DIAGNÓSTICO

DA QUALIDADE
Mariana Bonome de Souza

E-book 4
Neste E-Book:
Introdução���������������������������������������������������� 3
Conceitos relevantes para a
compreensão do cep�������������������������������� 5
CEP e gráficos de controle��������������������� 8
Gráficos de controle para variáveis��������������������� 12
Gráficos de controle para atributos��������������������� 16
Pontos de atenção sobre os gráficos de
controle������������������������������������������������������������������ 19

Boas práticas para aplicar o cep

na composição de diagnósticos da
qualidade���������������������������������������������������� 22
CEP, indicadores, ferramentas e técnicas da
qualidade��������������������������������������������������������������� 23
Como planejar a aplicação do CEP��������������������� 24
Pontos de atenção na aplicação do CEP������������ 28

Conclusão����������������������������������������������������31
Síntese��������������������������������������������������������� 32

2
INTRODUÇÃO
Olá, estudante!

Depois de apresentar e analisar modelos, ferramen-

tas e técnicas para apurar o estado da qualidade
em uma organização, bem como verificar o papel
dos indicadores de desempenho no processo de
diagnóstico, chegou o momento de conhecer outro
recurso para a produção de diagnósticos da quali-
dade confiáveis e relevantes.

No cotidiano organizacional, é frequente nos depa-

rarmos com dúvidas do tipo: Por que o processo não
funciona como deveria? Que frequência e intensidade
de desperdícios são gerados por um processo? Quais
são os motivos pelos quais as falhas acontecem? É
possível tornar um processo previsível e controlado?
Neste módulo, vamos nos familiarizar com uma im-
portante ferramenta aplicada para responder tais
questionamentos, que permite realizar comparações
entre resultados de desempenho de um processo:
Controle Estatístico de Processo (CEP).

O CEP permite a comparação de desempenho de

processos a partir de seu histórico; conta com coleta
planejada de dados e comparações de resultados
frente a metas e/ou padrões estabelecidos por leis,
normas ou pelo mercado em que a organização atua.

Para facilitar a compreensão do CEP, serão revisita-

dos conceitos como variabilidade, tolerância, causas

3
comuns e causas especiais. Também serão aborda-
dos os diferentes gráficos de controle que permitem
visualizar se o processo está ou não sob controle
estatístico. Por fim, serão feitas recomendações re-
lacionadas à sua aplicação prática, bem como às
possíveis aplicações simultâneas com outras fer-
ramentas e técnicas da qualidade abordadas nos
módulos anteriores.

Vamos começar!

4
CONCEITOS RELEVANTES
PARA A COMPREENSÃO
DO CEP
Como visto no primeiro módulo, os processos pro-
dutivos ou de prestação de serviços podem sofrer
modificações a cada vez que forem executados, se-
jam elas pouco ou muito relevantes para a qualidade
dos resultados de tais processos. A esta caracterís-
tica de variação, atribui-se o nome de variabilidade
(CAVALCANTI, 2017; PALADINI, 2011).

Toda variabilidade requer acompanhamento para

compreender se sua ocorrência é ou não uma fonte
de problemas. Quando a variação de um processo,
produto ou serviço é aceitável, diz-se que está den-
tro da tolerância aceita ou esperada (ANDREOLI e
BASTOS, 2017; CARPINETTI, 2016). Um exemplo
cotidiano sobre tolerância é encontrado em casos de
compromissos agendados, os quais podem aceitar
atrasos de alguns minutos em seu horário de início,
ou que não aceitam qualquer modificação e iniciam
dentro do horário previamente acordado.

A partir do momento que um processo, produto ou

serviço apresenta variações fora das tolerâncias
aceitáveis, tem-se um desvio ou problema. Nestas
situações, é preciso compreender as causas gera-
doras desse comportamento, o que pode ser feito
com o amparo de ferramentas e técnicas abordadas
nos módulos anteriores.

5
É importante salientar que a variabilidade ocorre de-
vido a diferentes tipos de causa. Quando as causas
estão relacionadas a fatos já conhecidos entre os en-
volvidos, tem-se a incidência das chamadas causas
comuns ou causas crônicas. Por sua vez, quando as
causas são inéditas ou inesperadas, pode-se afirmar
que elas são causas especiais ou causas esporádi-
cas (ANDREOLI e BASTOS, 2017; CARPINETTI, 2016;
PALADINI, 2011).

O Quadro 1 compara as principais características

das causas da variabilidade de processos, produtos
ou serviços.

Causas comuns ou Causas especiais ou espo-

crônicas
São conhecidas, previ-
síveis, parte do dia a dia
da organização.
Têm origem em pro-
cessos estáveis ou
previsíveis.
Sinalizam que o proces-
so está sob controle
estatístico.
Demandam a realização
de ações de melhoria
para controlar e reduzir a
variabilidade.
rádicas
São inesperadas, imprevisí-
veis, relacionadas a circuns-
tâncias fora do controle da
organização.
Em um primeiro momento, não
é possível saber o tamanho
nem o impacto da variação.
Sinalizam que o processo está
sem controle estatístico.
Demandam a realização de
ações corretivas, para que o
processo volte a ter condições
de ter sua variabilidade sob
controle.

Quadro 1: Comparativo entre características das causas de variabili-

dade. Fonte: Adaptado de Andreoli e Bastos (2017) e Paladini (2011).

6
Para auxiliar a compreensão destes conceitos, ouça
Percebendo na prática as diferenças entre causas
comuns e especiais.

Podcast 1

Como se pode observar, ter clareza sobre o tipo de cau-

sa com que se está lidando é decisivo para o sucesso
de um diagnóstico da qualidade, bem como para que
se adote o tratamento adequado à situação. Tal clareza
pode ser obtida a partir da confecção e análise dos
gráficos de controle, tema do próximo tópico.

7
CEP E GRÁFICOS DE
CONTROLE
O CEP é utilizado “para medir o nível da qualidade
de determinado produto, atividade ou processo, per-
mitindo que seja comparado com um padrão previa-
mente estabelecido” (ANDREOLI; BASTOS, 2017, p.
56). Seu objetivo é oferecer chances de agir preven-
tiva ou corretivamente diante de problemas apre-
sentados pela variabilidade estatística daquilo que
se mede, de forma rápida, tratando as causas dos
desvios com vistas a reduzir e a controlar ao máximo
a variação (CAVALCANTI, 2017).

Como visto no Módulo 1, nas primeiras décadas do

século 20, o engenheiro Walter A. Shewhart desen-
volveu o ciclo PDCA, apoiando-se na Estatística para
elaborar soluções capazes de ilustrar o desempenho
de um processo, denominado cartas ou gráficos de
controle. Shewhart foi um dos primeiros estudiosos a
compreender a variabilidade como inevitável e natu-
ral dos processos produtivos (ANDREOLI e BASTOS,
2017; CHIROLI, 2016; PALADINI, 2011).

Considerando sua posição quanto à variabilidade e

seus conhecimentos estatísticos, Shewhart visuali-
zou que todo processo produtivo detém uma faixa
de variação aceitável, dentro da qual os resultados
podem flutuar. Resultados nessa faixa constituem
as já abordadas causas comuns de variação de um
processo; caso venham a se deslocar para fora da

8
referida faixa, pode-se afirmar que o processo está
sofrendo causas especiais de variação. Por esse
motivo, o CEP “consiste em separar as causas de
variações de processos, determinando quando as
variações do processo se devem a causas aleató-
rias e quando decorrem de causas identificáveis”
(PALADINI, 2011, p. 56).

A fim de distinguir os tipos de causa, é preciso estudar

qual é a capability (em português, pode-se traduzir pelo
neologismo “capabilidade”) de um processo, ou seja,
como seria seu funcionamento normal, livre de causas
aleatórias que influenciem os resultados. Isso só é
possível estudando objetivamente as variações de um
processo, como e com que frequência elas acontecem
(PYZDEK e KELLER, 2013; PALADINI, 2011).

Ao estudar a capability, é possível saber os seguintes

aspectos de um processo:
• Sua média, a qual indica sua tendência central.
• Seus limites inferiores e superiores de controle,
indicando qual a variação aceitável de resultados.
• Se seus resultados seguem padrões.
• Sua real capacidade de atender às especificações
ou os chamados característicos da qualidade que
deve cumprir. Exemplos: peso, altura, cor, largura,
sabor, espessura, pressão, temperatura etc.

Os resultados do estudo de capability são apresenta-

dos a partir de pontos no gráfico de controle, seguin-
do a estrutura apresentada na Figura 1. A disposição
destes pontos e sua tendência são o que indicarão se

9
o processo está ou não estatisticamente sob controle
(PYZDEK e KELLER, 2013; PALADINI, 2011).

SAIBA MAIS
Analisar a capability de um processo pressupõe
a análise estatística dos dados coletados, que
pode ser feita manualmente ou com o amparo de
planilhas eletrônicas. Em ambos os casos, fórmu-
las estatísticas são necessárias para conduzir tal
análise. Elas podem ser encontradas nas obras
de Carpinetti (2016), Pyzdek e Keller (2013), Pa-
ladini (2011) e Montgomery (2008), indicadas ao
final deste módulo.

A Figura 1 apresenta os principais elementos de um

gráfico de controle.

Linha Superior Controle

Linha Central

Linha Inferior de Controle

Subgrupos racionais ou Amostras

Figura 1: Modelo de gráfico de controle. Fonte: Adaptada de Paladini
(2011).

10
Subgrupos racionais é uma denominação dada às
amostras de dois ou mais itens coletados dentro de
um intervalo de tempo sequencial e preestabelecido
(CARPINETTI, 2016).

FIQUE ATENTO
Além dos limites superior e inferior de controle,
existem também os limites superior e inferior de es-
pecificação. Os limites de especificação estão rela-
cionados a requisitos, regras, normas e leis que o
processo, produto ou serviço deve atingir. Ultrapas-
sar tais limites implica o não atendimento do clien-
te, de uma norma ou de um requisito legal. Logo,
deve-se atentar para que os limites de controle não
excedam os limites de especificação (CARPINETTI,
2016; PALADINI, 2011; MONTGOMERY, 2008).

Existem dois grandes tipos de característico da

qualidade a serem observados através de gráficos
de controle: as variáveis e os atributos. Estas duas
classificações demandam a aplicação de diferentes
tipos de gráfico, como indicam os próximos tópicos.

Gráficos de controle para

variáveis
Quando os característicos de qualidade de um pro-
cesso são mensurados a partir de números expres-
sos em escalas contínuas, que seguem uma distribui-
ção normal, afirma-se estar diante de dados do tipo
variável. São considerados exemplos de variáveis:

11
peso, altura, temperatura, diâmetro, espessura etc.
(CARPINETTI, 2016; PALADINI, 2011).
Os gráficos de controle para variáveis têm estrutura
semelhante ao que é exibido na Figura 1 e incluem
os elementos ressaltados pela Figura 2.

Zona 2
LSC
Zona 1
LC
Zona 1
LIC
Zona 2

Subgrupos racionais ou Amostras

Legenda:
LIC: limite inferior de controle
LC: linha central
LSC: limite superior de controle
x: média
Zona 1: faixa de normalidade
Zona 2: faixa de anormalidade
Figura 2: Elementos do gráfico de controle. Fonte: Adaptada de
Carpinetti (2016) e Paladini (2011).

No eixo das abscissas (horizontal), são plotadas as

amostras únicas ou os subgrupos racionais, necessá-
rios à boa parte dos gráficos de controle para variáveis.
As coletas de amostras únicas ou de subgrupos racio-
nais devem ocorrer de forma planejada e cronológica,
reproduzindo a ordem em que cada dado foi obtido.

12
A linha central e os limites superior e inferior de con-
trole são traçados considerando o assunto do eixo
das ordenadas (vertical), que pode retratar uma mé-
dia, amplitude, desvio padrão, entre outras opções.
Em todos os casos, os valores são calculados a partir
dos subgrupos racionais coletados (CARPINETTI,
2016; PALADINI, 2011).

Quando gráficos de controle para variáveis apresentam

um ou mais resultados na Zona 2, considera-se que o
processo está fora de controle estatístico e que tenha
ocorrido ao menos uma causa especial para tal resul-
tado. Por outro lado, quando os resultados estão situa-
dos na Zona 1, isso tende a ser um indicativo de que o
processo está sob controle (PALADINI, 2011). A Figura
3 traz um exemplo de gráfico de controle para variáveis.

56,39
LSC

53,96
LC

51,52
LIC

1 2 3 4 Subgrupos
racionais

Legenda:
LIC: limite inferior de controle
LC: linha central
LSC: limite superior de controle
x: média

Figura 3: Exemplo de um gráfico de controle do tipo , para variáveis.

Fonte: Adaptada de Paladini (2011).

13
A interpretação dos resultados de um gráfico de con-
trole para variáveis depende do tipo de gráfico que
está sendo usado. Além disso, tal análise pode reque-
rer uso paralelo de dois gráficos. Segundo Paladini
(2011) e Montgomery (2008), os principais tipos de
gráficos de controle para variáveis são:
Gráficos de “média e amplitude”
(X&R – lê-se “x barra r”)

demonstram a evolução das médias (X) e

das amplitudes (R) de subgrupos racionais
com tamanho entre dois e nove dados.
Devem ser analisados em conjunto.

Gráficos de “média e desvio padrão”

(X&S – lê-se “x barra s”)

demonstram a evolução das médias (X) e

dos desvios padrão (S) de subgrupos
racionais contendo dez ou mais dados.
Também devem ser analisados em
conjunto.

Gráfico de “valor individual”

(ImR – lê-se “i m r”)

aplicável apenas para amostras que

contenham um único dado; este gráfico
reporta apenas o valor individual estudado
e sua amplitude móvel ao longo do tempo.
Deve ser usado quando a amostra não for
influenciada por fatores de sazonalidade.

Gráfico de média móvels

aplicável apenas a amostras de um único

dado acompanhado ao longo do tempo,
porém deve ser utilizado em situações em
que há influência de fatores de
sazonalidade.

Figura 4: Principais gráficos de controle para variáveis. Fonte:

Elaboração Própria.

14
Após a confecção dos gráficos, deve ser feita a busca
por padrões indicativos de que o processo está fora
de controle estatístico. Esses padrões são variados,
porém encontrados com mais frequência:

1 ponto indo além de 3 desvios padrão a partir

da linha central;

7 pontos consecutivos no mesmo lado da li-

nha central;

6 pontos consecutivos, todos aumentando

ou diminuindo;

14 pontos consecutivos, alternando acima e

abaixo;

2 de 3 pontos consecutivos indo além de 2

desvios padrão a partir da linha média central
(do mesmo lado);

4 de 5 pontos consecutivos indo além de 1

desvio padrão a partir da linha central (do
mesmo lado);

15 pontos consecutivos dentro de 1 desvio pa-

drão da linha média central (em qualquer lado);

8 pontos consecutivos maiores que 1 desvio

padrão a partir da linha média central (em
qualquer lado) (MONTGOMERY, 2008, p. 342).

15
Gráficos de controle para
atributos
Os característicos da qualidade do tipo atributo “não
são medidos, apenas rotulados” (PALADINI, 2011, p.
68). Isto quer dizer que atributos assumem apenas
valores discretos, não podendo ser medidos em esca-
la contínua e, portanto, seguem uma distribuição de
Poisson ou Binomial. Dentre os possíveis exemplos
de atributos, podem ser citadas as contagens de
defeitos em um ou mais produtos; a aprovação ou
a reprovação de serviços; a conformidade ou a não
conformidade de produtos ou serviços (CARPINETTI,
2016; PALADINI, 2011).

A estrutura dos gráficos de controle para atributos

é similar à apresentada na Figura 2, contando com
linha central e limites de controle superior e inferior.
Os subgrupos racionais devem ser obtidos de forma
planejada e em ordem cronológica, ou seja, deman-
dam os mesmos cuidados aplicados na elaboração
de gráficos para variáveis.

Diferentemente dos gráficos para variáveis, os gráfi-

cos de controle para atributos reúnem os dados dos
subgrupos racionais em um único gráfico. Os princi-
pais tipos de gráfico para atributos são (PALADINI,
2011; MONTGOMERY, 2008):
• Gráfico np: apresenta a quantidade de produtos
defeituosos, ou seja, não conformes dentro de amos-
tras que tenham o mesmo tamanho.

16
• Gráfico p: reporta a proporção de itens defeitu-
osos, ou seja, compara a quantidade de produtos
defeituosos em uma amostra e o total de itens dessa
mesma amostra. Importante: neste caso, o tamanho
da amostra pode variar.
• Gráfico c: apresenta o número de defeitos encon-
trados na amostra, considerando uma amostra de
tamanho constante.
• Gráfico u: relata o total de defeitos encontrados
por unidade, em uma amostra de tamanho variável.

FIQUE ATENTO
A princípio, “defeituoso” e “defeito” parecem ser
sinônimos. Contudo, sob a ótica dos diagnósti-
cos da qualidade, eles devem ser aplicados de
formas distintas.

Quando um produto, serviço ou processo não

atende a uma ou mais especificações estabele-
cidas, é considerado “defeituoso”. Cada um dos
desvios em relação às especificações feitas é
denominado “defeito”. Por exemplo, um produto
não conforme é um produto defeituoso. Se esse
produto apresenta três desvios em relação às
suas regras de fabricação, afirma-se que ele con-
tém três defeitos.

Um exemplo de gráfico de controle para atributos

pode ser observado na Figura 5.

17
p0,0891

LSC
0,0484

LC
0,0077

LIC

1 2 3 4 5 6 7 8 9 10
Amostras

Figura 5: Exemplo de gráfico de controle do tipo p, para atributos.

Fonte: Paladini (2011, p. 76).

A interpretação dos resultados de um gráfico para

atributos varia caso a caso, pois requer que se con-
siderem regras, normas ou especificações a serem
seguidas pelo produto, serviço ou processo em aná-
lise (PALADINI, 2011; MONTGOMERY, 2008).

Pontos de atenção sobre os

gráficos de controle
As sutilezas inerentes aos gráficos de controle são
diversas e merecem observação cuidadosa. Por es-
tes motivos, é importante analisar o comparativo
do Quadro 2.

18
Gráficos para atributos
Permitem uma avaliação global
do processo.
Sua avaliação produz informa-
ções gerais.
Não avaliam a intensidade de
defeitos, apenas sua ocorrência.
Não medem quantitativamente
característicos de qualidade.
Proporcionam uma base subjeti-
va para decisões (a existência ou
não de defeitos).
Avaliam defeitos a partir de per-
cepções e opiniões.
Contam com escalas discretas,
quase sempre binomiais, próprias
de processos de classificação.
Trabalham com distribuições
estatísticas discretas.
O característico recebe um rótulo,
em geral, um adjetivo, para identi-
ficar seu nível de qualidade.
É um modelo tipicamente utili-
zado para associar produtos a
classes ou a grupos.
Podem ser usados instrumentos
(como calibradores) perfeitamen-
te aferidos. Todavia, o resultado
da inspeção não cria uma medida
para os característicos, apenas
uma classificação (passa/não
passa, por exemplo).
Requerem menos cálculos.
Gráficos para variáveis
Concentram-se em características
especificas do processo.
Sua avaliação produz informações
mais detalhadas.
Avaliam a intensidade de defeitos.
Mensuram característicos de quali-
dade quantitativamente.
Proporcionam bases objetivas para
decisões (medem ocorrências efeti-
vamente observadas).
Avaliam defeitos a partir de testes
desenvolvidos com base em equipa-
mentos e aplicativos.
Contam com escalas contínuas, pró-
prias dos sistemas de numeração.
Trabalham com distribuições esta-
tísticas contínuas.
O característico recebe um número
que identifica o valor exato de seu
nível da qualidade.
É um modelo tipicamente utilizado
para individualizar produtos e alguns
de seus principais característicos.
Sempre são usados instrumentos
(como medidores de pressão),
perfeitamente aferidos.
O resultado da inspeção cria uma
medida exata para cada caracte-
rístico (o diâmetro é 6,56 cm, por
exemplo).
Exigem cálculos mais demorados.
19
 Gráficos para atributos Gráficos para variáveis

São mais usados devido à sua São aplicados apenas em itens ou

facilidade. pontos específicos de um processo.

Tendem a utilizar muito mais Utilizam um número menor de

amostras para oferecer certo amostras e, com ele, definem uma
padrão de confiabilidade em seus tendência para a população sob
resultados. análise.

Suas conclusões são mais demo-

Permitem conclusões mais radas, porque decorrem do uso de
rápidas. instrumentos de medição ou testes
que podem durar várias horas.

São usados quando ocorre

São usados quando há pequeno nú-
grande número de característicos
mero de característicos a controlar.
a controlar.

Quadro 2: Comparativo entre gráficos de controle para variáveis e

para atributos. Fonte: Adaptado de Paladini (2011).

Conclui-se, então, que gráficos para variáveis são

melhores que gráficos para atributos, ou vice-versa:
ocorre apenas que, para cada situação em que se
deseja aplicar o CEP, alguns gráficos de controle são
mais adequados que outros.

SAIBA MAIS
Elaborar gráficos de controle implica o uso de
conceitos estatísticos e de diversas fórmulas.
Isso vale tanto para quem opta por elaborar os
gráficos manualmente quanto para quem conta
com a assistência de planilhas eletrônicas. Para
saber como utilizar as fórmulas ou compreender
a dedução matemática que as sustenta, consulte

20
 Carpinetti (2016), Pyzdek e Keller (2013), Paladini
(2011) e Montgomery (2008).

Conheça um caso real em que o CEP foi utilizado,

ouça Aplicação do CEP em empresa prestadora de
serviços.

Podcast 2

21
BOAS PRÁTICAS PARA
APLICAR O CEP NA
COMPOSIÇÃO DE
DIAGNÓSTICOS DA
QUALIDADE
O uso simultâneo de CEP, indicadores de desempe-
nho, ferramentas e técnicas da qualidade é bastante
comum e recomendado a qualquer organização que
deseje um diagnóstico adequado da qualidade. As
especialidades destes instrumentos, quando com-
binadas, proporcionam condições de análise mais
precisas para a tomada de decisões (CARPINETTI,
2016; CHIROLI, 2016; PALADINI, 2011).

Entretanto, cabem alguns cuidados na aplicação do

CEP, tanto em relação a aspectos práticos relacio-
nados ao planejamento e à escolha dos gráficos a
utilizar, como em relação às suas contribuições para
as dimensões organizacionais.

Nos próximos tópicos, são apresentados exemplos

de combinações entre CEP e demais conteúdos abor-
dados nesta disciplina, além de endereçar recomen-
dações para as questões propostas.

22
CEP, indicadores, ferramentas e
técnicas da qualidade
Como o uso do CEP proporciona condições de visu-
alizar objetivamente a situação real de um proble-
ma, sua aplicação fornece insumos valiosos para a
execução das etapas Plan e Check do Ciclo PDCA,
bem como para as etapas Identificação do proble-
ma, Observação, Análise e Verificação do Masp
(OLIVEIRA, 2017; CARPINETTI, 2016; PALADINI,
2011). Além disso, é bastante frequente e recomen-
dada a utilização do CEP nas fases Measure, Analyze
e Control da metodologia Seis Sigma (CHIROLI, 2016;
WERKEMA, 2011).

Carpinetti (2016) e Paladini (2011) relembram que

os questionamentos proporcionados pelo uso da
ferramenta estratificação são relevantes tanto para
a organização de subgrupos racionais, como para o
adequado planejamento e uso dos gráficos de con-
trole de todos os tipos.

Seja antes, durante ou após a confecção de um

Diagrama de Ishikawa, os gráficos de controle têm
seu valor. Eles podem revelar os indícios de desvios
que precisam ser analisados com apoio deste dia-
grama. Ademais, podem auxiliar na identificação ou
na explicação de causas já identificadas ao longo da
elaboração do referido diagrama (OLIVEIRA, 2017;
CARPINETTI, 2016; LOBO, 2010).

É possível também aliar o Diagrama de Pareto e

o CEP. As causas dos desvios apontados em um

23
gráfico de controle podem integrar um Diagrama de
Pareto, de forma a facilitar a priorização necessária
ao tratamento de cada uma delas. O contrário tam-
bém é possível, pois o resultado de um Diagrama de
Pareto pode levar à necessidade de elaborar gráficos
de controle específicos para compreender as causas
de um problema ou desvio identificado (OLIVEIRA,
2017; CARPINETTI, 2016; CUSTÓDIO, 2015).

O sistema de medição de desempenho de uma or-

ganização pode ter seus indicadores expressos por
gráficos de controle, uma vez que permitem acom-
panhar diversos característicos de qualidade, sejam
eles variáveis ou atributos. A organização de dash-
boards e a prática da gestão à vista são beneficia-
das quando se utilizam gráficos de controle, porque
oferecem facilidade de leitura e interpretação dos
dados, além de permitirem um rápido acompanha-
mento e uma análise de comportamentos passados
e de tendências futuras, dois traços essenciais para
a efetividade dos dashboards (CARPINETTI, 2016).

Como planejar a aplicação do CEP

A aplicação bem-sucedida do CEP requer planeja-
mento prévio e sistemático, além de equipes fami-
liarizadas com seus conceitos e com a Estatística.
Tal planejamento se constrói a partir de experimen-
tações estruturadas, capazes de gerar condições
objetivas para a tomada de decisão sobre a melhoria
de processos.

24
Paladini (2011) e Montgomery (2008) recomendam
os seguintes passos para estruturar experimentos
fundamentados no CEP:

1. Delimitar o fenômeno a ser estudado, ou seja,

compreender o processo em questão e as especifi-
cações, as normas, as leis e as demais regras que
ele deve cumprir.

2. Compreender quais os padrões esperados e/

ou as metas estabelecidas para o desempenho do
processo.

3. Compreender quais são as variáveis e/ou os atri-

butos associados ao processo.

4. Priorizar variáveis e/ou atributos identificados,

conforme a importância deles para o atendimento
de especificações, padrões e metas.

5. Analisar, dentre as variáveis e/ou atributos sele-

cionados, quais agem como “causas” e quais agem
como “consequências” sobre o processo analisado.

A condução de experimentos usando CEP pode in-

correr em sucessivas ações de tentativa e erro, até
que o formato do experimento seja suficientemente
capaz de gerar as informações e os indicadores de-
sejados a respeito do processo. Ainda que isso gere
custos devido ao aparente desperdício oriundo das
tentativas frustradas, os benefícios da estruturação
adequada do CEP normalmente compensam os pos-
síveis desperdícios.

25
Além disso, quando os envolvidos na aplicação do
CEP reestruturam os experimentos após as iniciativas
frustradas, e quando o fazem de modo veloz e com
proximidade ao cliente do processo, os benefícios
supracitados têm ainda mais chances de suplanta-
rem os desperdícios, produzindo resultados signifi-
cativos aos diagnósticos da qualidade (RIES, 2012;
PALADINI, 2011).

Ao longo das experimentações prévias à adoção do

CEP, torna-se necessário analisar quais gráficos de
controle seriam mais úteis ao sucesso do experimen-
to. A opção por um ou mais gráficos de controle exige
atenção à natureza dos característicos de qualidade
– variáveis ou atributos – que estão sendo avaliados.
Além disso, implica diversos cuidados para obter
subgrupos racionais estatisticamente válidos. Para
facilitar este processo decisório, observe a Figura 5.

26
 Início

Sim Os dados são Não

continuos?

Existem Não
subgrupos
racionais?

Sim Há Sim
sazonalidade?

Subgrupo
Sim
<10? Não
l e mR
Não (valor individual e
amplitude móvel)

Xbarra & S
(média e desvio padrão)

Gráfico
Xbarra & R média móvel
(média e amplitude)

Sim O tamanho do
subgrupo é constante?

Não
Gráfico np
(defeituosos; amostra
constante)
Gráfico u
(defeitos; amostra
Gráfico c variável)
(defeitos; amostra
constante)
Gráfico p
(defeituosos; amostra
variável)

Figura 6: Processo decisório para escolha de gráfico de controle. Fonte:

Adaptada de Carpinetti (2016), Paladini (2011) e Montgomery (2008).

É relevante ressaltar que este módulo contempla os

principais gráficos de controle existentes, porém não
aborda todos. De acordo com a realidade do processo,

27
produto ou serviço em análise, a aplicação de outros
gráficos de controle pode ser necessária. Logo, o pro-
cesso decisório acima deve ser aplicado com cautela.

Com a escolha dos gráficos e as definições dos de-

mais parâmetros, chega-se ao término da fase de ex-
perimentação. Isso leva à determinação dos padrões
e referências de qualidade que o processo deverá
seguir. Estas serão, portanto, as metas do proces-
so. Em seguida, pode-se construir a versão final dos
modelos de gráfico de controle que serão adotados
no cotidiano no processo, incluindo a delimitação de
responsabilidades e o estabelecimento objetivo das
fontes de dados que alimentarão os gráficos. Estes
passos criam condições para a posterior medição e
análise dos resultados.

Desta forma, é possível que o CEP possa auxiliar na in-

terpretação do estado atual do processo e, mais impor-
tante ainda, permita compreender quais as tendências
que se apresentam para o futuro do processo, contri-
buindo efetivamente para o sucesso do diagnóstico da
qualidade (CARPINETTI, 2016; PALADINI, 2011).

Pontos de atenção na aplicação

do CEP
Não obstante às recomendações abordadas anterior-
mente, outros pontos de atenção devem ser observa-
dos e evitados ao utilizar o CEP. O Quadro 3 sintetiza
estes pontos, relacionando-os à dimensão organi-
zacional na qual frequentemente são identificados.

28
organizacional
Dimensão

Pontos de atenção

• Não ter respaldo da alta direção e/ou da gerência para

utilizar o CEP adequadamente ou utilizá-lo de forma
dissociada da estratégia da organização.
• Aplicar o CEP apenas para ter um histórico do proces-
so, tornando-o útil apenas para ações corretivas.
• Utilizar o CEP em condições claramente negativas
para a execução do processo, como aplicá-lo sem
Estratégica

treinar os envolvidos ou sem que equipamentos e

demais recursos ofereçam condições para executar
o processo.
• Acreditar que limites de controle, linha central e capa-
bility possam ser inferidos ao invés de calculados.
• Desrespeitar os padrões e/ou a periodicidade para
coleta e análise de amostras/subgrupos racionais.
• Dedicar esforços excessivos aos aspectos teóricos
do CEP, desconectando-o da realidade e da veloci-
dade necessárias ao sucesso de sua aplicação no
diagnóstico da qualidade.
• Não planejar os experimentos ou não estabelecer
procedimentos para aplicação do CEP.
• Coletar amostras não representativas.
• Inferir conclusões.
Tática

• Falta de recursos adequados para planejar, executar

ou analisar os resultados.
• Falta, excesso ou imprecisão dos dados coletados.
• Atribuir responsabilidade pela execução do CEP a
quem não tem conhecimento estatístico e/ou res-
paldo necessário.
• Confundir limites de controle com limites de
Operacional

especificação.
• Improvisar na execução de qualquer etapa do CEP.
• Utilizar dados desatualizados.
• Não utilizar os requisitos e os procedimentos neces-
sários à coleta e/ou análise dos dados.

Quadro 3: Pontos de atenção na aplicação do CEP. Fonte: Adaptado

de Carpinetti (2016), Chiroli (2016) e Paladini (2011).

29
O CEP “se parece com um conjunto de ferramentas
simples que só pode gerar os resultados esperados
se forem respeitadas as bases técnicas e as espe-
cificidades dos diversos modelos que o compõem”
(PELADINI, 2011, p. 101).

REFLITA
Diante das características expostas, vale a pena
utilizar o CEP em qualquer processo? Ou aplicar
o CEP a todo instante?

Não há uma resposta única para tais questões.

Entretanto, elas devem ser feitas antes da adoção
do CEP e de outros modelos, ferramentas, técni-
cas e boas práticas abordadas nesta disciplina.

O objetivo destes questionamentos é evitar desper-

dício de tempo, recursos e esforços, de modo tal
que os instrumentos que fundamentarão o diagnós-
tico da qualidade estejam alinhados não somente à
cultura da organização, mas também à sua estraté-
gia e aos recursos efetivamente disponíveis.

30
CONCLUSÃO
Neste módulo, foram abordados conceitos necessá-
rios para a compreensão do CEP, como variabilidade,
tolerância, capability, causas comuns e especiais,
limites de controle e limites de verificação, caracterís-
ticos da qualidade, amostras e subgrupos racionais.

Também foram apresentadas as cartas ou gráficos

de controle, importantes recursos para que o CEP seja
efetivamente praticado. A existência de gráficos de
controle direcionados para certos tipos de dados –
variáveis ou atributos –, bem como a sua variedade,
conferem aos praticantes do CEP bastante versatili-
dade para utilizá-lo, desde que observados os pontos
de atenção ressaltados ao longo deste módulo.

É possível notar que o CEP, quando somado ao pla-

nejamento estratégico de uma organização, permite
análises detalhadas e mais complexas sobre como o
processo funciona, as situações em que ele deixa de
atender às especificações para as quais foi elaborado
e até mesmo pode revelar os tipos e as frequências
de causas desses desvios.

É altamente recomendável a utilização dos gráficos

de controle em paralelo a modelos, ferramentas e
técnicas relacionadas ao diagnóstico da qualidade.
Tal soma de esforços torna o diagnóstico da qua-
lidade mais preciso e menos subjetivo, reforçando
os diagnósticos como valiosos instrumentos para a
tomada de decisão.

31
 Síntese

DIAGNÓSTICO DA QUALIDADE

Nos módulos anteriores, foi analisada a

importância da qualidade e de seu diagnóstico,
bem como foram apresentados modelos,
ferramentas e técnicas direcionadas à confecção
de diagnósticos precisos, para qualquer tipo de
organização. Contudo, uma das ferramentas mais
utilizadas para a composição de tais análises
ainda não havia sio abordada. Seu nome é
Controle Estatístico de Processos (CEP).
Desenvolvido no início do século 20, a partir de
conceitos estatísticos, o CEP permite
compreender qual é a variabilidade atual de um
processo produtivo, seja ele direcionado a
produtos ou a serviços. É comum, e esperado,
que processos repetitivos variem entre uma
execução e outra, seja devido a causas que agem
frequentemente ao longo de sua execução,
chamadas de “causas comuns”, seja devido a
causas aleatórias, inesperadas, conhecidas como
“causas especiais”. Logo, compreender como a
variação acontece e por que motivos ela acontece
torna os resultados mais previsíveis, passíveis de
controle, além de evitar desperdícios e reduzir
custos para as organizações.

Tal compreensão inicia-se pelo estudo da

capability do processo, isto é, pela análise do
desempenho do processo sem a ação de causas
especiais que influenciem seus resultados. Em
seguida, deve-se planejar como será realizado o
controle do processo via estatística, através de
experimentos que levam em consideração o tipo
de dados e o procedimento de coleta de amostras
relativas ao desempenho do processo. A
visualização dos resultados dos experimentos é
possível a partir de gráficos de controle, que
apresentam não apenas os resultados de
desempenho, mas também seus limites de
controle e limites de especificação e o
comportamento destes dados, indicando se estão
contidos ou não dentro de tais limites.

Os gráficos de controle são tão relevantes que

são considerados uma das sete ferramentas
básicas da qualidade. As demais foram abordadas
nos módulos anteriores: checklist, diagrama de
dispersão, diagrama de Pareto, diagrama de
causa e efeito, histograma e fluxograma. O uso
dos gráficos de controle e do CEP em conjunto
com as ferramentas e os demais conceitos vistos
nesta disciplina permite uma visão abrangente e
objetiva dos processos organizacionais, atributos
fundamentais para a produção de diagnósticos da
qualidade relevantes. Por fim, este módulo
apresenta uma série de recomendações e
cuidados para que o CEP seja aplicado com
sucesso nas organizações.
Referências
ANDREOLI, T. P.; BASTOS; L. T. Gestão da Qualidade:
melhoria contínua e busca pela excelência. Curitiba:
InterSaberes, 2017.

CARPINETTI, L. C. R. Gestão da qualidade: conceitos

e técnicas. 3. ed. São Paulo: Atlas, 2016.

CAVALCANTI, Rubens. Modelagem de processos de

negócios: roteiro para realização de projetos de mo-
delagem de negócios. Rio de Janeiro: Brasport, 2017.

CHIROLI, D. M. G. Avaliação de sistemas da quali-

dade. São Paulo: InterSaberes, 2016.

CUSTÓDIO, M. F. (Org.). Gestão da qualidade e pro-

dutividade. São Paulo: Pearson Education do Brasil,
2015.

LOBO, R. N. Gestão da qualidade. São Paulo: Érica,

2010.

MONTGOMERY, D. C. Introduction to Statistical

Quality Control. 6. ed. New York: John Wiley and
Sons, 2008.

OLIVEIRA, O. J. Curso básico de gestão da qualidade.

São Paulo: Cengage Learning, 2017.
PALADINI, E. P. Avaliação estratégica da qualidade.
2. ed. São Paulo: Atlas, 2011.

PYZDEK, T.; KELLER, P. Seis Sigma: guia do profis-

sional. 3. ed. São Paulo: Alta Books, 2013.

RIES, E. A startup enxuta: como os empreendedores

atuais utilizam a inovação contínua para criar empre-
sas extremamente bem-sucedidas. São Paulo: Lua
de Papel, 2012.

WERKEMA, C. Lean Seis Sigma: introdução às fer-

ramentas do lean manufacturing. 2. ed. São Paulo:
Campus, 2011.