CEP

CEP
CONTROLE ESTATÍSTICO DO PROCESSO
Professor: Arildo Rodrigues da Silva

1
 Possibilitar aos Gestores, Operadores e Profissionais do Processo,
Manufatura, Qualidade e demais Áreas de Apoio a aplicação eficaz e
consistente do CEP para obter informações sobre o comportamento e
as condições do processo, mediante a utilização de técnicas estatísticas.
 Determinar se os processos são capazes de atender aos requisitos, se os

mesmos operam de forma estável ou se necessitam de intervenções que
eliminem, preventivamente, a geração de produtos defeituosos.
 Construir base para a melhoria contínua mediante realização de

análise critica da evolução dos resultados obtidos, ao longo do tempo.
2
Resumo Histórico
História da Qualidade
Formalização do Sistema de Medidas

 França (1791); Inglaterra (1814);
 Primeiro comitê de normas: Inglaterra (1901).
Primeiras Indústrias e Problemas

 Falhas de produção;
 Desperdício de materiais;
 Acidentes de trabalho;
 Limitações das máquinas;
 Despreparo dos operários;
 Técnicas precárias de Administração.
3
Resumo Histórico
Período de 1900-1930
 Crescimento da industrialização;
 Surge os primeiros supervisores;
 Avaliar a conformidade de padrões do “dono”;
 Primeiro journal sobre qualidade: Journal of the American Statical Association
 Ênfase no “Controle da Qualidade” (CQ) - Finalidade: monitorar o processo de fabricação dos
Período de 1931-1950
produtos.
 Ênfase no “Controle Estatístico do Processo” (CEP); Gráficos de controle Amostragem;

 Regulamentação de padrões de produtos (EUA e Inglaterra);
 II Guerra Mundial  Indústria bélica
 Necessidade de técnicas de inspeção e controle da qualidade
 Primeira obra sobre Qualidade : Economic Control of Quality of Manufactured Products (1931) de
Walter Shewhart (1891-1967) Introduziu os conceitos de CEP e do Ciclo de Melhoria Contínua, o
PDCA
Década de 50
 Japão  descoberta da qualidade : Deming ; Juran ; Ishikawa
 Impacto no crescimento econômico da indústria japonesa
4
Resumo Histórico
Década de 60
 Zero Defeito (Zero Defects);
 Círculos de Controle da Qualidade (Reunião de pessoas para investigar problemas de qualidade
existentes ou potenciais) Ishikawa, 1962
Década de 70
 Abordagem sistêmica da qualidade e Expansão da Qualidade Participativa.
Década de 80
 Garantia da Qualidade (Garantia ao cliente de que o produto é confiável)
 Qualidade Assegurada (Segurança e responsabilidade civil pelo produto vendido)
Década de 90
 Intensa Certificação de Empresas no Sistema ISO 9000, para Garantia da Qualidade de Produtos (Bens
e Serviços), com Sistema de Avaliação da empresa, por múltiplos critérios;
 Criação de Prêmios Nacionais da Qualidade ( Malcolm Baldrige - PGQP).
Período Atual
ISO Série 9000 ; ISO Série 14000; ISO/TS-16949; ISO 10006
5
ESTATÍSTICA NÃO É UM JOGO
COROA
? CARA
50%
50%
1ª
JOGADA CARA SORTE!
2ª
CARA
PUXA!
JOGADA MUITA SORTE!!!
3ª
JOGADA CARA COINCIDÊNCIA?
4ª
JOGADA
CARA LADRÃO
6
ALGUMAS TÉCNICAS E
METODOLOGIAS DA QUALIDADE
- ANÁLISE DO VALOR
- FOCUSED IMPROVEMENT
- CEP - FMEA
- C.C.Q. - SET UP - CEP - DESIGN OF
- CEDAC - TPM - BENCHMARKING EXPERIMENTS
- KAMBAN - FMEA - kAIZEN - DESIGN REVIEW
- REUNIÃO DE BOM DIA - POKA YOKE - 5 PASSOS - SIMULTANEOUS
- CONVENÇÃO ANUAL - ERROR PROOFING - 8D ENGINEERING
- GESTÃO À VISTA - MASP - SIX SIGMA - VALUE ENGINEERING
- OBRIGADO PELA AJUDA - TOC - 5S - CODESIGN
- PLANO DE SUGESTÃO - SIX SIGMA - 5 POR QUES - QFD
COLOCAR O PRODUTOS
ENVOLVIMENTO/ NOVOS
PROCESSO SOB EM
PARTICIPAÇÃO PRODUTOS
CONTROLE EXERCÍCIO
INTEGRAÇÃO PREVENÇÃO MELHORAMENTO MELHORAMENTO

CONTÍNUO
7
Características
RIGOR
importantes / segurança Conformidade absoluta
Características menos Admitem-se pequenos

importantes riscos de conformidade
8
NECESSIDADE DO CLIENTE - VISÃO SISTÊMICA
Execução
Documentação
Planejamento do Controle da
Qualidade
Indicadores e monitoria
Gestão das pessoas
Liderança
9
GERENCIAMENTO DA QUALIDADE
VISÃO SISTÊMICA - IMPACTOS
1. Poka-Yoke 1. Auditoria de 1. Poka-Yoke

2. Inspeção produto 2. Auditoria de
D produto
automática 2. Inspeção final
I 3. CEP
3. CEP 3. Inspeção
E F
4. Monitoria intermediária 4. Monitoria
F I C
parâmetros de 4. Autocontrole parâmetros de
I C U
processo processo
C U 5. Inspeção S
5. Inspeção automática 5. Autocontrole
Á L T
C intermediária D 6. Poka-Yoke 6. Inspeção
O
I 6. Inspeção final A intermediária
7. CEP
A 7. Autocontrole D 7. Inspeção final
8. Monitoria
8. Auditoria de E parâmetros de 8. Inspeção
produto processo automática
(investimento)
10
CEP - HISTÓRICO
Desenvolvido na década de vinte por Walter Shewhart ( laboratórios Bell - EUA )
 O Controle Estatístico surgiu da necessidade de se desenvolver um

procedimento alternativo para substituir a inspeção completa de todas
as peças montadas nos equipamentos das centrais telefônicas.
Esse trabalho deu origem ao controle do processo e à inspeção por

amostragem.
Assim, o Controle Estatístico de Processo é uma das ferramentas mais

clássicas na área de qualidade e com certeza uma das mais comprovadas
e empregadas no meio prático. Desde seu surgimento tem sido aplicada
aos mais diversos processos, situações e regiões em todo o mundo.
11
RAÍZES DO CEP
 Século XVII : Jogos de Azar;

 1812 : Laplace “ Teoria Analítica de Probalidade “;
 1ª Revolução Industrial : Mecanização das
Fábricas téxteis inglesas ( século XVIII );
 1ª Guerra : Shewhart projetou fones de ouvido
para o exército;
 2ª Guerra : C.E.P. Teve o grande avanço;
 Após a 2ª Guerra : Deming introduz o C.E.P. no Japão.
12
OBJETIVO DO CEP
.... Para Produzir
Variação Reduzida Em Nossos Processos / Produtos
Melhor Competitividade
Custo Reduzido de Má Qualidade
Capabilidade e Produtividade Melhorada
$$’s
13
OBJETIVO DO CEP
???
14
OBJETIVO DO CEP
B) PREVENTIVO
AJUSTE DO PROCESSO
PROCESSO INSPEÇÃO
produto aprovação
Máquinas medição seletiva

Materiais produto
Mão-de-obra processo
Isto significa que, estando um processo
Método
Meio ambiente sob Controle Estatístico, e capaz, é
Medições impossível que aconteça um refugo ou
retrabalho por culpa do Processo.
15
OBJETIVO DO CEP
A aplicação do CEP tem como objetivo a capacitação dos
processos, de modo a atender as especificações de projeto,
bem como a melhoria contínua.
Assim temos:
 Redução de refugos e retrabalhos ;
 Identificação das causas dos processos visando ações corretivas e
preventivas;
 Estabilização do processo;
 Garantia da qualidade do produto final;
 Tomada de decisões com base racional e não emocional.
16
ELIMINAR / REDUZIR OS DESPERDÍCIOS
$$’s 17
CONCEITOS
CONTROLE : Manter algo dentro dos limites ou sob comportamento adequado.
ESTATÍSTICO : Obter conclusões com base em dados numéricos.
PROCESSO: Combinação adequada entre máquinas, materiais, métodos, mão

de obra, meio ambiente e meios de medição, para se produzir algo.
PROCESSO: “Conjunto de recursos e atividades inter-relacionados que

transformam insumos em produtos”. [ ISO 8402]
Segundo Armand Feigenbaum, em “Controle da Qualidade Total”:
“O Controle de Processo é a associação do conhecimento técnico para análise

e controle da qualidade de processos, incluindo controle direto da qualidade de
materiais, itens, componentes e montagens processados por todo ciclo
industrial da empresa.”
18
PROCESSO - VISÃO SISTÊMICA
PROCESSO
6M
NECESSIDADE SAÍDA
MÁQUINA
MÉTODO
ENTRADA MATERIAL PRODUTO
MÃO DE OBRA
MEDIÇÃO NECESSIDADE
INSUMOS MEIO AMBIENTE ATENDIDA
19
CONCEITOS
População : O universo inteiro, por exemplo todas as peças

com diâmetro maior que 200 mm..
Amostra : Uma parte da população.

Uma amostra é tomada quando estudar a totalidade
da população:
- toma muito tempo
- custa muito
- é muito destrutiva
- quando o custo de inspeção de 100% é alto
- quando acredita-se não haver muitas não -
conformidades
20
CONCEITOS
• Variável - Característica que se deseja medir : massa,

temperatura, dimensão, aspecto , etc.
• Atributo ou Característica - A medida que determina se a

amostra é aceitável. Os atributos podem ser
subjetivos ou objetivos e representam as
características específicas de um produto .
• Probabilidade : a chance de algo ocorrer
21
Medidas de Variabilidade ( dispersão )
Amplitude ............................ R
Num conjunto de números dispostos em ordem de grandeza, a Amplitude corresponde
a diferença entre uma medida máxima e uma medida Mínima,
Variância .............................σ²
É a medida de quanto os dados estão deslocados em relação a média do conjunto .
Desvio Padrão.....................σ
É decorrente da variância, mede a variação ou dispersão das observações, em torno da
média aritmética.
O desvio padrão é a raiz quadrada positiva da variância.
22
Medidas de Tendência Central
_
Média Aritmética..................... X
Num conjunto de números, média é a soma dos valores coletados, dividida pela
quantidade de valores obtidos.
Mediana ..................... Md
Num conjunto de números dispostos em ordem de grandeza com números extremos,
a mediana será o valor central quando a quantidade desses números for ímpar e será
a média aritmética dos dois valores centrais, quando for par.
Moda....................... Mo
É a medida de tendência central definida como o valor de maior frequência.
Dessa forma pode haver um rol que não possua moda, como também pode haver um
que possua mais de uma moda
23
C.E.P.
Um equipamento pode demonstrar mais capacidade de
realizar uma certa cararacterística de produto, assim como
pode resultar muito menos capaz de realizar uma outra
diferente.
Cada estudo de capacidade será portanto diferente :
a um determinado produto ;
a uma bem definida característica ;
em condições operativas pré-fixadas.

24
C.E.P.
As duas fases fundamentais de um processo
1. fase de estudo da CAPACIDADE de MÁQUINA e

da CAPACIDADE de PROCESSO;
2. fase de manutenção, no tempo, da CAPACIDADE

acertada na fase anterior do estudo.
25
C.E.P.
FASES DEFINIÇÕES OBJETIVOS INDICADORES PASSOS OPERATIVOS
Avaliar A) A medição: Predisposição

numericamente Pp e Pp para medição.
k
a Capacidade B) Levantamento e interpretação
Estudo da dos dados: Avaliação da
cm e cmk
 máquina distribuição dos valores e o
1a Capacidade
cálculo dos parâmetros
(Momento Inicial)
 processo cp e cpk estatísticos .
C) Cálculo da tolerância natural
de máquina.
D) Cálculo dos indicadores de
capacidade cm e cmk.
Manter a A) Cálculo dos limites da Carta

Manutenção da Variabilidade Cartas de de Controle
2a Capacidade do Processo Controle B) Preenchimento da Carta e
(ao longo do tempo) dentro dos simultâneamente
Limites Interpretação dos resultados.
Cálculados
26
C.E.P.
Para realizar um determinado Estudo de
Capacidade ou Manutenção é necessário :
 Um preciso sistema de medição;
 Um correto sistema de amostragem;
 Um correto sistema de seleção, representação e
interpretação dos dados
 Um eficiente conhecimento das metodologias

estatísticas de referência;
 Um sistema de cálculo dos indicadores ou dos

parâmetros através dos quais se possa expressar
a idoneidade dos processos analizados.
27
Variações do Processo
Coleta de dados
Para promover a redução da variabilidade, deve-se conhece-la bem. Isso só é

possível através da coleta de dados.
28
CEP
CONTROLE ESTATÍSTICO DO PROCESSO
MINI CAPACIDADE DO INSTRUMENTO DE MEDIÇÃO
Objeto / Peça : Desenho:
Operação: I nstrumento: Dimensão:
Objeto Analista nº 1 Analista nº 2 Diferença entre

Nº as medições
Valor encontrado Valor encontrado
01
02
03
04
05
Soma
Soma ≠
R = 5
₌ ₌
Fator de erro ( F ) = R X 4,33

₌ ₌
Observação : O valor tabelado é 4,33 para 2 Analistas e 5 objetos ( peças )
F X 100
% ERRO = ₌ ₌
Tolerância
CONCLUSÃO :
Como ( % de erro ) é < 20 % o meio de medição é confiável
Como ( % de erro ) é > 20% o meio de medição não é confiável
Observação:
Responsável data
29
Medição
- Qual o estado atual do processo ( s ) ?
- Quais as potenciais fontes de variação ?
30
Variações do Processo
31
C.E.P.
As Variações do Processo Produtivo
MEIO AMBIENTE MÃO DE OBRA
MÉTODO PROCESSO MÁQUINA
MEDIÇÃO MATERIAL
MÃO DE OBRA MÉTODO MÁQUINA MEDIÇÃO

MEIO AMBIENTE
MATERIAL
Variabilidade do Processo
•Variabilidade é o resultado de alterações nas condições

sob as quais as observações são tomadas.
32
VARIABILIDADE
UM PROCESSO SEMPRE APRESENTA VARIABILIDADE
• Também chamada variação ou dispersão
• Está presente em todos os processos de produção e

execução de serviços
Exemplos:
1. Na contagem do número de defeitos em várias peças será
observada a existência de variabilidade entre as contagens, algumas
peças terão poucos defeitos enquanto outras terão muitos defeitos
2. Ao registrar os Tempos gastos por uma camareira na arrumação

de quartos de um hotel em determinado dia, pode-se perceber a
variação nos resultados obtidos
33
VARIABILIDADE
Num processo diversos fatores afetam as
características da qualidade de um produto
CAUSAS DE VARIAÇÃO
Provocam mudanças nas características dos

produtos dando origem às não-conformidades
Mesmo os produtos CONFORMES apresentam

variações dentro dos limites de suas
especificações. Não são exatamente idênticos
34
VARIABILIDADE
A REDUÇÃO NA VARIABILIDADE DOS PROCESSOS
IMPLICA NA DIMINUIÇÃO DOS PRODUTOS NÃO-
CONFORMES
A redução da variabilidade só é possível através da

identificação;
análise e
bloqueio
das causas fundamentais.
Envolve coleta, processamento e disposição

dos dados TÉCNICAS ESTATÍSTICAS
35
As Ferramentas Estatísticas Mostram Onde Estamos
Bom Controle de Processo Processo Fora do alvo Variação Excessiva
Defeitos Defeitos Defeitos
LI Média LS LI Alvo LS LI Média LS

Alvo Média Alvo
36
VARIAÇÕES
São partes integrantes dos processos, podem ser identificadas através de técnicas
estatísticas elementares e podem ter causas comuns ou especiais.
CAUSAS COMUNS
São também chamadas de aleatórias, normais, crônicas ou ambientais. Estas variações
ocorrem ao acaso e referem-se a muitas fontes de variações dentro de um processo que
se encontra sob controle estatístico. PERTENCEM AO SISTEMA PRODUTIVO.
Estas agem como um sistema constante de causas aleatórias, enquanto seus valores
aferidos individualmente apresentam-se diferentes entre si. Em grupo, entretanto, podem
ser descritos por uma distribuição normal. A sua alteração requer geralmente análise mais
detalhada e ações no sistema, sendo de responsabilidade da gerência.
Ex.: Uma usinagem dentro de uma determinada medida, impureza na pintura, distribuição
de pontos de solda na peça, variação de forma em peças estampadas, variação de torque
em apertadeiras, Má iluminação, equipamento obsoleto, material inadequado ou muito
variável em qualidade,etc.
37
VARIAÇÕES
São partes integrantes dos processos, podem ser identificadas através de técnicas
estatísticas elementares e podem ter causas comuns ou especiais.
CAUSAS ESPECIAIS
São também chamadas de causais ou eventuais. Estas variações ocorrem de modo não
aleatório, alterando a normalidade do processo.
Referem-se a quaisquer fatores de variação que não podem ser explicados

adequadamente através de uma distribuição simples de resultados, como seria o caso,
se o processo estivesse sob controle estatístico. A menos que todas as causas
especiais de variação sejam identificadas e eliminadas, continuarão a afetar de forma
imprevisível o resultado do processo.
É responsabilidade do pessoal diretamente envolvido com a operação, descobri-la e

eliminá-la. Requer ação local.
Ex.: Quebra de ferramenta de corte, apertadeira desregulada, rebarba em ponto de

solda, etc.
38
Diferenças entre Causa Comum e Especial
Causa Comum Especial
Aleatória, crônica, ambiental Causal, eventual ou

Outras denominações
ou inerente ao processo facilmente identificável
Natureza Permanente Eventual, transitória

Freqüência 85% 15%
Difícil, exige análise Fácil, pelo pessoal da

Detecção
completa do processo produção
Demorada, necessita de
ações gerenciais; Rápida, logo que detectada;
Eliminação Gastos maiores no processo Gastos menores no
processo
Próprio operário ou
Responsabilidade/Eliminação Gerencial
supervisor
Perdas Econômicas Grandes Pequenas
39
VARIABILIDADE
Ações para redução da variabilidade dos processos:
1) Eliminação de Causas Especiais de variação ou

anomalias, para que o processo volte ao estado de
Controle Estatístico - Ações Corretivas
2) Redução das Causas Comuns baseada em Ações de

Melhoria do Processo
Para cada tipo de causa deve ser adotada uma

ação gerencial específica para redução da
variabilidade, portanto é fundamental a sua
diferenciação.
40
VARIABILIDADE DO PROCESSO
Sob Controle
(Causas Especiais Eliminadas)
Tamanho
Fora de controle
(Presença de Causas Especiais)
41
VIABILIDADE DO PROCESSO
Sob Controle e Capaz

(Variação Reduzida de Causas Comuns)
Limite Inferior de Especificação
Limite Superior de Especificação
Tamanho
Sob Controle, mas não Capaz
(Variação Excessiva de Causas Comuns)
42
VIABILIDADE DO PROCESSO
Variabilidade e suas fontes
43
1 – Capacidade de Máquina
Cm : Índice de Capacidade de Máquina

Cmk : Índice de Centragem
Estes índices são úteis para a avaliação de uma máquina ou equipamento antes da
aquisição, para assim levantar se esta máquina ou equipamento terá condições de
atender ao processo quando estiver operando em regime produtivo.
Também é útil para avaliações periódicas das máquinas ou equipamentos e ainda

avaliação após reforma ou grande revisão das máquinas ou equipamentos.
Para obter o Cm / Cmk, necessitamos apenas das variações das máquinas ou

equipamentos, os demais fatores tais como mão de obra, matéria prima, meio
ambiente, medição e o método precisam ser mantidos constantes.
44
1 – Capacidade de Máquina
O seguinte procedimento deve ser seguido:
Pré-requisito para obter CM e Cmk.
a) Escolha a(s) característica(s) a ser(em) medida(s) no produto ( característica chave ) através de estudo
conjunto entre Produção, Engenharia de Processo e Engenharia de Qualidade.
b ) A máquina ou equipamento deve estar ajustado conforme suas especificações de operação ( Ex.: tensão,
velocidade, temperatura, pressão, tempo ciclo, etc ).
c ) Utilizar instrumento de medição que apresente precisão de medida de ,no mínimo, 1 /10 do campo de
tolerância de especificação de engenharia.
d ) Assegurar que o ciclo da produção seja seguido ( limpeza, dimensionamento, etc ) para evitar resultados
indesejáveis
e ) Fazer mínimo de 30 e máximo de 50 peças consecutivas, usando mesma máquina, mesmo operador ,
mesmo método mesma matéria prima, mesmo Instrumento de medição, mesmo meio ambiente e medir
a característica chave.
Se parar por causas não especificadas no ciclo de produção, recomeçar a coleta.
Se trocar operador, recomeçar a coleta
Se trocar matéria prima, recomeçar a coleta
Se trocar o Instrumento de medição, refazer todas as medições
Se alterar o método, recomeçar a coleta
Se alterar o meio ambiente, recomeçar a coleta
f ) Calcular o Cm / Cmk
45
1 - Capacidade de Máquina
Cálculo do Cm e Cmk.
Tolerância da Especificação de Engenharia LSE - LIE

Cm = Cm =
Tolerância Natural do Processo 6s
=
LSE - X
Cmks = Cmk = menor valor entre
3s
Cmk = =
Cmks e Cmki
X - LIE
Cmki =
3s
46
47
2 - Capacidade Inicial do Processo
Pp : Índice de Capacidade Inicial do processo

Ppk : Índice de Capacidade Inicial de centragem do processo.
Estes índices são úteis para a avaliação de um processo novo, onde não se conhece
a sua capacidade nem sua estabilidade, antes do inicio da produção seriada.
Devemos conhecer o processo ( máquina ou equipamento ) para saber se terá
condições de atender ao processo quando estiver operando em regime produtivo.
Para obter o Pp / Ppk, necessitamos apenas das variações das máquinas ou

equipamentos, os demais fatores tais como mão de obra, matéria prima, meio
ambiente, medição e o método não precisam ser mantidos constantes.
48
2 - Capacidade Inicial do Processo
Pré-requisito para obter Pp e Ppk.
a ) Escolha a(s) característica(s) a ser (em) medida(s) no produto ( característica chave ) através de estudo
conjunto entre Produção, Engenharia de Processo e Engenharia de Qualidade.
b ) A máquina ou equipamento deve estar ajustado conforme suas especificações de operação ( Ex.:
tensão, velocidade, temperatura, pressão, tempo ciclo, etc ).
c ) Utilizar instrumento de medição que apresente precisão de medida de , no mínimo, 1 /10 do campo de
d ) Assegurar que o ciclo da produção seja seguido ( limpeza, dimensionamento, etc ) para evitar resultados
indesejáveis
e ) Fazer mínimo de 125 e máximo de 300 peças, usando a mesma máquina.
Não é necessário fixar operador

Não é necessário fixar matéria prima
Fazer anotação no diário de bordo se houver qualquer desvio na condução da operação
Pode coletar as amostras ininterruptamente ou intercaladas, conforme frequência estabelecida,
por exemplo pela troca de ferramentas, etc )
Medir a característica chave.
f ) Calcular o Pp / Ppk
49
2 – Avaliação inicial de Processo
Capacidade de Pré-Processo
É a avaliação das variáveis no tempo breve somado a todos os

fatores causantes de variabilidade ( Máquina, Método,
Material/Elemento, Ambiente e Mão de obra )
CENTRAGEM
CAPACIDADE
PPK  Minímo entre :
=
LSE - X
T .PRE . 2  L.S .E.  X  Ppks =
PP  PPs 
6S
3s
2   X  L.I .E.
=
T .NAT . PPi 
6S Ppki =
X - LIE
3s
50
3 - Capacidade Potencial do Processo
Cp : Índice de Capacidade Potencial do processo
Cpk : Índice de Capacidade de Centralização do Processo.
Estes índices são úteis para a avaliação de um processo Estável e Capaz, onde os
cálculos iniciais do processo Pp e Ppk já foram elaborados e o processo é monitorado por
carta de controle durante o regime produtivo.
Indica se o processo tem condições de atender à Especificação de Engenharia;
É a avaliação das variáveis ao longo do tempo somado a todos os fatores

causantes de variabilidade ( Máquina, Método, Material/Elemento, Ambiente,
Medição e Mão-de- obra )
Todos os fatores tais como Máquina, Mão de obra, Matéria prima, Meio ambiente,
Medição e o Método precisam ser mantidos constantes.
51
3- Capacidade Potencial do Processo
Pré-requisito para obter Cp e Cpk.
a ) Escolha a(s) característica(s) a ser(em) medida(s) no produto ( característica chave ) através de

estudo conjunto entre Produção, Engenharia de Processo e Engenharia de Qualidade.
b ) A máquina ou equipamento deve estar ajustado conforme suas especificações de operação ( Ex.:
tensão, velocidade, temperatura, pressão, tempo ciclo, etc ).
c ) Utilizar instrumento de medição que apresente precisão de medida de , no mínimo, 1 /10 do campo de
d ) Assegurar que o ciclo da produção seja seguido ( limpeza, dimensionamento, etc ) para evitar
resultados indesejáveis
e ) Fazer mínimo de 125 e máximo de 300 peças
 Estabelecer uma frequência de controle, ou seja, não são utilizados os dados medidos em
produtos obtidos consecutivamente
 Coletar as amostras intercaladas, conforme frequência estabelecida
 Fazer anotação no diário de bordo se houver qualquer desvio na condução da operação
f ) Calcular o Cp / Cpk
52
3 - Índice de Capacidade Potencial do Processo (Cp)
É o resultado da divisão entre a tolerância da especificação (T) pela Tolerância
Natural do Processo (6 s). A Tolerância Natural pode ser entendida como a faixa de
variação do processo.
Tolerância da Especificação LSE - LIE

Cp =  Cp = 6s
Tolerância Natural do Processo
 (Xi - X) 2
(População) s=
 (Xi - X)2 (Amostra)
s= e
n-1
n
ou ainda:
R S
s = d2 para carta X / R ou s = C4 para carta X / S (Aproximado)
O valor mínimo de Cp aceitável na indústria é 1,33 e indica que o processo tem

capacidade potencial para atender a especificação, isto é, a dispersão do processo
atende à especificação.
53
ORIENTAÇÃO PARA DETERMINAR A FREQUÊNCIA DE CONTROLE
Visto
CONTROLE ESTATÍSTICO DO PROCESSO Data
Cálculo do Índice de Capacidade do Processo

Cálculo do I. C. P. Cálculo do C. P. K.
I. C. P. = TOL. x 100 = Z u = LSE - X =

6 s s
Z L = X - LIE =
s
= C. P. K. = Z min. =
3
CAPACIDADE DO PROCESSO
NÍVEL DO FREQUÊNCIA
ICP ( % ) CONCEITO DEFINIÇÃO
PROCESSO ORIENTATIVA
150% A EXCELENTE Altamente Confiável A cada 3 horas
130 a 149 % B BOM Confiável A cada 2 horas
100 a 129 % C CAPAZ Relativamente confiável A cada 1:30 horas
RELATIVAMENTE
75 a 99 % D Requer controle, contínuo A cada 1 hora
INCAPAZ
TOTALMENTE Requer controle, revisão e

Menor que 75 % E A cada ½ hora
INCAPAZ seleção 100%
Frequência para controle
Operador
54
Inspecionado por: Líder
- Exemplo de Cálculo (Cp)
O processo de torque de um determinado suporte apresenta as seguintes características:
Especificação: 70 + 7 Nm ( LSE = 77 Nm ; LIE = 63 Nm ; Nominal = 70 Nm )
Tamanho da amostra: 5 (carta X / R)
Média do processo: X = 75
R
Amplitude média das amostras: R = 3,63 s = d2 (carta X / R)
d2 = 2,326 (ver tabela - p/n = 5)

LSE - LIE
Cp =
6s
3,63
Assim, temos: s= = 1,561
2,326
77 - 63 Cp = 1,495
O valor de Cp, então, será: Cp = 6 x 1,561
Como 1,495 é maior que 1,33 dizemos que o processo tem capacidade potencial.
MAS.... ESSE PROCESSO É REALMENTE BOM?
55
- Histograma após cálculo de Cp
=
Sabendo-se que a média do processo é X = 75 e a Tolerância Natural é
6s = 9,366; temos então o seguinte Histograma:
LIE LSE
=
NOMINA X
L
63 70 75 79,68
70,3 77
6s
56
Através da análise do Histograma, verificamos que o processo está produzindo algumas

peças acima do LSE = 77 e atingindo até o valor de 79,68. Podemos, então, concluir que
apesar do processo ter capacidade potencial (Cp = 1,495), o mesmo não atende às
especificações. Este processo tem condições de atender às especificações desde que sua
média coincida com o centro da especificação:
=
X = NOMINAL = 70.
Através deste exemplo, podemos concluir que o Cp não é suficiente para

indicar a capacidade do processo e, por isso, existe outro indicador, o Cpk.
57
4 - Índice da Capacidade de Centralização do Processo (Cpk)
É calculado através de duas fórmulas, uma verificando a posição da média do processo ( X )
em relação ao Limite Superior Especificado ( LSE ) e a outra, verificando a posição de X em
relação ao Limite Inferior Especificado ( LIE ).
Cpks : variação superior da tolerância dividida por 3 vezes o desvio padrão estimado pela
capabilidade do processo
Cpki : variação superior da tolerância dividida por 3 vezes o desvio padrão estimado pela
capabilidade do processo
onde:
= R
LSE - X s = d2 (carta X / R)
Cpks =
3s
= ou:
X - LIE
Cpki =
3s S
s = C4 (carta X / S)
Cpk : é o índice que leva em conta a centralização do processo e é

definido como o Mínimo entre Cpks e Cpki
58
- Exemplo de Cálculo (Cpk)
Especificação: 70 + 7 Nm
Tamanho da amostra: n = 5
Modelo de carta: X - R
R 3,63
=
Média do processo: X = 75 s= = = s = 1,561
d2 2,326
Amplitude média: R = 3,63
=
LSE - X 77 - 75
Cpks = = = 0,43
3s 3 . 1,561
=
X - LIE 75 - 63
Cpki = = = 2,56
3s 3 . 1,561
Sendo o Cpk o menor valor entre Cpks e Cpki, neste exemplo

Cpk = Cpks = 0,43
59
Existe a opção de se calcular o Cpk através do coeficiente de desvio
k = Coeficiente de desvio k=2 M–X
Cpk = ( 1 – k ) T T
T = Campo de tolerância ( LSE – LIE )
6s
2| 70 - 75|
k= = 0,71
14
Cpk = (1 - 0,71) x 14 Cpk = 0,43

9,37
Com o resultado dos cálculos podemos concluir que o processo, apesar de ter a capacidade
potencial satisfatória (Cp = 1,495), o processo está incapaz por estar descentralizado
(Cpk = 0,43).
Cp > 1,33 e Cpk < 1,33
60
RESUMO Qualidade 6 Sigma
• ÍNDICE DE CAPACIDADE DE PROCESSO

ESPECIFICAÇÃO BILATERAL (LIE E LSE) E PROCESSO CENTRADO
s  estimado s  preciso

n
Cp = LSE - LIE s= R OU R  fi ( Xi - X )2
i
s =
6s d2 d2 n-1
ESPECIFICAÇÃO UNILATERAL (LIE OU LSE) E PROCESSO NÃO

CENTRADO
Cps = LSE - X Cpi = X - LIE

3s 3s
ESPECIFICAÇÃO BILATERAL (LIE E LSE) E PROCESSO NÃO CENTRADO
Cpk = mínimo (Cps ou Cpi)

61
A AMOSTRAGEM PARA
RESUMO CM - CMK, PP - PPK, CP - CPK
CÁLCULO DE CM - CMK: AMOSTRA DE 30 ÷ 50 ELEMENTOS CONSECUTIVOS.
CÁLCULO DE PP - PPK: AMOSTRA DE NO MÍNIMO 20 SUBGRUPOS, COMPOSTOS DE 3 ÷ 5 ELEMENTOS, EM UM BREVE PERÍODO
TEMPO CONSTANTE
TEMPO
1 2 20
CÁLCULO DE CP - CPK: AMOSTRA DE NO MÍNIMO 20 SUBGRUPOS, COMPOSTOS DE 3 ÷ 5 ELEMENTOS, EM UM LONGO PERÍODO
TEMPO CONSTANTE
TEMPO
1 2 3 20
62
HISTOGRAMA
CAPACIDADE DO PROCESSO - EXERCÍCIO
Para conhecer a capacidade estatística de um processo de usinagem que faz os diâmetros
de eixos metálicos, foram medidos os diâmetros de 100 eixos, conforme tabela abaixo
1 2 3 4 5 6 7 8 9 10
12,510 12,527 12,529 12,520 12,535 12,533 12,525 12,531 12,518 12,522
12,517 12,536 12,523 12,514 12,523 12,510 12,515 12,545 12,527 12,523
12,522 12,506 12,523 12,512 12,526 12,542 12,520 12,524 12,511 12,530
12,510 12,541 12,523 12,534 12,525 12,524 12,519 12,522 12,519 12,533
12,511 12,512 12,519 12,526 12,532 12,530 12,526 12,520 12,531 12,532
12,519 12,515 12,528 12,530 12,522 12,521 12,527 12,519 12,527 12,526
12,532 12,521 12,543 12,532 12,502 12,522 12,522 12,519 12,529 12,519
12,543 12,536 12,538 12,526 12,530 12,535 12,542 12,529 12,528 12,522
12,525 12,529 12,518 12,523 12,522 12,540 12,540 12,522 12,519 12,530
12,522 12,524 12,534 12,520 12,514 12,528 12,528 12,513 12,521 12,526
A partir dos dados representados na tabela acima:

Calcule os índices de capacidade do processo ( Cp e Cpk ).
63
Avaliações de Processo
64
Percentual de casos numa distribuição Gaussiana
VARIAÇÃO
SIGMA
2 SIGMA
3 SIGMA
-3 s 68,26 %
95,44 % +3s
-4 s 99,73 % +4s
ESPECIFICAÇÃ0
65
5 - Avaliação da Capacidade do Processo
O valor de Cpk será menor ou no máximo igual a Cp (caso o processo esteja centrado). A
indústria geralmente exige o valor mínimo de Cp e Cpk igual a 1,33. Exceto para condições
especiais (Ex: novos projetos), que algumas indústrias exigem o valor mínimo de 1,67. Existe
uma tabela que relaciona o valor de Cpk à probabilidade de ocorrência de não-
conformidades. Se o Cpk for igual a 1,0; existe a probabilidade de ocorrência de 0,27% de
não-conformidades. Se fosse Cpk = 1,33; a probabilidade seria de 0,0066% ou 66,34 ppm
(partes por milhão).
Cp Cpk LIE LSE - Muito descentralizado

Cpk < 0
0,7 - Não Capaz
1,0
1,0
0,7
0  Cpk < 1,00 - Descentralizado
0,3 - Não Capaz
1,0
1,5
1,5 1,00  Cpk < 1,33 - Centralizado
1,0
- Quase Capaz
0,5
1,33
2,0 Cpk  1,33 - Capaz
2,0
1,33
0,7
66
5 - Avaliação da Capacidade do Processo
Probabilidade de Ocorrência de Não-conformidade
67
SIX SIGMA - 6 Qualidade 6 Sigma
CONCEITOS BÁSICOS
O CONCEITO-CHAVE DO 6 SIGMA: s PPM
DEFEITOS
DIMINUEM
SIGMA
1 697.672
AUMENTA 2 308.537
3 66.807
O VALOR SIGMA INDICA A PROBABILIDADE
DE DEFEITOS OCORREREM. QUANTO
4 6.210
MAIOR O VALOR SIGMA, MENOR A
POSSIBILIDADE DO PROCESSO PRODUZIR
5 233
DEFEITOS. CONFORME AUMENTA SIGMA, OS 6 3.4
CUSTOS DIMINUEM, E, AO MESMO TEMPO, A Defeitos por Milhão
SATISFAÇÃO DO CLIENTE AUMENTA.
Capacidade
de Oportunidades
do Processo ( processo não centrado,
com deslocamento de 1,5 σ)
A maioria dos negócios nos Estados Unidos, incluindo a GE, estão operando em aproximadamente 3.5 sigma, que significa:
Aprox. 35.000 defeitos por milhão de operações (aprox. 92% bom).
• Observe a magnitude da melhora necessária... atingir 4 sigma (6210 defeitos por milhão) significa uma melhora de 82% sobre 3.5 sigma.
68
SIX SIGMA
LIE LSE
Rendimento
Para processo 0,00196 ppm
centrado : Cp = 2
99,9999998%
-6s -3s  +3s +6s
3s 3s 3s 3s
Fonte: livro “ Seis Sigma “, de Mário Perez Wilson 69
Aspecto matemático - Diferença teórica e Operativa entre Cp e Cpk
Nivel
PROCESSO CENTRADO PROCESSO NÃO CENTRADO
de s
Tpre/2 cp Rendimento Defeitos [ppm] x m - x nom Lk - x m cpk Rendimento Defeitos [ppm]
2 s 0,667 95,449987593% 45.500,12407 0,0 s 2,0 0,667 97,7249937964% 22.750,062036
0,5 s 1,5 0,500 93,3192771207% 66.807,228793
1,0 s 1,0 0,333 84,1344740241% 158.655,259759
1,5 s 0,5 0,167 69,1462467364% 308.537,532636
2,0 s 0,0 0,000 49,9999999782% 500.000,000218
3 s 1,000 99,730006555% 2.699,93445 0,0 s 3,0 1,000 99,8650032777% 1.349,967223
0,5 s 2,5 0,833 99,3790320141% 6.209,679859
1,0 s 2,0 0,667 97,7249937964% 22.750,062036
1,5 s 1,5 0,500 93,3192771207% 66.807,228793
2,0 s 1,0 0,333 84,1344740241% 158.655,259759
4 s 1,333 99,993662793% 63,37207 0,0 s 4,0 1,333 99,9968313965% 31,686035
0,5 s 3,5 1,167 99,9767326626% 232,673374
1,0 s 3,0 1,000 99,8650032777% 1.349,967223
1,5 s 2,5 0,833 99,3790320141% 6.209,679859
2,0 s 2,0 0,667 97,7249937964% 22.750,062036
5 s 1,667 99,999942579% 0,57421 0,0 s 5,0 1,667 99,9999712895% 0,287105
0,5 s 4,5 1,500 99,9996599197% 3,400803
1,0 s 4,0 1,333 99,9968313965% 31,686035
1,5 s 3,5 1,167 99,9767326626% 232,673374
2,0 s 3,0 1,000 99,8650032777% 1.349,967223
6 s 2,000 99,999999802% 0,00198 0,0 s 6,0 2,000 99,9999999010% 0,000990
0,5 s 5,5 1,833 99,9999980964% 0,019036
1,0 s 5,0 1,667 99,9999712895% 0,287105
1,5 s 4,5 1,500 99,9996599197% 3,400803
2,0 s 4,0 1,333 99,9968313965% 31,686035
Xm = média da população Xnom = média de engenharia Lk = deslocamento ( Tpre/2 )
70
Índice de Capacidade e centratura
LIE LSE
T.pre.
X
SIGMA
C.T.
PROCESSO CAPAZ E CENTRADO
CP  2
CPK  2
71
LIE LSE
T.pre.
X
SIGMA
C.T.
PROCESSO CAPAZ,
MAS NÃO PERFEITAMENTE CENTRADO
CP  2
CPK  1
72
LIE LSE
T.pre.
X
SIGMA
C.T.
PROCESSO NÃO CAPAZ E NÃO CENTRADO
CP  0,4
CPK  -0,2
73
LIE LSE
T.pre.
X
SIGMA
C.T.
PROCESSO CAPAZ, MAS NÃO CENTRADO
CP  1
CPK  - 1
74
CAPACIDADE E CENTRAGEM
ALGUNS CASOS POSSÍVEIS
LSE
CT
LIE
Cp  1,33 Cp  1,33 Cp  1,33 Cp  1,33
Cpk = Cp Cpk  1 Cpk = 0 Cpk  - 1
75
76
Algumas Definições:
PQC – Product Quality Characteristic - O deslocamento da especificação pode causar perda
total funcionabilidade, até a interrupção da função do produto com grave insatisfação do cliente.
 Ex. PQC(s) – Equivale a Característica Report FIAT e “S” Iveco - Característica que pode
ter impacto sobre a segurança ativa ou passiva no caso de variação, além da faixa de
tolerância prevista
CPC – Control Plan Characteristic - O deslocamento da especificação pode causar uma parcial
redução da funcionabilidade, com eventual impacto na disponibilidade do veículo, com moderada
insatisfação do cliente
Standart - O deslocamento da especificação não afeta no funcionamento ou não é percebido pelo

cliente
77
Exigências mínimas para aprovação/avaliação da
capacidade do processo:
PRODUÇÃO
PPAP CONTÍNUA
Característica Aceitação de Máquina MRO
Exigência Exigências mínimas
de capacidade
P p ≥ 2,00 P p ≥ 2,0
P Q C (s) C p k ≥ 1,67
P p k ≥ 1,83 P p k ≥ 1,83
P p ≥ 2,0 P p ≥ 1,67
PQC C p k ≥ 1,33
P p k ≥ 1,67 P p k ≥ 1,5
P p ≥ 1,67 P p ≥ 1,33
CPC C p k > 1,0
P p k ≥ 1,33 P p k ≥ 1,33
Conforme
P p ≥ 1,67 Cinco amostras
Standard descrito no plano
P p k ≥ 1,33 conforme
de controle
78
Dicas Importantes
As fórmulas descritas anteriormente para o cálculo de Cp e Cpk são válidas para um

processo cuja distribuição seja normal. Se a distribuição não for normal, a dispersão
de referência 6s , utilizada nos denominadores das fórmulas, não são mais adequadas.
Se utilizar estas fórmulas para processos não normais conclusões erradas acerca da
capacidade podem ser obtidas. Logo, o segundo passo para avaliação da capacidade
deve ser a avaliação da normalidade dos dados.
Inicialmente deve ser construído um histograma dos valores individuais e deve ser
aplicado um teste de normalidade. A análise visual do histograma não determina o tipo
de distribuição, pois a forma do histograma é determinada pelo número de intervalos de
classe e não existe uma regra científica para tanto. Existem muitos métodos para se
verificar a normalidade dos dados. Um desses é o Método Kolmogorov- Smirnov .
No entanto, é mais prático realizar a verificação da normalidade com o auxílio de
softwares estatísticos.
79
HISTOGRAMA
80
HISTOGRAMA
DESENVOLVIDO POR SHEWHART, AMERICANO, 1931
É UMA FERRAMENTA DE DIAGNÓSTICO QUE PERMITE UMA VISÃO GERAL DOS DADOS
MOSTRA A DISTRIBUIÇÃO DA FREQÜÊNCIA DOS DADOS DE UMA CARACTERÍSTICA DO
PROCESSO (PESO, DUREZA, COMPOSIÇÃO QUÍMICA, TEMPERATURA, DIMENSÕES, ETC.)
ISTO É CRÍTICO, POIS SABEMOS QUE TODOS OS EVENTOS REPETITIVOS PRODUZIRÃO
RESULTADOS QUE VARIAM COM O TEMPO.
INDICA A DISPERSÃO E A FORMA DE DISTRIBUIÇÃO ( VARIAÇÃO )DOS DADOS DO
PROCESSO E PERMITE COMPARÁ-LOS COM AS ESPECIFICAÇÕES
Freqüência
40 -
30 -  Um Histograma típico tem

a seguinte forma:
20 -
10 -
0- Espessura
3,3 3,4 3,5 3,6 3,7
81
HISTOGRAMA
ETAPA 1º: Faça uma tabulação desordenada dos valores encontrados nas medições
( coleta de dados ).
No exemplo abaixo os valores referem -se à espessura de um certo componente,
obtida (medida ) após a operação de retífica.
(A especificação para a característica espessura é de 7,5mm a 10,5mm; com média 9mm ).
9,9 10,4 9,3 9,6 10,2 9,7 9,7 9,7 10,7

9,9 10,2 9,8 9,3 9,6 9,5 9,6 10,7 9,7
9,9 9,3 10,2 9,4 10,1 9,6 9,9 10,1 9,8
9,8 9,8 10,1 9,9 9,7 9,8 9,9 10,0 9,6
9,7 9,4 9,6 10,0 9,8 9,9 10,1 10,4 10,0
10,2 10,1 9,8 10,1 1 0,3 10,0 10,2 9,8 10,7
9,9 10,7 9,3 10,3 9,9 9,8 10,3 9,5 9,9
9,3 10,2 9,2 9,9 9,7 9,9 9,8 9,5 9,4
9,0 9,5 9,7 9,7 9,8 9,8 9,3 9,6 9,7
10,0 9,7 9,4 9,8 9,4 9,6 10,0 10,3 9,8
9,5 9,7 10,6 9,5 10,1 10,0 9,8 10,1 9,6
9,6 9,4 10,1 9,5 10,1 10,2 9,8 9,5 9,3
10,3 9,6 9,7 9,7 10,1 9,8 9,7 10,0 10,0
9,5 9,5 9,8 9,9 9,2 10,0 10,0 9,7
82
HISTOGRAMA
ETAPA 2: Conte a quantidade de valores coletados na tabulação (amostra = n ).
Para o nosso exemplo, existem 125 valores ( n = 125 ).
ETAPA 3: Determine a amplitude R da amostra .
A amplitude é o maior valor menos o menor valor da amostra.

Em nosso caso, a amplitude é igual a 10,7mm menos 9,0mm.
Então a amplitude é igual a 1,7mm.
X máx. = 10,7 R = X máx. - X min.
X min. = 9,0. R = 10,7 - 9,0
R = 1,7
83
HISTOGRAMA
ETAPAS DA CONSTRUÇÃO DO HISTOGRAMA
ETAPA 4: Divida o valor de amplitude em um certo número de classes,

a que atribuiremos a letra K.
A tabela abaixo fornece uma indicação aproximada para uma determinação
razoável do número de classes. Para o nosso exemplo, 125 valores podem
ser divididos entre 7 a 12 classes. Nós usaremos K = 10 classes.
Número de Valor da Tabulação Número de Classes ( K )
Abaixo de 50 5 - 7
51 - 100 6 - 10
101 - 250 7 - 12
Acima de 250 10 - 20
Existe a opção de se calcular a quantidade de classes pela fórmula
K=n 84
HISTOGRAMA
ETAPA 5: Determine o intervalo de classe H.
Uma fórmula conveniente é a seguinte:
R 1.7
H= = = 0.17
K 10
Neste caso, como na maioria deles, é conveniente arredondar H,

levando-o para uma casa decimal acima.
Para o nosso propósito, 0. 20 nos parece apropriado.

85
HISTOGRAMA
ETAPA 6: Determine o limite da classe ou os pontos limites.
6.1 Tome a menor medida individual da tabulação.

- Utilize este número ou arredonde-o para um valor apropriadamente menor.
- Este será o valor inferior para a nossa primeira classe.
- Em nosso exemplo ele seria 9,0.
6.2 Agora, adicione a este número o valor do intervalo de classe ( 9,00 + 0,20 = 9,20).
- Assim, o limite inferior da próxima classe iniciará em 9,20.
- A primeira classe compreenderá 9,0 e acima, mas não incluirá 9,20 ( 9,00 até 9,19).
- A segunda classe se iniciará em 9,20 compreendendo os valores acima mas não
incluirá 9,40 ( 9,20 ATÉ 9,39 ).
- Isto faz cada classe mutuamente exclusiva, isto é, coloca cada um dos valores de
tabulação em apenas uma e somente uma classe.
6.3 Finalizando, consecutivamente some 0.20 a cada limite de classe inferior até que
o número de classe escolhido, aproximadamente 10, contenha a amplitude total
da tabulação.
86
HISTOGRAMA
ETAPA 7: Construa uma tabela de freqüência baseada nos valores computados no item
anterior: ( ex.: número de classes, intervalos das classes, limites das classes ).
A tabela de freqüência é um Histograma em forma tabular.
Assim sendo, a tabela de freqüência das espessuras medidas ficará da seguinte forma:
Limites Valor
Classe Frequência Total
da classe Médio
1 9,00 9,19 9,10 | 1
2 9,20 9,39 9,30 |||| |||| 9
3 9,40 9,59 9,50 |||| |||| |||| | 16
4 9,60 9,79 9,70 |||| |||| |||| |||| |||| || 27
5 9,80 9,99 9,90 |||| |||| |||| |||| |||| |||| | 31
6 10,00 10,19 10,10 |||| |||| |||| |||| ||| 23
7 10,20 10,39 10,30 |||| |||| || 12
8 10,40 10,59 10,50 || 2
9 10,60 10,79 10,70 |||| 4
10 10,80 10,99 10,90 0
87
HISTOGRAMA
ETAPA 8 : Construção do Histograma baseado na tabela de freqüência.
Um histograma é a forma gráfica de uma tabela de freqüência, e nos fornece
uma rápida visualização da distribuição para uma característica medida.
O histograma, para o nosso exemplo, está mostrado a seguir.
Frequência
X = 9,86
40 -
30 -
20 -
10 -
0- Espessura
8,8 9,0 9,2 9,4 9,6 9,8 10,0 10,2 10,4 10,6 10,8
88
HISTOGRAMA
INTERPRETAÇÃO DO HISTOGRAMA CONSTRUIDO
Frequência X = 9,0 LSE =10,5

LIE =7,5
40 -
30 -
20 -
10 -
0- Espessura
7,4 7,6 7,8 8,0 8,2 8,4 8,6 8,8 9,0 9,2 9,4 9,6 9,8 10,0 10,2 10,4 10,6 10,8
89
HISTOGRAMA
INTERPRETAÇÃO DO HISTOGRAMA CONSTRUIDO
Como vimos, o histograma é uma importante

ferramenta para diagnóstico porque permite uma visão geral da
variação de um conjunto de dados.
Em nosso caso os dados apresentam uma tendência central em

torno de 9,8 a 9,9.
Estes dados criam uma curva bastante normal.

A especificação para a característica espessura é de
7,5 a 10,5; com média 9.
Então nós podemos ver que nosso histograma indica que o alvo
do processo é alto porém, 4% das peças estão acima do limite
superior da especificação.
É necessário centralizar o processo.
90
HISTOGRAMA
INTERPRETAÇÃO DE HISTOGRAMA
DISTRIBUIÇÃO NORMAL OU SIMÉTRICA
O HISTOGRAMA APRESENTA UM FORMATO SIMÉTRICO, SEMELHANTE AO
PERFIL DE UM SINO, QUANDO OS DADOS QUE SIRVAM DE BASE PARA A
SUA CONSTRUÇÃO SÃO NORMAIS, OU SEJA, SEM A PRESENÇA DE
VARIAÇÕES ESPECIAIS.
Y
X
91
HISTOGRAMA
DISTRIBUIÇÃO ASSIMÉTRICA
QUANDO OS DADOS ANALISADOS SÃO REFERENTES A UM PARÂMETRO
UNILATERAL, OU SEJA, QUE PERMITE VARIAÇÕES SOMENTE ABAIXO OU
ACIMA DE UM DETERMINADO VALOR( X ), COMO POR EXEMPLO: TEOR DE
UMIDADE; TEMPERATURA DE EVAPORAÇÃO DE ÁGUA; FOLGA ENTRE DUAS
PEÇAS; ETC. OU ENTÃO, QUANDO EXISTIR VARIAÇÕES CAUSAIS.
Y Y
Valores acima de X
Valores abaixo de X
X X
92
HISTOGRAMA
DISTRIBUIÇÃO TRUNCADA
QUANDO ANALISAMOS DADOS PRÉ SELECIONADOS, COMO POR EXEMPLO A
COLETA DE DADOS EM UM LOTE DE MATERIAL ESCOLHIDO ATRAVÉS DE UM
CALIBRADOR “ PASSA-NÃO-PASSA”
Y Especificação
93
HISTOGRAMA
DISTRIBUIÇÃO BIMODAL
QUANDO ANALISAMOS DADOS MISTURADOS, PROVENIENTES DE DUAS SITUAÇÕES
DIFERENTES, COMO POR EXEMPLO: MATERIAIS PRODUZIDOS POR DUAS MÁQUINAS;
ANTES E APÓS REGULAGEM DA MÁQUINA; DADOS COLETADOS POR PESSOAS
DIFERENTES; ETC.
Y
X
94
HISTOGRAMA
Exemplo para Administração / Serviços
Tempo médio para atendimento á chamada de Clientes ( 1º Toque )
Qtde. de
atendimento
200 -
175 -
150 -
125 -
100 -
75 -
50 -
25 -
0- Minutos
1 2 3 4 5 6 7 8 9 10 11
95
HISTOGRAMA
Exemplo Genérico
Qtde. de
Homens
Altura entre 100 Homens
50 -
40 -
30 -
20 -
10 -
0- Altura
1,63 1,64 1,65 1,66 1,67 1,68 1,69 1,70 1,71 1,72 1,73 1,74 ( metros )
96
HISTOGRAMA - EXERCÍCIO
Com o objetivo de conhecer a capacidade do processo e estabelecer uma prática de controle
do processo de fabricação, foram coletados 100 dados sobre a dureza das peças do tipo
armadura, conforme tabela abaixo
1 2 3 4 5 6 7 8 9 10
396 401 377 384 392 387 414 400 409 395
420 399 407 404 411 392 418 391 378 394
396 404 378 402 382 394 406 423 419 406
421 438 410 391 399 409 407 387 390 391
408 396 387 398 395 401 406 422 420 410
423 429 421 401 402 409 418 398 417 385
408 385 397 393 407 401 397 409 430 413
438 410 422 382 381 404 421 378 373 378
393 391 397 381 413 400 436 422 419 419
400 432 397 366 392 404 419 398 385 411
A partir dos dados representados na tabela acima:

1. Construa o histograma
2. Considerando que a faixa de dureza definida pelo setor de projetos (engenharia) é de 400  25 HB, determine
o LIE, LSE e represente no histograma.
3. Represente a linha média das medidas efetuadas nos eixos.
4. Calcule os índices de capacidade do processo.
5. Faça uma análise do histograma, quanto a capacidade do processo.
6. Calcule a probabilidade de defeitos
97
FLUXOGRAMA DO CEP
Início
Coleta de Dados
Cálculo dos Limites de

Controle
O Processo NÃO Eliminação de

está Causas Especiais
Estável ?
SIM
NÃO O Processo
Redução de Causas
está
Comuns
CAPAZ ? CARTA DE
SIM
CONTROLE
Avaliação/
Conclusão
Fim
98
CARTAS DE CONTROLE
99
CARTAS DE CONTROLE
AS CARTAS DE
CONTROLE
PERMITEM :
Individualizar as causas
específicas e tomar as Monitorizar os
ações que forem processos produtivos
necessárias para sua estáveis
remoção
100
CARTAS DE CONTROLE
CARTAS DE CONTROLE. As cartas de controle são gráficos que

apresentam os resultados de um processo ao longo do tempo. São
utilizadas para determinar se o processo está “sob controle” (por
exemplo, existem diferenças nos resultados devido a variações
aleatórias ou existem ocorrências de eventos não usuais cujas causas
devem ser identificadas e corrigidas). Quando um processo está sob
controle, ele não deve ser ajustado. O processo pode ser modificado
para proporcionar melhorias, mas ele não deve ser ajustado quando está
sob controle
.
As cartas de controle podem ser usadas para monitorar qualquer tipo de
variável de saída. Embora mais frequentemente são utilizadas no
acompanhamento de atividades repetitivas, tais como lotes de
fabricação, as cartas de controle podem, também, ser empregadas para
monitorar as variações de custo e prazo.
101
CARTAS DE CONTROLE
DESCRIÇÕES PRELIMINARES E DECISÕES ORGANIZATIVAS
QUAIS CARACTERÍSTICAS DEVEM SER

MENSURADAS
QUAIS OS INSTRUMENTOS DE MEDIÇÃO À

UTILIZAR
QUAL A FREQUÊNCIA DE INSPEÇÃO
QUAIS INSPEÇÕES EM CADA CONTROLE
102
Na prática, o que é uma Carta de Controle ?
Diagrama que evidência o andamento das variações de um processo em

estudo, a fim de avaliar o status de controle e a presença de variações.
Média
0,146
0,141
0,136
1 4 7 10 13 16 19 22 25
103
Cartas de Controle
Limites de Controle
Determinam os limites de variação, estatisticamente seguros, do processo.
LSC – Limite Superior de Controle
LIC – Limite Inferior de Controle
LM/LC – Linha média ou linha central
LSC
LM
LIC
104
CARTAS DE CONTROLE
CARTAS DE CONTROLE POR VARIÁVEIS
Quando as amostras são expressas em unidades quantitativas de

medida ( comprimento, peso, tempo, etc.)
CARTAS DE CONTROLE POR ATRIBUTO
Quando as amostras refletem características qualitativas

( defeituoso/não-defeituoso , passa/não-passa )
105
OS PRINCIPAIS TIPOS DE CARTA DE CONTROLE
Variáveis Atributo
( Quantitativas ) ( Qualitativas )
Carta X / R ( Média e Amplitude ) Carta c ( Quantidade de defeitos )

Carta X / S ( Média e Desvio padrão ) Carta u (Quantidade de defeitos
~ por unidade )
Carta X / R ( Mediana e Amplitude )
Carta X / R ( Elemento individual Carta np ( Quantidade de elementos
defeituosos )
e Amplitude )
Carta p ( Porcentagem ou fração de
elementos defeituosos)
106
Comparação entre as Cartas por Variáveis
Principais Principais
Cartas
Vantagens Desvantagens
Apresenta facilidade na elaboração dos Indica com menor segurança a
cálculos. variabilidade do processo em
X/R relação à carta X / S.
Indica com maior segurança a variabilidade Apresenta maior dificuldade de

X/S do processo. cálculo.
Apresenta maior facilidade de controle A mediana é um indicador mais

~
X/R
contínuo do processo. fraco que a média.
Os cálculos são simples Eficiência = 64% em relação a “X”
A) É indicada para casos de medições Exige cuidados especiais quando

dispendiosas, demoradas e em testes a distribuição do processo não se
destrutivos. apresenta simétrica.
X/R B) É adequada quando num determinado Não são tão sensíveis às
ponto e momento o resultado apresenta-se alterações do processo quanto as
relativamente homogêneo. cartas X / R.
107
CARTAS DE CONTROLE
UTILIZAÇÃO / INTERPRETAÇÃO TÍPICA
• De modo geral coleta-se de 20 a 25 grupos de amostras antes de

calcular os limites de controle.
• Os limites de controle superior e inferior devem ser

estatisticamente calculados. Não confundir com os limites de
especificação baseados nos requisitos do produto.
• Os dados devem ser registrados na mesma seqüência em que são

coletados, do contrário aparecerão resultados não confiáveis.
• Não interfira ou efetue mudanças no processo enquanto estiver

coletando os dados ; os dados devem refletir como o processo está
se desenvolvendo.
108
CONCEITOS
Para se determinar o número “n” de itens da amostra deve-se

levar em conta :
 A dispersão dos dados da população

 grau de certeza associada à decisão
 precisão dos resultados
Técnica de obtenção da amostra ( como vou tomar a amostra):
 determinística
 aleatória
109
Cartas de Controle (Variáveis)
110
CARTA DAS MÉDIAS E AMPLITUDES (X/R)
Cálculo dos Limites de Controle
LM = X LM = R
X LSC= X + A² . R R L SC = D 4 . R
LIC = X – A² . R LIC = D 3.R
X1+X2+ X3+........ +X n
Onde: X =
n
X1+X2+ X3+......+ X k
X =
k
n = n ° d e e l e me n t o s d a a mo s t r a ( s u b g r u p o )
k = n ° d e a mo s t r a s ( s u b g r u p o )
R = X máx – Xmín
R1+ R2+R 3+.... +R k

R =
K
Fator A2, D 4 e D 3 : Ve r Ap ê n d i c e , t a b e l a I
O b s . : O f a t o r D 3 é i g u a l a z e r o p a r a “ n” d e 2 a 6 e l e me n t o s e ,
c o n s e q u e n t e me n t e , L I C t a mb é m é i g u a l a z e r o .
111
CARTA DE MÉDIAS E DESVIO PADRÃO (X/S)
LM = X LM = S
X LSC = X+A 3. S S LSC = B 4.S
LIC = X-A3.S LIC = B 3.S
Onde: n = n ° d e e l e me n t o s d a a m o s t r a ( s u b g r u p o )
K = n° de a mostr as ( subgr upos)
X1 +X2+ X3+....+ X n
X =
n
X1 +X2+ X3+.....+ X k
X =
k
n
S =  (x -X)2
i
i=1
n- 1
S 1 + S 2 + S 3 + .. .. .+ S k
S=
k
Fator A3. B4, B3 : Ver Apêndi ce, Tabel a I.
Ob s.: O fa to r B 3, é i g ua l a ze r o p a r a “ n ” de 2 a 5 e l e me n t o s e,
c o n s e q u e n t e me n t e , L I C t a m b é m é i g u a l a z e r o .
112
~
CARTA DE MEDIANAS E AMPLITUDES (X/R)
LM=X
~ LM=R
~
X ~ ~ 2 .R
LSC=X+A R LSC=D 4 .R
LIC = ~ ~ 2 .R
X-A LIC=D 3 .R
Onde: n= n° de el e mentos da a mostra (subgrupo)

K = n° de a mostras (subgrupo)
~
X= medi ana da a mostra (subgrupo) = e le me n t o s c e n t ra l d a
a mo s t ra (subgrupo)
~ ~ ~ ~
X 1 +X 2 +X 3 +.....+X k
~
X=
K
R=X m á x - X m í n
~
F ator A 2 D 4 e D 3 : Ver Apêndi ce, T abela II
Obs.: O fator D 3 , é i gual a zero para “n” de 2 a 6 el ementos e,
consequente mente, LIC ta mbé m é i gual a zero.
113
CARTA DE VALORES INDIVIDUAIS E AMPLITUDE MÓVEL (X/R)
LM=X LM=R
X LSC=X+E 2 .R R LSC=D 4 .R
LIC=X -E 2 .R LIC=D 3 .R
X 1 + X 2 +X 3 +.....+X k
X=
k
Ri= X i- Xi-1
R 1 +R 2 +R 3 +... .+R k
R=
k -1
F a t o r E 2 , D 4 e D 3 : Ve r a p ê n d i c e , t a b e l a I I
Obs.:
 fator ED 3 , é igual a zero para “n” de 2 a 6 el e me n t o s e,
c o n s e q u e n t e me n t e , L I C t a mb é m é i g u a l a z e r o .
 Ap e s a r d a c a r t a X/ R p o s s u i r “ n = 1 ” , a a mp l i t u d e u t i l i z a 2 e l e me n t o s e ,
por i sso, os fatores E 2, D 3 e D 4 são rel ati vos a “n=2”.
 O n ú me r o d e a mp l i t u d e s é i g u al a o n úme r o d e a mo s t r a s me n o s 1 ( k - 1 ) ,
p o r q u e a p r i me i r a a mo s t r a n ã o p o s s u i a mp l i t u d e .
114
Cartas por Atributos
Definição de Unidade
É o produto resultante da saída do processo.
Deve ser observável e contável, de modo a tornar possível a medição da capabilidade do processo.
Definição de Oportunidade
É o número de possibilidades de ocorrer um defeito dentro do processo avaliado.
Em outras palavras, é a característica inspecionada para se avaliar o desempenho do processo.
Definição do Defeito
Qualquer variação de uma característica importante de um produto ou serviço, que o impede
de preencher os requisitos do cliente.
Qualquer coisa que gera insatisfação do cliente.
Unidade
(a chapa) Oportunidade
(os 5 furos) Defeitos
(2 furos fora
da especificação)
115
Cartas de Controle (Por Atributo)
116
CARTA “c”
 Utiliza a Distribuição de “Poisson”;
 Realiza a contagem de defeitos encontrados no processo ou
produto;
Ex.: a massados enco ntrados e m u ma lateral da carroceria,

escorridos de tinta na carroceria, etc.
 O ta manho da a mostra “n” deve ser co nstante.

K
c 1 +c 2 +c 3 +...+c k  ci
i=1
LM = c = =
k k
Onde “c 1 ”, “c 2 ”, “c 3 ”,....”c k ” são nú mer os de defei to s de cada uma das “k”
a mostras.
K: n° de a mos tras
LSC = c + 3 c
LIC = c - 3 c
117
CARTA “U”
 T a mb é m u t i l i za a Di st ri b ui çã o d e “ Po i sso n ” ;
 Re a l i za a co n t a g e m d e d e f e i t o s p o r e l e me n t o d a a mo s t r a , i st o é ,
r e a li za a p r o p o r çã o d e d e f e i t o s e xi s t e n t e s e m ca d a e l e me n t o d a
a mo st r a ;
E x. : n ° d e a ma ssa d o s p o r l a t e r a l , e sco r r i d o s d e t i n t a p o r
ca r r o ce r i a , e t c;
 O t a ma n h o d a a mo st r a “ n ” p o d e se r va r i á vel .

c n ° d e d e f e i t o s d e u ma a m o s t r a
u = =
n n ° d e e l e me n t o s d a a m o s t r a
K
 ci
C1+ C2+C 3+... +C k i-1
LM = u = =
K
n1+n 2+n 3+... +nk
 ni
i-1
O n d e “ c 1 , c 2 , c 3 . . . c k ” s ã o n ú me r o s d e d e f e i t o s d e c a d a u ma d a s (“k”)
a mo s t r a s , “ n ” é o t a m a n h o d a s a mo s t r a s , “ K ” é o n º d e a m o s t r a s .
LSC = u + 3 u n
LIC = u – 3 u n
K
n1+n 2+n 3+... +n k  ni
i=1
onde n = =
k k
o u s e ja , é o t a ma n h o m é d i o d a a mo s t r a .
118
CARTA “np”
 Uti li za a di stri bui ção binomi nal ;
 Real i za a contagem de el e mento s defe i tuosos ou el ementos não -
confor mes n a a mostra;
Nota: É i mportante di ferenci ar defei to de el emento defei tuoso. U ma

peça pode ter vári os defei tos di ferentes, mas, se a mes ma
apresentar um ou mai s defei tos esta to rna -se u ma peça defei tuosa.
E x.: porta apresenta defei tos como a massado, escorr i mento de ti nta
e arranhado.
 O ta manho da a mostra “n” deve ser co nstante.

K

n p 1 +np 2 +np 3 +.....+np k np
i=1 i
LM = np = =
k
k
onde “np 1 , np 2 , np 3 ,...,np K” são os números de elementos defeituosos de cada uma das “k” amostras,
“k” = n° de amostras
np np
LSC= np + 3 np ( 1 - ) LIC = np - 3 np ( 1 - )
n n
119
CARTA “p”
 U t i l i z a t a mb é m a d i s t r i b u i ç ã o bi n o mi n a l ;
 R e a l i z a a c o n t a g e m d a f r a ç ã o d e e l e me n t o s d e f e i t u o s o s o u n ã o –
c o n f o r me s d a a mo s t r a . Mu i t a s v e z e s a f r a ç ã o d e e l e me n t o s
d e f e i t u o s o s é t r a n s f o r ma d a p a r a p o r c e n t a g e m ( x 1 0 0 ) ;
O t a ma n h o d a a mo s t r a “ n ” p o d e s e r v a r i á v el

np n° d e e l e me n t o s d e f e i t u o s o s d e u m a a m o s t r a
p = =
n n ° d e e l e me n t o s d a a m o s t r a .
np1+np 2+np 3+... +npk  npi

i=1
LM = p = =
k
n1+n 2+n 3+.. ..+n k
 n
i=1
LSC = p + 3 p (1 - p ) / n
LIC = p – 3 p (1-p) / n
n1+n 2+n 3+... +n k

Onde n = o u s e j a , é o t a m a n h o mé d i o d a a m o s t r a .
k
n° : n ° d e am os t r a. 120
Fluxograma para escolha da Carta de Controle
SIM NÃO
Característica é
mensurável ?
Carta por Carta por

variáveis atributos
NÃO SIM Controle de n.º

X/R né>1
de defeitos ou
?
não
conformidades ?
SIM
NÃO
NÃO Carta
~ NÃO
X/R é por O tamanho Controle de
X? da amostra elementos
é defeituosos ou
SIM variável ?
C não-conformes
Carta NÃO
NÃO SIM
X/S é por
R? U O tamanho
SIM da amostra
é
X/R variável ?
np SIM
p
121
Cartas de Controle
Diário de bordo
Campo da Carta de Controle ( por Variáveis ou

Atributos ) onde devem ser anotadas quaisquer
alterações/modificações no processo/produto (mão-
de-obra, materiais, meio ambiente, métodos,
máquina, medição), visando melhor análise das
variações e possibilitando ações corretivas eficazes.
122
Cartas de Controle (Diário de Bordo)
123
TABELA DE FATORES E FÓRMULAS PARA CARTAS DE CONTROLE
TABELA I - FATORES PARA CARTAS DE CONTROLE

__ __
CARTA X e R CARTA X e S
( Médias e Am plitudes ) ( Médias e Desvios Padrão )
Divisores Divisores
Obs. Fatores para Fatores
para Fatores para para Fatores para
na Lim ites de para
Estim ativa Lim ites de Estim ativa Lim ites de
Amostra Controle Lim ites de
do Desvio Controle do desvio Controle
Controle
Padrão Padrão
n A2 d2 D3 D4 A3 C4 B3 B4
2 1.880 1.128 - 3.267 2.659 0.7979 - 3.267
3 1.023 1.693 - 2.574 1.954 0.8862 - 2.568
4 0.729 2.059 - 2.282 1.628 0.9213 - 2.266
5 0.577 2.326 - 2.114 1.427 0.9400 - 2.089
6 0.483 2.534 - 2.004 1.287 0.9515 0.030 1.970
7 0.419 2.704 0.076 1.924 1.182 0.9594 0.118 1.882
8 0.373 2.847 0.136 1.864 1.099 0.9650 0.185 1.815
9 0.337 2.970 0.184 1.816 1.032 0.9693 0.239 1.761
10 0.308 3.078 0.223 1.777 0.975 0.9727 0.284 1.716
11 0.285 3.173 0.256 1.744 0.927 0.9754 0.321 1.679
12 0.266 3.258 0.283 1.717 0.886 0.9776 0.354 1.646
13 0.249 3.336 0.307 1.693 0.850 0.9794 0.382 1.618
14 0.235 3.407 0.328 1.672 0.817 0.9810 0.406 1.594
15 0.223 3.472 0.347 1.653 0.789 0.9823 0.428 1.572
16 0.212 3.532 0.363 1.637 0.763 0.9835 0.448 1.552
17 0.203 3.588 0.378 1.622 0.739 0.9845 0.466 1.534
18 0.194 3.640 0.391 1.608 0.718 0.9854 0.482 1.518
19 0.187 3.689 0.403 1.597 0.698 0.9862 0.497 1.503
20 0.180 3.735 0.415 1.585 0.680 0.9869 0.510 1.490
21 0.173 3.778 0.425 1.575 0.663 0.9876 0.523 1.477
22 0.167 3.819 0.434 1.566 0.647 0.9882 0.534 1.466
23 0.162 3.858 0.443 1.557 0.633 0.9887 0.545 1.455
24 0.157 3.895 0.451 1.548 0.619 0.9892 0.555 1.445
25 0.135 3.931 0.459 1.541 0.606 0.9896 0.565 1.435
124
Arildo Rodrigues – julho 2008
TABELA II - FATORES PARA CARTAS DE CONTROLE
CARTA ~
XeR CARTA X e R
( Medianas e Amplitudes ) ( Indivíduos e Amplitudes )
Obs. Fatores para Divisores Fatores para Fatores Divisores Fatores para
na Limites de para Limites de para para Limites de
Amostra Controle Estimativa Con trole Limites de Estimativa Controle
do Desvio Controle do desvio
Padrão Padrão
n Ã2 d2 D3 D4 E2 D2 D3 D4
2 1.880 1.128 - 3.267 2.660 1.128 - 3.267
3 1.187 1.693 - 2.574 1.772 1.693 - 2.574
4 0.796 2.059 - 2.28 2 1.457 2.059 - 2.282
5 0.691 2.326 - 2.114 1,290 2.326 - 2.114
6 0.548 2.534 - 2.004 1.184 2.534 - 2.004
7 0.508 2.704 0.076 1.924 1.109 2.704 0.076 1.924
8 0.433 2.847 0.136 1.864 1.054 2.847 0.136 1.864
9 0.412 2.970 0.184 1.816 1.010 2.970 0 .184 1.816
10 0.362 3.078 0.223 1.777 0.975 3.078 0.223 1.777
125
CARTA DE CONTROLE - EXERCÍCIO
Com o objetivo de monitorar a performance do processo e estabelecer uma prática de controle do processo de
fabricação, foram coletados amostras, ( 100 ) sobre a dureza das peças do tipo armadura, sendo:
AMOSTRAGEM DE DUREZA Realizada por: Hora da leitura:
Peça: Armadura Antônio Paulo 9:00 horas
DIA 01 02 03 04 05 08 09 10 11 12
AMOSTRA 1 2 3 4 5 6 7 8 9 10
390 419 406 378 392 394 409 406 385 387
420 385 410 411 385 398 406 399 386 410
417 389 385 410 375 397 397 411 408 395
430 395 413 406 398 419 404 405 418 401
373 394 419 410 370 400 398 415 406 398
DIA 15 16 17 18 19 22 23 24 25 26
AMOSTRA 11 12 13 14 15 16 17 18 19 20
410 412 412 400 398 444 400 385 394 396
385 430 395 398 412 452 410 386 386 403
395 425 400 386 405 416 415 393 378 405
400 445 390 391 406 435 402 400 380 410
409 420 402 400 399 418 395 399 395 392
No exercício anterior você construiu o Histograma a partir dos dados 3. Utilizando os LSC, LIC, X e R calculados,
representados na tabela acima, agora :: represente na carta de controle os dados
1. Considere que a faixa de dureza definida pelo setor de projetos coletados conforme a tabela de
(engenharia) é de 400  25 HB, amostragem acima.
2. Construa as cartas de controle para a média e a amplitude. 4. Interprete as cartas de controle.
126
ANÁLISE DE CARTA DE CONTROLE
127
ANÁLISE DAS CARTAS DE CONTROLE
Para sabermos se estamos produzindo produtos com boa ou má qualidade, além de calcular os
Limites de Controle, é necessário saber analisar a carta.
PROCESSO SOB CONTROLE OU ESTÁVEL
Quando todos os pontos

Y estão em torno da
LSC
média, indica que seu
processo está “sob
LM
controle” ou estável e a
LIC linha de produção está
X produzindo produtos de
boa qualidade.
128
Processo fora de controle ou instável

Para verificar se o processo está “ Fora de Controle ” ou “ Instável “, isto é, se existem causas
especiais atuando no processo, basta que ocorra pelo menos uma das regras de instabilidade a
seguir:
1a REGRA : Existência de pelo menos 1 ponto acima do LSC ou abaixo do LIC.
Y
. LSC
Y
LSC
LM LM
LIC LIC
X X
129
Para verificar se o processo está “ Fora de Controle ” ou “ Instável “, isto é, se existem

causas especiais atuando no processo, basta que ocorra pelo menos uma das regras
de instabilidade a seguir:
2a REGRA : Existência de uma seqüência de 7 ou mais pontos consecutivos todos acima

ou abaixo da linha média.
Y Y
LSC LSC
LM LM
LIC LIC
X X
130
Para verificar se o processo está “ Fora de Controle ” ou “ Instável “, isto é, se existem causas
especiais atuando no processo, basta que ocorra pelo menos uma das regras de instabilidade a
seguir:
3a REGRA : Existência de uma seqüência de 7 ou mais pontos consecutivos ascendentes ou

descendentes.
Y Y
LSC LSC
LM LM
LIC LIC
X X
131

NOTA : As três primeiras regras de instabilidade são consideradas básicas.
As regras seguintes são opcionais e devem ser usadas quando o processo estiver “ sob
controle “ por um período longo ( meses ) ou for um processo de alta precisão.
4a REGRA : Existência de uma seqüência de 8 ou mais pontos consecutivos fora do intervalo de 1/3 em
torno da média e de qualquer lado.
Y
LSC
1/3 1 4 7 8
1/3 LM
3 5
1/3 6
2
LIC
X
132

5a REGRA : Existência de 5 pontos consecutivos, sendo que 4 deles estão situados do mesmo lado em
relação à Linha Média ( LM ) e fora do intervalo de 1/3 em torno da LM.
Y
LSC
1/3
3
1/3 LM
1/3 2 4
1 5 LIC
X
133

6a REGRA : Existência de pontos consecutivos sendo que 2 deles estão situados do mesmo lado em
relação à Linha Média ( LM ) e fora do intervalo de 2/3 em torno da LM.
Y
LSC
1/6
2/3 LM
1/6
LIC
X
134

7a REGRA : Existência de oscilação cíclica, normalmente devido à interferência de outro processo.

Y
LSC
LM
LIC
X
135
Gráfico do Farol
136
Procedimento de utilização do Gráfico do Farol
1º - Verifique 2 produtos. Se ambos estiverem na região verde, continue normalmente a produção.
2º - Se 1 ou 2 produtos estiverem na região vermelha avise ao responsável para as providências

corretivas e selecione o material existente. Quando os reajustes forem feitos, volte ao passo 1.
3º - Se 1 ou 2 produtos estiverem na região amarela, verifique mais 3 produtos;
A : - Se 3 ou mais produtos estiverem na região verde, continue normalmente a

produção;
B : - Se 3 ou mais produtos estiverem na região amarela, avise o responsável

para as providências corretivas. Quando os ajustes forem feitos, volte ao passo 1;
B : - Se qualquer produto estiver na região vermelha, avise o responsável para as

providências corretivas e selecione o material. Após os necessários ajustes volte
ao passo 1.
Identificação para duas peças com a mesma medida
137
CARTA DE TENDÊNCIA - VARIABILIDADE
• O Gráfico Sequêncial ( de tendência) e o Gráfico

de Controle ( cartas de Controle ) são ferramentas
estatísticas para avaliação do estado de controle
estatístico de um processo.
• O Gráfico de Controle é mais informativo .
138
Carta de Tendência
Causa especial
80
70
60
50
40 Reclamação
30
20
10
0
n
o
v
Se sto
o
il
o
ar
o
Fe
nh
ai
br
lh
Ja
br
M
go
M
Ju
m
A
Ju
te
139
SIX SIGMA - 6 Qualidade 6 Sigma
A ESCALA DA QUALIDADE
O que é e o que representa em termos de
custo cada etapa do sistema Seis Sigma
Nível Defeitos Custo da não
Sigma por milhão qualidade das vendas
6 Sigma 3,4 - 10% das vendas

5 Sigma 233 10% - 15% das vendas
4 Sigma 6 210 15% - 20% das vendas
3 Sigma 66 807 20% - 30% das vendas
2 Sigma 308 537 30% - 40% das vendas
1 Sigma 697 672 _
140
A única ocorrência espontânea no mundo é o amor de mãe.
O restante tem que ser estruturado, trabalhado, construído.
141
VOCABULÁRIO
 AMOSTRA : Um ou mais itens retirados de uma população presumivelmente homogênea, destinados a fornecer informações
sobre a mesma.
 AMPLITUDE : É a diferença entre uma medida máxima e uma mínima.
 CARTA DE CONTROLE : Gráfico no qual estão traçados os limites de Controle e são assinalados os valores medidos para
verificação do estado de controle do processo.
 CARTA DE CONTROLE POR VARIÁVEL : Aplicada quando a informação ou características de controle está relacionada
com medidas mensuráveis.
 CARTA DE CONTROLE POR ATRIBUTOS : Aplicada quando a informação ou características de controle está relacionada em
classificação de bom ou ruim, aprovado ou reprovado, sem a necessidade de medir.
 CAUSAS COMUNS : Causas que pertencem ao sistema produtivo, atuam de modo aleatório.
 CAUSAS ESPECIAIS : O defeito aparece de modo eventual, por motivos fortuitos, acidentais e localizados.
 CONTROLE : Manter algo dentro dos limites ou fazer algo se comportar de forma adequada.
 DIÁRIO DE BORDO : Registro de toda e qualquer ocorrência durante o processo de produção.
 ESTATÍSTICA : Obter conclusões com base em dados e números.
 FRAÇÃO DEFEITUOSA (p) : É a quantidade de peças defeituosas dividido pelo número total de itens.
 FREQUÊNCIA : Razão do número de vezes em que um valor particular é observado para o número total de observações
ou intervalo de tempo entre cada observação.
142
VOCABULÁRIO
 LIMITES DE CONTROLE : São limites máximos e/ou mínimos que são obtidos a partir dos dados coletados no processo
e nos indicam se o mesmo está sob Controle Estatísticos.
 LIMITES DE TOLERÂNCIA : São limites máximos e/ou mínimos que constam no desenho.
 LOTE OU PARTIDA : É o conjunto das peças produzidas ou existentes num processo, ou um determinado intervalo de tempo.
O lote pode ser a produção horária, a produção diária ou ainda a produção programada de uma determinada peça.
 MÉDIA (X) : Num conjunto de números, a média é a soma dos mesmos, dividida pela quantidade de números somados.
~
 MEDIANA (X) : Num conjunto de números dispostos em ordem de grandeza crescente, a mediana é o valor central.
 NÚMEROS DE DEFEITOS (c) : É a quantidade de defeitos na amostra.
 NÚMEROS DE DEFEITOS POR UNIDADE (u) : É a quantidade de defeitos encontrados na amostra dividida pelo tamanho da amostra.
 NÚMERO DE DEFEITUOSOS (np) : É a quantidade de peças defeituosas da amostra.
 PROCESSO : Combinação necessária entre homem, máquina, materiais e meio ambiente para produzir um produto qualquer.
 SUBGRUPO : O mesmo que amostra.
 TAMANHOS DA AMOSTRA (n) : È a quantidade de elementos ( peças ) existentes na amostra.
 TAMANHO DO LOTE (N) : É a quantidade de elementos ( peças ) existentes no lote.
 UNIVERSO OU POPULAÇÃO : É o conjunto de todos os elementos ( peças ) existentes ou passíveis de existir no processo
de fabricação.
143
REFERÊNCIA BIBLIOGRÁFICA
 Manual de referência CEP – ISO/TS 16.949 – 4 ed. AIAG / IQA
 AFS. Statistcal Process Control
 Costa, Antonio Fernando; Epprecht, Eugênio; Carpinetti, Luiz. Controle Estatístico de Qualidade. 2 ed.., Atlas, 2005, 334 p.
 Braulle, Ricardo. Estatística Aplicada com Excel. Para cursos de administração e economia. Rio de Janeiro: Editora Campus, 2001, 199 p.
 Freund, John E., Simon, Gary A. Estatística Aplicada. Economia, administração e contabilidade. Porto Alegre: Bookman, 2000, 404 p.
 Wilson, Mario Perez. Seis Sigma . Compreendendo o conceito, as implicações e os desafios. Rio de Janeiro: Qualitymark, 1999, 261 p.
 Kume, Hitoshi. Métodos Estatísticos para Melhoria da Qualidade. Japão: AOTS, 1998, 168 p.
 Costa, Sérgio Francisco. Introdução Ilustrada à Estatística. São Paulo: Editora Harbra, 1998, 313 p.
 ANFAVEA. Fundamentos de Controle Estatístico do Processo CEP – Manual de Referência. São Paulo: IQA, 1997, 162 p.
 Palady, Paul. FMEA: Análise dos Modos de Falha e Efeitos:prevendo e prevenindo problemas antes que ocorram. São Paulo: IMAM, 1997,
270 p.
 Brassard, Michael. Qualidade – Ferramentas para uma melhoria Contínua. Rio de Janeiro: Qualitymark, 1996, 87 p.
 SENAI – DN. Qualidade Total. Rio de Janeiro: SENAI – DN, 1996, 64 p.
 Ramos, Alberto Wunderler. Controle Estatístico de Processo para Pequenos Lotes. São Paulo: Edgard Blucher, 1995, 151 p.
 Helman, Horácio. Análise de Falhas. Vol. 11, Belo Horizonte: FCO, 1995, 156 p.
 Scholtes, P. R. Times da Qualidade, como usar equipes para a Qualçidade. Rio de Janeiro: Qualitymark, 1992.
 Soares, José F.; Farias, Alfredo A., César, Cibele C. Introdução à Estatística. Rio de Janeiro: LTC, 1991, 378 p.
 SENAI – SP. Controle da Qualidade – CEP – Controle Estatístico do Processo. São Paulo: SENAI – SP, 1987, 270 p.
 Toledo, Geraldo Luciano; Ovale, Ivo Izidoro. Estatística Básica. 2 ed., São Paulo: Atlas, 1989, 459 p.
 Fonseca, Jairo S.; Martins, Gilberto A.; Toledo, Geraldo L. Estatística Aplicada. 2 ed., São Paulo: Atlas, 1985, 267 p.
 Carbonneau, Harvey C.; Webster, Gordon. Industrial Quality Control. Englewood Cliffs, N. J.: Prentice-Hall, 1978, 276 p.
144
OBRIGADO !
145

CEP - Arildo

Enviado por

Dados do documento

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

CEP - Arildo

Enviado por

Direitos autorais:

Formatos disponíveis

CONTROLE ESTATÍSTICO DO PROCESSO

Professor: Arildo Rodrigues da Silva

 Determinar se os processos são capazes de atender aos requisitos, se os

 Construir base para a melhoria contínua mediante realização de

Formalização do Sistema de Medidas

Primeiras Indústrias e Problemas

 Ênfase no “Controle Estatístico do Processo” (CEP); Gráficos de controle Amostragem;

INTEGRAÇÃO PREVENÇÃO MELHORAMENTO MELHORAMENTO

Características menos Admitem-se pequenos

1. Poka-Yoke 1. Auditoria de 1. Poka-Yoke

Desenvolvido na década de vinte por Walter Shewhart ( laboratórios Bell - EUA )

 O Controle Estatístico surgiu da necessidade de se desenvolver um

Esse trabalho deu origem ao controle do processo e à inspeção por

Assim, o Controle Estatístico de Processo é uma das ferramentas mais

 Século XVII : Jogos de Azar;

Variação Reduzida Em Nossos Processos / Produtos

Máquinas medição seletiva

CONTROLE : Manter algo dentro dos limites ou sob comportamento adequado.

ESTATÍSTICO : Obter conclusões com base em dados numéricos.

PROCESSO: Combinação adequada entre máquinas, materiais, métodos, mão

PROCESSO: “Conjunto de recursos e atividades inter-relacionados que

Segundo Armand Feigenbaum, em “Controle da Qualidade Total”:

“O Controle de Processo é a associação do conhecimento técnico para análise

População : O universo inteiro, por exemplo todas as peças

Amostra : Uma parte da população.

• Variável - Característica que se deseja medir : massa,

• Atributo ou Característica - A medida que determina se a

• Probabilidade : a chance de algo ocorrer

Cada estudo de capacidade será portanto diferente :

a uma bem definida característica ;

em condições operativas pré-fixadas.

1. fase de estudo da CAPACIDADE de MÁQUINA e

2. fase de manutenção, no tempo, da CAPACIDADE

Avaliar A) A medição: Predisposição

Manter a A) Cálculo dos limites da Carta

 Um eficiente conhecimento das metodologias

 Um sistema de cálculo dos indicadores ou dos

Para promover a redução da variabilidade, deve-se conhece-la bem. Isso só é

Objeto / Peça : Desenho:

Operação: I nstrumento: Dimensão:

Objeto Analista nº 1 Analista nº 2 Diferença entre

Fator de erro ( F ) = R X 4,33

Como ( % de erro ) é > 20% o meio de medição não é confiável

- Quais as potenciais fontes de variação ?

MÉTODO PROCESSO MÁQUINA

MÃO DE OBRA MÉTODO MÁQUINA MEDIÇÃO

•Variabilidade é o resultado de alterações nas condições

• Também chamada variação ou dispersão

• Está presente em todos os processos de produção e

2. Ao registrar os Tempos gastos por uma camareira na arrumação

Provocam mudanças nas características dos

Mesmo os produtos CONFORMES apresentam

A redução da variabilidade só é possível através da

Envolve coleta, processamento e disposição

Bom Controle de Processo Processo Fora do alvo Variação Excessiva

Defeitos Defeitos Defeitos

LI Média LS LI Alvo LS LI Média LS

Referem-se a quaisquer fatores de variação que não podem ser explicados

É responsabilidade do pessoal diretamente envolvido com a operação, descobri-la e

Ex.: Quebra de ferramenta de corte, apertadeira desregulada, rebarba em ponto de

Aleatória, crônica, ambiental Causal, eventual ou

Natureza Permanente Eventual, transitória

Difícil, exige análise Fácil, pelo pessoal da