Controle Estatístico de Processo Prof.

Hardman
 Variância e Desvio padrão:
 A variância (V) é útil para analisar como os dados estão dispersos em relação a média.
Técnicas de Apoio ao CEP
 O desvio padrão (DP) é calculado a partir da variância, pois é a raiz quadrada desse
Medidas de dispersão ou de variabilidade: parâmetro.
 Desvio padrão:
 É uma medida que expressa o grau de dispersão de um conjunto de dados.
 Indica o quanto um conjunto de dados é uniforme.
 Quanto mais próximo de 0 (zero) for o desvio padrão, mais homogêneo são os dados.

 Cálculo do desvio padrão (DP):  Variância populacional:

 Fórmula:
 Onde,
 Sendo:
 ∑: símbolo de somatório. Indica que temos que somar todos os termos, desde  : variância;
a primeira posição (i=1) até a posição n; xi: valor analisado;
xi: valor na posição i no conjunto de dados; : média aritmética do conjunto;
MA: média aritmética dos dados; n: número de dados do conjunto.
n: quantidade de dados.  Variância populacional para calculá-la:
 Em uma equipe de remo os atletas possuem as seguintes alturas: 1,55 m ; 1,70 m e 1,80  Calcular a média aritmética do conjunto;
m. Qual é o valor da média e do desvio padrão da altura desta equipe?
 Subtrair de cada valor do conjunto a média calculada e elevar o resultado ao
 Cálculo da média, sendo n = 3 quadrado;
 Somar todos os valores e dividir pelo número de dados.

 Quando o conjunto de dados é muito grande e queremos utilizar uma amostra aleatória
devemos empregar a fórmula de variância amostral:

 Onde,

1. : variância;
xi: valor analisado;
: média aritmética do conjunto;
n: número de dados do conjunto.
 Exemplo:

luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman
Observe a altura de quatro construções (em metros) – 460, 800, 300 e 400. Calcular a variância e o desvio
padrão.
1. Média aritmética (MA) do conjunto.

2. Variância (V):

 Frequência:
 Se refere a repetições de algo e, em estatística, informam sobre as ocorrências, ou,
realizações das variáveis pesquisadas.
 Tabela de frequência é uma forma de organização dos valores de variáveis
coletados.

 Frequência absoluta (simples):

 É o registro do número de repetições de uma variável estudada;
 Ex.: Uma pesquisa foi realizada com alunos do 3º ano do Ensino Médio onde
3. Desvio padrão (DP). foram perguntados sobre suas preferências de estilos musicais. Ao total 54
alunos responderam à pesquisa.

luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman
 Fi de “gato”:
 Frequência absoluta acumulada:
 Ou, frequência acumulada, é a soma das frequências absolutas simples de cada variável.
 Fi de “cachorro”:

 Fi de “outros animais”:

 Observações:
 Fi é um número entre 0 e 1;
 É comum apresentar a Fi em porcentagem (basta multiplicar por 100);

 Frequência relativa:  A soma das frequências relativas de uma pesquisa é igual a 1 ou, 100%.

 Divisão entre o número de vezes que um dado específico se repete, pela quantidade  Exemplo 2: Uma pesquisa avaliou as intenções de voto em um candidato caso as
total de dados. eleições ocorressem hoje. A tabela de frequências mostra os dados da pesquisa.

 Fórmula:

Onde,
 Fi - frequência relativa de uma variável i qualquer da pesquisa;
 Fa - quantidade de vezes que ocorre essa variável na pesquisa (frequência
absoluta);
 n - nº total de respostas.
 Ex.: Uma pesquisa realizada com 75 pessoas levantou informações sobre animais de
estimação.

Principais técnicas de apoio:

 Amostragem (Inspeção, Planos de Amostragem);
 Estratificação;
 Folha de Verificação;
 Histograma/Gráficos;

luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman
 Diagrama de Pareto;
 Diagrama de Causa e Efeito (6M) - Espinha de Peixe;
 Gráficos de Controle (Gráficos de Shewhart);
 Diagrama de Correlação.

Amostragem (Inspeção, Planos de Amostragem):

 Processo de selecionar um grupo de indivíduos de uma população, a fim de estudar e caracterizar
a população total.
 Em uma população de 122 milhões de pessoas, foram selecionadas um grupo de 1.000 pessoas
que formam uma amostra e a maneira como eu seleciono este grupo é chamado de amostragem.

Tipos de Amostragem:
 Aleatória simples;
 Aleatória sistemática; Amostragem: O que é o Score Z?
 Estratificada;  É o quanto uma medida se afasta da média em termos de Desvios Padrão.
 Por conglomerados;  Quando o escore Z é positivo, indica que o dado está acima da média e negativo o dado está
abaixo da média.
 Por conveniência;
 Seus valores oscilam entre -3 < Z < +3 e isto corresponde a 99,72% da área sob a curva da
 Por auto-seleção;
Distribuição Normal.
 Intencional;
Score Z entre -3 DP até +3DP
 Por bola de neve;
 Por quotas.
O pesquisador define classes populacionais e determinar a proporção da população para cada classe.

 Tamanho da amostra necessária para obter nível de erro em 5% e nível de confiança em 95%:
 Transformar seu nível de confiança em um escore-z.

Como calcular o Z

luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman
• Admitamos que uma amostra relativa às Kcal ingeridas diariamente de um grupo de 60 sujeitos e
que apresente distribuição normal. Foram calculados: o DP=300,2 Kcal e a média=2.531,5 Kcal.
Calcule o Z score para um sujeito que tenha ingerido 2.800 Kcal e discuta o resultado.

Exercício
• Foram calculados: o DP=300,2 Kcal e a média=2.531,5 Kcal. Calcule o Z score para um sujeito que
tenha ingerido 2.800 Kcal e discuta o resultado.

 Admitamos que uma amostra relativa às notas de um grupo de 100 alunos apresente distribuição
normal. Foram calculados o DP e a média da amostra, 2,7 e 7,7 respectivamente. Calcule o Z score
para um aluno que tenha obtido nota 6,2 e discuta o resultado.

Tabela da área sob a curva da Distribuição Normal

Estratificação:
Exercício

luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman
 Consiste em dividir toda a população ou o "objeto de estudo" em diferentes subgrupos ou  Determinado a importância relativa de cada causa, decidir a ordem que vamos atacá-las;
estratos diferentes.
 Levar em conta a gravidade do defeito;
 Usada quando a população se divide em subpopulações (estratos) razoavelmente homogêneos.
 Método aplicável para decidir entre causas de defeitos de igual gravidade.

Folha de verificação:
 Permitem visualizar e controlar o processo;
 Projetadas conforme as necessidades e conveniências de uso e finalidade;
 Coleta de dados para verificar a frequência de certos eventos por período de tempo.

Histograma:
 É um tipo de gráfico de barras que demonstra uma distribuição de frequências:
 Identificar o tipo de distribuição que rege o processo;
 Identificar possíveis causas especiais de variação;
 Analisar a influência das causas comuns;
 Confrontar a variação obtida com as especificações.
 É uma variação do gráfico de barras.
 O gráfico de barras descreve os dados em barras e categorias separadas;
 Os histogramas são usados com dados contínuos, enquanto os gráficos de barras são
usados com dados categóricos ou nominais.

Histograma - formatos:
 Simétrico ou normal:
Folha de verificação da causa dos defeitos:
 O Processo é padronizado e os dados são estáveis, permitindo variações pequenas;
 Permitem classificar os defeitos segundo as causas;
 O pico dos dados fica ao centro do gráfico, e suas variações vão decrescendo de maneira
 Utilizam-se símbolos diferentes para cada causa; simétrica dos dois lados.
luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman
 As barras sobem e descem sem critério.

 Assimétrico para a esquerda:

 Acontece geralmente quando os dados são tolerados até um número limite, não
podendo ultrapassar este limite;  Exemplo:

 Seu pico é concentrado em um dos lados, e os dados fora de padrão decrescem para o  O responsável de uma linha de produção queria saber se a densidade do produto
lado oposto. metálico estavam conforme o esperado. Ele coletou 80 amostras do produto.
 Qual o formato?

 Com dois picos:

 Acontece quando são apresentadas duas coletas de dados diferentes para
comparação;
 Podemos perceber que as saídas estavam seguindo o padrão normal de variação;
 A análise deve ser feita separadamente, observando ao desenho dos dois gráficos.
 As amostras do produto analisadas ficaram dispostas próximas do centro (em torno de 89%);
 E que alguns frascos (em torno de 20%) apresentam concentração próxima dos valores mínimos;
 Ou seja, nessa amostra coletada a maior parte dos produtos estão em conformidade com o
esperado.

 “Platô”:
 Acontece geralmente quando há anormalidade nos dados decorrentes de falhas.
 As barras têm praticamente os mesmos tamanhos.

 Histograma aleatório:
 Acontece quando os dados analisados não apresentam nenhum padrão.
luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman
 Se os valores entre 35,4 a 36,8 fossem considerados não conformes, por exemplo, teríamos uma
pequena quantidade de produtos fora das especificações planejadas, e a partir de então,
poderíamos aplicar ações corretivas nesse processo.

Ex.: 2

 Ex.: na tabela abaixo está descrita a quantidade de peças produzidas em um processo produtivo a
cada dia.

Observe os dados acima e diga:

 Como os valores estão distribuídos?
 Qual valor que aparece com maior frequência?

 A partir desta tabela diga:  Quando trabalhamos com variação continua precisamos agrupar os valores em intervalos de
classe, é o que chamamos de distribuição de frequência.
• Como os valores estão distribuídos?
 Para a construção do histograma é vital a escolha do intervalo de classe mais apropriado, que
• Qual valor que aparece com maior frequência? deve ser feito com base no número de observações realizadas e utilizando-se a seguinte tabela:
 Na forma numérica, os dados não informa muita coisa, mas se depusermos estes valores na forma
gráfica temos o histograma ao lado:

 Para o caso em estudo foram feitas 40 observações, temos portanto 6 classes.

luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman
 Além da tabela podemos determinar a quantidade de classes apropriada através da seguinte  Separando os dados:
equação:

Sendo:
K = Número de classes apropriado
n = Número de observações.

 Entretanto antes de construir o histograma precisamos determinar a amplitude amostral (R) do

intervalo.

 Dividir esta amplitude em intervalos de classe.

 Cada intervalo irá variar de 2 em 2, sendo:

 Ficamos então com o seguinte gráfico:

luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman

 As classes encontram-se no eixo das abcissas;

 As frequências absolutas (ou relativas), encontram-se no eixo das ordenadas.

Diagrama de Pareto
 No fim do século XIX, o economista sociopolítico Wilfried Fritz Pareto, observou que havia uma
distribuição desigual de poder na população total.
 A classe que apresentar maior frequência absoluta designa-se por classe modal. Ex.:  Calculou matematicamente que 80% da riqueza estava em mãos de 20% da população.
 Variável: altura em centímetros.  Recurso gráfico utilizado para estabelecer uma ordenação nas causas de perdas que devem ser
 Dados: 152, 158, 150, 165, 174, 163, 170, 156, 172, 168. sanadas.

 Amplitude de cada classe: 5

 Tabela de frequências: classe modal: [170, 175]

luizhardman@facig.edu.com.br
Controle Estatístico de Processo Prof. Hardman

Passos para Construção:

 1º: Refazer a folha de verificação ordenando os valores por ordem decrescente de grandeza.
 2º: Acrescentar mais uma coluna indicando os valores acumulados.
 O princípio apresenta o conceito que na maioria das situações, 80% das consequências vem de
20% das causas.
 Muito útil para tratar não conformidades, identificar pontos de melhoria e definir as
prioridades para um planos de ação.
 Estabelece que não conformidades da qualidade de produtos e processos podem ser classificados:
 Poucos vitais: representam poucos problemas que resultam em grandes perdas.
 Muitos triviais: representam muitos problemas que resultam em poucas perdas.

Elaboração do Diagrama de Pareto:

 Determinar o tipo de perda que será investigada;
 Especificar o aspecto de interesse do tipo de perda que será investigada;
 Organizar uma folha de verificação com as categorias do aspecto que foi decidido investigar;
 3º: Acrescentar mais uma coluna para valores percentuais referentes a cada tipo de ocorrência.
 Preencher a folha de verificação;
 Fazer as contagens, organizar as categorias por ordem decrescente de frequência, agrupar
aquelas que ocorrem com baixa frequência sob denominação “outros” e calcular o total;
 Calcular as frequências relativas e as frequências acumuladas.
Ex. Diagrama de Pareto:
 Uma empresa fabrica e entrega seus produtos para várias lojas de varejo e quer diminuir o número
de devoluções.
 Para isto, investigou o número de ocorrências geradoras de devolução da entrega no último
semestre, conforme ao lado:

luizhardman@facig.edu.com.br
Controle Estatístico de Processo
 4º: acumulam-se estes percentuais em uma última coluna.
Prof. Hardman
Diagrama de causa e efeito:
 O diagrama de Ishikawa, conhecido também como Espinha de Peixe ou Causa e Efeito, é uma
ferramenta da qualidade onde causas são levantadas para se chegar a raiz de um problema
específico, através da análise de todos os fatores que puderam contribuir para sua geração.

 Gráfico: para diminuir o problema de devolução de produtos, necessário criar um programa de

ação para diminuição dos atrasos de entrega da fábrica e da transportadora. Com isso, 53% do
problema será resolvido.

 Muito utilizada para realizar análise de causa em avaliação de não conformidades.

Para que é utilizado o diagrama de Ishikawa?

 Para visualizar as causas principais e secundárias de um problema.
 Para ampliar a visão das possíveis causas de um problema, através de análise e a identificação de
soluções.
 Para gerar melhorias nos processos.

Diagrama de causa e efeito:

 Diagrama de Kaoru Ishikawa, espinha de peixe ou causa e efeito.

luizhardman@facig.edu.com.br