16 .15 .15 .16 ,0 & . .05 10 20 ' .15 , 10 ' To' ” I
a
2
-
Padrões Não Aleatórios de uma Carta de Controle

í
Critérios das Causas Especiais
Existem vá rios crit érios para identificar as Causas Especiais ( veja a tabela abaixo). Os
crit érios mais usados s ã o os j á apresentados. A decisão quanto a quais critérios devem
ser usados depende do processo que está sendo estudado/ controlado.
Resumo dos Critérios de Causas Especiais Tí picas

1 1 ponto a mais do que 3 desvios padrã o a partir da linha central
2 7 pontos consecutivos no mesmo lado da linha central
3 6 pontos consecutivos , todos aumentando ou diminuindo
4 14 pontos consecutivos , alternando acima e abaixo
5 2 de 3 pontos > 2 desvios padrã o a partir da linha central (mesmo lado)
6 4 de 5 pontos > 1 desvio padrã o a partir da linha central (mesmo lado)
15 pontos consecutivos dentro de 1 desvio padrão da linha central

7 (qualquer lado )
8 pontos consecutivos > 1 desvio padrã o a partir da linha central

8
(qualquer lado)
O Muito cuidado deve ser tomado para não se aplicar muitos critérios exceto nos casos em
que eles realmente fazem sentido . A aplica çã o de crit érios adicionais aumenta a
ti
'O'
possibilidade de se identificar uma causa especial mas também aumenta a probabilidade
de falsos alarmes.
o
LU
(0
N
I
CL
UI
O
Controles de Zona
LSCX
mm
: Y
Zona 1
YA
#
.
2%% 1
mvfc Zona 3
13%
\
34%
Percentual de pontos
Zona 4 encontrados nas
34%
7wrrfn1z;;j7wrrrffi 7Z
/ diferentes zonas
13 %
. .
Zona 6
LICx 2 / 2%
Considerações
• Cada zona tem o tamanho de um desvio padr ã o ;
" ± 3 CT (total de 6 a) cobre 99,73% dos pontos , que representa o limite
natural do
processo;
• A cada 10.000 pontos , e sob condições normais , aproximadamente 9.973
destes
pontos se situam dentro de ± 3 a;
• Para ter um controle estat í stico na forma de uma curva normal padr ã o
: dos 25 pontos
plotados numa carta de controle, 17 devem estar dentro das zonas
3 e 4 (ter ço
médio) , representando 68% do total de pontos. Similarmente 1 ponto deve
estar nas
zonas 1 ou 6 e os demais nas zonas 2 ou 5
o
çã Nenhum Sinal de Reforç o
Edi
A tenta ção de efetuar dupla-verifica ção por reamostragem para assegurar a validad
e de
uma causa especial à s vezes acontece. Tal pensamento poderia levar a s
érios erros. As
regras que cercam a carta de controle foram cuidadosamente escolhidas
para prover
poucas oportunidades de alarmes falsos. Se um sinal é mostrado pelos dados
, descarte a
possibilidade de que tenha acontecido por acaso.
a
2
-
Se formos felizes o bastante para obter um ponto fora dos limites de control
e, seria uma
probabilidade tã o pequena , que nós devemos sempre aceitar um
sinal de uma causa
especial sem pensar em reverificação.

Supercontrole
O supercontrole é a pr ática de tratar cada desvio do alvo como se fosse consequência de

uma a çã o de uma causa especial de varia çã o no processo. Se um processo está vel é
ajustado com base em cada mediçã o realizada , ent ão o ajuste torna-se uma fonte
adicional de varia çã o. Os exemplos a seguir demonstram este conceito. O primeiro
gráfico mostra a varia çã o dos resultados sem nenhum ajuste. O segundo mostra a
variação dos resultados quando um ajuste é feito no processo para compensar cada
desvio do alvo. O terceiro gr áfico mostra a varia çã o dos resultados quando ajustes são
feitos para compensar apenas quando o último resultado estiver a mais de uma unidade
do alvo. Este terceiro caso é um exemplo de compensa çã o para manter-se dentro da
especificaçã o. Cada método de ajuste faz aumentar a varia çã o do resultado, desde que
seja estável a varia çã o do resultado obtido sem ajustes.
Resultados sem nenhum ajuste

300
284
--
26
24
22
20
18
16
14
12
l Varia çã o
Normal
Resultados com ajustes para compensação do último desvio do alvo
30 --
o 28
26 - -
24
22
*-
t
1
Note o Aumento
20 -- WP3 na Variação
O'
I H
18
18
14
±3
o 12 --
LU ^Resultados com ajustes para compensação do último desvio do alvo se o

desvio for maior que 1
30
28
--
M 26
24
22
20
3
3
Note o Aumento
na Variação
I 18
16
& 14
12 --
LU
Diá rio de Bordo - Preenchimento e Importância
Diário de bordo ou hist órico de acompanhamento do

processo é um registro de controle
do processo que geralmente fica associado fisicamente
com os gr áficos de controle
( verso da carta de controle) .
Neste documento registramos a investigação das causas

especiais identificadas nas
cartas de controle evidenciando assim o nosso controle
sobre o processo, este registro
deve ter informaçã o m í nima sobre a respectiva causa especi
al como: problema, causa e
açã o.
O diá rio de bordo também tem o papel fundamental de registr

ar eventos significativos que
sofreram mudan ç as durante a produção do produto cujo proces
so est á sendo controlado .
Eventos significativos sã o mudanç as nos fatores 6M' s que

causam impacto na qualidade
do produto / processo . Atrav é s de um registro simples de data
, hor ário e descriçã o do
evento , a rastreabilidade do processo produtivo fica mantida em caso
de futuras an á lises .
Na ocorrência de eventos com alto impacto na qualidade do produto/

processo um novo
controle de subgrupo deveria ser realizado, independente da frequência
de nova coleta
ainda não ter sido atingida.
Exemplos deste tipo de evento são: início de produção, quedas de energia

, paradas de
m áquina para manutenções corretivas, trocas de lotes de material,
O hor á rios de parada mais extensos ( almo ço, reuniões, parada por falta
trocas de turno,
de material) que
possam causar variações expressivas no processo.
Oo
1
G
LU
CM
CL
LU
O
Controle Estat í stico do Processo - CEP - 2‘EDIÇÃ O
4- Cartas de Controle para Variáveis
Carta das Médias e Amplitudes - X e R

1. Calcular:
Média do Subgrupo Amplitude do Subgrupo
_ X i + X 2+ - + X n
X R= XMax - XMin (dentro de cada subgrupo)
n
n= Tamanho de amostra ou de um subgrupo
^ Média Gerat dos Subgrupos (X) e a AmpYitude Médias dos Subgrupos \YY)
= X1 + X 2 H h Xk -
-
R\ + R2 + — ^ Rk
X ~
k
R
n
Subgrupos e a
k= número de subgrupos usados para determinar a Média dos
Amplitude Média
o 2. Calcular os Limites de Controle da Carta das Mé dias
çã LICX =X - A2 R
LSCx = X + A2 R
Edi
a 3. Calcular os Limites de Controle da Carta das Amplitudes
2
- LSCR — D^ R LICR = D 3 R

\7
_
oi Controle Estatí stico do Processo - CEP - 2a EDIçãO
JL
Atividade:
Calcular a Média Geral dos Subgrupos e os Limites de Controle, inclu í -los na
t Carta de Controle e avaliar a Estabilidade do Processo:
rJ
m cc co O) LO O r
Hr OJ
3 --
CC O rd CN id
Nb h Nb Nb
o I
U- CN 04 04 LO o»' NI
Vi
04 ir od
fd CO co cy >
\ * Nb Nb Nb Nb Nt võ \
\
H
Ifc /- cO
04
co 04 O) co
cc co od LO
CO
( v
Nb Nf Nt Nt Nf
a cc - - >*_-
CO O o' o
10
v
•
\
co
Nb 53 Nb Nb
Nb
vn Nb co o o -
04 CN c o O)
LR IO LO LO
\ .
CD oo o CD
o ' co cc Nb
04 G LO co 04 10'
\» NT Nb Nb Nb
3 rd '\
LT 10 00 co
£D 04 co
cd
\x
'
U
• Nt
3 Nb co Nb
Nb Nb Nb Nb Nb
S*
‘AJ co
cc
o o o'
LO rd 00
Nb Nb Nb Nb Nb
G o co co CD
CO
CN
O- co
Nb
c p
v
v
h- CN Nb co' Nb 10 CNJ
Nb Nb Nb LO Nb Nb s
CC p fq' s
co
3 Nf— Nb
to 't 10
co LO Nb
r
NT Nb
Nb Nb Nb
U'J
cc LO co Nb o_ cc 04
3 Nb rd
'
CD co cc cd
Nb Nb Nb Nb
h» 04 cq 04 Nb
"b co cd
c Nb CN cc co
LT Nb Nb Nb
Nb Nb
co
c Nb in p
tNj —
T co od rd Nb
Nb Nb Nb Nb Nb
CC
Nb
LO
cd
(N cc co 04 -_
o LO CN
LO
" cn_ -y cd cn '

CC 04 CD CC cd
tH J J Nb Nb Nb Nb N- Nb
cc o 04 cq a
' Nb
co Nb co co CO CN co
-OcuD Nb Nb Nb Nb Nb Nb LO
O "
Q.
E
o
r
-
CN Nb CD NT O
cd '
CD LO LO
Nb Nb Nb Nb Nb
'
CC CN
Nb
04
«
«re
< Nb cq co cq cq Ní CN
/
CD
CO LO rd a> N i:
Nb Nb Nb LO Nb Nbi co
o co
CN co
tf co co CD rd LO Nb
Nb Nb Nb Nb Nb Nb
b N
- co
CN 04
&
t*
c
r~ ir LO LO Nb Nb LO co
Nb Nb Nb Nb Nb Nb
&
-
Nb 10 CD - o' O
- d; &
yy
'
to o cd CD LO O ) o >
Nb Nb Nb Nb Nb Nb Nb
cn
cr Nb co (D
Nb co co &
cd o' 10'
5 Nb 10 Nb Nb s od
(Z Nb
10
o
co o h ' co o co
-
LO CD 04 cd LC
-
Nb Nb Nb Nb Nb Nb Nb
N
/
V
il> v Nb CD CD o co
V cn co 04 co cd1 co
Nb Nb Nb Nb Nb 3 cd
C4
*(
A
s
s
I U M cg
o Nb co co o
04 CD rd cd
- r^ Nb
IX 5 Nb Nb Nb Nb 3 LO
Nb o Nb 04 Nb 10 /
CL "
' 03
co
TO
O
ra ca
'
co S cd 00 LO
Nb Nb Nb Nb Nb
rg m v UJ
S °Nb
0
o
o
o
o
o
O
O
OD
o
O
co
o
o
N" .
o
o
cd
o
0
LO
O
o
3
O
o
rd
O
o
04
o
o
CD
LO
04
O
o
CD
s O
p
LO
O
LTJ
04
O
O
O
111
LO LO Nb Nt Nb Nb Nt Nt Nb Nt
ra o X CC
Q X
SBIP 0 M S 9pnj!|dtuv
Q
Diá rio de Bordo

Junto com seu grupo escolha um exemplo da sua empresa para associar ao exerc í cio
anterior e preencha em seu flip-chart um Diá rio de Bordo para cada causa especial
identificada com , no mínimo, as seguintes informa ções: problema, causa e açã o.
o
«3
On
o
111
re
N
I
&
LU
O
4
. ~
Cartas de Valores Individuais e Amplitude Móvel ( X , AM )

Valor Individual: Xj, /= 1 k valores individuais:
Média dos Valores individuais:
X\ + X 2
X= ^
k H
Amplitude Mó vel :
HC
AMj = | Xj - XM| , i = 2...k
Amplitude M ó vel M édia: rfe

A M\ + A M 2 + - + AMI
(
.
2 Calcular os Limites de Controle da Média
]
LSCX = X + E 2 ÃM L1CX = X - E ?2 AM
5 /3
O
itz «ífS
Õ
ã wm
1
3. Calcular os Limites de Controle da Amplitude Móvel
LSCAM = D4 ÃM
o LICAM = D3 ÃM
ui is , / ir
ro
CM
Q.
I
UI
Q
Atividade:
Calcular a Média dos Valores Individuais e os Limites de Controle , inclu í -los na
Carta de Controle e avaliar a Estabilidade do Processo:
va u> o
ru 05
D
C\l \
'T O
uo
o
fM
05
fi O
'i CM UO
V
V, - CO
O
UO
r
o-
-I
\
r >4 LO
i| \ r-
Lo \ M
M
'ITL £ 05
cJ 1 CO
Cft o
uo CNJ
I) CO
co O
UO M -
I
1 s
<1 OJ
s
o
uo
UO
\
*? 05 uo
-
sr I
O /
/ * S
s
U I o
uo
05
05
\
LO
s í
05
co
co
£3 o
LO co
\
05
M- co
/
o
o o
UO
CM
f-
O a»
CNJ
o
UO CNJ
Nfr
uO o
o i
UO
co *
r- o uo
uo
s
00 s
ID 05
CO
LU
UI o
UO CNJ
CO
n - o
uo
ro n)
CNJ
o CNJ
M
UO
o r>
CM o
UO
-
I co
05 '
o o o o o o o o o O o o o o o O O
un = o un o o m un n o
--
Ln O LT5 IT3 1X 5 D O i
' 5
&
CM 05 05 r CNJ CM
sI X 3
CM
un LTJ UJ UJ
O
UJ
O
UO tr 'í 3 00
«tf 1
~
LU
O
I
Carta de Média e Desvio-padrão - X e S
1. Calcular:
Mé dia do Subgrupo Desvio Padr ã o do Subgrupo
ç. _ X i + X 2 + — + Xn
s = Er= n*-i1 x
( - ) 2
1
(dentro de cada subgrupo )
Média Geral dos Subgrupos ( X ) e o Desvio- padrã o médios dos Subgrupos

(S )
X1 + X 2 + — h xk 5i + 52 + — h Sk
X - k
5 •-=
k
k = n úmero de subgrupos usados para determinar a Média dos Subgrupos e a

Amplitude Mé dia
2. Calcular os Limites de Controle da Carta das Médias
LSCx = X + A3 S LICX = X - A3S

O
O
”
wwm
o Calcular os Limites de Controle da Carta das Amplitudes r
LU 3.
10 LSCs = B 4S LICR = B 3 S
N
I
&
UJ
Carta das Medianas e Amplitudes - X e R
1. Calcular :
Mediana do Subgrupo Amplitude do Subgrupo
f par
X = R= XMax - XMin (dentro de cada subgrupo)
\ impar
2
Média Geral dos Subgrupos ( X ) e a Amplitude Média dos Subgrupos ( R )
X =
X1 + X 2 + - + Xk Ri + R 2 + •• •
+ Rk
R=
k k
k = número de subgrupos usados para determinar a Média dos Subgrupos e a

Amplitude Média
2. Calcular os Limites de Controle da Carta das Mé dias

O
LSCx = X + Ã2 R LICX = X - A2 R
o*
wwm
o
LU
3. Calcular os Limites de Controle da Carta das Amplitudes
M LSCft — D4R LICR = D3 R

I
&
LU
J
5. Capacidade e Desempenho do Processo
Capacidade do Processo
Nas características distribuídas normalmente, o valor característico de capacidade
resulta
na compara çã o entre a toler ância de uma caracter í stica e a dispersão do processo
,
descrita por 6a.
Os índices Pp e Cp resultam da compara çã o da toler ância com a dispersã o do processo

,
descrita por 6a, e desta forma, representam uma medida para a capacidade potencial
da
qualidade.
Os í ndices Ppk e Cpk baseiam-se no mesmo fundamento como o anterior

, mas , além
disto , é considerada no cálculo, a posição do processo , isto é o deslocamento da
média
em relaçã o ao valor nominal (vide figura abaixo).
Valor
Nominal >
LI LSE LSE
X = média
distância istancia
X »* »
inferior / uperior
o \
çã *
Dispers ã o (6a)
tolerâ ncia
3a
* «
3a
Edi
a
Cp , Pp = Tolerância
Dispersã o ( 6a)
LSE - LIE
Cpk , Ppk , = Menor dist ância
3a
LSE - X
2 Cp , Pp = Cpk , Ppk = f
- 6a 3a
f

I
Capacidade e Desempenho do Processo

Definiçã o de Termos do Processo.
Varia çã o Inerente do Processo - Aquela por çã o da variaçã o do processo devida
apenas à s causas comuns.
_
Variaçã o dentro do subgrupo (a ) Esta é a variaçã o devida apenas à variação
dentro dos subgrupos. Se o processo estiver sob controle estat í stico , essa varia ção é
uma boa estimativa para a varia çã o inerente ao processo. Ela pode ser estimada através
de cartas de controle por:
8 = R / d2 OU 8 = S / c4
-
Variaçã o entre subgrupos Esta é a variação devida à varia çã o entre subgrupos. Se
o processo estiver sob controle estatí stico, est á varia çã o deve ser igual a zero.
Variação Total do Processo ( CTp ) - Esta é a varia çã o devido à variação dentro do

subgrupo e entre subgrupos. Se o processo n ão est á sob controle estatí stico, a varia ção
total do processo inclui o efeito de ambas, causas comuns e especiais. Esta varia ção
pode ser estimada pelo s , o desvio padr ão da amostra, usando todas as leituras
individuais obtidas de uma carta de controle detalhada ou de um estudo do processo: i.e.:
WT - X ) = cr
iE
A
aP = s =
O l — n-1
s
ti
'O' Sendo que Xj é uma leitura individual, X é a média das leituras individuais, e n é o
número total de todas as leituras individuais.
TJ
LU Capacidade do processo - O valor de 6 a da variação inerente de um processo,
apenas para processos estatisticamente está veis, onde a é geralmente estimada por
R / d 2 ( <?íi / d 2 ) ou S / c .
tz *
N Desempenho do processo - O valor de 6 a da variaçã o total de um processo,
I onde o é geralmente estimado pelo s, o desvio padr ã o do processo total ( â s ).
& Obs.: Quando o processo está sob controle estatí stico, a capacidade do processo est á
muito pr óxima do desempenho do processo. Uma grande diferenç a entre a capacidade e
LU o desempenho indica a presença de causa especial.
O
Definiçã o e fórmulas de cálculo de indicadores de

capacidade do processo
Indices de Capacidade para Tolerâncias Bilaterais:

"7
Cp: Este é o índice de capacidade, definido como o intervalo de toler â

ncia dividido pela
capacidade do processo, independentemente da centralização do
processo. É calculado
da seguinte forma:
i
r"
LSE - LIE
cP =
** R / d2
(
r' ”
^.
.
r
.
*
r
CPU: Este é o í ndice superior de capacidade , definido como a varia o
çã superior da
toler ância dividida pela dispersã o real do processo. Geralmente ele é expresso como
:
LSE - X
r =
° pu 3 &R / d 2
CPL: Este é o índice inferior de capacidade, definido como a varia çã o inferior da

toler ância dividida pela dispersão real do processo. Geralmente ele é expresso como:
X — LIE
Cpi ~
35R / d 2
o
çã Cpk; Este é o índice de capacidade, que leva em conta a centralização do processo e é
definido como o m í nimo entre CPU e CPL. Ele relaciona a distância entre a média do
processo e o limite de especifica çã o mais pr ó ximo , com a metade da dispersã o total do
Edi
processo.
a
2
-
/-I T Fí AQQc JA
\
c
í ndices de Desempenho para Tolerâncias Bilaterais:
Pp: Este é o índice de desempenho é, definido como o intervalo de toler ância dividido
pelo desempenho do processo, independentemente da centraliza çã o do processo.
Geralmente ele é expresso como :
n _ LSE - LJE
p ~
-a1
Ppk: Este é o índice de desempenho, que leva em conta a centralização do
processo e é definido como o menor valor entre o PPU e o PPL :
LSE - X LSE -X
Ppu =
3 av 3s
n _ X -L I E _ X - L I E
~ ~
3 õ' Pr 3s
-Para toler â ncias bilaterais Ppk sempre ser á menor ou igual a Pp. Ppk ser á igual a Pp
apenas se o processo estiver centralizado .
o - Pp - Ppk sempre devem ser avaliados e analisados em conjunto. Um valor de Pp

,
çã significativamente maior do que o Ppk correspondente, indica uma oportunidade de

melhoria pela centraliza çã o do processo.
Edi
a
- Se o processo está sob controle estat í stico, a capacidade do processo estar á muito
pr ó xima do desempenho do processo. Uma grande diferenç a entre C e P indica a
presen ça de uma causa ou de causas especiais.
2
-
V
Indices para Toler âncias Unilaterais:
Esta seçã o discute os índices mais usados, para os quais a especifica ção
determina ou limite superior ou limite inferior, mas não ambos.
Cp. Este é um í ndice de capacidade. Ele compara a capacidade do processo à

varia çã o má xima permitida pela toler â ncia. Esse í ndice nã o tem significado
para as tolerâ ncias unilaterais.
Cpk. Este é um í ndice de capacidade. Ele leva em conta a centralização do

processo e a capacidade mas neste caso apenas o afastamento da especifica çã o.
Cpk est á diretamente relacionado à proporçã o de não-conformidades produzida

pelo processo. Ele é igual a CPU ou CPL, dependendo da toler ância ser um LSE
ou um LIE onde:
LSE - X
CPU =
3â-R / d
2
X - LIE
CPL =
3(7-R l d
2
o Pp e Ppk são índices de desempenho do processo,
çã
Os mesmos critérios relacionados à fórmula de c álculo dos índices indicados acima se
aplicam .
Edi
a
2
-
Indicador de Capacidade
x
Probabilidade de Produtos Nã o Conformes
( Desvio Padr ã o) í ndice de Probabilidade de

Capacidade produtos
Cp N ã o Conformes
+/- 0 , 5 0 , 17 61 , 71%
+/- 1 0 , 33 31,73%
+1- 2 0 ,67 4,55%
+1- 2 1 2700 ppm
+1- 4 1 , 33 63 ppm
+ /- 5 1 ,67 0 , 57 ppm
+/- 6 2 0 , 002 ppm
O Observa çã o : Esta probabilidade de produtos nã o conformes é válida se :
ifs • A média dos valores avaliados for igual ao valor nominal da especifica ção.
oum
• O intervalo dos desvios padrã o apresentados for igual à Toler ância da
Especificaçã o.
o • Os valores avaliados seguirem a distibuiçã o normal.
LU
co
<M
0.
LU
Atividade:
Calcule Cp e Cpk considerando LSE=120 e LIE=100:
__ tv - & it / /
1- X = 110 e CT = 2,8
cp.- l S e - 2 S J .
/ it
h .cr 6' 2
^
Cffr ; jlG - SCO ; JO

3
^ s'? x 7,>t
L
S
’
-2
— / y cr?
- 4 <© - / / *?
• ? «C
2- X = 110 e (7 = 2, 5
J5
I - i l <s
J
21 CT3?
s
i 13
Oã-
^ S'
/ -U t \ iJO - '1 *> 3 ' ^

\j
-3 ^ 7 S .
O / ocs?
;
/C
-iO
T l S
o*
TJ 3- X = 104 e (7 = 2,5
111
( £_ yoji
2 «3? J } 1 <
Jf é i S
1
( ?: 2
re '
C 1
^ w>
G? c-
<
CM
I
J c JO - f - i <? .. r /
o £> £ r- 1.
a, £ • 2 >
ULI L / 00 /
Kf o, of1
o
-
.
JÍL

Controle Estatí stico do Processo - CEP - 2 EDIçãO
a
4- X = 100 e <T = 2 ,5
5- X = 123 e (7 = 2,5
o
çã
Edi
a
2
-
Atividade:
Apesar de saber da necessidade da estabilidade para a correta an álise deste estudo,
utilize os dados do exercício da carta X , R para calcular Cp e Cpk. Considerando que a
especificaçã o de engenharia é 45± 5.
O
Oo
o
in
ra
M
I
&
111
O
6. CARTAS DE CONTROLE PARA ATRIBUTOS
Tradicionalmente as cartas para atributos sã o usadas para controlar peças inaceit á veis,
identificando pe ç as n ã o conformes ou nã o conformidades em uma ou várias peças. Elas
podem ser usadas também para controlar eventos positivos.
Exemplo de Carta de Atributos

tt w « VMvmi n
|
* íi»
XXX »víar» i'

SOO Pot tum«l
**5 1055 t SCKTM
J
>vv
* Ki
ETS-2730
t > *a& »
GRR * 1M P= 0.0324 isc .- 0 056 «• 0009

.. ’,*
*f QKNC. * »«11
»
CARA,CT »STIC* f A 01
*A
.«uno |
rc rr
yxo
UMKOOOTOMbl 2 4 8 5 5 9 9 7 8 5 8 7 6 14 6 3 4 8rr! 8 5 5 5 6 9 6
’ H"
MO INíOO 6 4 7 5 2 3 4 3 2 5 4 9 5 5 4 3 3 ó s •= 2 4 4 3 5
*
VAZAMHfTO 4 7 33 2 9 4 4 6 8 í 8 2 9 6 4 9 4 6 5 1 4 2 5 6
ruyiA Ç 1 T í ’
V t r * — fw-4-
* i
* r'
-* . *. .
VM 4 -
t -
1 '
- — — LML |
•
4 -
« “"t
‘ -»
— »• ;
— — -L— j
t"
u-i — 4+
- -
—I
.
-f 1
Wf
â « t m 15 19 13 8 26 18 W 17 13 16 24 11 31 16 10 16 17 20 15 8 13 12 17 18 •3U SuW
* .
-n -* -
Á vRvo íAMXM
r""'
SOB
* ' 4 . *
.. • • »•
•
: i- -
•• * i
r f
! : :
I
• ' "
!~i: ~r 1í
» • : : —
O 06
07
"
—————
i
’
- 1 - . ;
—
j
4
: i
;
;
.
: 4
— í— — -4-4~
;
1
| j j
I-
i :
—
- ; i ;
»
T
1
-i-
P( 1 P)
^
* iiúriiniirliviitiiimw iorn Winmniiiirrir P ,ít
'' » i?""
liiiiuiiiu •• •
tu 1 $ •( n
LSC
T .1
i iti
•* » rjswte zr ' -- t n
* «» -*" «
m 4É » «te :<M» «te « H «N « > <»
" * * "*
. .. Li
Oo : |WIMMia9Ma» | M »»t » - |* * * ..
»»» »»: (»Mí : nn
,
» ,«4H >
••
*• :# « ) • »
*> "
*
/ \
H rrrr ; '
i- r -p 3 \
Pf 1 PI
33 -V— i- . .
UC
n
7 V* .
-
r T
— n
\ ^ /
— :
Q1 TTT«W
- — w
* w w arm
í ,
x ;
-
* r *’•« rrrtTnnrrí'»*"
aa:íixrx.
T- .
LU ¥
* acfe
'.'
• M1
3 M> M
*
'
Li
r
>»
.OJULil.i2.A.<2JLau.lj| Li .Si LU
^
. RMirym
( i «Mó i /
N
I
Q.
yy
Os tipos de Cartas de Controle para Atributos s ão.
Cartas p
Cartas de Propor çã o ( ou porcentagem ) de unidades Nã o Conformes
a. Cada item sendo checado é classificado como conforme ou não-conforme

( independentemente do número de defeitos por item nã o-conforme)
b . Tamanhos de amostra nã o precisam ser iguais, de qualquer forma nã o deveriam ter
uma diferença maior do que 25%
c . Exige tamanhos de subgrupos grandes para detectar alterações moderadas no
desempenho. (Número de itens nã o-conformes por subgrupo deveriam possuir uma
média de mais que 5 para mostrar padr ões analisáveis)
Cartas np
Carta de Número de itens Nã o Conformes
a. Tamanhos de amostra têm que ser constantes

b. À parte disso, o mesmo que as Cartas p
Cartas u
Carta de Número de Não Conformidades por unidade
a. O tamanho dos subgrupos pode variar , mas nã o deveriam ter uma diferença maior do
que 25% para limites de controle constantes.
b. O tamanho da amostra deve ser suficientemente grande para que o número de
subgrupos com c= 0 seja pequeno (c = número de n ão conformidades no subgrupoj
Cartas c
Carta de Número de NÃ O -CONFORMIDADES ou DEFEITOS
o a. Exige o tamanho dos subgrupos constante
çã
b. A amostra usada deve ser suficientemente grande para que o número de subgrupos
com c= 0 seja pequeno (c =número de nã o conformidades encontradas na amostra i)
Edi
a
2
-
Controle Estatí stico do Processo - CEP - 2 a EDIçã O
Carta p - Proporção de Não-Conformes

Cálculo dos Limites de Controle para a Carta p
1. Média dos Valores Individuais (p)
_ Pi + p 2 + P3 + - P
P=
k
*
Onde:
•k é o número de subgrupos e
•Pi é a proporção de nã o conformidade dos subgrupos
2. Limites de Controle e Linha Central
P(1- P) p(i - p)
LSCp =p +3 n
LICp = p - 3
n
o
çã
Edi
a Onde:
2
- •n é o tamanho médio dos subgrupos.

Atividade :
Calcular o Limite Central e os Limites de Controle , incluir os dados na Carta de ’
Controle e avaliar a Estabilidade do Processo:
V5
-- T-
CN CD
~~r >
i
C J CD
O
CD
o>
Cvj CD
CO
CN
h- LD
r^
CD
- J .
ID
CD CD
CD *
< v
ID
C
^j 23 CD
V)
=
• >
-
C vJ
CO
o
t^
CD
1
94 ,
- M+
V cr cn
- O
00
CD
ID
1
62 , VV
s
CO
N - CD
CD
60 ,
0
—
.
\ ID
j 1 CO
93
\\
,
CD
1
>
\
CJO
20 695 88
2
,
/
ID //
CM V, -
10 ID 00 19 i
CD
2
,
1 *
O
ID
CD ID ~M
CO CD
-
àL
N
-r
CO ID
CN 069 CN
CD
co
"
CM a C vJ- 39
r-
ID
CD 78
5
,
o — CN
CN
O
CO
CD
N-
CN
co'
\
1
/
l cv CD
670 39
2
,
o~> 24 650 69
3
,
/
r
o
o 4.12
CD CO 11
CO CN CD
-
1
29 700 14
4
,
<i
"K5
!
o
03
-
CO
CD
CD
2
,
J %
Oo
wwm
•~0
CO
CN 589 CD
CO
co'
*'
A
660
o
O
CO
CO
33 690
N-
oo
r"- {
UI
N'
C J
-
~
00
CN 650 CO
N- V -
— CN
CN 675 3
26 ,
cri c o
—
r t o urd -
rt m c^j
M a §
CD
CO
TO
To
1
CT3
nr
I ki
.
CL.
0
UI
Carta c para Número de Não-Conformidades
Cálculo dos Limites de Controle para a Carta c
1. Média de Valores Individuais (c)
C1 + c 2 + c3 + ck
Onde :
k é o número de subgrupos
2. Limites de Controle da Média e a Linha Central
LSCc = c + 3 Ví LICp = c + 3 VF
o
O
nwm '
LU
ro
M
I
Q.
LU
A
Atividade:
Calcular a Média dos Valores Individuais e os Limites de Controle , incluir os
dados na Carta de Controle e avaliar a Estabilidade do Processo :
I
IX)
CM
O) CM -
v V
‘
> .
h - CM
T-
—
\
ro
CM
CO LO
vi > 1
M - M- M- “1
CM
CO
v ': -
-
>
r
’
cr>
o i
CO
CM
CM
*
/
cn . CO
CO CO
CM i {
CO
Is
- CM CD
— sl
r-— - M- LO M" CO m "
\s
CO
CO LO
-
O
CO
‘ CO CO
/
/
CO CM CO
y
CO CM CO
CO
M- «=
C\J CO M- CM CM *
— LO LO O i
/
.
CT» r
- CO CM CM
~> M-
-
O
C3 CO CO
CO CO
CM
co Jk
o -—
l
CO
co
LO
LO
--
CO
Is
-
>>
- -- -> 11
o U.-J
-'
CO oo
LU CO
tf- CM
CM
CM
CO CM
M-
M-
CM CO CO
CM - - LO CM CO o
o
— — = cr» ur> o cr»
un
-~
un c >
t i < > kn MD
I cc
-
MTí
CM
cvj
CM
cr»
rg
r
T
'
—
un
"»
CM
* — --
cr»
r
r-~~ uru CM cr»
. Hora Bolha Risco Mancha Trinca Rebar Def itos

o "
cr
Dia Li
ra
_
Q
LU
O BR rev. 02 68
Carta np - Número de Itens Não-Conformes
Cálculo dos Limites de Controle para a Carta np
1. Mé dia dos Valores Individuais (np)
np =
npi + np 2 + np 3 + npk
k
Onde:
k é o número de subgrupos e
npi é o número de itens nã o conformes encontrados
2. Limites de Controle e Linha Central
jnp (l ) Jnp (l )
^
LSCnp = np + 3 S
'
L Cnp = P - 3
- -
"
TJ
LU
M
I
&
LU
O
Carta u - Número de Não-Conformidades por

unidade
Cá lculo dos Limites de Controle para a Carta u
1. C álculo dos valores de u
c
u=—
n &
Sendo:
c = Número de nã o conformidades encontradas na amostras
n = Tamanho da amostra
2. Média de Valores Individuais (u)
u=
Ui + u2 + u3 + uk
k
Onde :
k é o n úmero de subgrupos
Limites de Controle da Mé dia e a Linha Central

O 2.
u U
LSCU - u + 3 J- LICU — u — 3 I-
n
Qn
wmm
o
LU
(M
I
CL
U
í
I Controle Estat í stico do Processo - CEP - 2a EDIçãO
APÊNDICES
o
i(0
!
<>
u
ui
M
I
CL
m
6. Apêndices
Ap êndice 1:
Tabelas de Constantes e Fórmulas para Cartas de
Controle por Variá vel
(X e R ) e ( X e S )
í
Cartas X eR . Cartas X es
Carta para Carta para Amplitudes ( R ) Carta para
M édias Carta para Desvios- Padr ã o ( s .)
M é dias
Fator dos Divisores Fatores dos Divisores
Fatores dos Fatores dos r*
Limites de para Limites ae para
Limites de Limites de
Controle Estimativa Controle Controle Estimativa Controle
°x CTA-
Tamanho do
Subgrupo
A2 CÍ 2 D , D4 A3 C4 B3 B4
2
3
1.880
1.023
1.128
1.693 —
3.267
2.574
2.659
1.954
0.7979
0.8862
—
—
3.267
2.568
4 0.729 2.059
— 2.282 1.628 0.9213 —— 2.266
5
6
0.577
0.483
2.326
2.534
—
—
2,114
2.004
1.427
1.287
0.9400
0.9515 0.030
2.089
1.970
7 0.419 2.704 0.076 1.924 1.182 0.9594 0.118 1.882
8 0.373 2.847 0.136 1.864 1.099 0.9650 0 185 1.815
9 0.337 2.970 0.184 1.816 1.032 0.9693 0.239 1.761
10 0.308 3.078 0.223 1.777 0.975 0.9727 0.284 1.716
11 0.285 3.173 0.256 1.744 0.927 0.9754 0.321 1.679
12 0.266 3.258 0.283 1.717 0.886 0.9776 0.354 1.646
13 0.249 3.336 0.307 1.693 0.850 0.9794 0.382 1.618
14 0.235 3.407 0.328 1.672 0.817 0.9810 0.406 1.594
o
15 0.223 3.472 0.347 1.653 0.789 0.9823 0.428 1.572
16 0.212 3.532 0.363 1.637 0.763 0.9835 0.448 1.552
17 0.203 3.588 0.378 1.622 0.739 C .9845 0.466 1.534
çã
18 0.194 3.640 0.391 1.608 0.718 0.9854 0.482 1.518
19 0.187 3.689 0.403 1.597 0.698 0.9862 0.497 1.503
20 0.180 3.735 0.415 1.585 0.680 0.9869 0.510 1.490
21 0.173 3.778 0.425 1.575 0.663 0.9876 0.523 1.477
22 0.167 3.819 0.434 1.566 0.647 0.9882 0.534 1.466
Edi
23 0.162 3.858 0.443 1.557 0.633 0.9887 0.545 1.455
24 0.157 3.895 0.451 - 1.548 0.619 0.9892 0.555 1.445
25 0.153 3.931 0.459 1.541 0.606 0.9896 0.565 1.435
a Linha Central Limites de Controle

2
- Cartas X cR LCR = X
LCR = R
Cartas Jí es LCx = X
LSCx = X + A 2 R
LSCR = D4 R
LSCx = X f ^ 3 -5
“ “
LICx = X - AZR
LICR = D3 R
LICx = X — A 3 S
CEP LCS = s

LSCs = B4 S
BR rev. 02
LICS = B 3 S
72

Controle por Variá vel
( Carta das Medianas e Carta de Valores Individuais)
Cartas das Medianas *

*
Cartas de Valores Individuais
Carta das Carta das Amplitudes (R) Cartas de Carta das Amplitudes ( R )
Medianas Valores
Individuais
Fatores Divisores Fatores dos Fatores dos Divisores Fatores dos
dos para Limites de Limites de . para Limites de
Limites de Estimativa Controle Controle Estimativa Controle
Controle
Tamanho
do
Subgrupo
I d: D3 Da E: d: D , Dj
2 1.880 1.128 — 3.267 2.660 1.128

— 3.267
3 1.187 1.693
— 2.574 1.772 1.693
— 2.574
4
5
0.796
0.691
2.059
2.326
—— 2.282
2.114
1.457
1.290
2.059
2.326
—
—
2.282
2.114
6 0.548 2.534
— 2.004 1.184
1.109
2.534
2.704
—
0.076
2.004
1.924
7 0.508 2.704 0.076 •
1.924
> 8 0.433 2.847 0.136 1.864 1.054 2.847 0.136 1.864
> 9 0.412 2.970 0.184 1.816 1.010 2.970 0.184 1.816
> 10 0.362 3.078 0.223 1.777 0.975 3.078 0.223 1.777

)
>
> Linha Central Limites de Controle
> 0 Cartas para Medianas LCx = X
LCR = R
LSCx
LSCR
=X +Ã R
=D R 4
2 LIC# = X
LICR = D,R
- Ã2 R
>
>
> wwm
Cartas para Valores Individuais
-
e
LCR
II
=
CI
>
R
LSCX = X + E2 R
LSCR = D4 R
LICX = X - E2 R
LICR = D3 R
I
> o
> LU
>
>
> CM
> I
>
&
> LU
>
I
>
r
Apêndice 2
f
Controle por Atributo
( p, np , c , u )
Linha Limites de Controle

Central
As amostras nào precisam necessariamente ter tamanho
constante
LSLP = p- 4. 3OVPO— —
carta p para - P)
. 3^ VPO - P)
proporções de LCp = p [
*
UCp. = p
unidades em uma vrí *
categoria
, .
Se o tamanho da amostra é constante ( n )
_
rs
LSCp — p- +, 3n
yJPO- - P)
—
vn
,
UCp — p- - 3 VP — P
,, (1
vh
)
carta np para
n ú mero/ taxa de LCnp = np LSCnp = np + 3 np L / Cnp = n p - 3 jnp ( -2) 1
77 /
unidades em uma = n p + 3 yfnp ( l - p ) = np ~ 3Vnp ( l - p)
categoria
carta c para
nú mero de
incid ências em LCc — c LSCc = c + 3Vc L /Q =c— 3\ / r
uma ou mais
categorias
As amostras nà o precisam necessariamente ter tamanho
constante
3Vn 3VI
LSCU = u + = — L1CU = u
V
F E
'
o =u+3 —
h
Usando tamanho da amostra médio
=u— 3
çã carta n para
nú mero de
incidências por
LCU — u
LSQ =u+—
=ã+3 U
3Vu
—
VI
F
UCu ~~ u
-
^
3V u
n— •
Edi
unidade em uma = u 3
ou mais categorias
n
J
Se o tamanho da amostra é constante ( ) //
n
3Vu 3V u
LSQ = u + — -— Í. /Q = ã-—
V» n
a = ú -t- 3 — É
-
ri n
2

Apêndice 3:
Tabela de Distribuiçã o Normal Padrão
P( z < x) P( z > X
Exemplo de Utilizaçã o:
Z = 1, 98 => Probabilidade de Z > 1, 98 ou Probabilidade de Z < - 1, 98 => P(z) = 0, 023852

= 2 ,39% ou 4, 78% no total, onde P(z) é:
Z P( Z ) Z P( Z ) Z P( Z ) Z P( Z )
0,00 0,500000 0,27 0,393580 0,54 0,294599 0,81 0,208970
0,01 0,496011 0,28 0,389739 0,55 0,291160 0,82 0,206108
0,02 0,492022 0,29 0,385908 0,56 0,287740 0,83 0,203269
0,03 0,488034 0.30 0,382089 0,57 0,284339 0,84 0,200454
0,04 0,484047 0,31 0,378280 0,58 0,280957 0,85 0,197663
0,05 0,480061 0,32 0,374484 0.59 0,277595 0,86 0,194895
0,06 0,476078 0,33 0,370700 0,60 0,274253 0,87 0, 192150
0,07 0,472097 0,34 0,366928 0,61 0,270931 0,88 0,189430
o 0,08
0,09
0,468119
0,464144
0,35
0,36
0,363169
0,359424
0,62
0,63
0,267629
0,264347
0,89
0,90
0,186733
0,184060
çã 0,10
0,11
0,12
0,460172
0,456205
0,452242
0,448283
0,37
0,38
0,39
0,355691
0,351973
0,348268
0,344578
0,64
0,65
0,66
0,261086
0,257846
0,254627
0,91
0,92
0,93
0,181411
0,178786
0,176186
Edi
0,13 0,40 0,67 0,251429 0,94 0,173609
0, 14 0,444330 0,41 0,340903 0,68 0,248252 0,95 0, 171056
0,15 0,440382 0.42 0,337243 0,69 0,245097 0,96 0,168528
0,16 0,436441 0,43 0,333598 0,70 0,241964 0,97 0,166023
0,17 0,432505 0,44 0,329969 0,71 0,238852 0,98 0,163543
a 0,18 0,428576 0,45 0,326355 0,72 0,235763 0,99 0,161087
0,322758
2 0,19 0,424655 0.46 0,73 0,232695 1,00 0,158655
- 0,20
0,21
0,22
0,23
0,420740
0,416834
0,412936
0,409046
0,47
0,48
0,49
0,50
0,319178
0,315614
0,312067
0,308538
0,74
0,75
0,76
0,77
0,229650
0,226627
0,223627
0,220650
1,01
1,02
1,03
1,04
0,156248
0,153864
0, 151505
0,149170
CEP 0,24 0,405165 0,51 0,305026 0,78 0,217695 1,05 0,146859

0,25 0,401294 0,52 0,301532 0,79 0,214764 1,06 0, 144572
0,26 0,397432 0,53 0,298056 0,80 0,211855 1,07 0,142310

z
1.08
P( Z )
0, 140071 1,52
Z P( Z )
0,064255
Z
1,96
P( Z )
0,024998
Z
2,40
«
P Z)
0,008198
1 ,09 0,137857 1,53 0,063008 1,97 0,024419 2,41 0,007976
1,10 0, 135666 1,54 0,061780 1,98 0,023852 2,42 0,007760 4
Ml 0,133500 1,55 0,060571 1,99 0,023295 2,43 0,007549 1
1,12 0,131357 1,56 0,059380 2,00 0,022750 2,44 0,007344

1,13 0, 129238 1,57 0,058208 2,01 0.022216 2,45 0,007143
1,14 0,127143 1,58 0,057053 2,02 0.021692 2,46 0,006947
1,15 0,125072 1 ,59 0,055917 2,03 0,021178 2,47 0,006756
1,16 0, 123024 1,60 0,054799 2,04 0,020675 2,48 0,006569
!
*
1,17 0,121000 1,61 0,053699 2,05 0,020182 2,49 0,006387 a

«
1,18 0,119000 1,62 0,052616 2,06 0,019699 2,50 0.006210

1,19 0,117023 1,63 0,051551 2,07 0,019226 2,51 0,006037
1,20
1,21
0, 115070
0,113139
1,64
1,65
0,050503
0,049471
2,08
2,09
0,018763
0,018309
2,52
2,53
0,005868
0,005703
d
1 ,22 0,111232 1,66 0,048457 2,10 0,017864 2,54 0,005543
a
0,109349 1,67 •3
1,23 0,047460 2,11 0,017429 2,55 0,005386
1,24 0.107488 1 ,68 0,046479 2,12 0,017003 2,56 0,005234
1,25 0,105650 1,69 0,045514 2,13 0,016586 2,57 0,005085
1,26 0,103835 1,70 0,044565 2,14 0,016177 2,58 0,004940
1,27 0,102042 1,71 0,043633 2,15 0,015778 2,59 0,004799
1,28 0,100273 1,72 0,042716 2,16 0,015386 2,60 0,004661
1,29 0.098525 1,73 0,041815 2,17 0,015003 2,61 0,004527
1,30 0,096800 1,74 0,040930 2,18 0,014629 2,62 0,004396 -
1 ,31 0,095098 1,75 0,040059 2,19 0,014262 2,63 0,004269
1,32 0,093418 1,76 0,039204 2,20 0,013903 2,64 0.004145
1.33 0,091759 1,77 0,038364 2,21 0,013553 2,65 0,004025
1,34 0,090123 1 ,78 0,037538 2,22 0.013209 2,66 0,003907
O 1 ,35
1,36
0,088508
0,086915
1,79
1,80
0,036727
0,035930
2,23
2,24
0,012874
0,012545
2,67
2,68
0,003793
0,003681
1,37 0,085343 1,81 0,035148 2,25 0,012224 2,69 0,003573
Oo
wwm
1,38
1,39
0,083793
0,082264
1.82
1,83
0,034380
0,033625
2,26
2,27
0,011911
0,011604
2,70
2,71
0,003467
0,003364 ^ <2
o 1 ,40
1 ,41
0,080757
0,079270
1,84
1,85
0,032884
0,032157
2,28
2,29
0,011304
0,011011
2,72
2,73
0,003264
0,003167
UI 1,42
1 ,43
0,077804
0,076359
1 ,86
1,87
0,031443
0,030742
2,30
2,31
0,010724
0,010444
2,74
2,75
0,003072
0,002980
1 ,44 0,074934 1 ,88 0,030054 2,32 0,010170 2,76 0,002890
1 ,45 0,073529 1.89 0,029379 2,33 0,009903 2,77 0,002803
CM 1 ,46
1,47
0,072145
0,070781
1,90
1.91
0,028717
0,028067
2,34
2,35
0,009642
0.009387
2,78
2,79
0,002718
0,002635
I 1 ,48 0,069437 1,92 0,027429 2,36 0,009137 2,80 0 ,002555
1,49 0,068112 1,93 0,026803 2,37 0,008894 2,81 0,002477
& 1,50
1 ,51
0,066807
0,065522
1,94
1,95
0,026190
0,025588
2,38
2,39
0,008656
0,008424
2,82
2,83
0,002401
0,002327
111
O
z P( Z ) Z P( Z ) z P( Z ) z P( Z )
2,84 0,002256 3,28 0,000519 3,72 0,000100 4,16 0,000016
2,85 0,002186 3,29 0,000501 3,73 0,000096 4,17 0,000015
2,86 0,002118 3,30 0,000483 3,74 0,000092 4,18 0,000015
2,87 0,002052 3,31 0,000466 3,75 0,000088 4,19 0,000014
2,88 0,001988 3,32 0,000450 3,76 0,000085 4,20 0,000013
2,89 0,001926 3,33 0,000434 3,77 0,000082 4,21 0,000013
2,90 0,001866 3,34 0,000419 3,78 0,000078 4,22 0,000012
2,91 0,001807 3,35 0,000404 3,79 0,000075 4,23 0,000012
2,92 0,001750 3,36 0,000390 3,80 0,000072 4,24 0,000011
2,93 0,001695 3,37 0,000376 3,81 0,000069 4,25 0,000011
2,94 0,001641 3,38 0,000362 3,82 0,000067 4,26 0,000010
2,95 0,001589 3,39 0,000349 3,83 0,000064 4,27 0,000010
2,96 0,001538 3,40 0,000337 3,84 0,000062 4,28 0,000009
2,97 0,001489 3,41 0,000325 3,85 0,000059 4,29 0,000009
2,98 0,001441 3,42 0,000313 3,86 0,000057 4,30 0,000009
2,99 0,001395 3,43 0,000302 3,87 0,000054 4,31 0,000008
3,00 0,001350 3,44 0,000291 3,88 0,000052 4,32 0,000008
3,01 0,001306 3,45 0,000280 3,89 0,000050 4,33 0,000007
3,02 0,001264 3,46 0,000270 3,90 0,000048 4,34 0,000007
3,03 0,001223 3,47 0,000260 3,91 0,000046 4,35 0,000007
3,04 0,001183 3,48 0,000251 3,92 0,000044 4,36 0,000007
3,05 0,001144 3,49 0,000242 3,93 0,000042 4,37 0,000006
3,06 0,001107 3,50 0,000233 3,94 0,000041 4,38 0,000006
3,07 0,001070 3,51 0,000224 3,95 0,000039 4,39 0,000006
3,08 0,001035 3,52 0,000216 3,96 0,000037 4,40 0,000005
3,09 0,001001 3,53 0,000208 3,97 0,000036 4,41 0,000005
3,10 0,000968 3,54 0,000200 3,98 0,000034 4,42 0,000005
3,11 0,000935 3,55 0,000193 3,99 0,000033 4,43 0,000005
o 3,12
3,13
0,000904
0,000874
3,56
3,57
0,000185
0,000178
4,00
4,01
0,000032
0,000030
4,44
4,45
0,000004
0,000004
çã 3,14
3,15
3,16
0,000845
0,000816
0,000789
3,58
3,59
3,60
0,000172
0,000165
0,000159
4,02
4,03
4,04
0,000029
0,000028
0,000027
4,46
4,47
4,48
0,000004
0,000004
0,000004
Edi
3,17 0,000762 3,61 0,000153 4,05 0,000026 4,49 0,000004
3,18 0,000736 3,62 0,000147 4,06 0,000025 4,50 0,000003
3,19 0,000711 3,63 0,000142 4,07 0,000024 4,51 0,000003
3,20 0,000687 3,64 0,000136 4,08 0,000023 4,52 0,000003
3,21 0,000664 3,65 0,000131 4,09 0,000022 4,53 0,000003
a 3,22 0,000641 3,66 0,000126 4, 10 0,000021 4,54 0,000003
2
-
3,23 0,000619 3,67 0,000121 4,11 0,000020 4,55 0,000003
3,24 0,000598 3,68 0,000117 4, 12 0,000019 4,56 0,000003
3,25 0,000577 3,69 0,000112 4,13 0,000018 4,57 0,000002
3,26 0,000557 3,70 0,000108 4,14 0,000017 4,58 0,000002
CEP
3,27 0,000538 3,71 0,000104 4, 15 0,000017 4,59 0,000002

Apêndice 4 :
Melhoria Contí nua e Controle Estatí stico do Processo -
Fluxogramas
COLKTA
DE DADOS
r
C Á I .CULO DOS
LIMITES
Aná lise da
estabilidade
/ SOB
Nâo A ÇÀ O NO
ONTRO
LOCAL
\ o y
( Processo )
sim
An á lise da
capacidade
É
A ÇÀ O NO
CAPAZ
S!STEM A •>
Sim
CONTROLE
CONTÍ NUO
DO PROCESSO
Está gio do ciclo de melhoria cont í nua do processo

1 - ANALISAR O PROCESSO 2 - MANTER O PROCESSO
- O que o processo deveria estar fazendo? - Acompanhar o desempenho do

- O que pode dar errado? processo
- O que o processo est á fazendo? - Detectar variaçã o de causa
- Alcanç ar o estado de controle estatí stico especial e atual sobre ela
o - Determinar a capacidade
Executar
çã
Planejar
Executar
Planejar
1 2
Edi
Atuar Estudar Atuar Estudar
a
2
-
Planejar Executar
3 3 - MELHORAR O PROCESSO
- Mudar o processo para entender
CEP
Atuar melhor a varia çã o de causa comum
Estudar - Reduzir a variação de causa
comum

Apêndice 5:
Capacidade de Má quinas
A partir dos conceitos de Capacidade vistos neste treinamento podemos estender

esta mesma definiçã o para diversas outras aplicações, uma das mais conhecidas é
a análise da capacidade de máquina , cujo objetivo é avaliar se a varia çã o de uma
máquina e compatí vel com especificações requeridas das peças que serã o
fabricadas por ela.
Atenção:
Como o manual do AIAG não cita este estudo e não existe um consenso sobre
a melhor forma de conduzi-lo ou mesmo sobre quais os modelos matem á ticos
a serem usados , caso seja um requisito de cliente verifique com a ele como o
estudo deve ser realizado.
Uma poss í vel forma de estudo é a seguinte:
Como o objetivo é estudar a má quina tentamos eliminar todas as demais fontes

de variaçã o que poderiam influenciar o estudo e produzir sob as mesmas
condições , isto é , sem intervir para regular a má quina e numa condiçã o ambiental
constante , por exemplo .
Produzir uma amostra de 50 peças consecutivas e avaliar sua normalidade e

estabilidade para entã o calcular sua capacidade usando, p.ex. as seguintes
equações:
o C — LSE - L
6S
sendo S=
Aj
l^ n-(x x )
1
-
0
(
1
On
tmm
min [ ( LSE - Xy, ( X - LIE ) ]
Cmk 3S
UI
M Um bom critério de aceitação para Cmk seria 2 ,mas novamente , como n ão faz
I parte do manual de CEP do AIAG é importante alinhar este critério junto ao seu
0
LU
. cliente.
O
f
i
f
i Treinamentos Interaction Plexus

i Código Treinamentos GM Có digo Treinamentos FIAT
GM -004 Requisitos Específicos GM Gest ã o de Caracteristicas Report - FIAT (Treinamento +
i FI-018
GM -009 Run @ Rate ( ex . GP9) Coaching)
GM -010 GP 12 - Early Production Containment FI - 026 PDR - "PRODUCTION DEMONSTRATION RUN"
i
p
GM -015
-
PPQP Processo para a Qualidade de Pe ç a de Pr é -
FI - 036
CSL 2 & 3 Req Homologa çã o Providers FIAT ( 3 dias
I Produçã o treinam e 2 dias auditoria = AU - 006)
9
GM - 036 GLOBAL APQP SRV -GM CSL 2 Req Homologa çã o Providers FIAT ( 3 dias treinam
FI - 037
\ GM -038
0 Processo de Solu çã o de Problema para a GM incluindo e 2 dias auditoria = AU -005 )
os requisitos do GM1927-17 ( ex GP - 5 ) CSL 3 Req Homologa çã o Providers FIAT ( 3 dias treinam
> GM -040
GM -041
BIQS - GM - Interpretaçã o de Requisitos
BIQS - GM - Forma çã o de Auditor Interno
FI - 038
FI - 049
e 2 dias auditoria = AU -006 )
GVD - Global Vehicle Development
> GM -043 BIQS - GM - Palestra Gerencial FI - 052 Requisitos Especí ficos FCA
Código Treinamentos VOLKSWAGEN Có digo Treinamentos RENAULT/NISSAN
Í VDA 2 - Asseguramento Qualidade Fornecimento - 52 Ed RE - 005 HCPP + TAG/ A 2 M - Renault Nissan
QA - 025
- Nov 2012 RE - 010 ANPQP 3.0 Renault - Nissan com upgrade para vers ã o 3.1
VDA 6.3 32 Ed. 2016: Requisitos e Forma çã o de Processo RE - 011 Requisitos Específicos Renault - Carta Julho 2017
VW -012
( inclui requisitos adicionais VW ) Có digo Treinamentos Ford
Interpreta çã o de Requisitos da Guia VDA 6.3 - 3 ediçã o Requisitos Específicos Ford
0
VW -028 FO -OOl
D/TLD - Processo Auditoria D /TLD - Manual Capacidade FO -002 FMEA Ford
VW -007
k Fornecedor VW FO -003 Global 8D Ford
Gerenciamento de Risco na Cadeia de Fornecimento FO -004 GPDS ( APQP Ford)
VW -011
*
V
I VW - 005
Volkswagen
VDA 6.5 - Auditoria do Produto - 22 Edi çã o
FO- 005
FO-006
Processo Q1 - Ford
Phased PPAP
V Código Treinamentos PSA Código FERRAMENTAS AUTOMOTIVAS - CORE TOOLS
h PSA - 001 Interpreta çã o de Requisitos QSB+/ PSA FA - 001 APQP - Plano de Controle e PPAP 42 Edi çã o
f
PSA - 002 Forma çã o de Auditor Interno QSB+/ PSA FA -004 MSA - Aná lise de Sistemas de Mediçã o 42 Edi çã o
PSA - 006 Implementando APQP / PPAP conforme PSA / AQF FA -005 CEP - Controle Estatístico de Processo - 22 Edi çã o
PSA - 007 Coaching APQP / PPAP da PSA / AQF FA -007 CEP Avan çado - Controle Estatí stico de Processo
\ PSA - 008 Forma çã o AQF Vida S é rie - Conforme PSA / AQF
FA - 002
PPAP - Processo de Aprova çã o de Peç a de Produ çã o - 42
PSA -009 Forma çã o AQF / PSA utilizando APQP / PPAP Edi çã o
Código Gestã o da Qualidade Automotiva FMEA - Análise de Modo e Efeitos de Falha Potencial 42
FA -003
QA - 804 Regras 5 § Edi çã o da IATF Edi çã o
QA - 803 O Papel dos Gestores na IATF 16949 FA -008 DFMEA - FMEA de Projeto do Produto
EVENTO - Como desenvolver Fornecedores atendendo a FA -009 PFMEA - FMEA de Processo
QA - 040
IATF 16949:2016 FA -034 FMEA Reverso
FA - 010 MASP para Operadores
Exemplar Global Certified ISO 9001:2015 Lead Auditor
QA - 030 MASP - Abordagem 8D para Tomada de A çã o Corretiva
with AIAG IATF 16949 : 2016 Supplier FA - 006
Eficaz
IATF 16949:2016 - Requisitos do SGA Automotivo FA -011 Poka Yoke - Sistema a Prova de Erros baseado na CQI -18
* QA -031
QA - 032
( incluindo ISO 9001: 2015 )
IATF 16949: 2016 - Forma çã o de Auditor Automotivo
baseado na ISO 19011:2018
FA -013
FA - 016
FA -017
CQI 09 - Requisitos e Forma çã o de Auditor Interno
Implementa çã o Eficaz dos Core Tools Automotivos
IATF 16949:2016 - Transiçã o de Requisitos do SGQ FA -020 MFMEA 22 Edi çã o - FMEA de M á quina
QA - 034
» QA - 035
Automotivo ( incluindo ISO 9001:2015 )
IATF 16949:2016 - Transiçã o de Auditor Automotivo
FA - 025
FA -015
CEP para Operadores
CQI 11 e CQI 12 - Requisitos e Formaçã o de Auditor
> Có digo
baseado na 19011: 2018
Gestã o da Qualidade FA -027
Interno
CQI 23 12 Edi çã o - Requisitos e Forma çã o de Auditor
Exemplar Global Certified ISO 9001:2015 Lead Auditor FA -028 CQI - 20 - Solu çã o Eficaz de Problemas
QL-033 FA -031 CQI 8 - Auditoria Escalonada.
Training
> QL- 030
ISO 9001:2015 - Requisitos do SGQ ( incluindo abordagem FA -039
FA -024
Confiabilidade de Produto
de Riscos)
I ISO 9001:2015 - Forma çã o de Auditor de Gest ã o da FA -033 IMDS
QL - 031
I Qualidade baseado na ISO 19011: 2018 FA -051 MSA - An á lise do Sistema de Medi çã o usando Minitab
CEP - An á lise de Capabilidade de Processos usando
ISO 9001:2015 - Auditor com base na 19011:2018 -
FA -050
I QL -034
Atualiza çã o da vers ã o 2008 Minitab
QL -016 Gest ã o do Conhecimento Responsabilidade Civil na Cadeia Automotiva (1 instrutor
> QL- 041
ISO 31000:2018 & ISO 31010 :2009 - Gest ã o de Riscos e
FA - 065
e 1 advogado)
T écnicas para Avalia çã o CQI- 27 - Avalia çã o do Sistema de Fundiçã o - Requisitos e
I QL-005 ISO 10015:2001 - Diretrizes para treinamento
FA -067
Forma çã o
I QL- 008 Abordagem de Processos - Implanta çã o FA -068 CQI-14 Diretrizes para a Gest ã o da Garantia Automotiva
QL-009 Abordagem de Processos - Auditoria FA - 074 Seguran ç a do Produto na Cadeia Automotiva
I ISO 19011:2018 Diretrizes para Auditorias de Sistemas de Có digo Treinamentos CNHi
QL-013 Requisitos Espec í ficos CNH Industrial (IVECO e FPT
Gest ã o
I QL -014 Definiçã o e Gest ã o de Indicadores e Metas
FI - 050
Industrial)
SO 19011:2018 - Workshop das Diferen ças Incorporadas
QL- 803
da versã o 2011
Sensibi za çã o e Responsabilidade na Gest ã o de Risco no
QL- 807
SGQ 9001:2015
»
I
I
-
Có digo Treinamentos ELECTROLUX Código FERRAMENTAS GENÉRICAS *
«
t
EL-001
EL- 002
Requisitos Específicos Electrolux
Processo de certificaçã o - 8D Electrolux + Exame +
FG-001
GD&T - Módulo 1 - Geometric Dimensioning and
Tolerancing n
Coaching de 1 hora na Interaction GD&T - Mó dulo II - Geometric Dimensioning and
FG -002
EL- 005 Coaching - 8 D Electrolux Tolerancing
EL- 003 PPAP Electrolux FG- 003 FTA - Aná lise de Arvore de Falhas
EL- 007 CTQ Electrolux - Requisitos da Certifica çã o FG - 004 Programa 5 S
EL- 008 CTQ Electrolux - Forma çã o de Auditor Interno FG- 005 Ferramentas da Qualidade
C ó digo Gestã o AMBIENTAL FG- 006 QFD - Desdobramento da Fun çã o da Qualidade
ISO 14001 - Identifica çã o e Avalia çã o de Aspectos e FG- 007 DFM / DFA Design for Manufacturing and Assembly
AM - 005
Impactos FG- 907 DFM / DFA - Coaching
AM -006 ISO 14001 - Legisla çã o Ambiental PDCA - Abordagem para An á lise de Causa Raiz -
FG -011
AM - 017 ISO 14001 - Soluçã o de Problemas Ambientais Pensamento Lógico
ISO 14001:2015 - Requisitos do SGA com Abordagem de FG -012 7 Novas Ferramentas da Qualidade
AM-020
Riscos FG- 009 DOE - Projetos de Experimentos
ISO 14001:2015 - Forma çã o de Auditor de Gest ã o FG - 010 EV / AV - Engenharia de Valor e Aná lise de Valor
AM - 021
Ambiental baseado na ISO 19011: 2018 Có digo Gestã o de SAÚDE E SEGURANÇA
Exemplar Global Certified ISO 14001:2015 EMS Lead SS-018 Higiene Ocupacional
AM - 023
Auditor SS -007 ISO 45001- 2018 - Requisitos do Sistema de Gest ã o de SSO
Có digo Gest ã o de Ativos ISO 45001- 2018 - Formaçã o de Auditor de SSO baseado
SS -008
ISO 55001 - Gest ã o de Ativos - Requisitos e Diretrizes na ISO 19011:2018
QL- 027
para Aplica çã o ( Inclui ISO 50000 e ISO 50002 ) SS -009 ISO 45001- 2018 Exemplar Global Certified Auditor Lí der
ISO 55001:2014 Forma çã o de Auditor de Gest ã o de ISO 45001- 2018 - Transi çã o de Requisitos de SSO da
QL- 028 SS -010
Ativos baseado na ISO 19011: 2018 OHSAS18001
QL- 040 ISO 55001 - Auditor Lí der em Sistema de Gest ã o de Ativos ISO 45001- 2018 - Transi çã o para Auditor da OHSAS 18001
SS -011
Có digo GESTÃ O INTEGRADA baseado na ISO 19011: 2018
ISO 14001 e ISO 50001 - Requisitos do Sistema de Gest ã o SS-012 ISO 45001 - Identificação de Perigos e Avaliação de Riscos
GI- 027
Integrado SS -013 ISO 45001 - Solu çã o de Problemas de Sa úde e Seguran ç a
ISO 14001:2015 e ISO 50001:2011 - Forma çã o de Auditor Có digo Gestã o de Energia
GI- 029
Integrado baseado ISO 19011:2018 ISO 50001 - Auditor Lí der em Sistema de Gest ã o de
EN- 003
IATF 16949: 2016 e ISO 14001:2015 - Requisitos do SGI Energia
GI-050 ISO 50001:2018 - Requisitos do Sistema de Gest ã o de
( incluindo ISO 9001:2015 )
EN -005
IATF 16949: 2016 e ISO 14001: 2015 - Forma çã o de Energia
GI- 051
Auditor Integrado baseado ISO 19011:2018 ISO 50001:2018 - Forma çã o de Auditor Gest ã o de Energia
EN - 006
GI- 039 ISO 9001: 2015 e ISO 14001:2015 - Requisitos do SGI com base ISO 19011: 2018
ISO 9001:2015 e ISO 14001:2015 - Formaçã o de Auditor ISO 50001:2018 - Requisitos de Gest ã o de Energia -
GI-040 EN -007
Integrado baseado ISO 19011:2018 Transiçã o da vers ã o 2011
ISO 9001- 2015 & ISO 14001- 2015 & ISO 45001- 2018 - Gest ã o da Qualidade Aeroespacial - Avia çã o, Espa ço e
GI- 057 Có digo
Requisitos do SGI Defesa .
ISO 9001:2015, ISO 14001:2015 e ISO 45001:2018 - ExG -Certified ISO 9001:2015 Lead Auditor Training with
GI- 058 QAE - 010
Forma çã o de Auditor Integrado baseado ISO 19011:2018 AS9100D Emphasis
GI-059 ISO 14001- 2015 & ISO 45001- 2018 - Requisitos do SGI QAE - 011 AS 9100D - Requisitos do SGQ Avia çã o, Espa ç o e Defesa
ISO 14001- 2015 e ISO 45001- 2018 - Forma çã o de Auditor AS 9100D - Forma çã o de Auditor de Avia çã o Espa ç o e
GI - 060 QAE-012
Integrado baseado ISO 19011:2018 Defesa baseado ISO 19011: 2018
IATF 16949 & ISO 14001- 2015 & ISO 45001- 2018 - Gestã o da Qualidade de Petróleo, Petroquímica e G ás
GI- 061 Có digo
Requisitos do SGI Natural
IATF 16949:2016, ISO 14001:2015 e ISO 45001:2018 - PG- 003 API SPEC Q1 - 9 ed. - Requisitos e Forma çã o de Auditor
GI- 062 Código Gestã o de Qualidade na Construçã o Civil
Forma çã o de Auditor Integrado baseado ISO 19011:2018
Aplicabilidade dos Requisitos do Sistema Integrado, na PBQP - H - Programa Brasileiro de Qualidade e
QH - 001
GI- 802 Gest ã o de Compet ê ncia ISO 9001, ISO14001, IS045001 e Produtividade do Habitat
IATF16949 PBQP - H - Forma çã o de Auditor baseado na ISO
QH - 002
Có digo Gest ã o de RESPONSABILIDADE SOCIAL 19011: 2018
SA 8000 : 2014 - Requisitos do Sistema de Código Gestã o de SEGURANÇA AUMENTAR
RS -006 ISO 22000:2018 Requisitos do Sistema de Gest ã o da
Responsabilidade Social
AL- 005
SA 8000:2014 - Forma çã o de Auditor baseado na Seguran ç a de Alimentos
RS - 007 ISO 22000: 2018 Forma çã o de Auditor de Alimentos
19011:2018
AL- 006
NBR 16001:2012 - Requisitos do SG de Responsabilidade baseado na 19011:2018
RS-004 AL - 003 HACCP / APPCC
Social
NBR 16001: 2012 - Forma çã o de Auditor de Gest ã o de Código Gestã o de Serviços e Segurança de Informação
RS-005 ISO 27001: 2013 Interpreta çã o de Requisitos da Seg.
Responsabilidade Social baseado na ISO 19011:2018
SI - 005
Có digo Dispositivos Médicos Inform.
ISO 13485 : 2006 - Dispositivos Médicos - Requisitos do ISO 27001:2013 - Forma çã o de Auditor de Seguran ç a de
QM - 001 SI - 006
SGQ Informa çã o baseado na ISO 19011:2018
ISO 13485 : 2016 - Forma çã o de Auditor de Dispositivos SI - 801 ISO 27001:2013 X 2006 Interpretaçã o comparativa
QM-002 ISO/IEC 20000:2011 Gest ão de Serviç os, Requisitos e
Médicos baseado na ISO 19011:2018
SI -101
QM - 003 RDC -16:2013 - Regulamento Técnico de BPF C ó digos de Pr á ticas
RDC- 16:2013 - Formaçã o de Auditor baseado na ISO ISO /IEC 20000-1:2011 Formaçã o de Auditor de Gest ã o de
QM - 004 SI - 102
19011: 2018 Serviç os baseado na 19011:2018
Có digo WCM - Word Class Manufacturer
Gestã o da Qualidade de Laboratórios de Ensaio e
SP - 850 WMC - Palestra Gerencial Có digo
Calibra çã o
SP -051 WCM - Implanta çã o dos Pilares
SP -052 WCM - Pilares Gerenciais ISO /I EC 17025:2017 - Requisitos Gerais de Laborat ório de
LB-005
WCM - Modulo 1 - Implant. Pilares Desdobramento Ensaio e Calibra çã o
SP - 053
Custos, Melhoria Cont í nua, Controle de Qualidade ISO /I EC 17025 : 2017 - Forma çã o de Auditor de
LB - 006
WCM - Modulo II - Implant . Pilares Organiza çã o do Local Laboratório baseado na ISO 19011:2018
SP - 054
de Trabalho e Manuten çã o Aut ónoma LB - 003 Incerteza de Medi çã o
WCM - Modulo III - Implant . Pilares Manutençã o QL-015 Certificados de Calibra çã o - Critério e Interpreta çã o
SP-055
Profissional e Gest ã o Antecipada de Equip, e Pessoas Código SISTEMA DE PRODUÇÃO ENXUTA
WCM - Modulo IV - Implanta çã o dos Pilares Logí stica e Palestra Sensibiliza çã o Sistema de Produçã o Enxuta SPE
SP - 056 SP - 803
Servi ç o ao Cliente ( Lean)
WCM - Modulo V - Implanta çã o dos Pilares SP - 001 -
Kaizen Melhoria Contí nua
SP -057 Desenvolvimento de Pessoas e Seguran ç a e Meio SP -002 -
TPM Total Productive Maintenance
Ambiente SP -003 Pensamento Enxuto
Có digo 6 SIGMA SP - 004 VSM - Mapeamento do Fluxo de Valor
SP - 015 Forma çã o Green Belt SP - 005 Fluxo Contínuo da Produçã o Enxuta
SP - 016 Forma çã o White Belt Kanban - Sistema Puxado e Nivelamento de Produçã o
SP - 006
SP -017 Forma çã o Black Belt ( pr é requisito Green Belt ) Enxuta
SP - 901 Coaching White Belt SP -007 SMED - Troca R á pida de Ferramentas
SP - 902 Coaching Green Belt SP - 010 Abastecimento de Materiais na Produçã o Enxuta
SP - 903 Coaching Black Belt Estabilizaçã o do Processo (Fat . 6M ) e Cadeia de Ajuda
SP -011
para PE
IMPORTANTE: Podemos fazer customiza çõ es em treinamentos ou novos desenvolvimentos

conforme sua necessidade. Consulte nosso Departamento Comercial
www . iaction- plexus.com.br
Manuais, Normas e Guias AIAG/IATF

Código Manuais, Norma e Guias
MN-010 IATF 16949:2016 - Norma de SGQ Automotivo
MN-020 Regras 52 Edi çã o para Reconhecimento da IATF
MN -030 APQP - 2 - Edi çã o
MN -040 FMEA - 42 Edi çã o
MN -045 MFMEA - 2 - Edi çã o
MN-050 MSA - 42 Edi çã o
MN -060 CEP - 22 Ediçã o
MN-070 PPAP - 42 Edi çã o
MN - 0153 Guia do Auditor IATF para a IATF 16949 - 3 - Edi çã o - l2 Janeiro de 2017
MN -080 CQI-8 - Processo de Auditoria Escalonada
MN -090 CQI-9 - Processo Especial: Avalia çã o do Sistema de Tratamento Té rmico
MN-110 CQI-11 - Processo Especial: Avalia çã o do Sistema de Deposi çã o
MN-120 CQI-12 - Processo Especial: Avalia çã o do Sistema de Revestimento
MN-150 CQI-15 - Processo Especial: Avalia çã o do Sistema de Soldagem
MN-170 CQI-17 - Processo Especial: Avalia çã o do Sistema de Soldagem de Componentes El étricos
MN-130 CQI-19 - Diretrizes do Processo de Gest ã o do Fornecedor Sub -Tier
MN - 220 CQI - 22 - 0 Guia do Custo da Má Qualidade
MN- 230 CQI - 23 - Processo Especial: Avalia çã o do Sistema de Moldagem de Polímeros
MN - 270 CQI- 27 - Processo Especial: Avalia çã o do Sistema de Fundi çã o
IMPORTANTE: Consulte nosso Departamento Comercial para disponibilidade de

manuais, normas e guias IATF em inglê s e espanhol.
www . iaction- plexus . com.br

Livro - CEP 2º Edição - Controle Estatístico Do Processo

Enviado por

Dados do documento

Descrição 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

Livro - CEP 2º Edição - Controle Estatístico Do Processo

Enviado por

Direitos autorais:

Formatos disponíveis

k

Plexus Training System

Controle Estatí stico do

Todos os direitos estã o reservados e cobertos por direitos autorais. Nenhuma

USO DOS MATERIAIS

Os materiais escritos devem ser utilizados somente com o Sistema de

INTEGRANTES DA EQUIPE DE ELABORAÇÃO DO CURSO

Carlos Alberto Colonna Romano InterAction Plexus

4- Cartas de Controle para Variá veis 46

5- Capacidade e Desempenho do Processo 54

6- Cartas de Controle para Atributos 63

> Qual a finalidade de se aplicar o CEP?

> Para que serve a Estatí stica?

PREVENÇÃO VERSUS DETECÇÃO

É muito mais efetivo evitar o desperdício , em primeiro lugar , nã o produzindo resultados

O que significa um sistema de controle do processo?

Como uma variaçã o afeta o resultado do processo?

Como técnicas estatí sticas podem mostrar se um problema é localizado

o O que significa um processo estar sob controle estatí stico?

O que s ã o cartas de controle , e como s ã o usadas?

Que benefí cios podem ser esperados do uso de cartas de controle?

CEP Interaction Plexus - Plexus Training System BR rev. 02 5

VARIA ÇÃ O: CAUSAS COMUNS E ESPECIAIS

A fim de efetivamente utilizar os dados de mediçã o no controle do processo é importante

trabalho de um escritur ário. Outras fontes de variaçã o tendem a causar mudanç as no

o • Localiza çã o ( valor especí fico da medida central da distribuição) ;

o Do ponto de vista dos requisitos mí nimos, o tópico variação é geralmente simplificado :

Causas comuns referem-se às muitas fontes de varia çã o que agem de forma

Causas especiais ( frequentemente chamadas de causas assinalá veis) referem- se a

As mudanças na distribuição do processo devido a causas especiais podem ser tanto

AS PEÇ AS VARIAM DE UMA PARA OUTRA

o ESTÁ VEL AO LONGO DO TEMPO. PREDIÇÃO

Figurai . Varia çã o: Causas Comuns e Especiais

A ÇÕES LOCAIS E AÇÕES SOBRE O SISTEMA

S ã o usualmente requeridas para eliminar causas especiais de varia çã o.

O Controle Estat í stico do Processo (CEP) é um método para controlar ou gerenciar um

o processos. Os erros que se podem cometer s ão dois:

LU • Erro 1: atribuir uma variação ou um erro a uma causa especial

Utilizadas adequadamente , Cartas de Controle podem:

• Servir aos operadores para o controle contínuo de um processo.

• Ajudar o processo a ter desempenho consistente e previs í vel .

• Permitir que o processo alcance:

• Fornecer uma linguagem comum para a discussão do desempenho do processo

• Distinguir as causas especiais de varia çã o das causas comuns , permrtmdo a

ATIVIDADE: CAUSAS COMUNS E ESPECIAIS

DIAGRAMA CAUSA E EFEITO

Mào- de- Obra Máquina Material

rc tj fcjt > ^ P A A' fr Q

O HISTOGRAMA - AVALIAÇÃ O DA DISTRIBUIÇÃ O

O Diagrama de Frequência com Divisão de Classes ou Histograma é o mé

O Histograma serve para determinar a forma da distribuiçã o da varia çã o do processo

ATIVIDADE: Desenvolver um histograma com o valor da soma de um par de dados. <

CE P Interaction Plexus - Plexus Training System BR rev. 02 12

Um Histograma também pode ser construído através da frequência versus intervalos de

Neste caso como ficaria o Histograma ?

2a4 4a6 6a8 8 a 10 10 a 12

Como construir um Histograma

1 -Coletar no m í nimo 30 medidas da caracter í stica analisada

Uma forma t ípica para a determinação do n úmero de classes ( k) de um Histograma

1o Critério - Tabela de Número de Classes de dados

o 2° Crité rio - Raiz quadrada da quantidade de dados

Além do número de classes, é necessário definir o intervalo das classes ( w ) para se

Exemplo de um Histograma da Vazã o de uma Bomba Hidrá ulica