Você está na página 1de 67

1

Maio 009

FERRAMENTAS
DA QUALIDADE
João Paulo Pinto, PhD MSc(Eng)
FACULDADE DE ENGENHARIA
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
2

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


ENQUADRAMENTO 3

A melhoria da qualidade é um processo contínuo,


sistemático e incremental;
A melhoria contínua (kaizen) é um dos pilares
fundamentais da Gestão pela Qualidade Total
(TQM – total quality management);

Assim, um processo de melhoria contínua


assenta em dois vectores determinantes:
 A FILOSOFIA;
 As técnicas (ferramentas) de resolução de
problemas.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


4

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


FILOSOFIA 5
Esta consiste nos seguintes princípios:

Removendo as causas dos problemas do sistema,


obtemos sempre melhorias de produtividade;
As pessoas que executam um determinado
trabalho são as que o melhor o conhecem;
As pessoas esperam ser envolvidas e fazer
bem o seu trabalho;
Todos gostam de contribuir de forma válida;
É mais eficiente trabalhar em equipa, de modo a melhorar
o sistema, do que ter contribuições isoladas à volta do
sistema;

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


A resolução de problemas utilizando técnicas 6
gráficas e específicas, produz melhores resultados
que os processos não estruturados!
As técnicas gráficas e estatísticas permitem saber onde
estamos, onde estão os nossos problemas, qual a sua
importância relativa e que efeitos provocam as alterações
propostas;
Formalizar e uniformizar é importante!
A sistematização dos processos de melhoria contínua
recebeu um contributo importante em 1950 quando o Dr
Deming desenvolveu o ciclo PDCA (plan-do-act-check);
Embora todos concordem que se trata de sequência
“natural”, a prática demonstra que muitas empresas não
a conseguem implementar de forma eficiente...

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


7

GESTÃO

Focus no
cliente

Técnicas de Trabalho em
resolução de equipa
problemas
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
RESOLUÇÃO DE PROBLEMAS 8

A resolução de um problema pode ser representado


do seguinte modo:
FASE DESCRIÇÃO

IDENTIFICAÇÃO
DO PROBLEMA
1 Decisão sobre o problema a considerar prioritariamente;
2 Descrição da extensão e caracterização do problema;

3 Listagem de todas as causas potenciais do problema;

4 Selecção da(s) causa(s) mais importante(s) do problema;

ANÁLISE DO
PROBLEMA
5 Implementação das soluções e dos procedimentos que
assegurem que o problema será de facto eliminado!

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


AS 7 FERRAMENTAS 9
CLÁSSICAS DA QUALIDADE
a
m
le
ob

histograma
Pr
do

diagrama
o

do processo diagrama
çã
ca

de pareto
i
tif
en

gráficos
Id

diagrama
causa-efeito

a
folha de

m
le
verificação cartas de

ob
controlo

Pr
do
e
lis

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 A 
10
AS 7 FERRAMENTAS
Estas ferramentas devem ser destacadas porque a sua
aplicação prática mostrou ser altamente produtiva e
eficaz (encontrando-se hoje numa fase de aplicação de
rotina na esmagadora maioria das empresas japonesas,
norte-americanas e norte-europeias);
Estas fazem parte dos processos de melhoria contínua!
São ferramentas muito simples e de fácil aplicação
Que requerem apenas: papel/caneta, criatividade,
imaginação e empenho por parte de todos os membros
da equipa de trabalho.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


O DIAGRAMA DE CAUSA-EFEITO
aka ISHIKAWA DIAGRAM (Toquio, 1943) 11

Medição Pessoas Máquinas

Faulty testing equipment Poor supervision Out of adjustment

Incorrect specifications Lack of concentration Tooling problems

Improper methods Inadequate training Old/worn

Problema
de
Inaccurate
temperature
Qualidade
control Defective from vendor Poor process design
Ineffective quality
Not to specifications management
Dust and Dirt Material- Deficiencies
handling problems in product design

Ambiente Materiais Processo

Procure quantificar as causas dos problemas; comece pelo mais importante! – first things first
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
EXERCÍCIO 12

Para a sua empresa procure:


Identiticar um dos problemas que mais afecta
a sua Qualidade (produtos, processos ou serviços);
Para o problema acima identificado, construa o diagrama
de Ishikawa (diagrama de espinha de peixe), identificando as
principais causas (gerais) e as respectivas sub-causas
(específicas);
Quem procuraria envolver na elaboração deste diagrama?
Que fontes de informação irá necessitar?
Que dificuldades na elaboração do diagrama?
Que fazer após a elaboração deste diagrama?

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


HISTOGRAMA 13

Análise de 40
frequências e um
dado evento (ex. 35
defeito, 30
reclamação);
Permite conhecer 25
a distribuíção 20
estatística
(comportamento) 15
;
10
Permite também
avaliar a 5
possibilidade de
ocorrência de 0
determinados 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
eventos...

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


O Histograma é a forma gráfica mais corrente de
14
representar a distribuição de frequências de variáveis
discretas e contínuas, podendo ser relativo às frequências
absolutas ou às frequências relativas;
Procedimento para variáveis contínuas:
 Recolha de dados do parâmetro em estudo (ex. temp);
 Determinar a amplitude dos dados (ie, max – min);
 Determinar o nº de intervalos
dividir a amplitude (range) pelo nº de intervalos para obter o
comprimento de cada intervalo;
 Marcar, no eixo horizontal, a escala de valores;
 Marcar, no eixo vertical, a escala de frequências (linear);
 Desenhar a altura de cada intervalo.

TPC: Ver o software de análise “minitab”


João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 Pesquisar softwares de análise de
dados
EXERCÍCIO 15
Peça Defeitos Peça Defeitos
O quadro ao lado
apresenta o nº de 1 2 11 1
defeitos encontrados 2 0 12 0
numa inspecção
efecutada a um lote de 3 0 13 2
20 peças... 4 1 14 1
5 1 15 1
Que tipo de dados são
estes (discretos ou 6 2 16 5
variáveis)? 7 2 17 0
8 1 18 3
Procure esboçar o 9 0 19 1
HISTOGRAMA para
estes dados. 10 1 20 2

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


70
(64) 16
DIAGRAMA 60
DE PARETO 50
CAUSAS DE

% de cada causa
Trabalhos de INSATISFAÇÃO DOS
40 COLABORADORES
Vilfredo Pareto
(Itália), 30
no Sec XVII.
O princípio de 20
(13)
Pareto diz-nos (10)
10 (6)
que a maioria dos (3) (2) (2)
efeitos está 0
relacionada com

s
o

ão

as
ria
íd

ad

õe

rio

Ru

us

ev


um nº reduzido de in

ni

ca
el

ho
br
m

sa
Vi
a

s
ilu

ra
ur

s
causas (20/80)...

õe

ut
t
ra

O

pe

al
m

st
Te

In
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
PRINCÍPIO DA ANÁLISE ABC/PARETO 17

Este princípio também é conhecido como a Regra dos 20-80;


Gestão por excepção - Trivial many, vital few.

 Baseado no trabalho de Vilfredo Pareto (.it):


• A maioria das situações são dominadas por poucos
elementos vitais;
• Implicação: concentrar recursos/esforços no elementos que
causam maior impacto (vitais) ignorando os demais (triviais).
 Aplicação na Gestão da Qualidade:
• Uma pequena percentagem (ex. 20%) dos defeitos
representam uma larga percentagem (ex. 80%) das queixas
dos clientes.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


GRÁFICO A B C ABC Chart
18

100.0%
DEFEITOS

80.0%
vendas

60.0% C
IMPACTO sales
DOS

B
40.0%
A
20.0%

0.0%
0.0% 20.0% 40.0% 60.0% 80.0% 100.0% 120.0%
itemsDE DEFEITOS
PERCENTAGEM

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


EXERCÍCIO 19

Os dados que se seguem reportam-se aos registos


de defeitos na empresa Teixeira da Cunha (TC)...

ELEMENTOS DEFEITUOSOS Nº de Defeitos Impacto (1..100%)

Má qualidade da chapa 91 80
Defeito de dobragem 128 60
Furação deficiente 9 100
Acondicionamento dos materiais 36 20
Soldadura mal executada 15 70
Erros de corte 23 80
Outros defeitos 12 40

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


FORMULÁRIOS DE RECOLHA DE DADOS 20

Também designados como “check sheets”


(folhas de verificação);
Permitem responder às seguintes perguntas:
Quantas vezes acontece?
Quando acontece?
Desta forma, aquilo que no início não passa de
opiniões ou impessões, transforma-se em factos
objectivos (a importancia da quantificação)!
A figura que se segue apresenta uma check sheet
típica para avaliar a qualidade de um dado produto.
Nesta figura é possível dar resposta às 2 questões
anteriores, saber qual o problema mais frequente,etc.
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
Exemplo 1.
qualidade do produto 21

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


Exemplo 2.
defeitos nos rolamentos 22

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


Exemplo 3.
aplicação aos serviços 23

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


24
EXERCÍCIO

Pretende-se que desenhe uma “check sheet” para a sua


empresa (com o objectivo de identificar os principais
problemas que afectam os seus serviços e/ou produtos).

Quem deverá preencher a check sheet que desenhou?

Durante quanto tempo vai colocar esta check sheet em


operação?

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


FLUXOGRAMA OU GRÁFICO DE FLUXOS 25

Ferramentas simples (de construir e de perceber);


Apresentam de forma ordenada as etapas de um
processo (fluxos), identificam as entradas/saídas que
gradualmente vão contribuindo para a obtenção do
produto/serviço;
Recorrem a simbologia “quase” universal. A possibilidade
de codificarmos cores, padrões ou tipos de linhas permite-
nos colocar muita informação num fluxograma!
A folha que se segue sugere um formato para a
construção de fluxogramas em Gestão da Qualidade.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


26

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


FLUXOGRAMA DE UM PROCESSO
Intervenientes Fluxo de informação Documentos ou Timings Observações
27
ou materias instruções

Quem faz? Quem Recorrer à simbologia “quase” universal. Nota: Quanto tempo demora? Comentários necessários,
decide? Atenção à Simplicidade, facilidade na leitura e Todos os documentos Esta coluna pode ser esclarecimentos, orientações,
no acompanhamento. codificados omitida ou substituida referências...
por outra (ex. Custos).
Nota:
pode recorrer a cores, tipos de linha, ou padrões
para diferenciar, codificar ou uniformizar...

Comentários Comentários, notas Identificação do


Quem executou o fluxograma? fluxograma, etc.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


28
EXERCÍCIO

Procure esboçar o fluxograma para um dos seguintes


processos da sua empresa:
Denuncia de avarias em equipamentos;
Denuncia de problemas de qualidade no processo;
Processo de atendimento de clientes;
Processo de recepção de matérias-prima;
Admissão de um novo colaborador na empresa;
Outro (aceita-se sugestões).

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


GRÁFICO DE TENDÊNCIA 29

Também designado por run chart;


Permite visualizar os resultados de um processo e
ajuda a identificar possíveis alterações ao longo do
tempo;
Os pontos são marcados à medida que os resultados
são obtidos;
É comum fazer-se o gráfico de diversas grandezas da
qualidade, ex:
 Quantidade de desperdício (em tempo ou em material);
 Desempenho de uma operação;
 O nº de erros;
 Os tempos de resposta, etc.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


Gráfico de Tendência 30
60

50
40
Defeitos

30
20

10
0
wk wk wk wk wk wk wk wk wk wk wk wk wk wk
12 13 14 15 16 17 18 19 20 21 22 23 24 25

Semana

Convém distingir entre variação natural (depende do


processo, incontrolável, aleatório) e variação anormal
(processos fora de controlo estatístico, tendenciais,
controlável)
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
GRÁFICO DE DISPERSÃO 31

Também designado por scatter diagram;


É utilizado para estudar a relação, cuja medida é dada pelo
coeficiente de correlação (r), existente entre 2 ou mais
variáveis de um processo;
A relação típica a estudar é do tipo causa-efeito;
Tipos de corelação:
 Perfeita negativa, quando r = -1;
 Perfeita positiva, quando r = 1;
 Sem qualquer correlação quando r = 0.
O coeficiente mais utilizado é o Pearson (correlação linear),
ver a equação que se segue...

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


CORRELAÇÃO CORRELAÇÃO CORRELAÇÃO
POSITIVA NEGATIVA NULA
32

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


33
EXERCÍCIO (tpc)

Os dados que se seguem referem-se ao nº de tubos de


ensaio produzidos por hora e a respectiva temperatura
ambiente numa empresa de produção de vidro de
precisão.

Para estes dados pretende-se que:


Esboce o scatter diagram;
(nota: pontos duplicados são marcados com um circulo).
Determine o coeficiente de correlação e faça os
comentários que achar necessário.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


34

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


35

CARTAS DE CONTROLO
Control Charts
Statistical Process Control
Quality Control

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


INTRODUÇÃO 36
O conceito foi desenvolvido na década de 1920’s nos
laboratórios Bell (EUA) por Walter Shewart;
São orientadas para o controlo das diferentes
causas de variação:
 As controláveis, ie as tendenciais;
 As incontroláveis, ie as aleatórias.
Têm aplicação vasta em processos industriais e em
serviços;
Podem ser aplicadas no controlo on-line de processos;
Existem vários tipos de cartas de controlo:
Por variáveis;
Por atributos.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


OBJECTIVOS 37
DAS CARTAS DE CONTROLO

Mostra as evidências de um processo estar a ser


conduzido num estado de controlo estatístico;
Assinala a presença de causas especiais de variação, de
modo que as acções correctivas possam ter lugar;
Concentra as acções no sentido da melhoria gradual da
capabilidade dos processos;
Manter o estado de controlo estatístico, utilizando os
limites de controlo (UCL e LCL) como forma de decisão
em tempo real do andamento do processo.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


PRINCIPAIS TIPOS DE CARTAS DE CONTROLO
38
Característica TIPO DE CARTA DE CONTROLO Situação de Aplicação
Xbarra Média e Sub-grupos de dimensão
R Amplitude (range) entre 2 e 10 valores;
Md Mediana e Não exige escolaridade
VARIÁVEL R Amplitude mínima do operador
(ex. peso, altura) Xbarram Média móvel e Amplitude
Rm móvel Quando existe apenas uma
observação por lote.
Xi Valores individuais e Amplitude
Rm móvel

np Nº de unidades defeituosas Amostras de dimensão


constante
p % de unidades defeituosas Amostras de dimensão não
ATRIBUTO constante
(ex. sim/não) c Nº de defeitos Amostras de dimensão
constante
u Nº de defeitos por unidade Amostras de dimensão não
constante

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


ATRIBUTOS vs. VARIÁVEIS 39

CARTAS POR ATRIBUTOS:


Bom/Mau, Trabalha/Não-trabalha
Contagem da % de defeituosos
(Carta do tipo C)
Contagem do número de defeituosos/itens
(Carta do tipo P)

CARTAS POR VARIÁVEIS:


Medição do comprimento, peso, altura, temperatura,
(Carta do tipo X)
Medição da variabilidade em comprimento
(Carta do tipo R)

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


VARIAÇÃO NATURAL 40

10 11 12 13 14 15 16 17 18 19 20

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


41
CONTROLO DE PROCESSOS
Carta de controlo contendo dados obtidos ao longo do tempo

X
60
UCL
40 média do
processo ±
20 3σ
LCL
variação 0
natural
1

9
11
Time
TODOS OS PONTOS FORA DOS LIMITES SÃO DEVIDOS A CAUSAS TENDENCIOSAS

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


TEOREMA DO LIMITE CENTRAL 42

sampling
As sample distribution
size gets becomes almost
large normal regardless
enough of population
(≥ 50) ... distribution.

X
X
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
TEOREMA DO LIMITE CENTRAL 43

Média Desvio padrão


σx
X =µ σx =
n

X
X =µ
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
PROPRIEDADES DA 44
DISTRIBUIÇÃO NORMAL

95.5% dos dados 99.7% dos dados


estão em ± 2s` estão dentro de 3s`

X
X =µ
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
PROCEDIMENTO DAS
45
CARTAS DE CONTROLO
Recolha de dados (pelo menos 25 amostras retiradas da
mesma produção);
Fazer o tratamento dos dados, ie obter as necessárias
estatísticas para o preenchimento de cada carta
(ver equações apresentadas a seguir);
Escolher a escala (procurando que o maior e o menor
valor do eixo vertical tenha um valor duplo da amplitude
esperada);
Marcar os pontos e uni-los para melhor visualização das
variações;
Calcular os limites de controlo (UCL e LCL) baseadas nas
estatísticas.
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
CAUSAS COMUNS RESULTANTES 46
DA VARIAÇÃO NATURAL
n

∑x i
∑( x − x)
2

x= i −1 σ= i

n n −1

425 Peso (grs)


João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
Causas atribuíveis… 47

média

Grams
(a) Localização

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


Causas atribuíveis… 48

média

peso
(b) Distribuição

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


Causas atribuíveis… 49

Média

Peso
(b) Distribuição

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


Causas atribuíveis… 50

Média

peso
(c) Forma

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


Efeito das causas nos processos 51

Presença de
causas atribuíveis

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


Efeito das causas nos processos
52

Apenas presença de
causas aleatórias
(processo em controlo!!!)
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
Provável causa
atribuível 53

UCL

Nominal

LCL

1 2 3
Amostras
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
54

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


55

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


56

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


57

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


58

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


59

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


CARTA DE CONTROLO 60
PARA VARIÁVEIS (R)

Special Metal Screw


Numero da AMOSTRA
amostra 1 2 3 4 Range Média
1 0.5014 0.5022 0.5009 0.5027
2 0.5021 0.5041 0.5032 0.5020
3 0.5018 0.5026 0.5035 0.5023
4 0.5008 0.5034 0.5024 0.5015
5 0.5041 0.5056 0.5034 0.5039

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


CAPABILIDADE DOS PROCESSOS 61

A Capabilidade é uma medida que relaciona o rendimento


real de uma máquina/processo com o seu rendimento
especificado/desejado;
O Estudo da Capabilidade é um procedimento para avaliar
um processo por meio de Cartas de Controlo de modo a
determinar se este é capaz em relação às especificações de
Estabilidade (Controlo e Maturidade).
Este estudo também determina se o comportamento do
processo é ou não natural (ie, as somente as causas
aleatórias estão presentes...).

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


CAPACIDADE E CAPABILIDADE 62
NÃO SÃO SINÓNIMOS
Capacidade refere-se a características físicas, ao
potencial de realização, algo que é fixo e próprio dos
sistemas de fabrico (ex. peças/hr);
Capabilidade refere-se à propriedade do sistema de
produção em ser capaz de se manter dentro de certos
limites/tolerâncias.
A Capabilidade de um processo só pode ser avaliada
quando o processo está sob Controlo Estatístico
(ie, apenas as causas aleatórias estão presentes).

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


INDICES DE CAPABILIDADE 63

Os mais comuns são Cp e Cpk, Zmin, CpU e CpL (os 3


últimos também incluem a localização da média do processo em
relação à especificação nominal);

Estes índices tem sido utilizados por grandes empresas


como a Ford, a GM e a Xerox.

6σ (99.73%) é normalmente designada como


a tolerância normal do processo.
Quanto menor for a tolerância natural (6σ ) em relação à
especificação ULS - LSL, maior será a Capabilidade do
processo.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


USL − LSL
Cp = 64

para qualquer valor superior a 1, o processo tem potencial de
satisfazer as especificações, desde que se mantenha em controlo
(com média X = (USL-LSL)/2);
O valor mínimo recomendado para Cp é de 1.33;
Estes índices são um meio de indicar a variabilidade de um
processo em relação à tolerância dos seus produtos (ie, do seu
output).
Os índices apresentados tendem a denunciar que a distribuição
dos produtos num processo controlado pode ser representada
pela Distribuição Normal standard, ie virtualmente todos os
produtos estarão localizados entre a média do processo X e
± 3σ . Contudo, este poderá não ser o caso. Por este motivo o
índice Cpk é um dos mais importantes.

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


ANÁLISE DA CAPABILIDADE DO PROCESSO 65

Cp ou Cpk ≥ 1.33 Adequada

1.00 ≤ Cp ou Cpk < 1.33 Satisfatória

Cp ou Cpk < 1.00 Inadequada

O Índice Cp indica a dispersão inerente ao


processo, enquanto que o índice Cpk indica o
ajuste e a dispersão do processo.
processo

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 


CAPABILIDADE DOS PROCESSOS
66

6 sigma

4 sigma

2 sigma

Limite Limite
inferior Superior

Média
João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 
67
79.5 gr/m2

Desvio padrão = 5.6

gramagem
LIC(L) = 78 gr/m2 80 gr/m2 LSC(U) = 82 gr/m2

João Paulo Pinto ©, Faculdade de Engenharia, 2006/07 