Engenharia da Qualidade

UA — Aveiro 2024
 “Statistical Process Control or SPC has been called one of the greatest technological innovations of the 20th
century. I think this is because the techniques have a sound intuitive basis, are straightforward
mathematically, and have broad applicability to a wide range of industrial and business environments,
including but not limited to manufacturing, process development, product design, supply chain
operations, financial operations, health care, logistics and distribution, and many other transactional and
service operations."

UA — Aveiro 2024
 Introdução ao Controlo Estatístico de Processos

Um processo de produção transforma materiais, trabalho e competências dos trabalhadores, instalações

de produção e outros inputs necessários em resultados desejados, na forma de produtos ou serviços.
Estes são avaliados e monitorados. Quaisquer problemas encontrados na avaliação são analisados com o
objetivo de encontrar oportunidades de melhoria.

A qualidade é um conceito
multidimensional. Assim é
necessário considerar diferentes
características de qualidade que
podem ser utilizadas para avaliar
diferentes dimensões da
qualidade.

UA— Aveiro 2024

 Introdução ao Controlo Estatístico de Processos

Na Gestão da Qualidade, a estatística acaba por desempenhar um papel importante. A qualidade de um

processo de produção depende de várias variáveis de entrada, algumas das quais são incontroláveis ou mesmo
difíceis de aferir. Como consequência, existe aleatoriedade na relação entre as características de qualidade de
um produto e as variáveis de entrada.

É necessário aferir, de forma sistemática, se os produtos e serviços estão

em conformidade com os requisitos projetados. Se a resposta for
negativa, é necessário introduzir correções e melhorias, e em alguns
casos interromper o próprio processo de produção.
O Controlo Estatístico de Processos é uma abordagem estatística
importante para apoiar esta função de monitorização da qualidade, e
conformidade dos produtos e serviços com os requisitos especificados.

UA— Aveiro 2024

 Introdução ao Controlo Estatístico de Processos

Mesmo nos casos em que o processo de produção funciona de forma estável, as características de qualidade
de interesse ainda possuem aleatoriedade ou variabilidade envolvidas. Este tipo de variabilidade é
designado variação atribuído a causas comuns. Este tipo de variação é considerada parte inerente do
processo de produção.
Nos casos em que apenas a variação de causa comum está presente no processo produtivo, o processo é
considerado estável, sob controle estatístico ou simplesmente sob controle.

Outro tipo de variação corresponde é atribuível a uma causa

específica. Exemplos de causas deste tipo de variação incluem
matérias-primas defeituosas, operação inadequada dos
trabalhadores, máquinas ajustadas inadequadamente e assim por
diante.
Quando um processo de produção apresenta variação deste tipo,
ele é considerado instável, fora de controle estatístico ou
simplesmente fora de controle.

UA— Aveiro 2024

 Introdução ao Controlo Estatístico de Processos

Pensamento Estatístico, Resumindo

Todas as atividades ocorrem num sistema de processos interligados
Em todos os processos existe variação
Entender e reduzir a variação são as chaves para o sucesso

Variação
Existem muitas fontes de variação incontroláveis (causas comuns)
Existem, também, causas especiais de variação que podem ser detetadas e controladas (causas
assinaláveis)
Não distinguir as diferenças entre as causas referidas pode aumentar a variação no sistema.

UA — Aveiro 2024
 Introdução ao Controlo Estatístico de Processos

Dois erros cometidos frequentemente:

Tratar uma reclamação, um erro, um acidente ou uma falha como sendo devido a uma causa especial, quando, na
realidade, é devido(a) a causas comuns.

Atribuir a causas comuns reclamações, erros, acidentes ou falhas que são, na realidade, causados(as) por causas
especiais.

UA — Aveiro 2024
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
O Controlo Estatístico de Processos como uma ferramenta
de melhoria da Qualidade
 O valor de qualquer característica da qualidade varia de peça para
peça, de dia para dia, etc... A dispersão deve-se a: (i) causas
comuns, imprevisíveis e impossíveis, difíceis ou caras de evitar –
causas aleatórias e a (ii) causas menos comuns e, eventualmente
evitáveis que explicam uma parte da dispersão nos resultados –
causas assinaláveis.
 As cartas de controlo são uma ferramenta estatística que permite
detetar a presença de causas assinaláveis. Um processo diz-se “sob
controlo” quando só existirem causas aleatórias de variação e “fora
de controlo” quando se verifica a presença de causas assinaláveis.
 De um processo sob controlo, tanto podem resultar 5% como 50% de
peças defeituosas: o processo estará sob controlo enquanto a
distribuição da variável “número de defeituosas” for estável.
8
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS

“Metodologia para monitorização de um processo que visa a identificação

de causas especiais de variação, sinalizando a necessidade de se tomarem
acções correctivas sempre que apropriado.”
(Evans & Lindsay, 2002)

“Aplicação de métodos estatísticos à medição e análise da variação de um

processo. Esta técnica aplica-se quer a parâmetros internos ao processo,
quer a parâmetros finais do processo (produtos)”
(Juran & Gryna, 2001)

Um processo diz-se num estado de controlo estatístico quando não se

encontra sujeito a causas especiais de variação.

9
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Causas comuns vs. Causas assinaláveis (de variação)
O valor de qualquer característica da qualidade varia de peça
para peça, de dia para dia, etc.
Por um lado, a dispersão dos resultados deve-se a causas,
conhecidas ou desconhecidas, que atuam de forma aleatória e cujo
efeito individual sobre a variável é pequeno.

causas comuns

As causas comuns são inerentes aos processos (tipicamente, a sua

eliminação é cara ou difícil). Em conjunto, determinam que a
característica em análise se comporte de acordo com uma
distribuição de probabilidade estável.
10
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Causas comuns vs. Causas assinaláveis (de variação)
A variação pode também refletir uma situação de instabilidade.
Tal sucederá se, para além das causas comuns, atuarem outro tipo
de causas, eventualmente evitáveis, cujos efeitos são capazes de
alterar os parâmetros e/ou a forma da distribuição subjacente.

causas assinaláveis (ou especiais)

11
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Variabilidade e suas Causas

Causas Comuns Causas Especiais

 Flutuação na corrente
 Corte de energia
elétrica
 Desgaste normal de  Ferramenta que se
ferramentas (gradual) parte durante o trabalho
 Equipamento de
 Variação (conhecida e medição descalibrado
aceitável) nas medidas,  Operador não treinado
devido ao sistema de  Equipamento de
medição medição não adequado
à tarefa

12
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Objetivo das Cartas de Shewhart
 As cartas de controlo de Shewhart constituem uma ferramenta
de controlo estatístico de processos cujo objectivo fundamental
consiste na detecção de causas assinaláveis de variação
(“trouble”).

 seja de uma forma retrospetiva, seja pelo

acompanhamento em tempo real

13
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
O estado de “fora de controlo”
Num processo sujeito a causas assinaláveis de variação (portanto
instável) a variável em apreço toma valores imprevisíveis.
Nesta situação, o processo estará (estatisticamente) no estado de
fora de controlo.
(Note-se que no caso contrário – se só estiver sujeito aos efeitos de
causas comuns – o processo estará sob controlo).

14
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS

Y=F(x)
To get results, should we focus our behavior on the Y or X?

Y X1 . . . XN
Dependent Independent
Output Input
Effect Cause
Symptom Problem
Monitor Control

If we find the “vital few” X’s, first consider using SPC on the
X’s to achieve a desired Y. 15
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Forma geral das cartas de controlo de Shewhart

Limite superior de controlo

+ 3s
m0 → Linha central

- 3s

Limite inferior de controlo

1 2 3 4 5 6 7 8 9 10 11 12 13

16
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Controlo de Shewhart

Os limites de controlo das cartas de controlo de Shewhart são

calculados utilizando as leis da probabilidade, de maneira a
que causas altamente improváveis de variação sejam
presumivelmente causas especiais e não comuns.

Tal como num teste de hipóteses para o valor esperado, nas cartas
de controlo Shewhart admite-se que, se o processo que gera a
estatística em causa estiver "em controlo", uma certa proporção dos
valores observados situar-se-ão no intervalo:
m (valor esperado) ± k s (desvio padrão)
17
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Teorema do Limite Central

Se se retirarem amostras de dimensão N de uma população

qualquer, com média μ e variância σ2, por um processo de
amostragem simples, a distribuição de probabilidade da média
amostral, aproxima-se de uma distribuição normal com média μ e
variância σ2/N, à medida que N aumenta.

18
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Teste de H0: a média da característica é μ0
População
hipóteses H1: a média da característica é
diferente / inferior/ superior a μ0
(exemplo: teste de
Amostra (N)
hipóteses à média
de uma população
- amostras
Medir a
grandes) característica e
calcular a média

Resultado (X)

H0 provável
>?
Não se aceita H1
P(X|H0)

H0 pouco provável
<? Aceita-se H1
19
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Sucessão de testes Rejeitar H0 Não rejeitar H0 Rejeitar H0

(ao valor esperado)

/ 2 / 2
Limites de controlo
H0: m = m0 m = m0 x
H1: m ≠ m0 Carta de Controlo Shewhart
Região de rejeição de H0
m0 + ksx
x1
x3
m0
x4
x2
m0 - ksx
1ª amostra 2ª amostra 3ª amostra 4ª amostra
Região de rejeição de H0
20
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Os Limites de Controlo
Os níveis de significância habituais (por exemplo  = 5%)
conduziriam, na generalidade das situações industriais, a um
excessivo número de falsos alarmes.
Assim, Shewhart propõe k = 3, o que conduz (em distribuições
normais) a  = 0,27%.

(Note-se que, para qualquer distribuição, o intervalo

m ± 3s inclui, no mínimo, cerca de 90% da população)

21
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Control and Out of Control
Outlier

3
2
1

99.7%
95%
68%
-1

-2

-3
22
Outlier
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Interpretação das Cartas de Controlo
Ponto fora dos limites
Significa que, com uma elevada probabilidade, um determinado
parâmetro da distribuição da característica da qualidade em estudo
(por exemplo, a sua média) se terá alterado.

No entanto, existem outras situações que são igualmente reveladoras

de "descontrolo", embora não se observem pontos fora dos limites
de controlo. Quando se adoptam limites de controlo afastados da
média de ± 3s, essas situações são as indicadas nos slides
seguintes.

23
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Interpretação das Cartas de Controlo (continuação)
Sequência de pontos acima ou abaixo da linha central
Um conjunto de pontos do mesmo lado da linha central, de acordo
com a regra que a seguir se apresenta, deve significar uma situação
anormal:
• 7 pontos consecutivos do mesmo lado da linha central
• 10 pontos do mesmo lado da linha central entre 11 pontos consecutivos
• 12 pontos do mesmo lado da linha central entre 14 pontos consecutivos
• 16 pontos do mesmo lado da linha central entre 20 pontos consecutivos

24
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Interpretação das Cartas de Controlo (continuação)
Tendências
Um conjunto de pontos exibindo uma nítida tendência ascendente ou
descendente (por exemplo, numa carta da média o efeito provocado pelo
desgaste da ferramenta).

Pontos Próximos dos Limites

Quando em 3 pontos consecutivos aparecem 2 entre as linhas limite de
controlo e as linhas ± 2"sigma" está-se, com elevada probabilidade, perante
uma situação de "descontrolo".
} +3 sigma
} +2 sigma
} +1 sigma
} -1 sigma
} -2 sigma
} -3 sigma 25
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Interpretação das Cartas de Controlo (continuação)
Sequência de pontos próximos da linha central
Quando a maioria dos pontos ocorre entre as linhas "1.5 sigma" pode
significar que existem populações diferentes misturadas (por exemplo,
quando a formação dos subgrupos não é correta, atuando vários fatores
"assinaláveis" dentro do subgrupo)
} 1,5 sigma
} 1,5 sigma
} 1,5 sigma
} 1,5 sigma

Periodicidade

26
INTRODUÇÃO AO CONTROLO ESTATÍSTICO DE PROCESSOS
Utilização de várias regras em simultâneo
Embora permitam tornar as cartas mais sensíveis, as regras
baseadas nas sequências aumentam de forma apreciável o valor de
, acentuando assim o risco de falsos alarmes.

(este efeito é tanto maior quanto mais regras forem consideradas em

simultâneo)

27
CONTROLO ESTATÍSTICO DE PROCESSOS
Metodologia de aplicação

FASE 1

 Análise do processo
 Estimação dos parâmetros
 Melhoria do processo
 Fixação dos limites de controlo definitivos

28
CONTROLO ESTATÍSTICO DE PROCESSOS
Metodologia de aplicação

FASE 2

 Controlo (monitorização) do processo

 Re-estimação dos limites de controlo

29
CONTROLO ESTATÍSTICO DE PROCESSOS
Fase 1 – Procedimento Geral
 Seleção da variável de controlo e avaliação do processo de
medida.
 Identificação de possíveis causas “assinaláveis” de variação e
recolha de dados classificados de acordo com tais causas.
Verificação da independência das observações.
 Cálculo dos limites iniciais; confirmação ou rejeição das hipóteses
anteriores e hierarquização das causas “assinaláveis” (ou fatores)
de variação de acordo com a magnitude dos seus efeitos.
 Pesquisa e eliminação das causas raiz dos fatores de variação
relevantes (melhoria do processo).
 Confirmação da melhoria e cálculo dos limites definitivos.
30
CONTROLO ESTATÍSTICO DE PROCESSOS
Fase 1 – Seleção da Variável
Sempre que possível, recorrer a variáveis contínuas, utilizando, em
simultâneo, uma carta para o valor esperado e outra para a
variabilidade.
m = m0
m = m0 m < m0 s > s0
X s = s0 s = s0
LSC x

x LC

LIC
x
 Há dados suficientes?
 As observações são independentes?
 A distribuição é aproximadamente Normal? 31
CONTROLO ESTATÍSTICO DE PROCESSOS
Fase 1 – Limites de Controlo

Os limites das cartas Shewhart (quer sejam de amplitudes,

quer de desvios padrão, quer de médias, dependem do
valor da variação média que ocorre dentro dos grupos
(dentro das amostras)!

Se dentro dos grupos tiverem atuado causas assinaláveis

limites inflacionados = insensibilidade!

32
CONTROLO ESTATÍSTICO DE PROCESSOS
Fase 1 – Plano de Amostragem
 A recolha dos dados iniciais deverá, pois, ser precedida por um
cuidadoso estudo do processo, determinando-se quais as
potenciais causas assinaláveis (ou fatores de variação) a
considerar.
 Ao formar os grupos de observações (amostras) há que decidir
quais os fatores que atuarão (nesta altura hipoteticamente) dentro
e entre os grupos.

33
CONTROLO ESTATÍSTICO DE PROCESSOS
Fase 1 - Amostragem “Racional”
 Recolher k amostras piloto de dimensão n constituídas por
observações obtidas nas mesmas condições, previamente
estabilizadas.
 A variação que se verificar dentro de cada amostra deverá ser
atribuível apenas a causas comuns de variação.
 A periodicidade de amostragem deve ser cuidadosamente
planeada.
 será nos intervalos entre a recolha das amostras que se deverão
situar as oportunidades de ocorrência das causas assinaláveis de
variação.
 A recolha dos dados iniciais deverá ser precedida por um
cuidadoso estudo do processo que permita indicar quais as
potenciais causas assinaláveis de variação a considerar. 34
 The Impact
CONTROLO ESTATÍSTICO DE PROCESSOS of Variation
Sources of Variation Sources of Variation Sources of Variation

- Natural Process Variation - Natural Process Variation - Natural Process Variation

as defined by subgroup - Different Operators - Different Operators
selection - Supplier Source

-UCL

-LCL

First, select the spread

that we will declare as the
“Natural Process
Variation”, so that
whenever any point lands
outside these “Control So, when a second And, of course, if two additional
Limits”, an alarm will source of variation sources of variation arrive, we will
sound appears, we will know! detect that, too!

If you base your limits on all three sources of variation, what will sound the alarm? 35
CONTROLO ESTATÍSTICO DE PROCESSOS
Fase 1 – Número e Dimensão das Amostras
 No caso de cartas média – (amplitude ou desvios padrão):
m amostras de dimensão n

no mínimo, n2 e nm 100

recomenda-se n4 e m400 (n-1)

36
CONTROLO ESTATÍSTICO DE PROCESSOS
Size of Subgroups
Typical subgroup sizes are 3-12 for Variable Data:
 If difficulty of gathering sample or expense of testing exists the size, n, is smaller
 3, 5, and 10 are the most common size of subgroups because of ease of
calculations when SPC is done without computers.
Size of subgroups aid in detection of shifts of Mean indicating Special Cause exists.
The larger the subgroup size, the greater chance of detecting a Special Cause.
Subgroup size for Attribute Data is often 50 – 200.
Lot 1 Lot 5

Lot 3

Lot 2

Lot 4
Short-term studies

37
Long-term study
CONTROLO ESTATÍSTICO DE PROCESSOS
Fase 1 - Conclusão
 Before you can install a control chart on the line and expect
positive results, you must first understand process variation,
how to sample to quantify that variation and how to use SPC to
guide the reduction of variation.
 SPC is not a tool to steer the process; it is a means of gaining
process understanding to aid in process improvement.

Lynne B. Hare, Quality Progress August 2001

38
CONTROLO ESTATÍSTICO DE PROCESSOS
Fase 2 - Controlo e Monitorização do Processo
 Inicialmente, utilizam-se os limites calculados na Fase 1.

 Mantém-se a amostragem por “grupos racionais”.

 A frequência de amostragem deve ser fixada tendo em conta as

vantagens de maximizar a oportunidade de variação entre
amostras e de obter observações independentes dentro e entre
amostras.
 Os limites devem ser recalculados periodicamente.

39
CONTROLO ESTATÍSTICO DE PROCESSOS
Em conclusão
 Quando utilizadas de uma forma retrospetiva, as cartas Shewhart
são uma ótima ferramenta para a melhoria de processos (em
particular no caso de variáveis).
 Na Fase 2, e de uma forma geral, raramente estas cartas
correspondem à melhor solução.

Existe uma tendência generalizada para

proceder ao contrário:
utilizá-las (mal) na Fase 2
ignorá-las na Fase 1
40
CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Shewhart mais comuns
(variáveis contínuas)
Carta x – A (ou S)
Utiliza-se para analisar e controlar processos cuja característica da qualidade
se exprime através de uma variável quantitativa. A letra A representa o valor
da amplitude da variável em cada subgrupo e x o seu respetivo valor médio.
É através do valor médio de A que se estima o desvio padrão do processo
(s). Quando o subgrupo for constituído por um número n de observações
superior a 7 utiliza-se o desvio padrão amostral s, em vez da amplitude, como
estimador do desvio padrão do processo (s).
Carta valores individuais - A móvel
Utiliza-se nas mesmas situações da carta média - amplitude sempre que não é
possível formar subgrupos. Nestas condições, calcula-se a amplitude móvel
de observações sucessivas de x e a partir do seu valor médio estima-se s.
41
CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Shewhart mais comuns
(variáveis discretas)
Cartas p e np (baseadas na distribuição binomial)
Estas cartas são utilizadas quando a característica da qualidade consiste no
número de unidades defeituosas ou na proporção de unidades defeituosas.
Se a dimensão da amostra (n) for constante utiliza-se a carta np . Caso
contrário (n variável) utiliza-se a carta p.

Cartas c e u (baseadas na distribuição de Poisson)

Estas cartas são utilizadas para controlar e analisar processos recorrendo à
variável no. de ocorrências/unidade (ex.: número de defeitos de soldadura
por televisor). Se a dimensão de cada unidade for constante utiliza-se a carta
c . Para unidades (ou produtos) de dimensão variável utiliza-se a carta u.

42
CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Shewhart mais comuns

Número de defeituosas (quando n constante)

(np)

Proporção de defeituosas
(p)
Número de defeitos (dimensão de cada unidade constante)
(c)
Número de defeitos por unidade
Cartas de
(u)
Controlo
Média e desvio padrão amostral
(x; s)
n 7
Média e amplitude
(x; A)
Valores individuais e amplitude móvel
(x; Amóvel)

43
CONTROLO ESTATÍSTICO DE PROCESSOS
Carta de Amplitudes

LSC  mA  3  s A sˆ A  d3  sˆ x
X N(m, s)
 sˆ x  A d2
LC  mA
LIC  m  3  s
 A A
 A
LSC  A  3  d3  d  D4  A
 2
LC A
 A
LIC  A  3  d3   D3  A N D4 D3
 d2
2 3,267 0
3 2,575 0
constantes que
4 2,282 0
só dependem de N 44
CONTROLO ESTATÍSTICO DE PROCESSOS
Carta de Médias (baseada em amplitudes)
LSC  mx  3  s x sˆ x  A d2
 X N(m, s)
LC  mx
LIC  m  3  s
 x x

 3
LSC  x   A  x  A2  A
 d2  N
LC x
 3
LIC  x   A  x  A2  A N A2
 d2  N
2 1,880
3 1,023
constante que 4 0,729
só depende de N
45
CONTROLO ESTATÍSTICO DE PROCESSOS
Carta de Desvios Padrão

LSC  ms  3s


 s X N(m, s) sˆ  1-c s c
s
2
4 4


LC  ms






LIC  ms  3s


 s





LSC  s 3s c  1c  B s
4 4
4




LC s



LIC  s 3s c  1c  B s
4 4
3



N B4 B3
3 2,568 0
constantes que
4 2,226 0
só dependem de N
5 2,089 0
46
CONTROLO ESTATÍSTICO DE PROCESSOS
Carta de Médias (baseada em desvios padrão)
LSC  mx  3  s x
 X N(m, s) sˆ x  s c4
LC  mx
LIC  m  3  s
 x x

 s
LSC x  3   x  A3  s
 c4  N
LC x
 s
LIC  x  3   x  A3  s
 c4  N
N A3
3 1,954
constante que 4 1,628
só depende de N 5 1,427
47
CONTROLO ESTATÍSTICO DE PROCESSOS
Estimativa dos Parâmetros do Processo
 Final da Fase 1 – processo sob controlo estatístico (apenas sujeito a
causas comuns de variação)

 É possível estimar os parâmetros do processo:

Carta Média Desvio Padrão

Carta X-A m=X s = A / d2
Carta X-S m=X s = S / c4
Carta X e Amplitude Móvel m=X s = A / d2

48
CONTROLO ESTATÍSTICO DE PROCESSOS
Amostra
Observações (peso das medalhas, em gramas)
Exercício 1: no.
1 74.030 74.002 74.019 73.992 74.008
2 73.995 73.992 74.001 74.011 74.004
Uma empresa de joalharia fabrica 3 73.988 74.024 74.021 74.005 74.002
uma determinada medalha em 4 74.002 73.996 73.993 74.015 74.009
5 73.992 74.007 74.015 73.989 74.014
ouro, cujo peso pretende controlar 6 74.009 74.994 73.997 73.985 73.993
7 73.995 74.006 73.994 74.000 74.005
estatisticamente. Para tal, foram 8 73.985 74.003 73.993 74.015 73.988
recolhidas 25 amostras de 9 74.008 73.995 74.009 74.005 74.004
10 73.998 74.000 73.990 74.007 73.995
dimensão 5, cujo peso se apresenta 11 73.994 73.998 73.994 73.995 73.990
na tabela seguinte. 12 74.004 74.000 74.007 74.000 73.996
13 73.983 74.002 73.998 73.997 74.012
14 74.006 73.967 73.994 74.000 73.984
 Qual (ou quais) a(s) carta(s) de 15 74.012 74.014 73.998 73.999 74.007
controlo que utilizaria para este caso? 16 74.000 73.984 74.005 73.998 73.996
17 73.994 74.012 73.986 74.005 74.007
 Calcule a linha central e os limites 18 74.006 74.010 74.018 74.003 74.000
19 73.984 74.002 74.003 74.005 73.997
da(s) carta(s) de controlo. 20 74.000 74.010 74.013 74.020 74.003
21 73.988 74.001 74.009 74.005 73.996
 Esboce a(s) carta(s) e represente os 22 74.004 73.999 73.990 74.006 74.009
pontos correspondentes aos valores 23 74.010 73.989 73.990 74.009 74.014
24 74.015 74.008 73.993 74.000 74.010
apresentados. Que conclusões retira? 25 73.982 73.984 73.995 74.017 74.01349
CONTROLO ESTATÍSTICO DE PROCESSOS
Exercício 2:
O tempo de resposta a reclamações é uma
característica da qualidade importante para
determinar o desempenho de um determinado
serviço, pelo que foi decidido implementar cartas
de controlo da média e do desvio padrão.
Foram recolhidas 24 amostras, constituídas por 8
reclamações cada uma, e determinaram-se as suas
médias e desvios padrão, em horas, como consta
da tabela que se apresenta.
 Construa e analise as cartas da média e do desvio
padrão.

 Estime os parâmetros do processo, supondo que a

característica a ser controlada segue uma distribuição
normal. 50
CONTROLO ESTATÍSTICO DE PROCESSOS
Carta de Valores Individuais (e amplitude móvel)

 LSC  m x  3  s x
 X N(m, s) sˆ x  A d2
 LC  m x
 LIC  m  3  s
 x x




LSC  x 3 A


N d2

 d


2 2 1,128
 3 1,693
LC  x


 4 2.059


LIC  x 3 A


 d

 2 51
CONTROLO ESTATÍSTICO DE PROCESSOS
Lote Viscosidade
Exercício 3: 1 33,75
No processo de pintura dos aviões a 2 33,05
viscosidade do primário é uma 3 34,00
característica da qualidade importante.
4 33,81
O produto é produzido em lotes sendo
5 33,46
que cada um deles demora várias
6 34,02
horas a ser produzido e, portanto, o
processo tem uma velocidade 7 33,68
demasiado lenta para se utilizarem 8 33,27
amostras de dimensão superior a 1. 9 33,49
Na tabela ao lado apresentam-se os 10 33,20
valores da viscosidade para os 15 11 33,62
primeiros lotes do estudo. 12 33,00
Elabore as cartas de controlo 13 33,54
adequadas ao caso em questão. 14 33,12
52
15 33,84
CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Controlo para Atributos – Carta np
 Utiliza-se este tipo de carta de controlo para atributos quando a dimensão
da amostra, n, é fixa.

 Assuma-se que são selecionadas k amostras de dimensão n.

 Se yi representar o número de unidades defeituosas numa determinada

amostra i, então, nessa amostra, a proporção de defeituosas é de yi/n.

 Admitindo que pi é a proporção de unidades defeituosas na amostra i, a

média das proporções de defeituosas para as k amostras é dada por:
p1  p2  ... pk y1  y 2  ...  y k
p ou p
k n.k

 Sendo o número médio de não conformidades igual a n p

53
CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Controlo para Atributos – Carta np
 Esta estatística reflete a média do desempenho do processo. Será, então,
expectável que uma elevada percentagem de amostras apresente uma
proporção de unidades defeituosas entre +/- 3 desvios padrão de n p . Uma
estimativa do desvio padrão é dada por:

sn p  n p(1 p)
  Se o LICnp for inferior a “0”, deve utilizar-se o valor

LSC  n p 3sn p “0” como limite inferior de controlo (mesma



np situação que na carta de amplitudes).




LC n p  Um ponto numa carta np abaixo do LIC ou o
 desenvolvimento de uma tendência abaixo da linha

LIC  n p 3s central indica uma eventual melhoria do processo,


np np uma vez que a situação ideal seria a obtenção de “0”
defeituosas.
54
CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Controlo para Atributos – Carta p
 Quando a dimensão de cada amostra (n) é variável utiliza-se a carta p, cujos
limites de controlo e linha central são calculados do seguinte modo:

  Note-se que os limites de controlo são
LSC  p 3 p(1 p)


 variáveis (com n), o que torna esta carta de

 p n controlo menos prática que a carta np. Em


tudo o resto a carta p é idêntica à np.



LC  p


LIC  p 3 p(1 p)

  Se o LICp for inferior a “0”, deve utilizar-se o




p n valor “0” como limite inferior de controlo
(mesma situação que na carta de amplitudes).

55
CONTROLO ESTATÍSTICO DE PROCESSOS
Exercício 4:
Uma empresa produtora de cereais para pequeno almoço produz um tipo de
cereais para crianças com a forma de estrelas. Acontece que nem todos os
cereais ficam com a forma pretendida. No entanto, dado que não é relevante
para os consumidores que todos os cereais tenham a mesma forma, é
admitida uma dada percentagem de estrelas “defeituosas”. Ainda assim,
pretende controlar-se a referida percentagem, para o que se retiraram 20
amostras de dimensão 100 e se contaram o número de “estrelas”
defeituosas em cada amostra. Na linha seguinte encontram-se os resultados
dessa contagem.

Amostra nº. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
No. de
5 5 2 1 3 5 12 7 6 6 2 11 3 7 5 8 6 7 8 5
defeituosos

a) Qual (ou quais) a(s) carta(s) de controlo que utilizaria para este caso?
b) Calcule a linha central e os limites da(s) carta(s) de controlo.
c) Esboce a(s) carta(s) e represente os pontos correspondentes aos valores
56
apresentados. Que conclusões retira?
CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Controlo para Atributos (n.º defeitos) – Carta c
 Utiliza-se esta carta quando se está interessado não no número de itens
defeituosos, mas no número de defeitos por unidade (c).

 A dimensão de cada amostra (n) é constante, ou seja, todos as amostras em

análise têm a mesma dimensão.

 A LC e os limites de controlo desta carta são os seguintes:






LSCc  c  3 c c é o n.º médio de defeitos por unidade




LC c
  Se o LICc for inferior a “0”, deve utilizar-se o valor

LICc  c 3 c

“0” como limite inferior de controlo (mesma
situação que na carta de amplitudes e na carta np).
57
CONTROLO ESTATÍSTICO DE PROCESSOS
Nº da amostra Número de não conformidades
Exercício 5: 1 21
2 24
A Direção da Qualidade de uma 3 16
4 12
empresa que se dedica à produção de 5 15
circuitos impressos decidiu controlar 6 5
7 28
estatisticamente uma característica da 8 20
9 31
qualidade que é o número de não 10 25
conformidades nos circuitos. 11 20
12 24
Na tabela ao lado apresentam-se o 13 16
14 19
número de não conformidades 15 10
observadas em 26 amostras de 100 16 17
17 13
circuitos impressos. Note-se que, por 18 22
conveniência, a unidade foi definida 19 18
20 39
como 100 circuitos. 21 30
22 24
Construa a carta de controlo adequada 23 16
ao processo em causa e interprete-a. 24 19
25 17
58
26 15
CONTROLO ESTATÍSTICO DE PROCESSOS
Cartas de Controlo para Atributos (n.º defeitos) – Carta u
 Utiliza-se esta carta quando se está interessado não no número de itens
defeituosos, mas no número de defeitos por unidade (u).

 A dimensão de cada amostra (n) é variável, ou seja, as amostras em análise

não têm todas a mesma dimensão.

 A LC e os limites de controlo desta carta são os seguintes:

 c1  c2  ...  ck

u



LSCu  u  3 u n n1  n2  ...  nk





LC u  Também nesta carta os limites de controlo são
variáveis (com n), o que a torna menos prática que a
 carta c.
LICu  u 3 u n

  Se o LICu for inferior a “0”, deve utilizar-se o valor

 59
“0” como limite inferior de controlo.
CONTROLO ESTATÍSTICO DE PROCESSOS
Exercício 6: Nº Nº de não
Nº. de m2 do
Numa empresa têxtil, os rolos de do conformidades
rolo
tecido de 2ª escolha são rolo no rolo
inspecionados com o objetivo de 1 500 14
controlar o número de ocorrências 2 400 12
de pequenos defeitos por 50 m2. Os 3 650 20
dados recolhidos para 10 rolos estão
4 500 11
na tabela ao lado.
5 475 7
Construa a carta de controlo
adequada ao processo em causa e 6 500 10
interprete-a. 7 600 21
8 525 16
9 600 19
10 625 23
60