Slides - CEP - v5

Controle Estatístico
de Processos
Prof. Erwin W. TEICHMANN
50% 100%
Controle Estatístico de Processos - CEP
O QUE É UM PROCESSO ?
Qualquer atividade planejada e executada com um
objetivo pré-determinado.
Exemplos:
• Emissão de nota fiscal em uma empresa
• Dirigir um automóvel
• A Gestão de um negócio
• fabricar um produto
• Ministrar uma aula
• Fazer uma prova
• Fazer um serviço de manutenção
• Fazer um churrasco
• Etc.
50% 100%
UM PROCESSO É REALIZADO COM O

EMPREGO DE VÁRIOS FATORES: OS 5 M´s
Processo
Máquina
Mão de obra
OBJETIVO Método RESULTADO
Matéria-prima
Meio-ambiente
EM QUALQUER PROCESSO O OBJETIVO É

SEMPRE FAZER O MELHOR, SEM FALHAS.
50% 100%
NO ENTANTO, OS PROCESSOS SÃO

NADA É INFLUENCIADOS PELO
PERFEITO. DESEMPENHO DOS 5 M´s
Processo
OBJETIVO RESULTADO
Máquina
Mão de obra
Método
Matéria-prima
Meio-ambiente
Imperfeitos !!
50% 100%
DEVIDO A ESSAS IMPERFEIÇÕES, OS

PROCESSOS NÃO CONSEGUEM PRODUZIR
SEMPRE BONS PRODUTOS E BONS SERVIÇOS
Exemplos:
• Emissão de nota fiscal
• A Gestão de um negócio
• Fabricar um produto
• Ministrar uma aula
• Fazer uma prova
• Serviço de manutenção
• Fazer um churrasco
• Etc.
Meta X Resultados
50% 100%
OS RESULTADOS SE
AFASTAM DO IDEAL
&
OS RESULTADOS SÃO UM
POUCO IMPREVISÍVEIS
Meta X Resultados
O PROCESSO SERÁ MELHOR SE OS

RESULTADOS ESTIVEREM PRÓXIMO DA
META E COM POUCA VARIABILIDADE
50% 100%
PARA MELHORAR UM PROCESSO DEVE-SE

PROCURAR POR INDICADORES DE PERFORMANCE
Informações que podem ser medidas ou observadas e

que indicam como está o desempenho do processo
Processo Indicadores
• Emissão de nota fiscal • Número de erros de emissão
• A Gestão de um negócio • Lucro
• Fabricar um produto • Desempenho, desperdícios
• Ministrar uma aula • Satisfação dos alunos
• Fazer uma prova • Conceito obtido
• Serviço de manutenção • Número de reclamações de
clientes, retornos, etc.
50% 100%
Exemplo:
Potência média dos motores produzidos
Semana 1 97.3
Semana 2 99.6
Semana 3 104.2 Esses números são indicadores
Semana 4 95.9 de performance de todo o
Semana 5 94.4 processo de produção do motor
Semana 6 92.3
Semana 7 103.5
Semana 8 106.0
Semana 9 100.5
Semana 10 99.5
Semana 11 107.7 Se eles forem bem analisados, pode-se
Semana 12 100.2
Semana 13 99.2
tirar informações valiosas para tornar o
Semana 14 97.0 processo melhor e mais previsível
Semana 15 98.6
Semana 16 101.3
Semana 17 105.1
Semana 18 104.7
Semana 19
Semana 20
100.6
92.9
“É preciso torturar esses números para
que eles confessem o que sabem”
50% 100%
“Estatística é a arte de torturar os

números até que eles confessem”
Exemplo: Pesquisa eleitoral
Coleta de Processamentos Diagnósticos

dados estatísticos
50% 100%
Controle estatístico de Processos

O Controle Estatístico de Processos é uma metodologia largamente aplicada para
monitorar e melhorar o desempenho dos processos. O objetivo do controle
estatístico do processo é aprimorar e controlar o processo produtivo por meio da
identificação das diferentes fontes de variabilidade do processo.
• Dados obtidos de poucas amostras permitem avaliar o processo.

• É muito mais racional controlar os processos do que se preocupar somente
com os produtos.
• Um processo mantido sob controle não produz defeitos ou erros. É muito
mais barato fazer bem feito do que depender da seleção e retrabalho de itens
que não sejam bem produzidos.
• Quando surgirem problemas, a ação deve ser no processo (causa) que gerou
o problema, e não no produto em si (conseqüência).
• Não se melhora a qualidade somente separando o bom do ruim. A qualidade
já vem com o produto quando este deixa a máquina e, portanto, antes da
inspeção.
• É necessário garantir a qualidade ao invés de simplesmente controlá-la.
50% 100%
O CEP É LARGAMENTE EMPREGADO NA INDÚSTRIA
• PERDAS
PROCESSO CONTROLE POR REDUZIDAS
AMOSTRAGEM
• QUALIDADE
ASSEGURADA
• MELHORIA
Monitoramento e
Análises dos dados
CONTÍNUA
ELIMINAÇÃO
DAS CAUSAS PROBLEMA
DETECTADO
• PROCESSOS
MELHORES E MAIS
PREVISÍVEIS
50% 100%
O OBJETIVO É MELHORAR OS PROCESSOS A PARTIR DA

IDENTIFICAÇÃO E ELIMINAÇÃO DE CAUSAS DE VARIAÇÕES.
Qualquer processo está sujeito a influências de

causas normais e causas especiais.
As causas comuns são aquelas que ocorrem inevitavelmente e de forma

imprevisível nos processos, pois fazem parte deles. São variações naturais do
processo. Por exemplo, as oscilações normais de temperatura em um
ambiente fabril são causas comuns de variação pois fazem parte do processo.
As causas especiais são fatores de influência que não fazem parte do

processo e que provocam mudança no seu comportamento. Por exemplo, na
fabricação de peças, o desgaste de uma ferramenta de corte na fabricação de
uma peça provoca alterações contínuas nas suas dimensões (figura 11.4). As
causas especiais devem ser determinadas e corrigidas
50% 100%
QUANDO AS CAUSAS DE VARIAÇÃO ESPECIAIS SÃO DETERMINADAS

E CORRIGIDAS, O PROCESSO FICA MAIS PREVISÍVEL.
EM OUTRAS PALAVRAS, O PROCESSO FICA SOB CONTROLE.
UM PROCESSO SOB CONTROLE É AQUELE EM QUE AS VARIAÇÕES

EXISTENTES SE DEVEM SOMENTE A CAUSA COMUNS.
Segunda Terça Quarta Segunda Terça Quarta
Processo sob Controle Processo fora de Controle
50% 100%
PARA SE TER PROCESSOS PRODUZINDO SEMPRE BONS PRODUTOS E

SERVIÇOS, DEVE-SE PRIMEIRAMENTE TORNÁ-LOS PREVISÍVEIS.
UMA VEZ QUE O PROCESSO É PREVISÍVEL, OS DESVIOS PODEM SER
CORRIGIDOS PARA TORNAR OS PROCESSOS CAPAZES.
Segunda Terça Quarta Segunda Terça Quarta
Processo fora de Controle Processo sob Controle
Processo sob
Controle e Capaz
Segunda Terça Quarta
50% 100%
TUDO ISSO É FEITO COM O PROCESSAMENTO MATEMÁTICO DE

INDICADORES DE PERFORMANCE DOS PROCESSOS.
• Quando o indicador de performance é o resultado de uma medição,

está se fazendo um controle por variáveis.
Exemplos:
A potência de um motor: 90 CV
A dimensão de uma peça: 127,990 mm
O rendimento de uma bomba: 94 %
O tempo de atraso médio na chegada dos funcionários: 14 min
• Quando o indicador de performance é um dado qualitativo, obtido de

uma contagem, está se fazendo um controle por atributos.
Exemplos:
O número de pneus defeituosos
A quantidade de defeitos em um veículo
O número de erros no preenchimento de documentos
A quantidade de funcionários que chegam atrasados
50% 100%
• O primeiro passo é obter e organizar os dados:

Dados desorganizados não permitem extrair
informações acerca dos processos
100,4 101,4 100,1 99,5 101,0 99,6 99,8 100,1 101,4 99,0
99,3 98,7 98,7 100,4 99,9 99,5 99,7 98,8 99,9 99,5
101,2 100,3 100,0 100,4 98,7 99,4 100,5 101,4 99,9 100,0
99,8 100,0 99,6 99,3 100,8 101,0 100,8 101,2 99,3 99,6
99,0 100,8 100,8 98,7 101,2 99,1 100,8 100,4 99,5 98,5
99,9 101,4 100,4 100,2 101,5 100,1 98,5 101,5 99,4 100,6
101,0 100,7 99,7 99,9 101,6 100,8 99,8 97,9 100,1 99,1
99,0 99,6 100,9 99,6 99,4 102,9 99,6 99,5 98,3 100,9
100,2 98,9 99,8 99,0 100,4 100,7 99,6 100,3 100,6 100,6
100,3 99,5 99,3 99,5 99,8 99,8 99,8 100,6 98,0 100,4
50% 100%
Para organizar os dados, é necessário colocar os resultados em uma tabela de distribuição de

freqüências. Essa tabela permite organizar os resultados de acordo com a sua freqüência de
ocorrência. Essa distribuição de freqüências é um método útil para visualizar dos dados.
Faixa de valores Número de ocorrências
Até 97,9 X
97,9 – 98,4 X X
98,4 – 98,9 X X X X X X X X
98,9 – 99,4 X X X X X X X X X X X
99,4 – 99,9 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
99,9 – 100,4 X X X X X X X X X X X X X X X X
100,4 – 100,9 X X X X X X X X X X X X X X X X X X
100,9 – 101,4 X X X X X X X X X
101,4 – 102,4 X X X X
102,4 – 102,9
Acima de 102,9 X
50% 100%
Histograma
A representação gráfica mais eficiente da distribuição de freqüências dos
dados é obtida quando se utiliza o histograma, que é um gráfico que mostra
a quantidade de dados que ocorrem em determinadas faixas de valores.
35
Com o histograma se tem

30
uma boa visão da posição
25 e da variabilidade de um
processo.
20
15 Variabilidade
10
5
Posição
0
97.9 98.4 98.9 99.4 99.9 100.4 100.9 101.4 101.9 102.4 102.9
50% 100%
Processo Centrado
Processo descentrado
50% 100%
Processo Repetitivo
Processo com
alta dispersão
50% 100%
A distribuição dos dados obtidos nos processos possui uma

característica sempre presente:
A maior parte dos dados se concentra em torno de um valor médio. À medida que
se afasta desse valor médio, a quantidade de ocorrência diminui sensivelmente.
Valor médio
Esse tipo de distribuição é conhecido como distribuição normal.
50% 100%
Exemplo:
50% 100%
Para processar matematicamente os dados, precisamos aprender alguns

parâmetros estatísticos básicos, que determinam o comportamento de um
processo.
Variabilidade
• A posição do Processo
• A variabilidade do Processo Posição
• Para determinar a posição do processo, calcula-se a Média:
Soma dos componente s

Média =
número de componente s
50% 100%
• Para determinar a variabilidade do processo, existem dois parâmetros:
a) Amplitude
Amplitude = Maior valor - Menor valor da amostra
35
Exemplo:
30
Amplitude = 102,9 – 97,9 25
20
Amplitude = 5,0
15
10
0
97,9 98,4 98,9 99,4 99,9 100,4 100,9 101,4 101,9 102,4 102,9
50% 100%
No entanto, muitas vezes a amplitude não representa

muito bem a variabilidade de um processo
Exemplo:
A B
O processo A é muito mais repetitivo do que o processo

B, mas no entanto ambos possuem a mesma amplitude.
50% 100%
b) Desvio-padrão
O desvio-padrão é um parâmetro muito importante e interessante
na avaliação da variabilidade de um conjunto de dados.
O desvio-padrão permite estimar a probabilidade de
ocorrência de um valor em um determinado intervalo.
Na faixa entre -S e +S estão

aproximadamente 68,3 % dos
dados do processo
Na faixa entre -2S e +2S estão

aproximadamente 95,45 % dos
dados do processo
68,3 %
Na faixa entre -3S e +3S estão
95,45 % aproximadamente 99,73 % dos
dados do processo
99,73 % dos valores
50% 100%
Em outras palavras:
Fora da faixa entre -S e +S há uma probabilidade de ocorrência de aproximadamente

31,7 %. Ou 317 a cada mil.
Fora da faixa entre -2S e +2S há

uma probabilidade de ocorrência de
aproximadamente 4,5 %. Ou 45 a
cada mil.
Fora da faixa entre -3S e +3S há

uma probabilidade de ocorrência
de aproximadamente 0,3 %. Ou 3
a cada mil.
68,3 %
95,45 %
99,73 % dos valores
50% 100%
O desvio-padrão é calculado (V1 − Média)2 + (V2 − Média) 2 + ... + (Vn − Média) 2

S=
através da fórmula: n −1
Onde: Média = Média dos valores da amostra

V = Valor individual
n = Número de dados da amostra
No entanto, por causa da maior praticidade, no CEP o desvio-padrão é normalmente

estimado através de:
R
S=
d2
Onde: R = Amplitude dos dados da amostra

d2 = Constante tabelada, dependendo do número de dados da amostra
50% 100%
Vamos ver se o desvio padrão pode medir a dispersão de um processo ?
Analisemos o conjunto com os 100 dados abaixo, obtidos de um processo.
100,4 101,4 100,1 99,5 101,0 99,6 99,8 100,1 101,4 99,0
99,3 98,7 98,7 100,4 99,9 99,5 99,7 98,8 99,9 99,5
101,2 100,3 100,0 100,4 98,7 99,4 100,5 101,4 99,9 100,0
99,8 100,0 99,6 99,3 100,8 101,0 100,8 101,2 99,3 99,6
99,0 100,8 100,8 98,7 101,2 99,1 100,8 100,4 99,5 98,5
99,9 101,4 100,4 100,2 101,5 100,1 98,5 101,5 99,4 100,6
101,0 100,7 99,7 99,9 101,6 100,8 99,8 97,9 100,1 99,1
99,0 99,6 100,9 99,6 99,4 102,9 99,6 99,5 98,3 100,9
100,2 98,9 99,8 99,0 100,4 100,7 99,6 100,3 100,6 100,6
100,3 99,5 99,3 99,5 99,8 99,8 99,8 100,6 98,0 100,4
50% 100%
Calculando a média e o desvio-padrão, encontrou-se:
Média = 100,00 S = 0,88
• Contando-se quantos valores estão entre 99,12 e 100,88: Encontram-se 69 valores

Aproximadamente 68,3 %


Conhecendo-se o desvio-padrão de um amostra de dados,

pode-se prever o comportamento de todo um processo.
50% 100%
Nesse processo:
A ocorrência de valores nessa
região é muito improvável (~0,13%)
102,64
Pouco Provável (~2,5%)
101,76
Provável (~13%)
100,88
Muito
Provável
(~68%)
99,12
Provável (~13%)
98,24
Pouco Provável (~2,5%)
97,36
A ocorrência de valores nessa
região é muito improvável (~0,13%)
50% 100%
Média + 3 Desvios-padrão
Média
Média - 3 Desvios-padrão
50% 100%
No CEP – Controle Estatístico de Processos – trabalhamos exatamente com

esse conceito.
Se o processo, em algum momento, gerar produtos com características improváveis,

merece ser investigado, pois alguma causa especial está por trás dessa ocorrência.
Para isso se utilizam gráficos de controle.
Média
50% 100%
IMPLANTANDO O CEP EM UM PROCESSO NOVO
Etapa 1: Obter do processo 20 amostras com 5 itens cada

Etapa 2: Medir esses itens, registrando os valores numa planilha
Item 1 Item 2 Item 3 Item 4 Item 5 Item 1 Item 2 Item 3 Item 4 Item 5
1 75.1 75.0 75.0 74.9 75.2 11 74.9 75.1 74.9 75.2 74.9
2 75.1 74.9 75.0 75.0 75.1 12 75.0 75.0 75.0 75.1 75.0
3 74.9 75.0 75.0 74.9 74.9 13 75.0 74.9 75.0 74.9 75.1
4 74.9 74.9 74.9 74.9 75.0 14 74.8 75.1 75.0 75.0 75.1
5 75.1 74.8 74.8 75.0 75.0 15 75.0 75.0 74.8 75.0 75.0
6 75.0 75.0 75.0 75.0 75.0 16 74.9 75.2 75.0 75.0 75.2
7 74.9 74.9 74.9 75.1 75.0 17 75.1 75.0 75.0 75.0 74.9
8 74.9 75.1 75.0 75.0 75.0 18 75.1 75.2 75.0 74.9 74.9
9 75.0 75.0 75.0 74.9 74.9 19 75.0 75.0 74.9 75.2 74.9
10 75.0 75.1 75.0 75.0 74.9 20 75.0 74.8 75.1 75.0 75.0
50% 100%
Etapa 3: Calcular a média e a amplitude para cada amostra
Média Amplitude Média Amplitude
Amostra 1 75,04 0,30 Amostra 11 75,00 0,30
Amostra 2 75,02 0,20 Amostra 12 75,02 0,10
Amostra 3 74,94 0,10 Amostra 13 74,98 0,20
Amostra 4 74,92 0,10 Amostra 14 75,00 0,30
Amostra 5 74,94 0,30 Amostra 15 74,96 0,20
Amostra 6 75,00 0,00 Amostra 16 75,06 0,30
Amostra 7 74,96 0,20 Amostra 17 75,00 0,20
Amostra 8 75,00 0,20 Amostra 18 75,02 0,30
Amostra 9 74,96 0,10 Amostra 19 75,00 0,30
Amostra 10 75,00 0,20 Amostra 20 74,98 0,30
Etapa 4: Calcular a média das médias (x) e a média das amplitudes (R):
x = 74,99 R = 0,21
50% 100%
Etapa 5: Usando a amplitude média, calcular o desvio padrão
R 0,21
S= = = 0,090
d 2 2,236
Tamanho da amostra A2 d3 D3 D4
2 1,880 1,128 0 3,267
3 1,023 1,693 0 2,575
4 0,729 2,059 0 2,282
5 0,577 2,326 0 2,115
6 0,483 2,534 0 2,004
7 0,419 2,704 0,076 1,924
8 0,373 2,847 0,136 1,864
9 0,337 2,970 0,184 1,816
10 0,308 3,078 0,223 1,777
Tabela: constantes para cálculos estatísticos
50% 100%
Etapa 6: Calcular os limites superior (LSC) e inferior (LIC) de controle
LSC = x + A 2 ⋅ R LIC = x − A 2 ⋅ R
LSC = 74,99 + 0,577 ⋅ 0,21 = 75,11 LSC = 74,99 − 0,577 ⋅ 0,21 = 74,87
Esses limites correspondem

aos valores que delimitam a Média
região de 3 desvios-padrão.
50% 100%
Etapa 7: Fazer o gráfico das médias das 20 amostras
75.15
75.10
75.05
75.00
74.95
74.90
74.85
74.80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
50% 100%
Se um ou mais pontos estiverem fora dos limites de controle, deve-se eliminar essas
amostrar e retornar à etapa 3, recalculando-se a média e os limites de controle.
Se nenhum ponto está fora dos limites de controle, a média e os limites de controle
representam bem o processo.
O gráfico de controle está pronto para ser aplicado no acompanhamento da produção.
75.15
75.10
Limite Superior de Controle
75.05
75.00
Média
74.95
74.90
74.85
Limite Inferior de Controle
74.80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
50% 100%
UTILIZANDO O GRÁFICO DE CONTROLE PARA

ACOMPANHAMENTO DO PROCESSO SERIADO
Etapa 1: Obter do processo uma amostra com 5 itens

Etapa 2: Calcular a média dessa amostra e colocar o valor no gráfico de
controle
Carta das amplitudes ????
50% 100%
50% 100%
50% 100%
50% 100%
Se
m
80.0
85.0
90.0
95.0
100.0
105.0
110.0
115.0
a
Se na
m 1
a
Se na
m 2
a
Se na
m 3
a
Se na
m 4
a
Se na
m 5
a
Se na
m 6
50%
a
Se na
m 7
a
Se na
m 8
S e ana
m
a 9
S e na
m 10
a
S e na
m 11
a
S e na
m 12
a
S e na
m 13
a
S e na
m 14
a
S e na
m 15
a
S e na
m 16
a
S e na
m 17
a
100%
S e na
m 18
a
S e na
m 19
a
S e na
m 20
a
S e na
m 21
a
S e na
m 22
a
S e na
m 23
a
S e na
m 24
a
S e na
m 25
a
S e na
m 26
a
S e na
m 27
a
S e na
m 28
a
S e na
m 29
an
a
30

Slides - CEP - v5

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Slides - CEP - v5

Enviado por

Direitos autorais:

Formatos disponíveis

Controle Estatístico

Prof. Erwin W. TEICHMANN

UM PROCESSO É REALIZADO COM O

EM QUALQUER PROCESSO O OBJETIVO É

NO ENTANTO, OS PROCESSOS SÃO

DEVIDO A ESSAS IMPERFEIÇÕES, OS

O PROCESSO SERÁ MELHOR SE OS

PARA MELHORAR UM PROCESSO DEVE-SE

Informações que podem ser medidas ou observadas e

“Estatística é a arte de torturar os

Exemplo: Pesquisa eleitoral

Coleta de Processamentos Diagnósticos

Controle estatístico de Processos

• Dados obtidos de poucas amostras permitem avaliar o processo.

O CEP É LARGAMENTE EMPREGADO NA INDÚSTRIA

O OBJETIVO É MELHORAR OS PROCESSOS A PARTIR DA

Qualquer processo está sujeito a influências de

As causas comuns são aquelas que ocorrem inevitavelmente e de forma

As causas especiais são fatores de influência que não fazem parte do

QUANDO AS CAUSAS DE VARIAÇÃO ESPECIAIS SÃO DETERMINADAS

EM OUTRAS PALAVRAS, O PROCESSO FICA SOB CONTROLE.

UM PROCESSO SOB CONTROLE É AQUELE EM QUE AS VARIAÇÕES

Segunda Terça Quarta Segunda Terça Quarta

Processo sob Controle Processo fora de Controle

PARA SE TER PROCESSOS PRODUZINDO SEMPRE BONS PRODUTOS E

Segunda Terça Quarta Segunda Terça Quarta

Processo fora de Controle Processo sob Controle

TUDO ISSO É FEITO COM O PROCESSAMENTO MATEMÁTICO DE

• Quando o indicador de performance é o resultado de uma medição,

• Quando o indicador de performance é um dado qualitativo, obtido de

• O primeiro passo é obter e organizar os dados:

Para organizar os dados, é necessário colocar os resultados em uma tabela de distribuição de

Faixa de valores Número de ocorrências

Com o histograma se tem

A distribuição dos dados obtidos nos processos possui uma

Esse tipo de distribuição é conhecido como distribuição normal.

Para processar matematicamente os dados, precisamos aprender alguns

• A variabilidade do Processo Posição

• Para determinar a posição do processo, calcula-se a Média:

Soma dos componente s

• Para determinar a variabilidade do processo, existem dois parâmetros:

Amplitude = 102,9 – 97,9 25

No entanto, muitas vezes a amplitude não representa

O processo A é muito mais repetitivo do que o processo

Na faixa entre -S e +S estão

Na faixa entre -2S e +2S estão

Fora da faixa entre -S e +S há uma probabilidade de ocorrência de aproximadamente

Fora da faixa entre -2S e +2S há

Fora da faixa entre -3S e +3S há

99,73 % dos valores

O desvio-padrão é calculado (V1 − Média)2 + (V2 − Média) 2 + ... + (Vn − Média) 2

Onde: Média = Média dos valores da amostra

No entanto, por causa da maior praticidade, no CEP o desvio-padrão é normalmente

Onde: R = Amplitude dos dados da amostra

Vamos ver se o desvio padrão pode medir a dispersão de um processo ?

Analisemos o conjunto com os 100 dados abaixo, obtidos de um processo.

Calculando a média e o desvio-padrão, encontrou-se:

Média = 100,00 S = 0,88

• Contando-se quantos valores estão entre 99,12 e 100,88: Encontram-se 69 valores

• Contando-se quantos valores estão entre 98,24 e 101,76: Encontram-se 97 valores

• Contando-se quantos valores estão entre 97,36 e 102,64: Encontram-se 99 valores

Conhecendo-se o desvio-padrão de um amostra de dados,

No CEP – Controle Estatístico de Processos – trabalhamos exatamente com