Gestão BQ Ver11 - Out2020 Parte 2

GESTÃO DA QUALIDADE
BACHAREL EM QUÍMICA
Sergio Henrique Silva Junior
Rev.11/out-2020 Prof. Sergio Henrique Silva Junior

“Este é um material pedagógico desenvolvido por docente
do IFRJ. Seu uso, cópia, edição e/ou divulgação, em parte
ou no todo, por quaisquer meios existentes ou que vierem
a ser desenvolvidos, somente poderão ser feitos mediante
autorização expressa de seu autor. Caso contrário,
poderão ser aplicadas as penalidades legais vigentes”.
Lei nº 9.610, de 19 de fevereiro de 1998 (Direitos Autorais), na

Lei nº 12.965, de 23 de abril de 2014 (Marco Civil da Internet) e nas
demais leis correlatas
Prof. Sergio Henrique Silva Junior
Rev.11/out-2020
GESTÃO
DA QUALIDADE

Rev.11/out-2020
SERGIO HENRIQUE SILVA JUNIOR
FORMAÇÃO :
-PÓS-GRADUAÇÃO: MESTRE EM METROLOGIA – PUC-RJ; MBA - ISO 9000 &
GESTÃO DA QUALIDADE; GESTÃO AMBIENTAL & ISO - 14000.
-GRADUAÇÃO: QUÍMICA INDUSTRIAL; LICENCIATURA E BACHAREL EM
QUÍMICA.
EXPERIÊNCIA PROFISSIONAL :
DIRETOR DE ADMINISTRAÇÃO, DIRETOR SUSBSTITUTO, ATUALMENTE
PROFESSOR EFETIVO DOS CURSOS DE GESTÃO DA PRODUÇÃO INDUSTRIAL,
BACHAREL EM QUÍMICA E PÓS-GRADUAÇÃO EM GESTÃO AMBIENTAL NO IFRJ
CAMPUS NILÓPOLIS. INSTRUTOR NO PROJETO PROMIMP, PROFESSOR DOS
CURSOS TÉCNICOS DE METROLOGIA E QUÍMICA.
DISCIPLINAS NAS ÁREAS DE: NORMALIZAÇÃO E GESTÃO DA QUALIDADE; M S
A - ANÁLISE DE SISTEMAS DE MEDIÇÃO; G S M S - GESTÃO DE SAÚDE, MEIO-
AMBIENTE E SEGURANÇA; METROLOGIA ELÉTRICA; INFORMÁTICA;
TRATAMENTO DE DADOS; ESTATÍSTICA; CONTROLE ESTATÍSTICO DA
QUALIDADE, ANÁLISE E AVALIAÇÂO DE RISCO, GESTÃO AMBIENTAL.
EXPERIÊNCIA DE 14 ANOS EM INDÚSTRIA QUÍMICA, ATUANDO NA
ÁREA DE LABORATÓRIO E CONTROLE DE QUALIDADE DAS EMPRESAS
CHEVRON-TEXACO BRASIL S/A E ECOLAB QUÍMICA LTDA.
Rev.11/out-2020
CONTEÚDO
Rev.11/out-2020
GESTÃO DA QUALIDADE
1- Introdução (qualidade, cliente x fornecedor, custo x beneficio, dimensões

da qualidade, produtividade, competitividade, evolução da qualidade, custos
da qualidade e garantia da qualidade)
2- Fundamentos (processo: definição, controle, tipos, amostragem e
mapeamento; Normalização; satisfação do cliente)
3- Ferramentas gerenciais (5W2H1S, Brainstorming, estratificação, PDCA, As
7 ferramentas da qualidade: Pareto, Espinha de peixe, Diagrama de dispersão,
histograma, fluxograma, carta de controle e folha de verificação, M.A.S.P.)
4- GSSMA (NBR ISO14001, OSHAS 18001 (ISO 45001), SA8000 (ISO 26000 e
NBR 16001, NBR ISSO 17025)
5- 5s
6- NBR ISO9001 – Gestão da qualidade
7- NBR ISO19011- Auditoria para sistemas de gestão
Rev.11/out-2020 Prof. Sergio Henrique Silva Junior

FERRAMENTAS
GERENCIAIS
Rev.11/out-2020
FERRAMENTAS GERENCIAIS
Gestão da Qualidade
5W 2H 1S
Rev.11/out-2020
5W 2H 1S
Who ? Quem ?
What ? O quê ?
When ? Quando ?
Where ? Onde ?
Why ? Porquê ?
How ? Como ?
How much ? Quanto custa ?
Show Me ! Mostre-me !
Rev.11/out-2020
5W 2H 1S
QUEM ? (WHO ?)
Indicar o responsável pelo desenvolvimento da ação.
Erros:
➢ Direcionar esta etapa a uma posição no
organograma ou a um departamento;
➢ Direcionar esta etapa a mais de uma pessoa,
principalmente se o como for uma única ação.
Rev.11/out-2020
5W 2H 1S
O QUÊ ? (WHAT ?)
Relacionar as ações que se deseja implementar, começando
sempre com um verbo no infinitivo: construir, comprar,
treinar, soldar, testar, por exemplo.
Erros:
➢ Colocar causas de problemas;
➢ Descrever ações abrangentes;
➢ Descrever rotina para ações a serem realizadas.
Rev.11/out-2020
5W 2H 1S
QUANDO ? (WHEN ?)
Indicar a data prevista para a conclusão do
desenvolvimento da ação.
Erros:
➢ Colocar data término de todas as ações no final
semanas com feriados, épocas festivas e etc.
➢ Colocar vários prazos para uma mesma ação.
Rev.11/out-2020
5W 2H 1S
ONDE ? (WHERE ?)
Relacionar o local de desenvolvimento da ação.
Erros:
➢ Direcionar um local abrangente;
➢ Pular esta etapa;
➢ Direcionar o local ao problema global.
Rev.11/out-2020
5W 2H 1S
POR QUE (WHY?)
Relacionar o motivo pelo qual a ação vai ser realizada
geralmente começa com a palavra para.
Pode estar relacionado ao aspecto da causa que está sendo
atacada.
Erros:
➢ Direcionar o porquê ao problema global;
➢ Eliminar esta fase;
➢ Não direcionar a um motivo.
Rev.11/out-2020
5W 2H 1S
COMO ?(HOW ?)
Relacionar de forma resumida como a ação será executada
começando, normalmente, com o verbo no gerúndio:
ligando, analisando, por exemplo.
Erros:
➢ Repetir a ação do o quê;
➢ Pular esta etapa;
➢ Direcionar o como ao problema global e não a
ação específica.
Rev.11/out-2020
5W 2H 1S
QUANTO CUSTA ? (HOW MUCH ?)
Indicar o custo para a conclusão do desenvolvimento da
ação.
Erros:
➢ Definir custo baseado em preço;
➢ Não definir custo contemplando ação global.
Rev.11/out-2020
5W 2H 1S
MOSTRE ME ? (SHOW ME ?)
Demonstrar a conclusão do desenvolvimento da ação,
mostrar como se faz.
Erros:
➢ Não utilizar o procedimento padrão como
referência;
➢ Não usar pessoal qualificado.
Rev.11/out-2020
BRAINSTORMING
(TEMPESTADE DE IDÉIAS)
Rev.11/out-2020
BRAINSTORMING - ( TEMPESTADE DE IDÉIAS )

Alex Faickney Osborn (Bronx, Nova Iorque, 24 de maio de
1888 a 4 de maio de 1966) foi um publicitário americano e o
autor de uma importante técnica de criatividade denominada
brainstorming.
Brainstorming é a mais conhecida das técnicas de geração de idéias. Foi

originalmente desenvolvida por Osborn, em 1938. É uma técnica para
geração idéias em grupo envolvendo a contribuição espontânea de todos
os participantes. O clima de envolvimento e motivação gerado pelo
Brainstorming assegura melhor qualidade nas decisões tomadas pelo
grupo, maior comprometimento com a ação e um sentimento de
responsabilidade compartilhado por todos.
Rev.11/out-2020
• ESTRUTURADO: Modelo onde cada participante deve gerar uma

idéia a cada rodada ou “passar” até que chegue sua próxima vez.
Isso geralmente obriga até mesmo o tímido a participar, mas pode
também criar certa pressão sobre a pessoa.
• NÃO-ESTRUTURADO: Modelo onde os membros do grupo

simplesmente dão as idéias conforme elas surgem em suas
mentes. Isso tende a criar uma atmosfera mais relaxada, mas
também há o risco de dominação pelos participantes mais
extrovertidos.
Rev.11/out-2020
EM QUE USAR?
1- DESENVOLVIMENTO DE NOVOS PRODUTOS
2- IMPLANTAÇÃO DE NOVOS PRODUTOS
3- SOLUÇÂO DE PROBLEMAS
Rev.11/out-2020
COMO FAZER ?
1-DEFINIR O OBJETIVO
2-REUNIR O GRUPO DE APOIO
3-INFORMAR OS OBJETIVOS AO GRUPO DE APOIO
4-TEMPO DE DURAÇÃO DAS REUNIÕES (20 a 60 minutos)
5-INICIAR A GERAÇÃO DE IDÉIAS
Rev.11/out-2020
REGRAS PARA O SUCESSO
1-NENHUMA IDÉIA DEVE SER CRITICADA
2-MOSTRAR AS IDÉIAS DE MANEIRA SIMPLES
3-TODOS DEVEM PARTICIPAR
Rev.11/out-2020
EXTRATIFICAÇÃO
Ferramenta usada para observar e medir o comportamento de
uma população, por meio da divisão em características comuns.
População
Rev.11/out-2020
EXTRATIFICAÇÃO
Exemplos de características comuns:
• tempo de
parada
Tempo
• tempo de
operação
Problema • de
Data fabricação
(população)
• de compra
• país
Local
• setor
Rev.11/out-2020
EXTRATIFICAÇÃO
Tipos de problema
Problema:
Reclamações de Qualidade
Defeito Atraso
Desempenho Embalagem
Rev.11/out-2020
PDCA
Rev.11/out-2020
PDCA
Ferramenta de gestão da qualidade, com base nos termos em
inglês: Plan (P), Do (D), Check (C) e Action (A). É também conhecido como
o círculo/ciclo/roda de Deming, ciclo de Shewhart, círculo/ciclo de
controle, ou PDSA (plan-do-study-act). Outra versão do ciclo PDCA é
o OPDCA ou SDCA ( O “O” significa manter ou padronizar ).
Rev.11/out-2020
FUNDAMENTOS
PDCA INÍCIO
Estrutura do PDCA
AÇÃO
BRAINSTORMING
BRAINSTORMING N
VERIFICA
AÇÕES DEFINIR METAS E
PREVENTIVAS OBJETIVOS 5W 1H S
FIM
A P
DEFINIR MÉTODOS E
AÇÕES CORRETIVAS
PROCEDIMENTOS
ANÁLISE CRÍTICA
EDUCAR E TREINAR
DOS RESULTADOS
ÍNDICES DA QUALIDADE
C D
VERIFICAR E REALIZAR O
MEDIR PLANEJADO PALESTRAS
Medição de Processo
CURSOS
12
Amostras
5S
Limites
10 LSC
TREINAMENTO “On the Job”

Job”
8 LIC
6 Média
10
13
16
19
22
25
28
1
Rev.11/out-2020
Dias

FUNDAMENTOS
PDCA
Estrutura do PDCA
BRAINSTORMING
AÇÕES
PREVENTIVAS
A S
PROCESSO
AÇÕES CORRETIVAS
PADRONIZADO
ANÁLISE CRÍTICA
DOS RESULTADOS
12
Medição de Processo
Amostras
C D
Limites
10 LSC
8 LIC
6 Média VERIFICAR E REALIZAR O
10
13
16
19
22
25
28
1
Dias
MEDIR PADRONIZADO
Rev.11/out-2020
AS 7 FERRAMENTAS DA
QUALIDADE
Rev.11/out-2020
AS 7 FERRAMENTAS DA QUALIDADE
ESPINHA DE PEIXE
O diagrama de ishikawa, também conhecido como diagrama de

causa e efeito, gráfico dos 6 M´s ou espinha de peixe é uma ferramenta
utilizada para a análise de dispersões ou problemas no processo.
Desenvolvido por Kaoru Ishikawa, a base da ferramenta vem de uma idéia
básica: Fazer as pessoas pensarem sobre causas e razões possíveis que
fazem com que um problema ocorra.
Para montar o diagrama de ishikawa, é necessário reunir as pessoas
para realizar um braimstorming (tempestade de idéias) de forma a levantar as
causas raízes que originam um problema.
Rev.11/out-2020
ESPINHA DE PEIXE
MÉTODO MÃO-DE-OBRA MATÉRIA-PRIMA
SAÍDAS
MEIO AMBIENTE MÁQUINA MEDIDA
Rev.11/out-2020
ESPINHA DE PEIXE
O que significa cada M:
•Método – Caminho utilizado para executar o trabalho ou um procedimento.

•Matéria-prima – A matéria prima utilizada no trabalho que pode ser a causa
de problemas.
•Mão de Obra – A pressa, imprudência ou mesmo a falta de qualificação da
mão de obra podem ser a causa de muitos problemas.
•Máquinas – Muito problemas causados por falhas de máquinas. Sua causa
pode estar na manutenção ou operação.
•Medida – Qualquer decisão tomada anteriormente pode alterar o processo e
ser a causa do problema ou pode ser o modelo de medição e grandeza.
•Meio Ambiente – O ambiente pode favorecer a ocorrências de problemas,
que podem ser: a poluição, poeira, calor, falta de espaço, etc.
Rev.11/out-2020
EXEMPLO
Rev.11/out-2020
AS 7 FERRAMENTAS DA QUALIDADE Gestão da Qualidade
GRÁFICOS OU CARTAS DE
CONTROLE
Rev.11/out-2020
GRÁFICOS DE CONTROLE
São usados no CEP (Controle Estatístico de

Processo) como mecanismo de garantia da
qualidade. Os gráficos de controle também
chamados de cartas de controle exercem um papel
fundamental na prevenção de falhas em processos.
Rev.11/out-2020
- Focaliza às características do processo e do

produto (conseqüência), para verificar e garantir
que elas estão tendo um comportamento
esperado, ou seja, se estão de acordo com as
especificações.
- Permite manter as características entre limites,

obtendo comportamentos previsíveis.
Rev.11/out-2020
- Analisam o processo:
O que pode variar neste processo?
Quais são os parâmetros mais sensíveis?
O processo está gerando sucata ou re-
trabalho?
- Manutenção do controle do processo:
Monitoração da performance
Identificação de causas especiais
Rev.11/out-2020
- Melhorar o processo:
Variação dentro da especificação
Entender a variação por causas comuns
Reduzir a variação por causas comuns
Introdução proposital de modificações
Melhor qualidade a um menor custo
Rev.11/out-2020
-Avaliar inicialmente novos equipamentos
-Indicar a periodicidade ideal de calibração
-Prevenir falhas e avarias
-Evidenciar equipamentos fora de calibração
- Evidenciar necessidades de treinamento do

operador
Rev.11/out-2020
- Evidenciar tendências
-Comprovar estabilidade estatística
-Determinar a capabilidade do sistema de medição
- Comparar sistemas de medição distintos

utilizados para avaliar as mesmas características.
Rev.11/out-2020
Estrutura básica
Rev.11/out-2020
Limites de especificação (LSE & LIE):
- São estabelecidos pelo cliente / engenharia;
- Representam aquilo que se exige do produto,

para que atenda a finalidade desejada.
- Baseados no desempenho do produto
- Nos diz quando dispor do produto
Rev.11/out-2020
Limites de controle estatísticos (LSC & LIC):
- Resultam do processo de fabricação empregado;
- Refletem aquilo que o processo é capaz de

realizar;
- Baseados no desempenho do processo;
- Nos diz quando tomar ação no processo;
Rev.11/out-2020
DIÁRIO DE BORDO
Toda carta de controle deve possuir um diário

de “bordo”, onde são registradas todas as
ocorrências durante o processo de medição. O diário
serve de base para a investigação de qualquer
causa especial que possa estar presente. No diário
devem ser apresentadas as principais fontes de
variação, identificadas no diagrama de causa e
efeito.
Rev.11/out-2020
DIÁRIO DE BORDO - Modelo
Rev.11/out-2020
IMPLEMENTANDO
1 - Identificar o processo a ser controlado : tipo,
característica, unidade de medição, equipamento
de medição, faixa, MSDS da amostra ( quando
aplicável ), lote, data de fabricação e etc.
2- Identificar em folha para carta de controle os

limites de especificação ( LSE e LIE ) e colocar as
informações sobre o processo.
3- Realizar 25 medições com pessoal previamente

treinado e qualificado.
Rev.11/out-2020
IMPLEMENTANDO
4- Avaliar se o processo está sobre controle,
nenhum ponto fora dos limites.
5- Se não, analisar o processo, corrigir e refazer

os itens 2,3 e 4. Se estiver, escolher o tipo de
controle estatístico e gerar nova carta com os
limites de controle estatísticos ( LSC e LIC ) e os
limites de controle das amplitudes.
6- Avaliar cada carta gerada e tomar ações

pertinentes.
Rev.11/out-2020
IMPLEMENTANDO
Informações na carta de CEP
• Nome, Modelo e Marca do equipamento.

• Identificação da amostra de referência e MSDS.
• Unidade de medição e Valor dos limites de
controle.
• Procedimentos de operação do equipamento e
metodologia de análise.
Rev.11/out-2020
IMPLEMENTANDO
Informações na carta de CEP
• Traçado da curva e valores dos eixos do gráfico.

• Valor da média, amplitude, mediana e/ou desvio
padrão conforme tipo de carta.
• Informações pertinentes ao diário de bordo e
identificação do operador, Hora e Data.
• Frequência da medição e número de medições.
Rev.11/out-2020
EXEMPLO
Rev.11/out-2020
TIPOS DE DADOS
Os gráficos de controle são usados com

dois tipos de dados: tipo variável ou tipo atributo.
• Tipo variável: são dados cujos valores são
resultados de algum tipo de medição (massa,
comprimento, temperatura e etc.)
• Tipo atributo: são dados cuja origem vem de uma
contagem ou classificação (número de defeitos,
número de defeituosos e etc.)
Rev.11/out-2020
Símbolos e abreviações
Rev.11/out-2020
GRÁFICOS DE CONTROLE PARA

VARIÁVEIS
X − R ou X barra e R
(MÉDIA e AMPLITUDE)
Neste modelo o controle é realizado pelas médias, por ser

mais sensível a variação do processo e por se aproximar de uma curva
normal melhor que os dados originais.
Rev.11/out-2020
Gráfico (Xbarra - R)
maior(X ij ) − menor(X ij )
R=
n
R=
 maior ( X ij ) − menor ( X ij )
n
Rev.11/out-2020
Tabela
LSC = X + A2  R
LMC = X
LIC = X − A2  R
Rev.11/out-2020

VARIÁVEIS
X − S ou X barra e S
(MÉDIA e DESVIO PADRÃO)
Este modelo é um indicador mais eficiente para a
variabilidade do processo, onde são usadas amostras de tamanho
grande. É mais complexo de calcular e é menos sensível na detecção
de causas especiais quando apenas um único valor de subgrupo for
anormal. São utilizadas em conjunto com um computador para facilitar
os cálculos.
Rev.11/out-2020
Gráfico (Xbarra - R)
S=
 ( x − x)²
i
n −1
S=
 S
n
Rev.11/out-2020
LSC = X + A3  S
LMC = X
LIC = X − A3  S
Rev.11/out-2020

VARIÁVEIS
X − Rm ou X barra e Rm
(MÉDIA e AMPLITUDE MÓVEL)
Modelo utilizado quando a quantidade de observações diárias

for unitária, não sendo possível determinar a média por subgrupos.
Também é utilizado quando a amostragem e/ou análise são
demoradas ou seu custo é muito alto.
Rev.11/out-2020
Gráfico (Xbarra - Rm)
A avaliação da variabilidade é feita por meio

da amplitude móvel. A amplitude dentro do
subgrupo passa a ser substituída pela amplitude
entre subgrupos.
A amplitude móvel é calculada subtraindo o

valor do subgrupo do valor do subgrupo
subsequente em módulo.
Rev.11/out-2020
Gráfico (Xbarra - Rm)
maior ( X ij ) − menor ( X ij +1 )
Rm =
n
Rm =
 Rm
n −1
Rev.11/out-2020
LSC = X + E2  Rm
LMC = X
LIC = X − E2  Rm
LSCR = D4  Rm LICR = D3  Rm LMCR = Rm
Rev.11/out-2020

VARIÁVEIS
~
X − R ou X mediana e R
(MEDIANA e AMPLITUDE)
Modelo que pode ser utilizado no lugar do gráfico média e
amplitude, menos sensível a valores extremos e mais fácil de calcular
em relação a média. Neste gráfico a sensibilidade é maior no gráfico
de amplitudes.
Rev.11/out-2020
Gráfico (Mediana - R)
~
X = valor central Tamanho da
amostra ímpar
~
X = média dos valores centrais Tamanho da
amostra par
~
~
 Xi
X= n
Rev.11/out-2020
~
LSC = X + A2  R
~
LMC = X
~
LIC = X − A2  R
LSCR = D4  R LICR = D3  R LMCR = R
Rev.11/out-2020

VARIÁVEIS
X m − Rm ou Xm e Rm
(MÉDIA MÓVEL e AMPLITUDE MÓVEL)
Rev.11/out-2020
GRÁFICOS DE CONTROLE PARA VARIÁVEIS

Fundamentos – Gráfico (Xm - Rm)
Mais sensível a causas especiais que o

gráfico Xbarra - Rm, eliminando a assimetria
decorrente de valores individuais.
A média móvel é calculada através da média

de valores individuais entre um subgrupo e o
subgrupo subsequente.
Rev.11/out-2020
Gráfico (Xm- Rm)
X ij + X ij +1
X mi = 2
Xm =
 X mi
n −1
Rev.11/out-2020
Gráfico (Xm - Rm)
maior ( X ij ) − menor ( X ij +1 )
Rm =
n
Rm =
 Rm
n −1
Rev.11/out-2020
LSC = X m + A2  Rm
LMC = X m
LIC = X m − A2  Rm
LSCR = D4  Rm LICR = D3  Rm LMCR = Rm
Rev.11/out-2020
GRÁFICOS DE
CONTROLE PARA
ATRIBUTOS
Rev.11/out-2020
GRÁFICOS DE CONTROLE PARA ATRIBUTOS

Fundamentos
São gráficos usados para avaliar a

qualidade em produtos onde a medição não é
aplicável. Exemplos:
- Presença de um rótulo
- Continuidade de um circuito elétrico
- Erros de digitação
- Entrega no prazo
- Número de defeitos em uma peça
Rev.11/out-2020

Fundamentos
Dados de atributos estão presentes em

qualquer processo administrativo ou produtivo,
são obtidos de forma fácil e barata. Muitas vezes
os dados já estão disponíveis, basta coletar.
A carta de atributos podem ajudar

indicadores da qualidade, apontando áreas de
necessitem de cuidados.
Rev.11/out-2020

Fundamentos
As cartas por atributos estão divididas em

quatro tipos de avaliação:
■ p – fração defeituosa
■ np – número de defeituosos na amostra
■ c – número de defeitos na amostra
■ u - número de defeitos por unidade de inspeção

Rev.11/out-2020
GRÁFICOS DE
CONTROLE PARA
ATRIBUTOS
Carta p
ou
fração defeituosa
Rev.11/out-2020

Fundamentos – Cartas p
A carta p é definida como a razão entre o

número de defeituosos de uma amostra (d) e o
tamanho do subgrupo (n):
d
p=
n
Rev.11/out-2020

A distribuição de probabilidade da fração

defeituosa é binomial.
Quando os tamanhos dos subgrupos forem
suficientemente grandes para atender as
restrições:
n  p  5 e n  (1 − p )  5  p =  d i
n i
Rev.11/out-2020

A binomial pode ser substituída por uma

normal (aproximação da binomial pela normal).
Nesta situação valem os limites de controle: µ  3σ
que para a fração defeituosa podem ser
representados como µ(p)  3σ(p).
Rev.11/out-2020

Baseado nos limites µ(p)  3σ(p) os limites

de controle para a carta p podem ser calculados
como:
p  (1 − p )
LSCp = p + 3 
n
LMp = p
p  (1 − p )
LICp = p − 3 
n
Rev.11/out-2020

Fundamentos – Cartas p (exemplo)
Em uma indústria de embalagens, diariamente

retiradas amostras de produtos acabados e
verificados erros quanto a embalagem (validade,
registro, lote, identificação, rótulo no local certo,
sujeira, fechamento da embalagem). Neste estudo
de caso o gráfico vai mostrar a variação entre dias
de produção mostrando o desempenho do processo
ao longo do tempo.
Rev.11/out-2020

Fundamentos – Cartas p (exemplo
Data Verificados Com Erros p
10/7/2007 300 32 0,107
11/7/2007 300 23 0,077
12/7/2007 300 34 0,113
13/7/2007 300 21 0,070
14/7/2007 300 28 0,093
15/7/2007 300 5 0,017
16/7/2007 300 34 0,113
17/7/2007 300 21 0,070
18/7/2007 300 18 0,060
19/7/2007 300 24 0,080
20/7/2007 300 25 0,083
21/7/2007 300 31 0,103
22/7/2007 300 29 0,097
23/7/2007 300 6 0,020
24/7/2007 300 19 0,063
25/7/2007 300 11 0,037
Total 4800 361
p(barra) Rev.11/out-2020
0,07520833

Cálculos – restrição:
n  p = 300  0,075 = 22 ( 5)
n  (1 − p ) = 300  (1 − 0,075) = 277 (  5)
p=
 d i
=
361
= 0,075
n i 4800
Rev.11/out-2020

Cálculos – limites de controle:
p  (1 − p ) 0,075  (1 − 0,075)
LSCp = p + 3   0,075 + 3  = 0,242
n 300
LMp = p = 0,075
p  (1 − p ) 0,075  (1 − 0,075)
LICp = p − 3   0,075 = 3  = −0,091 = 0
n 300
Rev.11/out-2020

Carta fração defeituosa
0,250
0,200
0,150
p
0,100
0,050
0,000
Data
Rev.11/out-2020
GRÁFICOS DE
CONTROLE PARA
ATRIBUTOS
Carta np
ou
número de defeituosos
na amostra
Rev.11/out-2020

Fundamentos – Cartas np
A carta np é similar a carta p cuja diferença

está em marcar o número de defeituosos na
amostra. As restrições são as mesmas e seus
limites são:
LSCnp = n  p + 3  n  p  (1 − p )
LMnp = n  p
LICnp = n  p − 3  n  p  (1 − p )
Rev.11/out-2020

Fundamentos – Cartas np (exemplo)
Cálculos – limites de controle (com os

dados do exemplo da carta p:
LSCnp = n  p + 3  n  p  (1 − p ) = 22 + 3  22  (1 − 0,075) = 35
LMnp = n  p = 22
LICnp = n  p − 3  n  p  (1 − p ) = 22 − 3  22  (1 − 0,075) = 8
Rev.11/out-2020

Fundamentos – Cartas np (exemplo)
carta número de defeituosos (np)
40
35
30
defeituosos
25
20
15
10
Data
Rev.11/out-2020
GRÁFICOS DE
CONTROLE PARA
ATRIBUTOS
Carta c
ou
número de defeitos na
amostra
Rev.11/out-2020

Fundamentos – Cartas c
A distribuição de probabilidade do número

de defeitos na amostra é a de Poisson.
Quando os tamanhos amostras forem
suficientemente grandes para atender as
restrições:
c 5 c =
 c i
k
k = subgrupos
Rev.11/out-2020

A distribuição de Poisson pode ser

substituída por uma normal, onde os limites
podem ser representados por µ(p)  3σ(p)
resultando em:
LSCc = c + 3  c
LMc = c
LICc = c + 3  c
Rev.11/out-2020

Fundamentos – Cartas c (exemplo)
Em uma indústria de sanitanzantes em pó, é

retirada uma amostra de 500g, de cada lote
fabricado. Em cada amostra é observado o número
de partículas de sujeira presente.
Na carta c as amostras devem ser de
tamanhos constantes e apenas um tipo de
característica pode ser observada.
Rev.11/out-2020

Lote partículas Lote partículas
1 4 16 3
2 3 17 2
3 6 18 5
4 7 19 7
5 2 20 1
6 1 21 1
7 9 22 2
8 3 23 4
9 2 24 5
10 1 25 8
11 5 26 4
12 6 27 3
13 8 28 2
14 4 29 1
15 1 30 1
Rev.11/out-2020

Cálculos – Limites de controle
LSCc = c + 3  c = 4 + 3  4 = 9
LMc = c = 4
LICc = c + 3  c = 4 + 3  4 = −2 = 0
Rev.11/out-2020

carta número de defeitos na amostra (c)
12
10
8
Partículas
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Data
Rev.11/out-2020
GRÁFICOS DE
CONTROLE PARA
ATRIBUTOS
Carta u
ou
número de defeitos por
unidade de inspeção
Rev.11/out-2020

Fundamentos – Cartas u
Carta similar a carta c, onde se avalia o

número de defeitos por unidade de inspeção (u) e
é a razão entre o número de defitos na amostra (c)
e o tamanho da unidade de inspeção (n) ou seja:
c c
u= u=
n n
Rev.11/out-2020

Considerando a distribuição de Poisson

substituída por uma normal, onde os limites
podem ser representados por µ(u)  3σ(u)
resultando em:
u
LSCu = u + 3 
n
LMu = u
u
LICu = u − 3 
Rev.11/out-2020
n

Baseado no exemplo da carta c, a unidade

de inspeção (UI) é definida como: 500g = 1 UI = n
(padrão).
Muitos processos possuem unidades de
inspeção variáveis. Por exemplo: considerando o
exemplo anterior, 500g de amostra foram para
lotes de 10 toneladas. Se o lote for de 5 toneladas
a amostra passa a ser de 250g e sua UI (n) igual a
0,5 .
Rev.11/out-2020

Cálculos – Limites de controle
u 4
LSCu = u + 3  = 4 + 3 = 12,5
n 0,5
LMu = u = 18,5 (UI padrão )
u 4
LICu = u − 3  = 4 − 3 = −4,5 = 0
n 0,5
Rev.11/out-2020

numero de defeitos por unidade de inspeção (UI)
14
12
10
Partículas
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Data
Rev.11/out-2020
INTERPRETAÇÃO DAS
CARTAS DE
CONTROLE
Rev.11/out-2020
REGRAS DE INTERPRETAÇÃO
As cartas de controle possuem diversas

regras de interpretação para o entendimento das
variações do processo.
Nesta disciplina serão comentadas as mais

representativas para o controle estatístico da
qualidade em processos.
Rev.11/out-2020
Rev.11/out-2020
Rev.11/out-2020
Rev.11/out-2020
Rev.11/out-2020
Rev.11/out-2020
Rev.11/out-2020
Rev.11/out-2020
Rev.11/out-2020
Rev.11/out-2020
CORRELAÇÃO E AUTOCORRELAÇÃO
AUTOCORRELAÇÃO
Nos dias de hoje o fenômeno da
autocorrelação tem sido encontrado em um
número cada vez maior de processos. A
autocorrelação nada mais é do que um
mecanismo existente no processo, que faz com
que os dados não sejam mais independentes entre
si ao longo do tempo. Exemplos: temperatura de
banhos, processos contínuos e por bateladas.
Rev.11/out-2020
ANEXO 1
Tabela de fatores
Rev.11/out-2020
TABELAS Gestão da Qualidade
Slide
170
Rev.11/out-2020
ANEXO 2
Fluxograma seleção de
gráfico
Rev.11/out-2020
SELEÇÃO DE GRÁFICO DE CONTROLE
Definir origem
dos dados
S Tipo N
X  3S
S Estudo Gráfico
variável
de MSA ? Para atributos
Definir
tamanho do
subgrupo
N N >5? N
~
Pequena N =1? <= 5 ? X − AM
variação
S
S S S
X − Rm ou X −R X −S
CUSUM
X m − Rm
Rev.11/out-2020
SELEÇÃO DE GRÁFICO DE CONTROLE
Dados tipo p
atributo
N
S S
Classificação ? n constante ? p ou np
Contagem
S N
c ou u n constante ? u
Rev.11/out-2020
BIBLIOGRAFIA
Costa, Antonio Fernando Branco. Epprecht, Eugenio Kahn. Carpinetti, Luiz Cesar Ribeiro.
Controle Estatístico de Qualidade. São Paulo. Atlas, 2004. P.334.
Ramos, Alberto Wunderler Ramos. CEP para Processos Contínuos e em Bateladas. Fundação
Vanzolini, 2000. São Paulo. P.130.
Brum, Dayse Orsida. Qualidade: da introdução a gestão. CEFET Química de Nilópolis. Rio de
Janeiro, 2007. 311p.
Rev.11/out-2020
GRÁFICO DE
DISPERSÃO,
CORRELAÇÃO E
AUTOCORRELAÇÃO
Rev.11/out-2020
CORRELAÇÃO
A correlação nos permite observar o nível
de dependência de uma variável em relação a
outra. esta observação ajuda na verificação se um
determinado dado, é representativo ou não. A
correlação pode ser trabalhada gráfica e/ou
numericamente :
-Gráfica: Diagrama de dispersão
-Numérica: Coeficiente de correlação (r)
Rev.11/out-2020
CORRELAÇÃO - Gráfica
Graficamente a correlação pode ser
interpretada como a seguir:
Rev.11/out-2020
Continuação:
CORRELAÇÃO
POSITIVA
CORRELAÇÃO
NEGATIVA
Rev.11/out-2020
Continuação:
CORRELAÇÃO NÃO-LINEAR
(quando existem duas populações)
Rev.11/out-2020
CORRELAÇÃO – Coeficiente de Correlação (r)

O grau de correlação pode ser quantificado
usando a equação:
rxy =
 (X − X )(Y − Y )
i i
(  (X − X )²)(  (Y − Y )²)
i i
Rev.11/out-2020
CORRELAÇÃO – Coeficiente de Correlação (r)

Classificação:
Rev.11/out-2020
CORRELAÇÃO – Erros de interpretação

A correlação possui duas formas muito
comuns de erros de interpretação:
- Correlação espúria
- Correlação por extrapolação
Rev.11/out-2020

Correlação espúria
Consiste em se dizer que a correlação

existe apenas pela observação dos fatos,
desprezando a investigação de seus mecanismos.
Exemplo :
“Pode-se dizer que existe correlação entre

o aumento da população e a redução do número
de analfabetos ?”
Rev.11/out-2020

Correlação espúria
Consiste em se dizer que a correlação

existe apenas pela observação dos fatos,
desprezando a investigação de seus mecanismos.
Exemplo :
“Pode-se dizer que existe correlação entre

o aumento da população e a redução do número
de analfabetos ?”
Rev.11/out-2020
AUTOCORRELAÇÃO – Coeficiente de autocorrelação

Para se avaliar o grau de intensidade da
autocorrelação é usado o coeficiente de
autocorrelação dado por:
COV ( X t , X t − L )
L = L = 1, 2, 3,...., k
Populacional
 2
(Xt ) L= retardo
k= tamanho da amostra
r =  ( X − X )( X − X )
i i+L
L = 1,2,3,.....k
(X − X )
L 2
Amostral i L= retardo
k= tamanho da amostra
Rev.11/out-2020
AUTOCORRELAÇÃO – Significância
Para se avaliar se a autocorrelação é
significativa usa-se o teste a seguir:
2
e= k = tamanho da amostra
k
Se rL for maior que (e), a correlação é
significativa.
Rev.11/out-2020
AUTOCORRELAÇÃO – Cartas de controle

Quando um processo apresenta
autocorrelação, os gráficos de Shewhart
tradicionais com limites em função da amplitude
não são mais válidos. As regras de interpretação
não são mais aplicáveis com exceção da que
avalia pontos fora dos limites, pois os dados não
serão mais aleatórios entre si. Apenas as
amplitudes são calculadas da mesma forma.
Rev.11/out-2020

Na ocorrência da autocorrelação os gráficos
de controle recomendados são X-R e X –RM. Seus
limites de controle são calculados com:
Onde S x =
Sx
LSC = X + 3 
c4 X −R= ( X − X ) 2
k −1
LM = X
S X − Rm =  i
( X − X ) 2
LIC = X − 3  x k −1
c4 c4 é função de k (tamanho da amostra)
Rev.11/out-2020

28,80 Gráfico X -Rm com autocorrelação
28,60
28,40
28,20
28,00
27,80
27,60
27,40
27,20
27,00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45Gráfico ajustado para autocorrelação
28,80
28,60
28,40
28,20
28,00
27,80
27,60
27,40
27,20
27,00
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45
Rev.11/out-2020
Regressão Linear e
Correlação
Intercepção
Inclinação
Rev.11/out-2020
Regressão Linear e Correlação
Uma das preocupações estatísticas ao analisar

dados, é a de criar modelos que explicitem estruturas
do fenômeno em observação
O modelo de regressão é um dos métodos

estatísticos mais usados para investigar a relação
entre variáveis
Análise de regressão: metodologia estatística que

estuda (modela) a relação entre duas ou mais
variáveis
Rev.11/out-2020
Rev.11/out-2020
yi = b + a.xi , i=1,...,n
Sendo
yi: valor da variável dependente (resposta) para o i-
ésimo elemento da amostra
xi: valor (conhecido) da variável independente ou
preditora para o i-ésimo elemento da amostra
b e a são parâmetros desconhecidos
Rev.11/out-2020
• A reta da Regressão Linear:
▫ Equação da reta: y = Ax+B;
▫ y = variável dependente;
▫ A= Coeficiente angular;
▫ B= Coeficiente linear;
▫ x= Variável Independente.
▫ Pontos Experimentais : y= A + Bx + ε
▫ ε (diferenção entre o valor observado e esperado de y)

Rev.11/out-2020
A presença ou ausência de relação linear pode ser

investigada sob dois pontos de vista
- Quantificando a força dessa relação: correlação.
- Explicitando a forma dessa relação: regressão.
Rev.11/out-2020
A correlação é calculada independente da unidade de medida das variáveis.

A técnica usada para calcular este coeficiente, supõe que a associação entre as
variáveis seja linear, ou seja, expressa por uma reta ou linha.
Se a relação apresentada no diagrama de dispersão não for do tipo linear, o coeficiente
de correlação de Pearson não deve ser calculado.
Rev.11/out-2020
- O coeficiente de correlação pode variar entre –1

(correlação negativa perfeita) e +1 (correlação positiva
perfeita).
- Valores negativos do coeficiente de correlação indicam

uma correlação do tipo inversa, isto é, quando x aumenta y
diminui.
- Valores positivos do coeficiente de correlação ocorrem

quando x e y variam no mesmo sentido, isto é, quando x
aumenta y aumenta ou quando x diminui y também diminui.
Rev.11/out-2020
Rev.11/out-2020
- Montar tabela relacionando as variáveis de interesse
- Obter os coeficientes “a” e “b” a partir das relações

matemáticas apresentadas
- Obter a equação da reta
Rev.11/out-2020
Regressão Exponencial Regressão Polinomial
Rev.11/out-2020
-Refugos em função da produção

-Quantidade de matéria-prima em função da produção
Preço em função da demanda
-Previsão do quadro de funcionários em função da
sazonalidade
Rev.11/out-2020
Custo anual de transporte de carga por caminhão em

perímetro urbano
Rev.11/out-2020
Y = 171 X = 1, 64
Rev.11/out-2020
1560,8 − 5(1, 64)(171)

a= = 109, 23
14,90 − 5(1, 64) 2
b = 171 −109, 230(1,64) = −8,137
Y = 109, 230 X − 8,137

Onde Y é custo e X o número de viagens
Rev.11/out-2020
O R² é uma medida de qualidade do

ajustamento. No caso de regressão linear simples
o coeﬁciente de determinação é o quadrado do
coeﬁciente de correlação ( r ).
Rev.11/out-2020
A soma dos desvios ao quadrado de todos os pontos em relação a média de Y é

chamada de Variação Total. Isto é:
Σ (Y – Y*)²
A diferença entre o valor de um ponto Y (xi, yi) e seu valor estimado Y' (xi’,yi’)
isto é a distancia entre o ponto Y e a reta de regressão, é chamada de Variação
Não Explicada pela reta de regressão. Isto é:
Σ (Y – Y’)²
Já a diferença entre o valor Y’ (estimativa de Y) situado sobre a reta de

regressão e o valor médio de Y* (situado sobre a reta paralela ao eixo x) é
conhecida como Variação Explicada pela reta de regressão. Isto é:
Σ (Y’ – Y*)²
Rev.11/out-2020
Variação Total = Variação Explicada + Variação não Explicada
Rev.11/out-2020
Y’=aX’+b
Rev.11/out-2020
Conclui-se que:
Σ (Y – Y*)² = Σ (Y – Y’)² + Σ (Y’ – Y*)²
O Coeficiente de Determinação R² é Definido pela seguinte relação:
Rev.11/out-2020
A variação não explicada (erro da reta de regressão) é dada por:
Erro= 100 – (R² x 100)
Rev.11/out-2020
Gráfico de dispersão – Como fazer :

O TAMANHO DA AMOSTRA DEVE SER DE NO MÍNIMO 25 PARES ( X, Y ).
TRACE UM SISTEMA DE EIXOS CARTESIANOS E REPRESENTE UMA VARIÁVEL
EM CADA EIXO.
ESTABELEÇA AS ESCALAS DE MANEIRA A DAR AO DIAGRAMA O ASPECTO DE
UM QUADRADO ( ESCALAS PROPORCIONAIS ).
ESCREVA OS NOMES DAS VARIÁVEIS EM SEUS RESPECTIVOS EIXOS E FAÇA

AS GRADUAÇÕES INDICANDO ENTRE 3 E 10 GRADUAÇÕES EM CADA EIXO.
FAÇA UM PONTO PARA REPRESENTAR CADA PAR DE VALORES ( X,Y ). SE UM
OU MAIS PONTOS COINCIDIREM, DESENHE UM CÍRCULO EM VOLTA QUANTAS
VEZES O PONTO CAIR NA MESMA COORDENADA.
Rev.11/out-2020
Rev.02/16
Gráfico de dispersão gerado no Excel :
GRÁFICO DE DISPERSÃO
1060
COMPRIMENTO
1050
1040
(mm)
1030
1020
1010
1000
4 6 8 10
PESO (g)
Rev.11/out-2020
TRIOLA, M.F., Introdução à Estatística. 10. ed. Rio de Janeiro: LTC, 2008.
LEVINE, D. et al., Estatística: Teoria e Aplicações. 5.ed. São Paulo: LTC, 2011.
LAPPONI, J.C. Estatística Usando o Excel. 4.ed. São Paulo: Campus, 2005.
Bibliografia Complementar
MONTGOMERY, D.C. e RUNGER, G.C., Estatística Aplicada e Probabilidade
para Engenheiros. 4. ed. Rio de Janeiro: LTC, 2009.
MOORE, D.S., A Estatística Básica e sua Prática. 3. ed. Rio de Janeiro: LTC,
2005.
Rev.11/out-2020
Rev.11/out-2020
Fluxograma (Sequência lógica)

- O primeiro método estruturado para o fluxo de processo , foi introduzido por
Frank e Lillian Gilbreth aos membros da sociedade americana de
engenheiros mecânicos (ASME) em 1921 na apresentação do "Processo
gráficos: primeiro passos em encontrar o um melhor maneira para fazer o
trabalho".
- Um graduado de 1944, art Spinanger, levou as ferramentas para Procter e
Gamble onde desenvolveu seu programa de mudança de métodos. Ainda em
1944, Ben S. Graham, diretor da Formcraft engenharia, adaptou o fluxograma
de processo para processamento com seu desenvolvimento do gráfico para
exibir vários documentos e suas relações com o processo.
- Em 1947, ASME adoptou um conjunto de símbolo derivado trabalho original

do Gilbreth como a "norma ASME: operação e Fluxogramas de processo."
Rev.11/out-2020

- Douglas Hartree em 1949 demonstrou que Herman Goldstine e John von
Neumann desenvolveram um fluxograma (originalmente, diagrama) para
desenvolver programas de computador.
-Os Fluxogramas, se tornaram um meio popular para descrever algoritmos

de computador. A popularidade dos fluxogramas diminuiu na década de
1970, quando os terminais de computador interativo e linguagens de
programação de terceira geração tornou-se comum ferramentas para
programação de computadores.
- Atualmente ainda são muito utilizados no desenvolvimentos de algorritmos

de programção e no mapeamento de fluxos lógicos de processos.
Rev.11/out-2020

• Permite visualizar melhor as tarefas e os processos
• Auxilia treinamentos
• Permite visualizar desvios
• Mostra o fluxo dos processos
Rev.11/out-2020
Fluxograma
SIMBOLOGIA
AÇÃO CONECTOR
ENTRADA
E SAIDA DE
INICIO/FINAL DOCUMENTOS E
INFORMAÇÕES
DECISÃO
FLUXO DO PROCESSO
Rev.11/out-2020
Fluxograma
INÍCIO
O QUÊ?
QUEM ?
AÇÃO ONDE?
QUANDO?
PORQUÊ?
N COMO?
VERIFICA
QUANTO CUSTA?
S MOSTRE ME.
FIM
Rev.11/out-2020
Fluxogramas
SEVOCAB: Software Systems Engineering Vocabulary. Term: Flow chart. Retrieved 31 July 2008.
Frank Bunker Gilbreth, Lillian Moller Gilbreth (1921) Process Charts. American Society of Mechanical
Engineers.
Graham, Jr., Ben S. (10 June 1996). "People come first". Keynote Address at Workflow Canada.
American Society of Mechanical Engineers (1947) ASME standard; operation and flow process charts.
New York, 1947. (online version)
Hartree, Douglas (1949). Calculating Instruments and Machines. The University of Illinois Press. p. 112.
Bashe, Charles (1986). IBM's Early Computers. The MIT Press. p. 327.
Goldstine, Herman (1972). The Computer from Pascal to Von Neumann. Princeton University Press.
pp. 266–267. ISBN 0-691-08104-2.
Taub, Abraham (1963). John von Neumann Collected Works. 5. Macmillan. pp. 80–151.
Bohl, Rynn: "Tools for Structured and Object-Oriented Design", Prentice Hall, 2007
Rev.11/out-2020
Lista de Verificação
Rev.11/out-2020
Uma lista de verificação é um tipo de auxílio ao trabalho, informativo,
utilizado para reduzir as falhas. Ajuda a garantir a consistência e a integridade
na realização de uma tarefa. Um exemplo básico é a “Lista de compras." Uma
lista de verificação mais avançada seria um cronograma, que estabelece
tarefas para serem realizadas de acordo com a hora do dia ou outros fatores.
Uma tarefa principal da lista de verificação é a documentação de auditoria
contra a documentação e a tarefa.
Rev.11/out-2020
Rev.11/out-2020
Histograma
O histograma foi inventado em 1833 pelo estatístico francês
André-Michel Gerry, durante um estudo de ocorrências criminais.
Na estatística, um histograma é uma representação gráfica
da distribuição de frequências de uma massa de medições. Permite
distinguir a forma, o ponto central e a variação da distribuição,
além de outras informações como a amplitude e simetria na
organização dos dados.
Um histograma é a base de qualquer estudo uma vez que
é um dos mais importantes indicadores de uma distribuição de
dados. A partir da análise de um histograma somos capazes de
constatar se a distribuição se aproxima de um função normal ou se
existe uma mistura de populações quando estas se apresentam
bimodais. Rev.11/out-2020
HISTOGRAMA
 GRÁFICO DE COLUNAS PROPORCIONAIS ÀS FREQUÊNCIAS DE INCIDÊNCIAS EM
CADA INTERVALO DE CLASSE ( OU GRUPO ) , QUE FORMA A BASE DA COLUNA E
LEMBRA A FORMA DE SINO QUANDO A DISTRIBUIÇÃO É NORMAL .
CONSTRUÇÃO DO HISTOGRAMA
1° PASSO : DETERMINAÇÃO DA AMPLITUDE ( R )
- AMPLITUDE É A DIFERENÇA ENTRE O MAIOR E O MENOR VALOR NA AMOSTRA.
Ex : X máx = 522 ; X mín. = 481 -> R = 522-481 = 41.
2° PASSO : DETERMINAÇÃO DO NÚMERO DE CLASSE ( K )

- O NÚMERO DE COLUNAS DO HISTOGRAMA. NUNCA DEVE SER MENOR QUE
CINCO PARA QUE SE POSSA VISUALIZAR O CENTRO DE DISPERSÃO DA
DISTRIBUIÇÃO E NEM TÃO GRANDE QUE TORNE O NÚMERO DE ELEMENTOS EM
CADA INTERVALO INSUFICIENTE PARA INTERPRETAÇÃO CORRETA.
Rev.11/out-2020
- O MÉTODO MAIS PRÁTICO PARA SE DETERMINAR O NÚMERO DE CLASSES É
ATRAVÉS DE UMA TABELA, ONDE O N° DE CLASSES É DADO EM FUNÇÃO DO
TAMANHO DA AMOSTRA :
N° DE ELEMENTOS N° DE CLASSES
(n) (K)
25 - 50 5-7 Ou pela fórmula :
51 - 100 6 - 10
101 - 250 7 - 12
Acima de 250 10 - 20
530 530
500 520 520
495 510 510
490 500 500
490 490
485
480 480
480
470 470
1 2 3 1 2 3 4 5 6 7 1 2 3 4 5 6 7 8 9 10 11 12 13 14
a) Poucas colunas b) N° ideal de colunas c) Excesso de colunas
Rev.11/out-2020
3° PASSO : DETERMINAR A LARGURA DOS INTERVALOS (h )
- A LARGURA DO INTERVALO ( h ) É DADA PELA RAZÃO :
h=R/K
- NO EXEMPLO DO PASSO 1, A AMPLITUDE (R ) É = 41 E PELA TABELA DO PASSO 2,
K = 6 [ PARA 40 ELEMENTOS ( N x n )] --> h = 6,8 .
4° PASSO : DETERMINAR A FRONTEIRA DOS INTERVALOS

- PARA QUE O HISTOGRAMA FORNEÇA O MÁXIMO DE INFORMAÇÕES É
IMPORTANTE QUE AS FRONTEIRAS DOS INTEVALOS SEJAM ESCOLHIDAS DE
FORMA QUE :
OS LIMITES DE ESPECIFICAÇÃO ( LSE / LIE ) SE SITUEM NO INÍCIO OU NO FIM DE
UM INTERVALO.
A LARGURA DO INTERVALO ESTEJA DENTRO DA MESMA PRECISÃO DAS MEDIAS,
COM IGUAL NÚMEROS DE CASAS DECIMAIS.
Rev.11/out-2020
- PARA DEIXARMOS ( h ) NA MESMA PRECISÃO DAS MEDIAS É NECESSÁRIO UM
ARREDONDAMENTO, DE PREFERÊNCIA PARA UM MÚLTIPLO DA TOLERÂNCIA.
PARA O EXEMPLO A TOLERÂNCIA É IGUAL A 36 SENDO O ARREDONDAMENTO
IDEAL DE h = 6,8 PARA 6.
5° PASSO : TABULAÇÃO DOS DADOS

- PARA A TABULAÇÃO DOS DADOS É INTERESSANTE UTILIZAR UM MODELO COMO
A SEGUIR :
LIMITES P/ LSE = 516 LIE=480
LIMITES DE TOTAL DA
CLASSES ACUMULÇÃO DE TABULAÇÃO
INTERVALO FREQUÊNCIA TOLERÂNCIA = 36
DADOS
1 481 487 481 482 483 484 485 486 \\ 2 X MÁXIMO = 522
2 487 493 487 488 489 490 491 492 \\\ 3 X MÍNIMO = 481
3 493 499 493 494 495 496 497 498 \\\\\\ 6
4 499 505 499 500 501 502 503 504 \\\\\\\\ 8 R = 41
5 505 511 505 506 507 508 509 510 \\\\\\\\\\ 10 K = 7 (5 e 7 na tabela )
6 511 517 511 512 513 514 516 517 \\\\\\\ 7
7 517 523 518 519 520 521 522 523 \\\\ 4 h=R/K = 41/ 7 = 6
Rev.11/out-2020
6° PASSO : CONSTRUÇÃO DO GRÁFICO
- DEFINE-SE UMA ESCALA COMPATÍVEL PARA A FREQUÊNCIA ( COBRINDO O
VALOR MÁXIMO DE FREQUÊNCIA ENCONTRADO NA TABELA ) E COLOCAM-SE
COLUNAS CUJAS BASES REPRESENTAM OS INTERVALOS DE CLASSE E A ALTURA,
A QUANTIDADE DE ELEMENTOS.
Histograma
LIE LSE
12
10 NESTE CASO
OBSERVA-SE
TEMOS 6
Freqüência
UMA 8
RESULTADOS
DISTRIBUIÇÃO 6
ACIMA DO LSE E
NORMAL MAS 4
QUE
COM PONTOS 2 REPRESENTAM
FORA DO LSE 0 6/40 = 15 % .
487 493 499 505 511 517 523
INTERVALOS
Rev.11/out-2020
Análise de Histograma
Tipo geral (simétrico ou em forma de sino):
Caraterísticas: A frequência é mais alta no centro e decresce gradualmente em

direção aos extremos, simetricamente (forma de sino).
A média e a mediana apresentam valores aproximadamente iguais e localizam-se no
centro do histograma (ponto de pico).
Ocorre: usualmente em processos padronizados, estáveis, em que a característica de

qualidade é contínua e não apresenta nenhuma restrição teórica nos valores que
podem ocorrer. É o perfil de histograma mais comum.
Rev.11/out-2020
Tipo pente (multimodal):
Caraterísticas: A frequência das classes alterna entre altas e baixas.
Ocorre: normalmente quando os valores variam de classe para classe ou quando

existe uma tendência particular no modo como os dados são arredondados.
Rev.11/out-2020
Tipo picos duplos (bimodal):
Característica: ocorrem dois picos e a frequência apresentada entre estes é baixa.
Ocorre: em situações em que há mistura de dados com médias diferentes, obtidos em

duas condições distintas. Por exemplo, a análise de dois tipos de matérias-primas
diferentes.
Rev.11/out-2020
Tipo picos isolados:
Característica: algumas faixas de valores ficam isoladas da grande maioria dos dados,
gerando barras ou pequenos agrupamentos separados.
Ocorre: quando acontecem situações anómalas no processo decorrentes de alguma

falha como erros de medição, erros de registo ou transcrição de dados, produzindo
resultados distintos.
Rev.11/out-2020
Tipo despenhadeiro ou declive:
Característica: o histograma termina abruptamente de um ou dos dois lados,

parecendo estar incompleto.
Ocorre: quando são eliminados dados, explicando, assim, o “corte” na figura.
Rev.11/out-2020
Tipo picos duplos (bimodal):
Característica: ocorrem dois picos e a frequência apresentada entre estes é baixa.
Ocorre: em situações em que há mistura de dados com médias diferentes, obtidos em

duas condições distintas. Por exemplo, a análise de dois tipos de matérias-primas
diferentes.
Rev.11/out-2020
Tipo assimétrico (um só pico):
Características: a frequência decresce abruptamente num dos lados e de forma

gradual no outro. Quando a assimetria se apresenta à direita a mediana é inferior a
média, quando se apresenta à esquerda a mediana é superior à média.
Ocorre: quando a característica de qualidade possui apenas um limite de

especificação e é controlada durante o processo, de modo a satisfazer essa
especificação.
Rev.11/out-2020
Diagrama de Pareto
Rev.11/out-2020
Diagrama de Pareto
Criado pelo economista e sociólogo italiano, Vilfredo Pareto,
que nasceu em Paris em 1848, e faleceu em 1923, em
Genebra.
O diagrama de Pareto é um gráfico de colunas que ordena
as frequências das ocorrências, da maior para a menor,
permitindo a priorização dos problemas, procurando levar a cabo
o princípio de Pareto (80% das consequências advêm de 20% das causas),
isto é, há muitos problemas sem importância diante de outros mais graves.
Sua maior utilidade é a de permitir uma fácil visualização e identificação
das causas ou problemas mais importantes, possibilitando a concentração
de esforços sobre os mesmos
Rev.11/out-2020
Diagrama de Pareto
Para o Diagrama ser aplicado, é importante seguir seis passos básicos:
1- Determinar o objetivo do diagrama, ou seja, que tipo de perda será

investigada;
2- Definir o aspecto do tipo de perda, ou seja, como os dados serão
classificados;
3- Em uma tabela, ou folha de verificação, organizar os dados com as
categorias do aspecto definido;
4- Fazer os cálculos de frequência e agrupar as categorias que ocorrem com
baixa frequência sob a denominação “outros”;
5- Calcular também o total e a porcentagem de cada item sobre o total e o
acumulado;
6- Traçar o diagrama.
Rev.11/out-2020
DIAGRAMA DE PARETO
UTILIZANDO AS FREQUÊNCIAS DA TABELA EXEMPLO DO HISTOGRAMA E

DESCREVENDO OS PROBLEMAS, AS FREQUÊNCIAS ACUMULADAS SÃO :
TOTAL DA FREQUÊNCIA
PROBLEMA
FREQUÊNCIA ACUMULADA
10 25,00 % ATRASO NA ENTREGA
8 45,00 % FORA DE ESPECIFICAÇÃO
7 62,50 % ATRASO NA FABRICAÇÃO
6 77,50 % CORREÇÕES
4 87,50 % EMBALAGENS
3 95,00 % ATRASO FUNCIONÁRIO
2 100,00 % MANUTENÇÃO
Rev.11/out-2020
CONSTRUINDO O DIAGRAMA DE PARETO

CONSISTE NUM HISTOGRAMA DECRESCENTE COM UM A LINHA DE TENDÊNCIA REPRESENTANDO AS
PORCENTAGENS ACUMULADAS :
Histograma
DIAGRAMA DE PARETO
12 120,00%
100,00%
95,00%
10 87,50% 100,00%
77,50%
Freqüência
8 80,00%
62,50%
6 45,00% 60,00%
4 25,00% 40,00%
2 20,00%
0 ,00%
ENTREG
EMBALA
MANUTE
CORREÇ
FORA DE
ATRASO
FABRICA
ATRASO
ESPECIF
ATRASO
FUNCIO
ICAÇÃO
NÁRIO
GENS
NÇÃO
ÕES
ÇÃO
NA
NA
A
EX : ATUANDO NOS PROBLEMAS, ENTREGA E ESPECIFICAÇÃO, RESOLVEMOS 45%

DOS PROBLEMAS.
Rev.11/out-2020
Desmembramento de um problema usando pareto
Rev.11/out-2020
TRABALHO
O DIAGRAMA DE PARETO ESTABELECE PRIORIDADES, ISTO É, MOSTRA EM QUE
ORDEM OS PROBLEMAS DEVEM SER RESOLVIDOS. EM ALGUMAS SITUAÇÕES
DEPARAMIOS COM UM FATO : ATUAR NO QUE ACONTECE COM MAIS FREQUÊNCIA
OU NO DE MAIOR CUSTO ? ( DECISÃO GERENCIAL ) .
COM OS DADOS FORNECIDOS ABAIXO, CONSTRUA UM HISTOGRAMA E O
GRÁFICO DE PARETO :
1 3
2 4
3 5
3 4 DEFEITO CLASSIFICAÇÃO FREQUÊNCIA
3 4
4 5
NÃO FUNCIONA 1 2
5 5 AMPERAGEM INCORRETA 2 4
Dados 2 1 TORTO 3 6
2 4
2 4 DEFEITOS EXTERNOS 4 10
4 4 TAMANHO INCORRETO 5 6
4 4
5 3
3 5
Rev.11/out-2020
EXERCÍCIO : RESULTADO
Classficação Freqüência % cumulativo
4 10 35,71%
3 6 57,14%
5 6 78,57%
2 4 92,86%
1 2 100,00% Histograma
12
10
Freqüência
Freqüência PARETO 8
% cumulativo 6 Freqüência
12 120,00% 4
Freqüência
10 100,00% 2
8 80,00%
0
6 60,00%
1 2 3 4 5 Mais
4 40,00%
2 20,00% Classificação
0 ,00%
4 3 5 2 1 Mais
Classificação
Rev.11/out-2020
Rev.11/out-2020
5S
5 S - O QUE É ?
O 5S ou Programa 5S como também é conhecido, é um

conjunto de cinco conceitos simples que, ao serem praticados, são
capazes de modificar o seu humor, o seu ambiente de trabalho, a
maneira de conduzir suas atividades rotineiras e as suas atitudes.
As atividades de 5S tiveram início no Japão, logo após a 2ª

Guerra Mundial, para combater a sujeira das fábricas, tendo sido
formalmente lançado no Brasil em 1991 através da Fundação
Christiano Ottoni.
Rev.11/out-2020
5S
DESCRIÇÃO DOS 5S
JAPONÊS INGLÊS PORTUGUÊS

Utilização
Arrumação
1º S Seiri Sorting Senso de
Organização
Seleção
Ordenação
2º S Seiton Systematyzing Senso de Sistematização
Classificação
Limpeza
3º S Seisou Sweeping Senso de
Zelo
Asseio
Higiene
4º S Seiketsu Sanitizing Senso de
Saúde
Integridade
Autodisciplina
Self-
5º S Shitsuke Senso de Educação
disciplining
Compromisso
Rev.11/out-2020
5S
Rev.11/out-2020
5S
VARIANTES DOS 5S
No inicio de sua aplicação apenas os três primeiros "S"

eram abordados, tendo sido incorporado depois o quarto e o quinto.
Atualmente, outros 4 conceitos já foram acrescidos, tendo-se
portanto conhecimento da existência de 9S, conforme abaixo,
embora o nome do método permaneça o mesmo.
1° S - Senso de Utilização
2° S - Senso de Ordenação
3° S - Senso de Limpeza
4° S - Senso de Asseio
5° S - Senso de Autodisciplina
6° S - Senso de Firmeza
7° S - Senso de Dedicação
8° S - Senso de Relato com ênfase
9° S - Senso de Ação simultânea
Rev.11/out-2020
5S
DESCRIÇÃO DOS 5S
Significado do Senso de Utilização
Ter senso de utilização é identificar materiais, equipamentos,

ferramentas, utensílios, informações e dados necessários e
desnecessários, descartando ou dando a devida destinação àquilo
considerado desnecessário ao exercício das atividades. Observe que
"guardar" constitui instinto natural das pessoas. Portanto, o Senso
de Utilização pressupõe que além de identificar os excessos e/ou
desperdícios, estejamos também preocupados em identificar "o
porquê do excesso" de modo que medidas preventivas possam ser
adotadas para evitar que o acúmulo destes excessos voltem a
ocorrer. Na terminologia da Qualidade, denominamos esta ação de
"bloqueio das causas".
Rev.11/out-2020
5S
DESCRIÇÃO DOS 5S
Significado do Senso de Ordenação
Ter Senso de Ordenação é definir locais apropriados e

critérios para estocar, guardar ou dispor materiais, equipamentos,
ferramentas, utensílios, informações e dados de modo a facilitar o
seu uso e manuseio ( Consumo dos itens mais velhos primeiro - FIFO
), facilitar a procura, localização e guarda de qualquer item.
Popularmente significa "cada coisa no seu devido lugar". Na
dimensão mais ampla, ter Senso de Ordenação é distribuir
adequadamente o seu tempo dedicado ao trabalho, ao lazer, à família,
aos amigos. É ainda não misturar suas preferencias profissionais
com as pessoais, ter postura coerente, serenidade nas suas decisões,
valorizar e elogiar os atos bons, incentivar as pessoas e não somente
criticá-las.
Rev.11/out-2020
5S
DESCRIÇÃO DOS 5S
Significado do Senso de Limpeza
Ter Senso de Limpeza é eliminar a sujeira ou objetos

estranhos para manter limpo o ambiente ( parede, armários, o teto,
gaveta, estante, piso) bem como manter dados e informações
atualizados para garantir a correta tomada de decisões. O mais
importante neste conceito não é o ato de limpar mas o ato de "não
sujar" . Isto significa que além de limpar é preciso identificar a fonte
de sujeira e as respectivas causas, de modo a podermos evitar que
isto ocorra. (bloqueio das causas).
No conceito amplo, ter Senso de Limpeza é procurar ser
honesto ao expressar, ser transparente, sem segundas intenções
com os amigos, com a família, com os subordinados, com os
vizinhos, etc.
Rev.11/out-2020
5S
DESCRIÇÃO DOS 5S
Significado do Senso de Asseio
Ter Senso de Asseio significa criar condições favoráveis à

saúde física e mental, garantir ambiente não agressivo e livre de
agentes poluentes, manter boas condições sanitárias nas áreas
comuns (lavatórios, banheiros, cozinha, restaurante, etc.), zelar pela
higiene pessoal e cuidar para que as informações e comunicados
sejam claros, de fácil leitura e compreensão.
Significa ainda ter comportamento ético, promover um
ambiente saudável nas relações interpessoais, sejam sociais,
familiares ou profissionais, cultivando um clima de respeito mútuo
nas diversas relações.
Rev.11/out-2020
5S
DESCRIÇÃO DOS 5S
Significado do Senso de Autodisciplina

Ter Senso de Autodisciplina é desenvolver o hábito de
observar e seguir normas, regras, procedimentos, atender
especificações, sejam elas escritas ou informais. Este hábito é o
resultado do exercício da força mental, moral e física. Poderia ainda
ser traduzido como desenvolver o "querer de fato" , "ter vontade de",
"se predispor a". Não se trata puro e simplesmente de uma
obediência cega, submissa, "atitude de cordeiro" como pode
parecer. É importante que seu desenvolvimento seja resultante do
exercício da disciplina inteligente que é a demonstração de respeito
a si próprio e aos outros. Ter Senso de Autodisciplina significa ainda
desenvolver o autocontrole, ter paciência, ser persistente na busca
de seus sonhos, anseios e aspirações, respeitar o espaço e a
vontade alheias.
Rev.11/out-2020
5S
IMPLANTAÇÃO DOS 5S - PLANEJAMENTO
Identificar o que é necessário para execução da

UTILIZAÇÃO tarefas e por que necessitamos daquilo.
Definir onde e como dispor os itens necessários

ORDENAÇÃO para a execução das tarefas.
Identificar as fontes de sujeira, identificar causas,

LIMPEZA limpar e planejar a eliminação das fontes.
Identificar os fatores higiênicos de risco nos

locais de trabalho e planejar ações para eliminá-
ASSEIO los.
Identificar não-conformidades nos padrões

AUTO-DISCIPLINA existentes e as oportunidade de melhorias para os
4 outros sensos.
Rev.11/out-2020
5S
IMPLANTAÇÃO DOS 5S - IMPLANTAÇÃO
Prover o que é necessário para execução da

UTILIZAÇÃO tarefas e descartar aquilo julgado desnecessário
ou em excesso.
ORDENAÇÃO Guardar, acondicionar e sinalizar de acordo com

as definições feitas na fase anterior.
LIMPEZA Eliminar as fontes de sujeira.
Eliminar os riscos do ambiente de trabalho ou

ASSEIO atenuar seus efeitos.
AUTO-DISCIPLINA Eliminar as não-conformidades encontradas na

fase anterior.
Rev.11/out-2020
5S
IMPLANTAÇÃO DOS 5S - MANUTENÇÃO
Consolidar os ganhos obtidos na fase de

UTILIZAÇÃO implantação de forma a garantir que os
avanços e ganhos serão mantidos.
ORDENAÇÃO
Padronizar as ações de bloqueio que se
mostraram eficazes na eliminação das causas.
LIMPEZA
ASSEIO
Promover ações de bloqueio contra
reincidência (mecanismo à prova de
AUTO-DISCIPLINA bobeiras).
Rev.11/out-2020
5S
PASSOS PARA IMPLANTAÇÃO DOS 5S
Para dar início à implantação

dos Conceitos 5S é essencial
PRIMEIRO PASSO envolver todas as pessoas da
organização ou da Empresa.
Dividir a empresa em áreas

físicas onde, a equipe daquela
área, pretende implantar os 5
SEGUNDO PASSO Sensos. Exemplos:
Carpintaria, Área de
arquivos,Manutenção Civil,
Ferramentaria, Depósito.
Rev.11/out-2020
5S
Após definidas as áreas

físicas onde serão
TERCEIRO PASSO implantados os 5 Sensos,
deve-se observar cada um
dos ítens a seguir ,que são
denominados QUESITOS :
ESPAÇO : Local próprio para a execução de tarefas, transito de

pessoas, equipamentos, materiais ou área para guarda/depósito de
ferramentas, materiais, equipamentos, matéria prima e dispositivos.
Ex: Salas, oficinas, cozinha, depósitos, etc.
Rev.11/out-2020
5S
MOBILIÁRIO : Bens utilizados para acomodar pessoas, materiais ou

equipamentos, decorar ambientes ou ainda guardar documentos. Ex:
Cadeira, mesa, arquivo, armário, estante, porta-clips, escada, quadro,
etc.
DISPOSITIVOS : Todo equipamento mecânico, elétrico ou eletrônico

utilizados na execução de uma tarefa, de forma acessória. Ex:
Terminal de computador, luminárias, tomadas elétricas, extintor de
incêndio, calculadora, ferramentas manuais, grampeador, etc.
DOCUMENTOS : Toda informação e/ou comunicado que tenha

como meio o papel ou registro eletrônico e cuja finalidade seja servir
de consulta, leitura, fonte de dados ou estudo.
Ex: Relatórios, gráficos, folha de dados, livros, boletins, manuais,
mensagens de correio eletrônico, software, etc.
Rev.11/out-2020
5S
MATÉRIA-PRIMA : Material de consumo empregado ou utilizado

para desenvolver as atividades ou executar as tarefas.
Ex: Fios, cabos, peças de reposição (componentes mecânicos,
elétricos e eletrônicos), material de limpeza e higiene, caneta, blocos
de papel em branco, clips, borracha, impressos e formulários virgens,
EPI ( Equipamentos de Proteção Individual), copos para café, água,
etc.
5S
Antes Depois
Rev.11/out-2020
5S
Referência Bibliográfica
IMAI, Masaaki (1992). Kaizen: A Estratégia para o Sucesso Competitivo, IMAM, ISBN
85-89824-33-0.
A certificação 5S, Como formar a cultura e atingir a exelência do 5S na empresa/

Haroldo Ribeiro- São Caetano do Sul: PDCA Editora, 2013 ISBN 978-85-63402-03-5
PETERSON, JIM & SMITH, ROLAND(1998), O Guia de Bolso do 5S, Productivity

Press, ISBN 0-527-76338-1
Rev.11/out-2020

Gestão BQ Ver11 - Out2020 Parte 2

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Gestão BQ Ver11 - Out2020 Parte 2

Enviado por

Direitos autorais:

Formatos disponíveis

GESTÃO DA QUALIDADE

Sergio Henrique Silva Junior

Rev.11/out-2020 Prof. Sergio Henrique Silva Junior

Lei nº 9.610, de 19 de fevereiro de 1998 (Direitos Autorais), na

Prof. Sergio Henrique Silva Junior

Prof. Sergio Henrique Silva Junior

1- Introdução (qualidade, cliente x fornecedor, custo x beneficio, dimensões

Rev.11/out-2020 Prof. Sergio Henrique Silva Junior

BRAINSTORMING - ( TEMPESTADE DE IDÉIAS )

Brainstorming é a mais conhecida das técnicas de geração de idéias. Foi

BRAINSTORMING - ( TEMPESTADE DE IDÉIAS )

• ESTRUTURADO: Modelo onde cada participante deve gerar uma

• NÃO-ESTRUTURADO: Modelo onde os membros do grupo

BRAINSTORMING - ( TEMPESTADE DE IDÉIAS )

1- DESENVOLVIMENTO DE NOVOS PRODUTOS

2- IMPLANTAÇÃO DE NOVOS PRODUTOS

BRAINSTORMING - ( TEMPESTADE DE IDÉIAS )

2-REUNIR O GRUPO DE APOIO

3-INFORMAR OS OBJETIVOS AO GRUPO DE APOIO

4-TEMPO DE DURAÇÃO DAS REUNIÕES (20 a 60 minutos)

5-INICIAR A GERAÇÃO DE IDÉIAS

BRAINSTORMING - ( TEMPESTADE DE IDÉIAS )

REGRAS PARA O SUCESSO

1-NENHUMA IDÉIA DEVE SER CRITICADA

2-MOSTRAR AS IDÉIAS DE MANEIRA SIMPLES

3-TODOS DEVEM PARTICIPAR

TREINAMENTO “On the Job”

Prof. Sergio Henrique Silva Junior

O diagrama de ishikawa, também conhecido como diagrama de

MÉTODO MÃO-DE-OBRA MATÉRIA-PRIMA

MEIO AMBIENTE MÁQUINA MEDIDA

O que significa cada M:

•Método – Caminho utilizado para executar o trabalho ou um procedimento.

São usados no CEP (Controle Estatístico de

- Focaliza às características do processo e do

- Permite manter as características entre limites,

-Avaliar inicialmente novos equipamentos

-Indicar a periodicidade ideal de calibração

-Prevenir falhas e avarias

-Evidenciar equipamentos fora de calibração

- Evidenciar necessidades de treinamento do

-Comprovar estabilidade estatística

-Determinar a capabilidade do sistema de medição

- Comparar sistemas de medição distintos

Limites de especificação (LSE & LIE):

- São estabelecidos pelo cliente / engenharia;

- Representam aquilo que se exige do produto,

- Baseados no desempenho do produto

- Nos diz quando dispor do produto

Limites de controle estatísticos (LSC & LIC):

- Resultam do processo de fabricação empregado;

- Refletem aquilo que o processo é capaz de

- Baseados no desempenho do processo;

- Nos diz quando tomar ação no processo;

Toda carta de controle deve possuir um diário

DIÁRIO DE BORDO - Modelo

2- Identificar em folha para carta de controle os

3- Realizar 25 medições com pessoal previamente

5- Se não, analisar o processo, corrigir e refazer

6- Avaliar cada carta gerada e tomar ações

• Nome, Modelo e Marca do equipamento.

• Traçado da curva e valores dos eixos do gráfico.

Os gráficos de controle são usados com