Escolar Documentos
Profissional Documentos
Cultura Documentos
1.1 - Introdução
A definição mais simples e comum de qualidade é a da totalidade das características que tornam o
produto ou serviço atractivo para os utilizadores. Em relação a cada uma das caracteristicas de
qualidade do produto ou serviço, esta definição é usualmente traduzida pela conformidade dos
valores das características com as especificações.
Embora genericamente aceite, esta ideia de qualidade não traduz no entanto, e de forma
completa, aquilo que os utilizadores realmente desejam.
Considere-se uma das características de qualidade de dado produto, para o qual se dispõe de dois
fornecedores que se equivalem em todos os outros aspectos que possam na circunstância ser
relevantes para a escolha (outras características, preço, condições de fornecimento, frequência
de entregas e cumprimento de prazos, etc.).
O facto da escolha ser clara e independente dos limites de tolerância das especificações signi-
fica apenas e tão sómente que a mera conformidade com as especificações não é garantia de uma
qualidade superior: mesmo dentro desses limites, a menor variação ou dispersão à volta do valor
nominal de projecto (valor alvo desejado) traduz de facto a ideia de uma melhor qualidade.
Como a existência de variabilidade entre as unidades produzidas num processo é um facto prati-
camente inevitável, torna-se necessário impôr limites à variação: esse é o papel das tolerâncias
das especificações. No entanto, se bem que necessárias, elas apenas estabelecem os limites de
funcionalidade do produto (limites a partir dos quais o produto provavelmente não funciona ou
deixa de satisfazer os utilizadores) e são portanto apenas limites da máxima variação admissível.
É claro que o que se pretende é, em primeira análise, que os processos possam produzir sempre
produto em conformidade com as tolerâncias das especificações (e, já agora, tão perto quanto
possível do valor desejado). Mas para que isso possa ser possível, é necessário que os processos
produtivos sejam estáveis (isto é, que aquela conformidade possa ser obtida de forma consis-
tente e permanente) e que, sendo estáveis, aquela variabilidade inevitável seja compatível com as
tolerâncias das especificações.
[1]
As duas designações são equivalentes e são aqui usadas indistintamente.
monotorização e controle dos processos de fabrico: permitem não só determinar o standard que,
em termos do processo, pode e deve ser perseguido, como são também um instrumento útil quer
na procura desse standard, quer na avaliação de se o mesmo foi ou não atingido.
A importância destes resultados é evidente e inegável, mas a ajuda que os gráficos de controle
podem proporcionar não se esgota na sua obtenção.
Como já foi referido, a produção em conformidade com as especificações não é tudo e não basta
se se pretende conseguir uma qualidade superior: a simples extensão do raciocínio subjacente à
escolha do fornecedor B permite facilmente concluir que sempre que se consegue reduzir a
variabilidade (à volta do valor desejado) se está a promover uma melhor qualidade. Para além da
função de monotorização e controle dos processos, os gráficos de controle podem, na
generalidade das circunstâncias, prestar também um valioso auxílio no processo de identificação
das fontes de variação e dessa forma contribuírem para uma redução da variabilidade e uma
melhoria efectiva da qualidade.
Um gráfico ou carta de controle é um instrumento de ‘natureza estatística’ que pode ser usado
para a análise, monitorização e controle de um processo produtivo ou, mais genericamente, de um
qualquer processo repetitivo. A sua utilização envolve geralmente a comparação gráfica dos
valores de um estatístico (obtido em função dos dados do processo) relativamente a determina-
dos limites marcados no gráfico.
A natureza dos dados do processo que se utilizam para os gráficos subdivide os gráficos de
controle em dois grandes tipos: gráficos por variáveis – em que os dados do processo são o
resultado de um processo de medida – ou gráficos por atributos – em que os dados do processo
são o resultado de um processo de contagem. A fundamentação básica dos gráficos que se aborda
de seguida é no entanto a mesma para ambos os tipos.
Na prática industrial (e não só) é frequente poderem observar-se gráficos deste tipo e não
apenas em relação a grandezas de uma ou outra forma directamente relacionadas com a qualidade
de produtos e serviços (gráficos de produções e vendas mensais, de horas extraordinárias, de
consumos mensais de energia, de absentismo, etc. são bons exemplos disso mesmo).
Os valores das tabelas que figuram na página seguinte são valores que, de uma ou outra forma,
estão relacionados com a qualidade de determinados produtos:
• na primeira tabela estão registados os valores de médias e amplitudes dos comprimentos de
100 rolos de tracção de papel de fotocopiadoras, produzidos seguidos e agrupados pela ordem
de produção em amostras de cinco rolos, cujas especificações técnicas do comprimento são
de 312,25 ± 0,15 milímetros;
• na segunda tabela estão registados os valores da fracção de equipamentos eléctricos defei-
tuosos relativamente a um certo teste B, obtidos por inspecção da produção diária (que é de
aproximadamente 1340 unidades);
nº da nº da
amostra x R data p c c
montagem montagem
1 312,206 0,05 2 0,0374 1 7 26 7
2 312,246 0,11 3 0,0518 2 6 27 13
3 312,236 0,06 4 0,0427 3 6 28 4
4 312,152 0,07 5 0,0512 4 7 29 5
5 312,198 0,09 6 0,0323 5 4 30 9
7 0,0558
6 312,190 0,06 6 7 31 3
7 312,134 0,08 9 0,0325 7 8 32 4
8 312,212 0,12 10 0,0673 8 12 33 6
9 312,142 0,14 11 0,0106 9 9 34 7
10 312,194 0,07 12 0,0649 10 9 35 14
13 0,0265
11 312,176 0,10 14 0,0425 11 8 36 18
12 312,198 0,08 12 5 37 11
13 312,116 0,06 16 0,0426 13 5 38 11
14 312,146 0,09 17 0,0293 14 9 39 11
15 312,214 0,11 18 0,0487 15 8 40 8
19 0,0448
16 312,162 0,09 20 0,0413 16 15 41 10
17 312,194 0,14 21 0,0357 17 6 42 8
18 312,138 0,12 18 4 43 7
19 312,134 0,09 23 0,0390 19 13 44 16
20 312,212 0,08 24 0,0204 20 7 45 13
25 0,0369
26 0,0284 21 8 46 12
27 0,0342 22 15 47 9
28 0,0660 23 6 48 11
24 6 49 11
30 0,0314 25 10 50 8
31 0,0296
Os valores da primeira tabela dizem respeito a gráficos por variáveis (medidas), enquanto que os
valores da segunda e terceira tabelas dizem respeito a gráficos por atributos (contagens).
Os correspondentes gráficos (página seguinte) evidenciam melhor a variação dos valores das
tabelas, e tornam-se por isso geralmente mais úteis para o propósito de monitorização e controle
dos processos e para a decisão sobre a eventual necessidade ou conveniência de uma actuação
correctiva sobre as condições do processo.
312,28
312,26
0,20
amplitudes das amostras
0,18
0,16
0,14
0,12
0,10
0,08
0,06
0,04
0,02
0,00
0 2 4 6 8 10 12 14 16 18 20
amostra nº
0,08
fracção de defeituosas, p
0,07
0,06
0,05
0,04
0,03
0,02
0,01
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
amostra nº
20
18
nº de desalinhamentos
16
14
12
10
8
6
4
2
0
0 10 20 30 40 50
montagem nº
Um padrão comum a estes gráficos é a evidência da existência de variação (mas também se não
fosse assim os gráficos teriam pouco interesse e utilidade).
Existindo sempre alguma variação, então os gráficos, tal como estão, não são particularmente
úteis para a monitorização e o controle dos processos porque a sua observação não permite, regra
geral, poder decidir quando é que é ou não necessário intervir no processo, isto é, quando é que
uma dada variação observada pode ser considerada natural (e, portanto, poderá não ser ne-
cessário intervir), ou quando é que uma dada variação, por ser considerada anormal, não natural,
reclama acção correctiva.
A simples observação dos gráficos e o bom senso (sempre necessário) são no entanto insufi-
cientes para deduzir do aspecto dos gráficos se houve ou não variação das condições de produção
e evitar dois tipos de actuação errada:
interpretar uma variação como não natural e consequentemente actuar, quando de facto tal
era desnecessário e ou mesmo inconveniente;
não actuar, porque se interpretou a variação como sendo natural, quando de facto era ne-
cessário e conveniente fazê-lo.
O que faz falta é um critério objectivo que permita minimizar racionalmente a possibilidade de se
cometer qualquer um daqueles dois tipos de erro.
A ideia e a essência da fundamentação dos gráficos de controle foi formalmente introduzida por
Shewart [2], em 1931, e assenta em dois argumentos básicos, elegantemente conjugados entre si:
por um lado na diferenciação de dois tipos de causas de variação - as causas naturais ou de
acaso e, por oposição, as causas ditas assinaláveis,
por outro lado, na interpretação estatística do que pode com forte probabilidade ser apenas
fruto de causas naturais contra o que seguramente, a menos de um nível de risco controlável,
indicia a presença de outros mecanismos de variação que não os naturais.
Nas causas aleatórias ou de acaso são incluídas todas aquelas pequenas influências já referidas
que, por mecanismos de acaso, se conjugam para conferir a um resultado ou medida o valor par-
ticular que se obtém; são causas que se manterão activas mesmo que todas as condições que po-
dem afectar um resultado sejam mantidas tão constantes quanto razoavelmente possível. São
evidentemente em número muito grande e o efeito da acção isolada de cada uma delas é muito
pequeno e imperceptível.
A par destas causas de acaso, que estão sempre presentes, e da variação que induzem, podem
estar também operantes outras causas de variação, denominadas assinaláveis, que não são oca-
sionais e se tornam normalmente responsáveis por variações que, em termos relativos, são anor-
[2]
Shewart, W. A., “The Economics of Control of Quality of Manufactured Product”, D. Van Nostrand Company Inc., 1931
malmente grandes (variações que não é possível ou não é razoável atribuir apenas à acção combi-
nada das causas de acaso). O seu número é geralmente um número muito pequeno (frequente-
mente um) e o efeito da sua acção isolada é normalmente um efeito marcado e discernível, que
afecta, geralmente de forma significativa, a performance de qualidade do processo (e, conse-
quentemente, também a sua produtividade e economia).
São portanto causas cuja presença no processo produtivo interessa poder detectar para, pela sua
consequente identificação e remoção ou bloqueio, se poder conseguir uma melhoria efectiva do
processo (o esquema da figura abaixo ilustra as fases sucessivas deste processo de melhoria).
inputs outputs
processo
sistema de inspecção
(medidas ou contagens)
acção correctiva
(remoção ou bloqueio da causa) identificação da causa
Causas assinaláveis são causas que, em termos genéricos, derivam da não estabilidade das con-
dições do processo: máquinas incorrectamente afinadas, diferenças entre máquinas e entre afi-
nações, alteração das condições na sequência de uma avaria ou de uma desafinação das máquinas,
erros dos operadores e operários (ou, simplesmente, as diferenças entre eles), utilização de
matéria prima ou componentes defeituosos, diferenças entre lotes de materiais, etc. são exem-
plos comuns de causas assinaláveis. São frequentemente causas que aparecem de forma mais ou
menos súbita e que podem permanecer activas ou com efeito mais ou menos intermitente.
A separação entre os dois tipos de causas de variação não é evidentemente uma separação per-
feitamente clara e absoluta (nem definitiva!), mas a sua diferenciação é usualmente estabelecida
por referência aos três aspectos a seguir referidos:
Estabelecida esta distinção, já se percebe que o esforço de monitorização e controle dos proces-
sos é então centrado na possibilidade e na capacidade de, por via dos gráficos, se poder detectar
a presença de causas assinaláveis em acção no processo (os gráficos proporcionam a detecção e,
eventualmente, uma ou outra pista, mas as fases seguintes de identificação da causa ou causas e
da correspondente acção correctiva fazem parte dos processos de melhoria e são já do foro da
engenharia e tecnologia do processo).
É aqui que entra o segundo argumento de fundamentação dos gráficos de controle e, como seria
de esperar, é de natureza estatística: se os processos exibem uma variabilidade inerente,
natural, como resultado da múltipla interacção de numerosas causas de acaso, então os resultados
observados na ausência da acção de causas assinaláveis de variação devem comportar-se como os
obtidos por amostragem aleatória de uma distribuição estatística.
Estas duas hipóteses são frequentemente referidas pela sigla iid (independentes e identicamente
distribuídos) e, embora sejam geralmente satisfeitas, é conveniente não as esquecer.
Por resultados pode entender-se quer medidas do valor de uma qualquer característica de quali-
dade em unidades individuais de produto, quer valores de estatísticas respeitantes a amostras de
várias unidades de produto, sejam elas médias, amplitudes ou desvios padrões de amostras de
várias medidas, fracções de defeituosas, contagens do número de defeitos ou qualquer outro es-
tatístico amostral que seja adequado.
Torna-se então possível e desejável estabelecer racionalmente limites para a variação natural de
qualquer processo por forma a que flutuações para fora desses limites possam ser preferente-
mente interpretadas como indicativas da presença de causas assinaláveis, não de acaso, em acção
no processo e, consequentemente, da necessidade da sua identificação e correspondente acção
de controle. Esses limites são designados por limites de controle.
“There is no such thing as constancy in real life. There is, however, such a thing as a constant-
cause system. The results produced by a constant-cause system do vary, and in fact may vary
over a wide band or a narrow band. They vary, but they exhibit an important feature called
stability.
Why apply the terms constant and stability to a cause system that produces results that vary?
Because the same percentage of these varying results continues to fall between any given pair of
limits hour after hour, day after day, so long as the constant-cause system continues to operate.
It is the distribution of results that is constant or stable.
[3]
Deming, W. E., ‘Some principles of the Shewart Methods of Quality Control’, Mechanical Engineering, vol. 66, pp 173-
177, 1944
Se no processo actuam apenas causas de acaso, o que é estável é a distribuição dos resultados (e
não estes em si mesmos); mas se a distribuição é estável (é uma dada distribuição), então podem
definir-se limites para a variação natural (dentro dessa distribuição) e um ponto fora desses
limites é então indicativo de uma distribuição não estável e, por consequência, da presença de
outras causas de variação que não apenas as de acaso. Esta é a lógica das cartas de controle.
A prática mais habitual, consagrada por muitos anos de uso, é a de estabelecer esses limites de
variação natural a três desvios padrão do estatístico do gráfico para um e outro lado da respec-
tiva média, já que serão sempre muito poucos os pontos fora daquela banda de variação admissível
quando apenas estiverem em acção causas de acaso[4].
Definida assim a banda de variabilidade natural do estatístico que se usa para o acompanhamento
e controle do processo, deve notar-se desde já que o critério que se apontou – interpretar um
ponto fora dessa zona como sendo indicativo da presença de causa assinalável – configura de
facto a realização de um teste de hipóteses, em que a hipótese nula é a de assumir que não há
causas assinaláveis em acção no processo.
Diz-se que um processo está ‘estatisticamente sob controle’ quando a respectiva carta de con-
trole, porque não apresenta evidência da presença de causas assinaláveis de variação (pontos fora
dos limites de controle ou outros critérios a considerar mais adiante), permite presumir que só
estarão activas causas de acaso.
Mas vale a pena concretizar porque o erro é muito comum: a expressão ‘processo estatistica-
mente sob controle’ (ou, mais simplesmente, apenas processo sob controle) refere-se ao controle
das condições do processo em que a variação observada é produzida (e só daí, por arrastamento,
controle, em sentido estatístico, da variação) e significa que se pode presumir que as condições
[4]
embora o teorema de Tchebycheff garanta que, qualquer que seja a distribuição, a probabilidade de um ponto natural
fora daquela banda de variação é sempre inferior a 1/9, na prática industrial mais comum essa probabilidade é geralmente
bastante menor.
[5]
A situação é idêntica à que se passa nas audiências em tribunal. Na jurisprudência civil ocidental admite-se que o “réu
é presumido inocente até prova cabal em contrário” e é esta afirmação que está em causa durante as audiências do
julgamento. Se a evidência que se conseguir estabelecer durante a audiência fôr julgada suficiente para declarar aquela
afirmação como falsa, não verdadeira, o juíz declara o réu como culpado e condena-o na pena que a lei prevê; mas se
aquela evidência não fôr julgada suficiente, o juíz não pode declarar o réu inocente, apenas pode afirmar que não se
provou a acusação que vinha cometida ao réu. Para que a declaração de inocência pudesse ser possível, seria necessário
que a afirmação em teste durante o julgamento fosse precisamente a contrária, que é o que acontece em tribunal militar:
o réu é presumido culpado até prova cabal em contrário; se essa prova se verificar, o juíz rejeita a afirmação em juízo e
declara o réu inocente, mas se essa prova de inocência não fôr produzida, o réu, mesmo que inocente da acusação, será
condenado (e é assim para que sobre a honorabilidade de um militar não possa subsistir qualquer sombra de dúvida).
do processo estão estabilizadas, sob controle; mas são as condições do processo que estão sob
controle, e não a carta ou cartas.
Voltando agora aos gráficos apresentados anteriormente e que se repetem agora já com as linhas
médias centrais e de limites de controle sobrepostas (cujos valores são determinados a partir
dos valores das tabelas por processos simples que se abordarão mais adiante), pode verificar-se
como a interpretação dos mesmos é fácil, clara e, sobretudo, não subjectiva:
• nenhum dos processos está sob controle, em todos eles há pontos fora dos limites de contro-
le e há portanto evidência da acção de causas não de acaso;
• no primeiro caso, processo por variáveis ou medidas, como o gráfico das amplitudes não apre-
senta pontos fora dos limites de controle, a causa ou causas assinaláveis presentes aparentam
afectar apenas a média do processo (o que constitui uma pista para a identificação da causa);
médias
312,28
312,26
312,24 LSC = 312,232
312,22
312,20
312,18
LC= 312,18
312,16
312,14
312,12 LIC = 312,128
312,10
0 2 4 6 8 10 12 14 16 18 20
amplitudes
0,20
0,18 LSC = 0,1914
0,16
0,14
0,12
0,10
0,08
0,06 LC = 0,0905
0,04
0,02
LIC = 0,000
0,00
0 2 4 6 8 10 12 14 16 18 20
• no segundo caso, processo por atributos com contagem de defeituosas, além dos outros, há
dois pontos abaixo do limite inferior de controle: não obstante parecerem sugerir a presença
de causa assinalável ‘boa’ (diminuição da fracção de defeituosas), esses pontos são igualmente
interpretados como indicando processo fora de controle e presença de causa assinalável; se
esses pontos não se tiverem ficado a dever a inspecção deficiente, interessará na mesma
identificar a causa assinalável que os originou, evidentemente agora não para a remover ou
bloquear, mas para a incorporar e fixar.
0,08
0,07
fracção de defeituosas, p
0,06 LSC = 0,0562
0,05
LC = 0,0401
0,04
0,03
0
0 2 4 6 8 10 12 14 16 18 20 22 24 26
amostra nº
• no último caso, processo por atributos com contagem de um certo tipo de defeitos, há um
ponto acima do limite superior de controle, mas apenas marginalmente acima; como o número
de valores no gráfico é grande e o ponto está apenas ligeiramente acima do limite, pode ser
conveniente tentar averiguar se não se tratará de um ‘ponto’ natural.
20
LSC = 17,58
18
número de desalinhamentos
16
14
12
10 LC = 8,72
8
6
4
2
LIC = 0,00
0
0 5 10 15 20 25 30 35 40 45 50
montagem nº
Uma vez estabelecidos os fundamentos dos gráficos de controle, convirá agora referir que eles
são usados de forma semelhante em duas situações distintas, consoante a finalidade:
• em ‘análise de dados do passado’ com vista a estabelecer controle (situação em que os valores
dos parâmetros da distribuição são desconhecidos), e
Como esses valores são calculados a partir do conjunto dos valores observados, costuma dizer-se
que se deixa o processo ‘falar de si mesmo’, estabelecendo ou indicando os seus próprios limites
de variabilidade natural na sua condição presente.
Esta é a abordagem típica da fase inicial de utilização dos gráficos de controle e visa, pela suces-
siva identificação e eliminação das causas assinaláveis de variação eventualmente presentes,
estabelecer a situação de processo estatisticamente sob controle (processo em que operam ape-
nas causas de acaso).
Uma outra situação e finalidade é a que consiste em comparar os resultados obtidos numa amos-
tra contra os de uma população cujo(s) parâmetro(s) da distribuição são conhecidos.
O controle do processo é efectuado deste modo e embora aqui os limites de controle não sejam
estabelecidos pelo valor ou valores observados na amostra, a interpretação de ponto fora dos
limites de controle continua a ser a de associar a correspondente amostra com a presença activa
de causa assinalável.
1.4 - Riscos da interpretação dos gráficos e critério de fixação dos limites de controle
i) concluir-se pela presença de causa assinalável quando de facto o ponto fora dos limites de
controle ocorreu apenas por mero acaso – erro de tipo I, risco α; a consequência é a de se
embarcar num processo de procura de identificação de uma causa assinalável inexistente;
ii) não se detectar a presença de causa assinalável realmente existente porque se obteve um
ponto dentro dos limites de controle – erro de tipo II, risco β; a consequência mais imediata
é a de se perder uma oportunidade de corrigir o processo.
Os níveis de risco de errada decisão em que se incorre têm obviamente que ver, para um dado
tamanho de amostra, com o critério de fixação dos limites de controle (ou seja, a que distância
da linha central do gráfico), já que para se poder ganhar em relação a um deles tem que se
forçosamente perder em relação ao outro: quanto mais severa fôr a exigência de evidência para
rejeitar a hipótese nula – limites mais afastados e portanto menor risco α - maior será o risco β e
vice-versa (para se poder reduzir simultaneamente os dois riscos é necessário aumentar a
representatividade da amostra, ou seja, aumentar o seu tamanho).
Por seu lado, o nível de risco β - falhar a detecção de uma causa realmente existente porque o
ponto está dentro dos limites de controle – depende também da variação introduzida pela causa.
A fixação dos limites de controle deve portanto ser decidida ponderando os objectivos que se
perseguem com a utilização dos gráficos de controle e as consequências associadas àqueles dois
tipos de erro e seus níveis de risco.
O critério dos limites de controle colocados a µ±3σ (média do estatístico utilizado ± três desvios
padrão do estatístico) não é evidentemente uma regra absoluta[6], mas tão sómente uma regra
que a experiência industrial prática de muitos anos tem mostrado ser aceitável porque, para a
generalidade das situações, proporciona um adequado balanço económico entre as consequências
daqueles dois tipos de erro (com limites colocados a ±2σ acontece com demasiada frequência a
[6]
os autores ingleses, de acordo com a antiga BS (British Standard), usavam limites de controle de 1/1000 (limites em
que a probabilidade de um ponto ‘natural’ fora de um dos limites de controle é de 0,001), ou seja, um risco α de 0,002; se
a distribuição do estatístico fôr normal ou muito aproximada, para limites a ±3σ aquela probabilidade e aquele risco são
de 0,00135 e 0,0027 e portanto equivalentes; as maiores diferenças entre os dois critérios de fixação dos limites
verificam-se quando a distribuição do estatístico é muito assimétrica.
procura de causas assinaláveis inexistentes, com limites a ±4σ perde-se demasiadas vezes a
indicação da presença real de causa assinalável).
Contudo, há casos em que pode ser vantajoso e justificável usar outros limites, como por exem-
plo:
• limites colocados a ±2σ, quando há um interesse premente em identificar a presença de cau-
sas assinaláveis e o despiste de falsos avisos de variação (que serão naturalmente mais fre-
quentes) não fôr difícil nem dispendioso;
• limites colocados a ±4σ, quando o custo associado às consequências de falsos avisos de varia-
ção fôr muito alto e as pequenas variações na média do processo não forem muito importantes
(claro que a capacidade de detecção de variações é obviamente menor).
Qualquer gráfico de controle usado para controlar um processo a um dado nível médio do
estatístico utilizado tem associada uma curva característica de operação, OC , que mais não é que
a curva de potência do teste de hipóteses subjacente.
O seu interesse é evidente: permite estimar o risco de, tendo havido uma variação no nível médio
do processo, não se detectar essa variação na primeira amostra subsequente à variação.
1 1,0
0,8 0,8
0,6 0,6
risco β
risco
n=4
0,4 n=9 0,4
n=100
0,2 0,2 n=200
0 0,0
µ µ+σ µ+2σ µ+3σ 2p' 4p' 6p' 8p'
média do processo média de defeituosas do processo
[7]
trata-se de facto de uma probabilidade condicional: se o nível real do estatístico fôr x, então a probabilidade de ser
originado um ponto dentro dos limites de controle será y.
Como os valores do critério do teste para rejeitar ou não a hipótese nula são calculados a partir
dos valores das próprias amostras (e não fixados independentemente desses valores), a curva OC
deste teste é conceptualmente diferente da do teste usado para controle do processo, é uma
função complicada e requer muito cuidado na especificação das condições em que é aplicável.
O modo como se constituem as amostras de unidades de produto de cuja inspecção, por medidas
ou por atributos, resultarão os valores para os gráficos é não só importante (por vezes é mesmo
crucial para a correcta interpretação do que os gráficos mostram), como depende também do que
se pretende conseguir com o uso dos gráficos.
É claro que a base natural para constituir as amostras é a do tempo ou ordem de produção; adi-
cionalmente, e em virtude dos pressupostos com que os gráficos são elaborados e interpretados,
as amostras devem também ser estatisticamente independentes e representativas. O que esta
representatividade significa depende da finalidade de uso dos gráficos.
Por outras palavras, o que se pretende é que os sub-grupos amostrados sejam constituídos por
forma a que, tanto quanto possível, a variação dentro do sub-grupo possa ser devida apenas a
causas de acaso para que a eventual presença de causas assinaláveis se torne manifesta pela
diferença entre sub-grupos (amostras) mais do que pela diferença entre as unidades individuais
[8]
[1 - (1-0,0027)20 ] ≈ 0,053
i) a ideia do teste estatístico das cartas é de facto a de procurar averiguar em que medida a
variação entre amostras pode ou não ser estatisticamente explicada como um mero reflexo
da variação natural do processo estimada pela variação dentro das amostras e daí a preocu-
pação de tentar evitar o mais possível que dentro das amostras entrem outras fontes de
variação que não as de acaso; quando o teste permite rejeitar a hipótese de que a variação
constatada entre amostras possa ser apenas um reflexo da variabilidade natural do processo,
isso significa que há outras causas de variação que não as de acaso e o processo é declarado
fora de controle;
ii) por outro lado, a constituição dos sub-grupos está também directamente ligada à determina-
ção dos limites de controle dos gráficos: por exemplo, no caso dos gráficos de médias e am-
plitudes (gráficos de controle por variáveis), os limites de controle das médias das amostras
são calculados com base na amplitude média observada dentro das amostras[9], sendo o
processo declarado fora de controle precisamente quando a variação entre as amostras ex-
cede o que previsivelmente se poderia esperar dada a variação observada dentro das
amostras.
A forma prática de procurar minimizar a probabilidade de uma eventual causa assinalável poder
ocorrer dentro de uma amostra é obviamente a de fazer constituir a amostra por unidades de
produto consecutivas (isto é, produzidas seguidas).
Quer se trate da situação de análise de dados do passado quer da de controle do processo, esta é
a forma correcta de agrupar as unidades em amostras; porém, como os objectivos imediatos des-
sas duas fases são diferentes, a forma de organizar a recolha das amostras também deve ser
diferente.
É fácil de compreender e admitir que um processo produtivo (ou operação repetitiva) não deva
ser pressuposto e declarado em controle enquanto o padrão de comportamente puramente
aleatório não tiver persistido durante um período de tempo e uma quantidade produzida razoá-
veis. Shewart enfatizava este ponto afirmando que o estado de controle só pode ser aproximado
como limite, depois de detectadas e removidas as causas assinaláveis de variação, e só deve ser
ajuizado e declarado como tal depois de obtida uma sequência de não menos que 100 unidades
amostradas sob condições de produção presumidas como essencialmente estabilizadas,.
[9]
limites de controle das médias = X ± A2 R onde A2 é uma constante tabelada
amostra
ordem de produção
amostra
ordem de produção
Existe um tipo de cartas de controle da média de um processo por medidas, cujo aspecto é em
tudo semelhante ao das cartas standard, mas cuja finalidade e modo de elaboração são diferen-
tes: são as cartas de controle para aceitação, cuja fundamentação e estudo serão introduzidos
mais adiante, no momento apropriado.
Como a própria designação sugere, essas cartas destinam-se a poder verificar e proporcionar a
aceitação de conformidade com as especificações de todas as unidades produzidas num dado in-
tervalo de produção, pelo que é necessário que a amostra seja então representativa de toda a
produção realizada nesse intervalo de produção; as amostras devem portanto ser constituídas
recolhendo as unidades de forma aleatória dentro do intervalo (veja o esquema da figura).
intervalo de amostragem
ordem de produção
É necessário ter algum cuidado adicional na interpretação dos gráficos com este tipo de forma-
ção das amostras: se, por exemplo, a média do processo oscilar dentro dos intervalos de
amostragem, isso poderá dar origem a amplitudes dentro da amostra relativamente grandes e,
consequentemente, a limites de controle mais alargados na carta das médias e eventual inexis-
tência de pontos fora dos limites (é por isso que é frequentemente possível fazer um qualquer
processo parecer estar em controle simplesmente alargando os intervalos de recolha das
amostras).
Como já se pode apreciar, para que as cartas possam proporcionar os resultados pretendidos, não
basta conhecer a mecânica dos cálculos das cartas, é também necessário prestar atenção ao
modo como são constituídas e recolhidas as amostras.
Para além de todas as outras questões pertinentes e importantes - quem é que recolhe e inspec-
ciona as amostras, como é que são registados e guardados os valores (em impressos próprios a
criar e ou em registos informáticos, em ambos os casos com que campos específicos), quem é que
procede à análise e actualização dos valores e quem é que está autorizado a tomar as contramedi-
das previstas de correcção, etc. - a especificação das cartas para o controle de um processo
implica que se decida previamente sobre três aspectos interligados: os limites de controle a usar,
o tamanho das amostras e a frequência ou intervalo de amostragem. Porém, antes de abordar
esses tópicos, convém referir como se processa o uso das cartas.
Na fase inicial de uso dos gráficos de controle, a análise do conjunto dos resultados obtidos na
inspecção de um número suficiente de amostras e das linhas marcadas nos gráficos permite
concluir se o processo está ou não em controle estatístico; se não houver evidência para rejeitar
a estabilidade estatística do conjunto dos resultados, a continuação de utilização dos gráficos é
assegurada prolongando simplesmente as linhas central e de limites dos mesmos, já que isso é
equivalente a usar o valor ou valores estimados dos parâmetros da distribuição para, em situação
de controle do processo, estabelecer as linhas central e de limites dos gráficos.
A situação pode no entanto ser diferente no caso, que é o mais frequente no começo de aplicação
dos gráficos, do conjunto dos resultados observados proporcionar evidência da sua não homoge-
neidade, da inexistência de estabilidade (no sentido estatístico); nesta situação, procura-se evi-
dentemente identificar a causa ou causas assinaláveis a que se possa atribuir a responsabilidade
dos pontos fora dos limites de controle (o fito nesta fase é sempre o de se conseguir a situação
de controle do processo), mas pode levantar-se a questão de recalcular os valores das linhas cen-
tral e de limites de controle eliminando dos cálculos as amostras correspondentes áqueles pontos.
Um ponto fora dos limites de controle só deve ser eliminado dos cálculos se forem satisfeitas
duas condições: a causa correspondente foi identificada e, tendo-o sido, foi removida ou elimi-
nada. Se a causa não foi identificada ou, tendo-o sido, não foi removida (nada foi feito para a re-
mover), então os pontos fora dos limites de controle são tão representativos do processo como
quaisquer outros e devem ser retidos nos cálculos.
É evidente que ter que trabalhar com um processo que não está sob controle não é seguro, não é
confortável, nem desejável (os autores de lingua inglesa comparam essa situação à de patinar so-
bre gelo fino), mas isso de forma nenhuma justifica a prática de refazer os cálculos da linha cen-
tral e de limites de controle eliminando os pontos fora dos limites de controle para obter a situa-
ção de não existirem tais pontos. É óbvio que a simples alteração das linhas nos gráficos em nada
modifica o processo, este continuará a ser exactamente o mesmo enquanto não fôr introduzida
alguma alteração que remova aquelas causas não de acaso.
Uma vez obtida a situação de controle estatístico, passar-se-á à prática do controle com inspec-
ção de amostras do processo a intervalos regulares. Nessa situação, e tendo em vista manter os
Um tamanho de amostra n maior dá origem a limites de controle mais próximos da linha central,
uma vez que o desvio padrão do estatístico usado nos gráficos varia sempre inversamente com n;
o efeito destes limites mais apertados é o de tornar as curvas características de operação (OC)
mais abruptas e portanto reduzir o risco de não ser detectada uma variação das condições do
processo que afectem a média do estatístico (ver figuras).
É claro que amostras grandes a intervalos curtos é o esquema que conferiria melhor protecção e
melhor controle das variações indesejáveis das condições do processo, mas é também o esquema
que acarreta um aumento frequentemente injustificado, ou mesmo incomportável, dos custos de
inspecção (além disso, o mesmo problema voltar-se-ia provavelmente a pôr, embora a outro nível
de protecção e custos).
A solução óptima ou simplesmente apropriada desta questão é de natureza económica, não é fácil
de estabelecer analiticamente e requeriria a quantificação ou estimativa dos custos associados ao
despiste de falsos alarmes de variação, dos custos de não detecção de variações na média, dos
custos de inspecção, das probabilidades à priori de ocorrência de certas variações, etc..
A este respeito, e nesta fase de introdução às cartas de controle, apenas é possível indicar
algumas conclusões de validade mais ou menos geral:
i) o tamanho da amostra n depende essencialmente do tamanho da variação para a qual se pre-
tende um pequeno risco de poder passar despercebida, não detectada: com todos os outros
factores invariantes, quanto menor fôr o tamanho da variação que se pretende detectar
maior deverá ser o tamanho da amostra;
ii) a frequência de amostragem depende essencialmente da perda associada à situação de pro-
cesso fora de controle: do mesmo modo que em i), quanto maior fôr a perda, maior deverá
ser a frequência de amostragem do processo;
iii) o factor de distância entre a linha central e as linhas de limites de controle, kσ, tem
essencialmente que vêr com os custos associados ao despiste de falsos alarmes de variação e
os custos de identificação e remoção de causas não de acaso: para um mesmo valor da perda
referida em ii), quanto maiores forem estes custos, maior tenderá a ser k.
Importa referir agora algumas extensões ao critério dos limites de controle para declarar um
processo fora de controle.
A essência dos gráficos de controle repousa, como já se referiu, na ligação que se estabelece en-
tre a aleatoriedade de comportamento dos estatísticos amostrais e a não existência de outras
causas de variação que as de acaso (se o comportamento é aleatório, então não há motivo para se
presumir da existência de causas assinaláveis em acção); a um ponto fora dos limites de controle
é assim atribuído o significado de ser evidência suficiente para, a um dado nível de risco, se pre-
sumir da não aleatoriedade dos valores observados e portanto da existência de causas assi-
naláveis.
Não é assim de admirar que, com o mesmo tipo de fundamento argumentativo, tenham sido adi-
cionalmente introduzidas outras formas de, ao mesmo nível de risco, se poder contestar a pre-
sumível aleatoriedade de comportamento e portanto inferir da presença de causa assinalável.
i) a juntar ao uso dos limites de controle ordinários colocados a ±3σ, então designados como
limites de acção (‘action limits’), alguns autores advogam o uso adicional de limites de aviso
(‘warning limits’), colocados a ±2σ (ou limites de 2,5% de probabilidade na norma inglesa); o
critério é então o de ‘caindo’ um ponto na banda entre os limites de aviso (ou muito perto) e
os limites de acção, colher de imediato nova amostra para comparar os resultados combina-
dos das duas amostras com os limites referentes à amostra de tamanho alargado (na prática,
isto é equivalente a dois pontos naquela banda ser interpretado como sinal de variação não
ocasional, assinalável, na média do processo);
[a lógica deste critério adicional é simples: a probabilidade de que, sem ter havido variação
na média, ocorram 2 pontos consecutivos naquela banda é de 2 x 0,02282 ≈ 0,001 , ou seja,
bem abaixo do valor (0,0027) do risco α associado aos limites 3σ e portanto …];
O caso mais simples é o das sequências de um mesmo lado da linha central do gráfico e, como
seria de esperar, o argumento é também muito simples e do mesmo tipo: se a distribuição do
estatístico fôr simétrica, então a probabilidade de por puro acaso se observar uma sequência
de k valores de um qualquer dos dois lados da média é de 2×(1/2)k = (1/2)k-1.
Segue-se então que a constatação de uma sequência de 8 ou 9 pontos do mesmo lado da linha
central, tendo um nível de probabilidade semelhante ao do risco α associado aos limites de
controle 3σ, deve portanto ser preferentemente interpretada como sendo não ocasional, ou
seja, como sinal da presença de causa assinalável.
[se a distribuição fôr assimétrica em relação à média pode-se ainda usar o mesmo critério
fazendo intervir as probabilidades diferentes para cada um dos dois lados da linha central
ou, alternativamente, desenvolver o mesmo critério relativamente à mediana dos valores
observados].
É claro que existem outros critérios e testes para pôr em causa o carácter de acaso dos valores
observados (número de alternâncias para um e outro lado da linha central, número de inversões
do sentido ascendente ou descendente dos pontos, etc.); mas é necessário ter também a cons-
ciência e a noção clara de que quantos mais critérios forem usados, muito embora se melhore o
risco β, maior será também o risco α, mais difícil será o estudo e interpretação dos gráficos e …
mais difícil se tornará que um qualquer conjunto de valores, de facto gerados aleatoriamente de
uma única distribuição de probabilidade, possa resistir aos testes de aleatoriedade.
Aconselha-se portanto uma certa frugalidade no uso destes critérios (sobretudo na fase de
análise de dados do passado), pois de outro modo é bem provável que o excesso de critérios se
torne perfeitamente contraproducente.
O facto de se ter um processo sob controle não garante que se esteja a produzir de acordo com
as especificações de qualidade – o processo pode estar sob controle e estar a produzir mais ou
menos unidades individuais não conformes com as especificações (caso de inspecção por medidas)
ou estar a produzir a um nível de não conformes ou número de defeitos maior ou menor que o
definido como meta para a qualidade de conformidade (caso de inspecção por atributos). Uma
coisa nada tem, em princípio, que vêr com a outra: o controle do processo releva para o
comportamento estável ou não das condições do processo (seguido pelo comportamento das
amostras), as especificações relevam para as unidades individuais.
Porém, o requisito de processo sob controle é obviamente uma condição necessária, embora não
suficiente, para se poder proporcionar algum tipo de garantia sobre a conformidade da qualidade
do que se produz, já que só nessas condições é teoricamente possível predizer estatisticamente
algo sobre o conjunto das unidades individuais produzidas.
São muitas as vantagens que estão associadas a conseguir-se o estado de controle do processo.
Mencionam-se de seguida algumas das mais evidentes:
i) um processo sob controle está, pelo menos, aparentemente isento de fontes de variação que
mereçam a tentativa da sua identificação e por conseguinte mostra o que se pode esperar
dele: se o que mostra não serve ou não é suficiente, então também se sabe ser necessária al-
guma alteração fundamental do processo (‘mexer’ simplesmente com a respectiva média,
aquilo que nos textos de lingua inglesa é designado por ‘tampering’, não conduzirá a nada);
ii) trazer um processo à condição de estatisticamente sob controle envolve geralmente a
identificação e remoção de causas de variação indesejáveis e, possivelmente, também a fixa-
ção ou inclusão de algumas ‘boas’ (como melhores métodos e materiais), o que permite tam-
bém por essa via uma efectiva melhoria de qualidade;
iii) a condição de estatisticamente sob controle torna um processo predizível – sabe-se o que
poderá produzir – e, como tal, permite não só garantir mais confiadamente o produto, como
também promover uma via segura para redução de custos;
iv) se um gráfico de controle dos resultados de medidas ou testes laboratoriais sobre material
essencialmente uniforme demonstra ausência de controle, então os resultados das medidas
ou dos testes tornam-se necessariamente suspeitos, já que a falta de controle significa que
as condições de medida ou laboratoriais não estão satisfatoriamente standardizadas; ao in-
vés, a ‘evidência’ de controle permite justificadamente assumir homogeneidade das condições