CEP

Controle Estatístico do Processo

PASSOS PRÁTICOS PARA A QUALIDADE
 CEP - Onde se localiza no
Sistema da Qualidade?

FMEA Fluxo FMEA Plano de

QFD Produção
Projeto Processo Processo Controle

Carac. do Carac. do Parâm. do Ocorrências

Operações
Cliente produto Processo -Humanas;
-Produto;
-Processo;
Processo -Produção
Produto

CEP
Matriz de
relacionamento

MSA
Alvos
 O que é CEP ?
O QUE É C.E.P.?

CONTROLE: é a fiscalização que fazemos em nossas atividades para atingir determinados objetivos.

Êpa, meu
peso está
fora de
controle!

ESTATÍSTICA: é uma parte da matemática que nos possibilita tirar conclusões

a partir de uma série de dados. É um sistema de ADIVINHAÇÃO.

Ex.: Na loteria, o jogo Grêmio X Aimoré, em quem você apostará?

 O que é CEP ?
PROCESSO: é o meio que utilizamos para podermos obter alguma coisa.

“Se o cozinheiro seguir direitinho a receita,

esta salada vai ficar uma delícia!”

COMO E ONDE SURGIU?

Anos 20 – W. Shewart (Lab. Bell)

Anos 40 – Dr. W. E. Deming após 2ª Guerra Mundial no Japão
Em 1951 – Prêmio Deming de Qualidade no Japão
Anos 60 – Melhores produtos EUA. Piores produtos Japão
Anos 70 – Melhores produtos Japão
Anos 80 – Consciência Internacional para a Qualidade
 O que é CEP ?
OBJETIVOS

 Proporcionar maior facilidade para o operador controlar sua máquina e ferramentas.

 Maior facilidade para identificar a real causa de algum problema.
 Discutir os problemas sobre números e dados reais, e não sobre suposições.

POR QUÊ?

 As falhas que ocorrem na Produção não são responsabilidade exclusiva do operador, mas sim,
de todo o sistema.
 A responsabilidade pela Qualidade não é de uma só pessoa ou Departamento, mas de todos.
Cada um é responsável pelo trabalho executado.

CONSEQÜÊNCIAS

 Redução dos custos da má qualidade

 Aumento da produtividade
 Diminuição do custo do produto final
 Aumento de vendas
 Crescimento da Empresa
 Desenvolvimento do funcionário
 Princípios Básicos do CEP
Novos Termos
• Distribuição de Frequência
• Curva de Distribuição Normal
• Diagrama Espinha de Peixe
• Causas Aleatórias ou Sistema de Causas
• Causas Especiais ou Causas Comuns
• Processo Estável
• Histograma
• Dispersão do Processo
• Desvio Padrão
• Sigma (ζ)
• Limites de Controle
• Cartas de Variáveis
• Cartas de Atributos
• Carta de Amplitude e Média (R & X- Xbarra)
• Média ( X )
• Amplitude (R)
• Limite SUPERIOR de Controle - LSC
• Limite INFERIOR de Controle - LIC
• Fora de Controle
• Sob Controle
• Quadro de Defeitos percentuais
• Problema de Resolução por Equipe de Gerencial
• Problema de Resolução por Equipe de Chão-de-fábrica
A revisão periódica

?
• Todos nós já fomos ao médico ou enfermeira do trabalho anualmente
ou com outra frequência para medirmos temperatura, pulso,
audiometria e pressão sanguínea.
• Se já fizemos, conhecemos um pouco sobre controle estatístico do
processo.
• As leituras que o médico registra em um gráfico são como os dados
coletados em gráficos no chão de fábrica.
• Quando estamos doente os médicos querem saber o que é normal e
o que não é normal conosco.
• Processos também podem ficar “doentes” como as pessoas.
• Como o médico, nós precisamos uma foto de como o processo está.
Precisamos de dados correntes do processo para saber o que está
ocorrendo.
• Usaremos gráficos de controle para monitorar a condição do
processo.
 Quando utilizamos corretamente, os
Gráficos de Controle ficamos sabendo:
• Quando estamos fazendo algo que não
devemos
• Quando não estamos fazendo algo que
deveriamos fazer
• Quando estamos fazendo a coisa certa
- ATESTADO DA QUALIDADE
 Gráficos de Controle

Em resumo Gráficos de Controle indicam o quão

bom está o processo.
Eles mostram:

• 1. Quando o processo está operando

satisfatoriamente
• 2. Quando algo está errado e precisa correção
 Gráficos de Controle

Gráficos de Controle proporcionam sinais.

• Sinais de PARE ou SIGA

• Sinais que apontam que tudo está correto ou sinais
de alarme e . . .
• Busca das causas do problema
 Princípios Básicos do CEP

1 Duas coisas não são exatamente iguais

• Ex.: frutos de uma mesma árvore diferem em tamanho, forma e peso

• Peças também diferem ligeiramente em tamanho, forma e acabamento
• Queremos fazer peças intercambiáveis. Para isto queremos fazê-las
idênticas, porém como duas coisas não são exatamente iguais.
• Teremos que manter as variações entre peças o menor possível.
2 Variação em um produto ou processo pode ser medida

• Alguma variação é normal no processo e esta variação tende a aumentar

• Se não nos esforçarmos para medir ou monitorar o processo teremos
problemas
• Processos não monitorados seguem ladeira abaixo
• É necessário checar a saída de um processo

Entrada Processo Saída

3 Coisas variam de acordo com um padrão definido

• Para ver o padrão tomar forma devemos coletar as medidas de uma

dimensão das peças a partir de uma das operações do trabalho
• Se registrarmos as medidas em um formato de tabela, veremos um
padrão se formando após medirmos e registrarmos várias peças
• Ex: Rolar um par de dados 50 vezes e registrar na tabela o total de
pontos em cada jogada
Veremos um padrão se formando
O padrão é chamado as vezes de distribuição de
frequências como abaixo

12 X
11 X X
10 X X X X X
9 X X X X
8 X X X X X X X X
7 X X X X X X X X X X X
6 X X X X X X X
5 X X X X X
4 X X X X
3 X X
2 X
Como fazer a curva de frequência de distribuição?
A curva de frequência de distribuição é formada
envolvendo as marcas da tabela com uma linha curva
12 X
11 X X
10 X X X X X
9 X X X X
8 X X X X X X X X
7 X X X X X X X X X X X
6 X X X X X X X
5 X X X X X
4 X X X X
3 X X
2 X

A curva mostra que existem mais medidas de números no

centro e poucos números longe do centro
Qual a forma da Curva?
A curva tem um formato de sino
12 X
11 X X
10 X X X X X
9 X X X X
8 X X X X X X X X
7 X X X X X X X X X X X
6 X X X X X X X
5 X X X X X
4 X X X X
3 X X
2 X
A curva de distribuição de frequência se repetirá quando tomarmos
um grupo de medidas. Isto leva ao quarto princípio.
4. Quando coisas do mesmo tipo forem medidas, um grupo grande de
medidas tenderá se ajustar em torno do meio

34% 34%

14% 14%
2% 2%

X
Matemáticos podem fazer uma previsão com precisão do percentual
de medidas de várias seções da curva de distribuição de frequência
 A Distribuição Normal
DISTRIBUIÇÃO NORMAL
Vejamos o seguinte exemplo:
Um levantamento de alturas com 1000 homens, com idade superior a 21 anos, apresentou uma média de
1,72m e uma variação de 1,54 à 1,90m.

1,54m 1,72m 1,90m

Deste levantamento encontramos:
 680 homens com altura entre 1,66 e 1,78m = 68%
 950 homens com altura entre 1,60 e 1,84m = 95%
 990 homens com altura entre 1,54 e 1,90m = 99%

As características que definem o comportamento da população são a média e a variação.

A distribuição normal é a distribuição de maior importância industrial.
A distribuição tem um formato de sino e é caracterizada por dois parâmetros, média e desvio padrão.

Curva Normal
n -1.5 Sigma +1.5
Sigma

LSI LE
S

3.4
ppm
or Zero

- - - - - - - 0. 1. 2. 3. 4. 5. 6. 7.
7. 6. 5. 4. 3. 2. 1. 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0

Numa produçaõ normal 99,73 das peças produzidas se situarão sob esta curva, ou seja, X =  3 
 34% 34%

14% 14%
2% 2%

Como pode ser interpretada de uma maneira prática?

Se pegarmos um balde cheio de peças de um processo e medí-las, as chances são
de que 68 de 100 medições(34%+34%) cairão dentro das 2 secções centrais do
gráfico
As chances são que 28 de 100 medições(14%+14%) cairão dentro das 2 secções
seguintes, uma de cada lado das secções centrais.
Finalmente as chances são que 4 de 100 medições(2%+2%) cairão dentro das 2
secções de fora.
A curva representada é conhecida como CURVA NORMAL
5. É possível determinar a forma da curva de distribuição
para peças produzidas por qualquer processo

Fazendo a distribuição de frequências das peças

produzidas por um processo, podemos compará-la a
especificação do desenho.
Assim podemos aprender o que o processo está fazendo
com o que queremos que ele faça
Se não gostamos da comparação ou mudamos o processo
ou a especificação
 Causas de variação
A fonte de variação de um processo pode ser
encontrada em uma ou mais das 6 áreas que são,
Máquina, Método, Meio-ambiente, Mão-obra,
Material e Medição
Medição Material Máquina

Dimensão

Método Ambiente Pessoas

O diagrama é chamado de Espinha de Peixe ou Causa e Efeito ou
Ishikawa, o qual é muito útil na busca de problemas do processo
As variações encontradas quando medimos peças de um processo são
o resultado de 2 tipos de causa - COMUNS ou ESPECIAIS
Causas Comuns ou Aleatórias ou Inerentes ou
Sistêmicas

Continuamente agem no processo.

São comuns ao processo
Se as variações no produto(causadas por material,
máquinas, etc…)
São devidas as causas comuns, o produto variará de uma
maneira(forma) normal e previsível
Então o processo é ESTÁVEL
Causas Especiais
Elas podem ser detectadas porque não estão sempre atuando no
processo
Mais facilmente podemos fazer alguma coisa a respeito
Queremos saber como o processo varia sob condições estáveis e
normais - isto é somente causas comuns contribuindo com as
variações.
Então se qualquer mudança não usual ocorrer, veremos esta alteração
na curva de distribuição normal.
Pode-se dizer que é o resultado de uma causa especial e não comum
Quando aparecerem causas especiais a curva normal será distorcida e
perderá o formato da curva de sino
Alterações da Curva Normal

Distribuição Normal
 Alterações da Curva Normal

Medidas de dois grupos que se sobrepõem

Medidas de dois grupos diferentes

 Alterações da Curva Normal

Curvas deslocada para a direita

Curvas deslocada para a esquerda

 6. Variações devido a causas especiais
tendem a distorcer a distribuição Normal:

A distribuição de frequência ajuda a determinar se

causas comuns somente existem no processo
ou se causas especiais também estão presentes
Distribuição de frequências são muito úteis pela
simplicidade
 Variação Previsível
• Natural do Processo
• Ocorre ao acaso
• Segue um padrão
• Muitas fontes
• Afeta todos os produtos gerados pelo
processo
• Pode e deve ser reduzida, mas não pode ser
eliminada
• Tem efeito amplo no sistema
Exemplos de causas comuns de Variação

• 1 Meio ambiente
-iluminação deficiente
-alto nível de ruído
-variação de temperatura ambiente

• 2 Mão de obra
- treinamento inadequado/insuficiente do pessoal
- inabilidade para executar a tarefa
- falta de acuidade visual

• 3 Máquina-Equipamento
- mau ajuste de máquina por deficiência construtiva do
gabarito
- envelhecimento, desgaste
-instrumento de controle deficiente
 Exemplos de causas comuns de Variação

• 4 Material
- compra contínua de material de baixa qualidade
- variação de mat-prima entre lotes

• 5 Método
- instruções erradas/ ou inexistentes
- especificações inexistentes ou confusas
- especificações de matéria-prima incompatíveis com
as especificações requeridas ao produto

• 6 Medição
- sala de medição com temperatura não controlada
- falta de instruções de medição
Exemplos de causas especiais de Variação

• 1 Meio ambiente
-iluminação precária devido a lâmpadas queimadas
-aumento da temperatura devido à quebra do
controlador de temperatura

• 2 Mão de obra
- falta de cuidado devido a acesso de mau-humor
- saúde subitamente abalada
-operador substituto inexperiente

• 3 Máquina-Equipamento
- súbita desregulagem da máquina / equipamento de
controle
- ferramenta indevida retirada por engano no
almoxarifado
- quebra de algum componente notada pelo operador
Exemplos de causas especiais de Variação

• 4 Material
- remessa fora da especificação
- lote estocado ou manuseado de forma inadequada
- utilização de material indevido

• 5 Método
- folha de instrução de operação ilegível, usada por
ajustador de processo inexperiente

• 6 Medição
- quebra de instrumento de controle
- quebra do óculos do operador do instrumento
 Ferramentas da Qualidade:
Para melhorar ou manter a qualidade de um
produto devemos ter processos estáveis
A vantagem das técnicas estatísticas utilizadas é
o uso contínuo e não somente uma vez. Deve se
tornar um modo de vida no local de trabalho
Objetivo - demonstrar que o trabalho está
rodando de uma maneira estável
Então poderemos conhecer o nível de qualidade
 Ferramentas da Qualidade

1. Histograma ou Distribuição de
Frequência
2. Carta de Controle
Histograma - uma foto do trabalho
Três perguntas podem ser respondidas em uma rápida olhada no
padrão do histograma:
1. O processo está produzindo peças no formato curva de sino?
2. Onde o processo está centrado?
3. O processo é capaz de atender as especificações de engenharia?
 SPEC.

x
x
x
Distribuição x
de x
Frequência x x x
x x x
x x x
x x x
x x x x
x x x x
x x x x
x x x x x
x x x x x
x x x x x x x x
x x x x x x x x x
x x x x x x x x x x
x x x x x x x x x x
x x x x x x x x x x x x
0.5623

0.5622

0.5621

0.5620

0.5619

0.5618

0.5617
 Histograma

0.5623

0.5622

0.5621
SPEC.

0.5620

0.5619

0.5618

0.5617
Histograma - uma foto do trabalho
Três perguntas podem ser respondidas em uma rápida olhada no
padrão do histograma:
1. O processo está produzindo peças no formato curva de sino?
2. Onde o processo está centrado?
3. O processo é capaz de atender as especificações de engenharia?
 1. O processo está produzindo peças no
formato curva de sino?

Se o histograma for parecido com a curva de

sino, poderemos dizer de uma forma prática:
a. O processo parece “normal” e estável.
b. Variações geralmente devidas a causas
aleatórias
Se o histograma não for parecido . …
a. O processo não é normal.
b. Causas especiais estão influenciando as
variações.
 2.Onde o processo está centrado?

A média do histograma e o ponto central da

especificação estão próximos, então o processo é
centrado.
Quando a média do histograma e o ponto
central(nominal) da especificação estão
afastados, então o processo necessita ajuste.
 3.O processo é capaz de atender as
especificações da engenharia?

A variação do processo cabe dentro dos limites;

portanto estima-se que o processo é capaz de
atender as especificações de engenharia.
O histograma é meramente uma foto do
processo. Se coletarmos um outro conjunto de
dados outro momento, a foto talves seja diferente
 Variação do processo
A variação do processo é determinada pela curva que forma.
Quando a curva é comparada com a especificação, podemos
dizer quando o processo esta produzindo peças fora de
tolerância
Quando a variação da curva é mais larga que a especificação,
podemos estimar a quantidade de peças que cai fora da
especificação.
A curva normal apresenta a probabilidade de ocorrência de
peças.
A curva é divida em Desvios padrões(letra Sigma).
É calculado matematicamente.
É um indicador que mostra como as medidas se reúnem em
torno da medida central(média)
 A Distribuição Normal

95%

99.74%

-3 -2 -1 m=0 1 2 3

 A Distribuição Normal

Especificação

34% 34%

14% 14%
2% 2%
 Propósito do Histograma e Distribuição de frequência

Avaliar ou checar o processo

Indicar a necessidade de tomar ação corretiva
Medir os efeitos das ações corretivas
Comparar as performance de equipamento
Comparar material
Comparar fornecedor
Histogramas são boas ferramentas estatísticas para o propósito
acima, porém não são muito úteis para monitorar o nível de qualidade
de um processo em andamento. Para monitorar um processo em
anamento a melhor ferramenta é o Gráfico de Controle
 Gráfico de Controle

Gráfico de Controle é como um filme.

Uma série de pequenas fotos
É um registro em tempo real do processo
Nos diz quando o processo está rodando OK ou quando necessita
atenção
Nos proporciona limites de controle para operar com segurança.Os
limites são baseados em dados históricos
Quando pontos saem for a do limite, sabemos que algo ocorreu e o
processo não está operando normalmente
Os Limites de Controle são sinais de aviso
 Limites de Controles nos dizem

Quando tomar alguma ação.

Quando deixar o processo rodar sem interferir
Existem dois tipos de Gráficos de Controle:
1 Gráficos por Variáveis:
É utilizado quando uma característica ou dimensão é medida e o
resultado é um número
2 Gráficos por Atributo:
É utilizada quando uma dimensão ou característica não é medida em
números, mas sim bom ou ruim ou passa-não-passa.
 Gráficos de Controle

• Gráficos estabelecendo limites de controle de

processo
• Gráficos de Variáveis
– Média (X-bar), Amplitude (R)
• Gráficos para atributos
– pec
 Gráfico de Controle de Processo
Limite
Controle
Superior

Média do
Processo

Limite
Ccontrole
Inferior

1 2 3 4 5 6 7 8 9 10

Número de Amostra
 Um Processo Está sob Controle Se

• Nenhum ponto da amostra fora dos limites

• Maioria dos pontos próximo da média do processo
• Número igual de pontos acima & abaixo da linha
média
• Pontos parecem distribuídos de forma randômica
 Desenvolvimento do Gráfico de Controle

• Baseados em dados sob controle

• Se causas não-randômicas estiverem presentes discarta-se os
dados
• Limites de Gráfico de Controle Corretos
 Gráficos de Controle para Variáveis

• Gráfico das Médias (Gráfico X-Bar)

– Usa média de uma amostra
• Gráfico das Amplitudes (Gráfico R)
– Usa quantidade de dispersão em uma amostra
 Controle Estatístico de Processo

• Toma amostras periódicas do processo

• Plota pontos de amostras no gráfico de controle
• Determina se o processo está dentro dos limites
• Evita problemas de qualidade
 Variação
• Causas Comuns
– Variação inerentes em um processo
– Podem ser eliminadas somente através de
melhorias no sistema
• Causas Especiais
– Variação devida a fatores identificáveis
– Podem ser modificadas através de ações
gerenciais ou do operador
 Tipos de Dados
• Dados de Atributo
– Características de Produto avaliadas com uma
escolha discreta
• Bom/ruim, sim/não
• Dados Variáveis
– Caracteríticas de Produto quepodem ser medidas
• Comprimento, tamanho, peso, altura, tempo,
velocidade
 Gráfico das Médias
UCL  x  z  x
LCL  x  z  x

x 
n

  0.04 
UCL  x  z  5  3   5.027 cm
n  20 
  0.04 
LCL  x  z  5  3   4.973 cm
n  20 

Estas fórmulas somente funcionam

se é conhecido o Desvio Padrão
Exemplo de Dados
Diâmetro do Anel (cm)
Amostras 1 2 3 4 5 x R
1 5.02 5.01 4.94 4.99 4.96 4.98 0.08
2 5.01 5.03 5.07 4.95 4.96 5.00 0.12
3 4.99 5.00 4.93 4.92 4.99 4.97 0.08
… … … … … … … …
10 5.01 4.98 5.08 5.07 4.99 5.03 0.10
50.09 1.15
Cálculos do Gráfico x-barra

x x1  x2  xn  50.09  5.01 cm

n 10

UCL  x  A 2 R  5.01   0.58 .115  5.08

LCL  x  A 2 R  5.01   0.58 .115  4.94

x  average of sample means

R  average range value

Estas fórmulas usam a ampitude amostral

 Fatores do Gráfico de Controle
3
Tam amostra Gráfico x-barra Gráfico R
n A2 D3 D4
2 1.88 0 3.27
3 1.02 0 2.57
4 0.73 0 2.28
5 0.58 0 2.11
6 0.48 0 2.00
7 0.42 0.08 1.92
8 0.37 0.14 1.86
Exemplo gráfico x-barra

5,10
5,08
Sample average
5,06
5,04
5,02
5,00
4,98
4,96
4,94
4,92
1 4 7 1
Sample number
Gráfico Amplitude(R)
UCL  D4 R
LCL  D3 R
R
R 
k
R  range of each sample
k = number of samples
 Cálculos Gráfico R
 R 1.15
R   0.115
k 10

UCL  D4 R  2.11(0.115 )  0.243

LCL  D3 R  0(0.115 )  0
Exemplo Gráfico R

0,3

0,25

0,2
Range

0,15

0,1

0,05

0
1 2 3 4 5 6 7 8 9 10
Sample number
 Usando Gráficos X-barra e R-juntos

• Cada medida processa diferentemente

• A Média e Variabilidade do Processo devem estar
sob controle
 Padrões de Gráfico de Controle
LSC LSC

LIC LIC

Observações de Amostras Observações de Amostras

consistentemente aumentando consistentemente
diminuindo
 Padrões de Gráficos de Controle
LSC LSC

LIC LIC

Amostras de observações Amostras de obsevações

consistentemente abaixo consistentemente acima da
da linha média linha média
 Padrões de Carta de Controle
LSC LSC

LIC LIC

Observações de amostras Observações de amostras

consistentemente abaixo consistentemente acima da
da linha central linha central
 Zonas Para Testes Padrões
Valores para exemplo 4.4
LSC 3 sigma  x  A2 R 5.08
Zone A
2 sigma  x 
2
3
A2 R  5.05
Zone B
1 sigma  x 
1
A2 R  5.03
Zone C 3
Média x 5.01
Zone C
1 sigma  x 
3
1

A2 R  4.98
Zone B 2

2 sigma  x  A2 R
3
 4.965
Zone A 3 sigma  x  A2 R
LIC 4.94
 Padrões de Gráfico de Controle
• 7 pontos consecutivos em um lado da linha central.
• 7 pontos consecutivos para cima ou para baixo através
das zonas.
• 14 pontos alternando para cima e para baixo.
• 2 de 3 pontos consecutivos na zona A porém ainda dentro
dos limites de controle.
• 4 de 5 pontos consecutivos na zona A ou B.
 Realizando Teste Padrão A
Amostra x Acima/abaixo Up/down Zona
1 4.98 B -- B
2 5.00 B U C
3 4.95 B D A
4 4.96 B D A
5 4.99 B U C
6 5.01 -- U C
7 5.02 A U C
8 5.05 A U B
9 5.08 A U A
10 5.03 A D B
 Resultados do Teste Padrão

• 2 de 3 pontos consecutivos na zona A

• Amostras 3 e 4
• Processo deverá ser ser checado
 Determinação do tamanho de Amostra

• Gráfico de Controle por Atributos

– 50 a 100 peças em uma amostra
• Gráfico de Controle de Variáveis
– 2 a 10 peças em em uma amostra
 Capabilidade do Processo
• Campo da Variação Natural do processo
– Medida com gráficos de controle.
• Processo não pode atender as especificações se a
variabilidade natural excede as tolerâncias
• Qualidade 3-sigma
– especificações iguais aos limites de controle do processo.
• Qualidade 6-sigma
– especifications duas vezes mais largas que os limites de controle
 Capabilidade do Processo

PROCESSO
PROCESSO

Especificação

Projeto
Linites Especificações Limites

do
controle de controle
natural Projeto natural

Processo não atende as especificações Processo pode atender as especificações

PROCESSO

Esipecificação
Limites

Projeto
do
controle
natural

Capabilidade do Processo excede as especificações

Capacidade do Processo e Variação
• Se a variação inerente de um processo é
menor que os limites de especificação, o
processo é capaz
• O índice de capacidade do processo
USL  LSL
Cp 
6
where USL  upper specification limit
LSL  lower specificaton limit
 = standard deviation of the process
 Capabilidade do Processo
Limite de Limite
especificação inf Especificação Sup

Cp = 1

Cp > 1

Fora da Especificação

nominal (média)
 Gráfico de Controle para Atributos
• Gráficos p
– Calcula a percentagem de defeitos na amostra
• Gráficos np
– Calcula o número de peças defeituosas na amostra
• Gráficos c
– Conta número de defeitos no item
 Gráfico - p
UCL  p  z p
LCL  p  z p
p(1  p )
p 
n
p  average % defective in sample
n = sample size
 Exemplo Gráficos - p
20 amostras de 100 pares de jeans

#amostras # Defeitos Proporção Defeitos

1 6 .06
2 0 .00
3 4 .04
… … …
20 18 .18
200
 Cálculos Gráfico - p

total defectives
p
total sample observations
200
=
20(100)
 0.10
p (1  p ) 0.10(1  0.10)
UCL  p  z  0.10  3  0.190
n 100
p (1  p ) 0.10(1 0.10 )
LCL  p  z  0.10  3  0.010
n 100
 Exemplo Gráficos - p

0.2
0.18
0.16
Proportion defective

0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0

10

12

14

16

18

20
..

Sample number
 Gráficos - c

Total # defects
Process average  c 
# samples
Sample standard deviation = c  c
UCL  c + z c
LCL  c - z c
 Exemplo Carta C

Contar número de defeitos em 15 rolos de tecido de jeans

Amostra # # Defeitos
1 12
2 8
3 16
… …
15 15
190
 Cálculos Gráfico c
190
c  12 .67
15
UCL  c + z c  12.67  3 12 .67  23.35
LCL  c - z c  12.67  3 12 .67  1.99
 Examplo c-Chart
24

21

18
Number of defects

.
15

12

0
0

10

12

14
Sample number
RESUMO APLICAÇÃO
DAS CARTAS
 Histograma (variáveis)
• Coleta inicial para checar
distribuição • Em relação as cartas:
mostra o tipo de
• Processos com degradação natural distribuição e parâmetros
ex: alargador que as cartas tb mostram,
como: estabilidade,
capacidade, Zac, Zab
• Quando a distribuição não for curva
normal e quero verificar dispersão
do processo e causas especiais • Não mostra as tendências
• Não há limites de controle
• Quando não houver possibilidade de
ajuste imediato
 Carta Xbarra, R ( Variáveis)
• Processo tem que ter
variação interna da amostra
ou seja R dentro do
subgrupo é diferente de zero
• Processo usinagem em geral
• Aplicação ampla
• Mais sensíveis as variações
do processo que as cartas
individuais
• Depende do grau de
instrução dos empregados.
Fica difícil a implantação
• Foco no processo
 Carta X, Individuais
• Amostragem pequena n=25 • Mais fácil preenchimento.
elementos Menos cálculo

• Processos que envolvem • Não é tão sensível as

mistura
variações como a carta X=, R

• Processos onde não há

variação interna da amostra • Análise estatística
prejudicada em função do
• R interna subgrupo é zero número de elementos

• Aplicação em processos • Foco no processo

especiais: siderurgia,
galvanização, borracha,
químicos, refrigerante,
cimento, xampoo, cerveja
 Carta np, Atributos - nº peças defeituosas

• 1 defeito por processo • + econômica a coleta de dados

• Inspeção visual/passa não passa • Fácil a elaboração

• Foco no produto-> ações

• Tamanho de amostra deve ser corretivas/efeito
constante
• Só p/processos com 1 defeito
Carta p atributos p=percentual de peças c/ defeito
• 1 defeito • Tamanho da amostra pode
variar

• inspeção visual / passa não • Foco no produto=>ações

passa corretiva/efeito

• tamanho da amostra pode • Só aplicada para processos

variar (+/-25%) que tem um defeito

• Em relação a np: 1
cálculo a mais
 Carta C atributos - nº defeitos na
peça fabricada

• + de 1 defeito p/processo • Em relação a p e np:

(checklist de defeitos) separa por tipo de defeitos

• Visual • Foco no produto=>ações

corretiva/efeito

• Tamanho da amostra é cte = • Através da análise de Pareto=>

50 prioriza o problema + crítico
 Carta u atributos - nº não-conformidades por unidade
• Em relação a C, um cálculo a mais
• + de 1 defeito p/processo =>proporção
(checklist de defeitos)
• Em relação a p e np:
• Visual separa por tipo de defeitos
• Foco no produto=>ações
• Tamanho da amostra pode corretiva/efeito
variar
• Através da análise de Pareto=>
• u=c / n prioriza o problema + crítico
 Controle
Estatístico do
Processo
Exercícios de aula
Exercício 1: Carta de CEP
1 102 101 105 105 98
2 104 99 105 95 101
3 99 105 99 96 102
4 97 102 99 98 92
5 102 98 95 97 92
6 98 98 101 96 96
7 100 97 102 98 94
8 97 99 98 98 100
9 95 99 103 101 91
10 103 99 98 97 98
11 100 98 97 101 103
12 103 95 97 97 100
13 98 103 106 95 100
14 95 107 99 104 93
15 99 107 101 105 98
16 99 104 100 97 101
17 99 105 102 104 104
18 95 101 102 98 99
19 98 102 102 104 100
20 108 102 93 92 99
21 93 99 96 103 99
22 105 111 107 108 112
23 101 103 98 101 100
24 107 105 101 100 103
25 109 98 102 105 93
Exercício 2: Fórmulas
Distribuição
Normal

x  xi xs  x
z z
̂ ̂
 Sabendo-se que o diâmetro de um rolamento segue
uma distribuição normal, tem média = 100 mm e desvio
padrão = 5 mm, determinar:

• A) Porcentagem de diâmetros
x
abaixo de 98 mm
• B) Porcentagem de diâmetros acima de 102 mm
• C) Se a média mudar para 102 mm e manter o
desvio padrão = 5 mm, determinar a porcentagem de
diâmetros abaixo de 98 mm
• D) Se a media se mantiver em 100 mm e o
desvio padrão aumentar para 7 mm, determinar
a porcentagem de diâmetros abaixo de 98 mm
• E) Se a média mudar para 102 mm e o desvio
padrão mudar para 7 mm, qual será a
porcentagem de diâmetros abaixo de 98 mm?
• F) Determine a porcentagem de diâmetros entre
97 e 101 mm para média = 100 e desvio padrão
= 5 mm
• G) A medida do diâmetro acima da qual tem-se
10% de diâmetros (media = 100 mm e desvio
padrão = 5 mm)
• H) A medida do diâmetro abaixo do qual tem-
se 5% de diâmetros
• I) Qual deverá ser o desvio-padrão para que se
tenha 95% de diâmetros entre 98 mm e 102
mm com media = 100 mm?
• J) Qual deverá ser o desvio padrão para que se
tenha 99,73% de diâmetros entre 98 mm e 102
mm com média = 100 mm?
• K) Qual deverá ser o desvio padrão para que se
tenha 99,994% de diâmetros entre 09 mm e 102
mm com media = 100 mm?