CONTROLE ESTATÍSTICO

DE
PROCESSOS I
Prof. M. Eng. Flavio Lucas da Rosa
Flavio Lucas da Rosa

• Técnico em Eletrônica e Eletrotécnica (2001/Cimol)

• Eng. de Produção (2010/FACCAT) CREA: RS190633
• Especialista em Eng. de Produção (2013/UNINTER)
• Mestrando em Eng. Produção (2016/UFRGS)
• Professor automação industrial desde 2002(Cimol)
• Profissional liberal
• Industria alimentícia desde 2004
• Gerenciamento de sistema de fornecimento de energia desde 2005
• Automatização de processos desde 2001

• Empresário desde 2011

Lattes: http://lattes.cnpq.br/2652589565118869
CONTROLE ESTATÍSTICO DE
PROCESSOS -CEP
• Elaboração, interpretação e análise de gráficos de controle;
• Critérios econômicos na construção de gráficos de controle;
• Análise de capacidade ou comportamento;
• Ferramentas básicas de análise do controle estatístico de processos;
• Gráficos especiais;
• Análise das formas de variação nos gráficos de controle.
CEP - avaliação

• G1
• ((Nota da prova*0,4)+(média aritmética dos trabalhos*0,6))-Desvio padrão da
nota dos trabalhos
• G2
• ((Nota da prova*0,4)+(média aritmética dos trabalhos*0,6))-Desvio padrão da
nota dos trabalhos
• Substituição
• Prova com todo conteúdo substitui G1 ou G2
• Exame(obrigatório caso o aluno não tenha 80% de aproveitamento da
media de G1 e G2)
• Prova com todo conteúdo que vale 50% da nota final do semestre(média 6
para aprovação)
 OBTENÇÃO DE DADOS
• Tipos de Dados:

– Mensuráveis / variáveis
• possíveis de serem medidos
• obtidos através da leitura de uma escala
• Peso; comprimento

– Contáveis / atributos
• são os enumeráveis
• obtidos através da classificação de itens analisados como
satisfatórios ou insatisfatórios
• Bom / Mau; Aceito / Rejeitado; Passa / Não Passa

5
 OBTENÇÃO DE DADOS
• Mensuráveis /
variáveis
• Precisão /
Acuidade
– entre a média observada das medidas
Diferença
tomadas e a média verdadeira

–Grau de concordância entre repetidas medidas da

mesma propriedade

–Orienta quanto à probabilidade da dispersão

•Exatidão
– Grau de concordância entre o valor médio
obtido de uma série de resultados de testes e um
valor de referência aceito (ALVO)
6
 Precisão e Exatidão

Preciso?
Exato?
7
 Precisão e Exatidão

Em (a) os resultados são exatos porque, em

média, estão próximos do valor verdadeiro, mas
não são precisos porque há certa dispersão.

8
 Precisão e Exatidão

Preciso? Exato?

9
 Precisão e Exatidão

Em (d) os resultados são precisos porque estão

próximos entre si, mas não são exatos porque estão
distantes do valor verdadeiro. 1
0
 Precisão e Exatidão

Preciso?
Exato?
1
1
 Precisão e
Exatidão

Em (b) a situação ideal (precisos e

exatos)
1
2
 Precisão e Exatidão

Preciso?
Exato?
13
 Precisão e
Exatidão

(c), a pior situação, isto é, nem precisos nem

exatos
14
 Precisão e Exatidão
Preciso mas
Preciso e
não Exato
Exato

Agora comparando (d) com a situação ideal (b) o que

podemos dizer ?
-atirador é habilidoso?
-atirador não é habilidoso?
-a mira da arma está desregulada?
-a mira da arma está regulada? 12
 Precisão e Exatidão
Preciso mas
Preciso e
não Exato
Exato

Comparando (d) com a situação ideal (b), é possível

concluir que o atirador deve ser habilidoso, mas a mira
da arma deve estar desregulada. 16
 Precisão e Exatidão
Exato mas Preciso mas não
não Preciso Exato

O que podemos concluir ao comparar (a) com

(d)?
-a mira da arma está boa?
-a mira da arma está ruim?
-o atirador não tem a necessária habilidade. 17
-- o atirador tem a necessária habilidade.
 Precisão e Exatidão
Exato mas Preciso mas não
não Preciso Exato

Comparando (a) com (d), deduz-se que a mira da

arma está em ordem, mas o atirador não tem a
necessária habilidade. 18
Precisão e Exatidão

19
Precisão e Exatidão

20
 Conceitos de Estatística
População:
É a totalidade dos elementos de um universo
sobre o qual desejamos conhecer e
estabelecer conclusões para a
tomada de ação

Amostra:
É um subconjunto de elementos extraídos de
uma população
21
Etapas da Inferência Estatística
População
Tomada de decisão

Conclusões sobre a população

Amostra

Caracterização da Análise
amostra

22
 Caracterização da amostra
•Medidas de Tendência
Central
•Média
•Moda
•Mediana

•Medidas de Variação
•Amplitude
•Desvio Padrão
23
•Variância
 Medidas de Tendência Central
Média aritmética da amostra: X =  Xi / n
n : Tamanho da amostra
Xi : valores individuais de cada item da amostra

Média da população ( ) :  =  Xi / N
N: Tamanho da população
Xi : Valores individuais dos elementos da
população

24
 Exercício de fixação

Dados referentes ao total de devoluções

por qualidade do produto A:
jan fev mar abr mai jun jul ago set out nov dez
2012 13 13.5 14 12 15 17 14 19 20 15 19 14
2011 11 10 23 19 20 15 17 12 17 16 20 15
2010 10 12 12 14 16 18 17 15 16 18 19 22

Média da amostra (2012) =

Média da amostra (2011) =
Média da amostra (2010) =
Média da população =

25
Exercício de fixação de cálculo de
média

26
Medidas de Tendência
Central

*Se a amostra tiver n par, então faz-se a

média

27
 Exercício de fixação
a) Calcule a mediana das sequências
abaixo:

2, 5, 8, 10, 12, 15, 18, 20

b) Calcule a mediana das sequências

abaixo:

3, 4, 5, 7, 8, 10, 15

28
 Exercício de
fixação
a) ache a moda da série
abaixo

29
 Medidas de Variação
AMPLITUDE: é a diferença entre o maior valor e o menor valor da série de dados.
Se os dados estiverem agrupados em classes, a amplitude é a diferença entre o limite
superior da última classe e o limite inferior da primeira

DESVIO PADRÃO
Ele mostra o quanto de variação ou "dispersão" existe em relação à média (ou valor
esperado). Um baixo desvio padrão indica que os dados tendem a estar próximos da
média; um desvio padrão alto indica que os dados estão espalhados por uma gama de
valores.

VARIÂNCIA
Na teoria da probabilidade e na estatística, a variância de uma variável aleatória é
uma medida da sua dispersão estatística, indicando quão longe em geral os seus
valores se encontram do valor esperado.

30
 Medidas de Variação

Amplitude ( R ): R = Xmax - Xmin

Xmax : Valor máximo dentre os itens da

amostra
Xmin : Valor mínimo dentre os itens da amostra
Desvio Padrão da Amostra
(S):
S= [  ( Xi - X )2 / ( n-1 ) ]1/2 Ou:

Variância da amostra
( S2=):  ( Xi - X )2 / ( n-
S2
1)

31
 Exercício de fixação
a) Calcule as seguintes medidas de variação na série
abaixo
37.83
37.83
39.39
39.39
39.52 39.52
40.94 40.94
41.23
Amplitude
Desvio Padrão Variância 41.84
42.16
42.18
42.37
42.83

Média Amplitude
Desvio Padrão
Variância

32
Medidas de Variação

33
Mas e agora? Pra que aprender sobre
as medidas de Variação e de
Tendência Central ?

34
Montar, interpretar e analisar Gráficos de
controle...
Gráfico seqüencial

800,0

600,0

400,0

200,0

0,0
0 10 20 30 40 50 60
Tempo/ periodo

35
 Fontes de Variação
• As variações estão sempre presentes nos
processos
• As variações são provenientes de diversas fontes
como por exemplo os “6 M”
– máquinas , método, materiais,meio ambiente, medições,
mão de obra
• As variações são inimigas da qualidade
• A melhoria de um processo está ligada à
redução da variação

36
 Causas especiais e causas
comuns de variação
• Causas comuns : São causas inerentes aos
processos, estão sempre presentes nos processos. Em
geral tem origem nos diversos operadores,
diversas máquinas diversos métodos etc;
existentes nos processos.

• Causas especiais : São causas eventuais e aparecem

de forma esporádica nos processos. Em geral tem
origem em fatores isolados e algumas vezes são
chamadas de causas assinaláveis.

37
 Histograma
• O Histograma é um Gráfico de barras (ou de áreas) que
representa a distribuição da frequência de um
conjunto de dados.
• Os valores das observações (agrupados em classes)
registram-se no eixo horizontal e as frequências
respectivas no eixo vertical.
• Cada retângulo tem uma área proporcional a essa
frequência.
• O Histograma, como representação gráfica, facilita a
observação, estudo e conclusões sobre os dados e a
sua distribuição probabilística. 37
Histograma

39
 Histograma – Etapas de
construção

1. Determina-se o maior e menor valor do conjunto de dados;

---Para o exemplo, Mín=12,58 e Máx=18,47

1. Calcular a amplitude (R) dos dados: R = Valor máximo - Valor mínimo

----18,47-12,58 = 5.89

1. Determinar o número de classes (K).

Onde n é o tamanho da amostra de dados.
K deve estar compreendido entre 5 a 20 classes.
---- n=50 ~7 (usaremos 6, por comodidade)

40
4. Define-se o limite inferior da primeira classe (LI), que deve ser
igual
ou ligeiramente inferior ao menor valor das observações;
--- Para o exemplo: 12,58 => LI =12,50 (por comodidade)

5. Define-se o limite superior da última classe (LS), que deve ser

igual ou ligeiramente superior ao maior valor das observações;
---Para o exemplo: 18,47=> LS=18,50 (por comodidade)

6. Conhecido o número de classes define-se a amplitude de cada classe:

7. Conhecida a amplitude das classes, define-se os limites inferior e

superior para cada classe.

41
8. Determinar a frequência de cada classe, ou seja, o número de
observações que caem em cada classe, e completa-se a tabela
de frequência
---Para o exemplo, o número de observações que caem no intervalo 12,50 a 13,50 é 3

42
 INTERPRETANDO……
O gráfico do histograma consiste de um conjunto de retângulos que tem:

•a base sobre um eixo horizontal com centro no ponto médio e largura igual a amplitude do
intervalo de classes

•a área proporcional às frequências das classes.

•Se todos os intervalos tiverem a mesma amplitude, as alturas dos retângulos serão
proporcionais às frequências das classes, e então costuma-se desenhar as alturas
numericamente iguais a essas frequências.

43
A frequência total de todos os valores inferiores ao limite superior de uma
dada classe é denominada frequência acumulada para aquele
intervalo.
Por exemplo, a frequência acumulada até e inclusive o 13,51 a
intervalo 14,50 é :
3 + 8 = 11,
o que significa que 11 das 50 peças cerâmicas apresentam
característica dimensional inferior a 14,50.

44
 Exercício
14 12 13 11 12 13 16 14 14 15 17 14 11 13 14
15
13 12 14 13 14 13 15 16 12 12

45
 Determinação do tamanho da amostra a
ser coletada

Onde: n = Número de amostras a coletar

Z= Coeficiente da distribuição Normal Padrão
R = Amplitude da amostra (maior medida-menor medida)
Er = erro relativo da amostra
d2 = Coeficiente que depende do número de amostras
coletadas/medidas preliminarmente no estudo
X = Média da amostra preliminar
46
 Determinação do tamanho da amostra a ser coletada

Distribuição
normal
Probabili
50 80 90 91 92 93 94 95 96 97 98 99 100
dade (%)

Z 0.67 1.28 1,65 1,7 1,75 1,81 1,88 1,96 2.05 2.17 2.33 2.58 3

47
 Determinação do tamanho da amostra a ser coletada

Coeficientes tabelados (baseados na Curva Normal)

Onde: n é o tamanho da amostra preliminar e os demais
coeficientes são tabelados. Geralmente usa-se n=10.

n 2 3 4 5 6 7 8 9 10
1,88 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308
A
3,268 2,574 2,282 2,114 2,004 1,924 1,864 1,816 1,777
D4
0 0 0 0 0 0,076 0,136 0,184 0,223
D3
1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078
d2

48
Implantação do CEP
e as
CARTAS DE CONTROLE

49
 Um Processo é…
Influências

Processo
Entradas Saídas

Observações

50
 CEP
•O CEP, ao contrário da inspeção 100%, prioriza ações
sobre as causas especiais, ou seja, sobre a origem do
problema.

•De nada adianta identificar, logo no primeiro dia, um

grande número de causas especiais, pois faltariam
recursos para a investigação dessas causas.

•O CEP opera numa escala de tempo mais longa, pois as

causas especiais vão sendo identificadas e eliminadas
aos poucos, ao longo do tempo, com paciência e
persistência.
51
 Vantagens do
CEP
a) permite que o monitoramento do processo seja
executado pelos próprios operadores,
b)fornece uma distinção clara entre causas
comuns e causas especiais, servindo de guia
para ações locais ou gerenciais,
c) fornece uma linguagem comum para discutir o
desempenho do processo, possibilitando a
alocação ótima dos investimentos em melhoria
da qualidade,
d)auxilia o processo a atingir alta qualidade, baixo
custo unitário, consistência e previsibilidade.
52
 Vantagens do
CEP
e) Em um ambiente competitivo, só há espaço para as empresas que
adotam uma ótica de melhoria contínua. Assim, periodicamente é
preciso rever as especificações, reavaliar a capacidade do processo
e agir sobre o sistema quando necessário.

f) A melhora da qualidade, representada pela redução da

variabilidade do processo, promove, natural e inevitavelmente,
um aumento de
produtividade.

e) Melhorando a qualidade, os custos diminuem devido à redução do

retrabalho, erros e atrasos, e da melhor utilização da tecnologia e
matéria-prima. Consequentemente, a produtividade aumenta,
possibilitando a captação de mercados. Trabalhando-se
continuamente pela qualidade, os novos negócios são mantidos e
amplia-se a fatia de mercado.
53
 CONTROLE ESTATÍSTICO DE PROCESSO
As ferramentas mais utilizadas são:
–Fluxograma
–Histograma
–Gráficos de controle
–Folha de verificação
–Gráfico de Pareto
–Diagrama de causa e efeito
–Diagrama de dispersão

54
 IMPLANTAÇÃO DO CEP

A coleta de dados para o preenchimento das cartas de controle exige

investimentos em tempo, recursos e mudança na filosofia da
empresa.
Assim, a implantação do controle estatístico de processo somente
pode ser justificada quando os seguintes aspectos são observados:

•não utilizar um número excessivo de cartas de controle, sob risco do

CEP transformar-se em atividade gargalo na produção;

•aplicar o CEP em etapas prioritárias do processo, determinadas sob

o ponto de vista da demanda de qualidade dos clientes;

•associar o CEP à uma estratégia de ação; coletar dados e não agir

implica em desperdício de tempo e recursos.
55
 IMPLANTAÇÃO DO CEP
Nesta etapa, também é necessário definir:
•Características de qualidade importantes para o cliente (Desdobramento
da Função Qualidade – QFD);

•Processos nos quais as características determinadas em (i) são

construídas;

•Variáveis a serem controladas em cada processo;

(i)Capacidade do sistema de medição;

(i)Indivíduos responsáveis pela ação sobre o sistema quando este sinalizar

um estado de descontrole estatístico;

(vi) Ações a serem tomadas quando o sistema estiver fora de controle. 56

Gráficos Run
Gráficos Run
Gráficos Run
Gráficos Run
Gráficos Run
Gráficos Run
Gráficos Run
Gráficos Run
Medidas de Variação
7
7
7
6
8
9
9
9
8
9
8
9
8 65
Distribuição Normal

68,27%

95,45%

99,73%

99,9937%

99,999943%

99,9999998% 126
Distribuição Normal

68,27%

95,45%

99,73%

99,9937%

99,999943%

99,9999998% 126
 Carta de controle ou gráfico de controle
– Representação gráfica, ao longo do tempo, do
comportamento dos processos com foco no desempenho do
processo
– Monitoramento do processo para detectar e prevenir / evitar
/ reduzir / eliminar não conformidades
– Verifica a estabilidade do processo
(sinalizaquando o processo está fora de controle)
– Estimativa de onde o processo está centralizado e quanto ele
está variando em torno desse centro
– Utilização de limites de controle para
comparação do resultado do processo com a
especificação
– Utilização dos parâmetros estatísticos:
média estimada e variabilidade do processo

57
 Carta de controle ou gráfico de controle

• Média do Processo
– valor desconhecido estimado pela média da amostra

• Variação do Processo
– todo o processo seja natural ou artificial sofre variações

• Variação Admissível
– consiste no valor nominal do parâmetro a ser
controlado, mais ou menos a tolerância aceitável

• Exemplo: Umidade = 4,0% + 0,2%

– valor nominal: 4,0%
– variação admissível: 3,8% a 4,2%

58
59
 GRÁFICO DE CONTROLE
• Se o processo estiver sob controle (apenas causas
comuns e ausência das especiais) o seu desempenho
pode ser melhorado, reduzindo a variabilidade.

• Algumas melhorias são:

• Diminuição do e retrabalho / reprocesso
(diminuição
refugo do custo unitário e aumento da
produtividade e da capacidade)
•Prevenção de defeitos
Aumento
• da porcentagem de produtos que atendam
as especificações (melhoria da qualidade)
• Linguagem comum entre a linha de
produção, manutenção, engenharia de
processo,
qualidade e aindacontrole de
entre fornecedores 60
 EFEITO DA VARIABILIDADE
• Qualquer variação na especificação é ruim

• Grandes variações são piores que pequenas

• O objetivo do controle de processo é manter o

processo na especificação
– Prevenção e minimização da variação

• Existem 2 tipos de variação

– Variação por causas comuns
– Variação por causas especiais
61
 EFEITO DA VARIABILIDADE
• Variação por causas comuns
– São inerentes ao processo (naturais e esperadas)
– Conjunto fixo de inúmeras e pequenas causas que
determinam a variabilidade característica
– Estão sempre presentes e afetam cada resultado
– É impossível isolar o efeito de todas elas
– O efeito de algumas pode ser isolado, mas somente através
de experimentos especialmente planejados
– Quando só existem causas comuns de variação, diz-se que o
processo está sob controle

62
 EFEITO DA VARIABILIDADE
Variação por causas comuns

Fontes de variação dentro de um processo, que possuem uma distribuição

estável e repetitiva ao longo do tempo. Elas funcionam como um sistema
estável de causas prováveis.Quando o processo contém apenas causas
comuns de variação e essas não se alteram, o resultado do processo se torna
previsível e diz-se que ele está sob controle estatístico.
63
 EFEITO DA VARIABILIDADE
• Variação por causas especiais
– Causas alheias ao conjunto de causas comuns que
surgem ocasionalmente (mão-de-obra/ material/ máquina/
método/ medição/ meio ambiente)
– Não estão presentes todo o tempo (não esperadas)
– Afetam alguns resultados
– Em geral podem ser facilmente isoladas e eliminadas, desde
que se possa distingui-las das causas comuns
– Um processo com causas especiais é tido como fora de
controle

– É necessário identificar a causa raiz e eliminá-la para retomar

a estabilidade do processo
64
 EFEITO DA VARIABILIDADE
• Variação por causas especiais

Também chamadas de causas assinaláveis, referem-se aos fatores que

não atuam no processo com frequência.
Quando elas aparecem, a distribuição (global) do processo muda.
A presença de causas especiais afeta o resultado do processo de forma
imprevisível, tornando-o instável ao longo do tempo, por isso, precisam
ser identificadas e corrigidas.
65
 EFEITO DA VARIABILIDADE

“94% dos problemas ou oportunidades de

melhorias são devido a causas comuns.
Apenas 6% são devido a causas especiais.
Desta forma, é possível afirmar que a maior parcela
de responsabilidade, quanto a redução de
variabilidade, é da administração do processo, isto
é, dos gerentes, engenheiros e técnicos que têm
autoridade de mudar o sistema”

Dr. W.E. Deming

66
 EFEITO DA VARIABILIDADE
• LINHA DE AÇÃO PARA CAUSAS ESPECIAIS
– Devem ser atacadas imediatamente
– Solução em geral é simples e está ao alcance das
pessoas diretamente envolvidas na execução das atividades
• Coletar dados (a tempo)
• Verificar se os dados indicam a presença de causa especial
• Caso afirmativo, investigar o que há de especial associado
àquela ocorrência
• Eliminar as "causas más" e
prevenir sua reincidência. Incorporar as "causas
boas" ao processo

67
 EFEITO DA VARIABILIDADE
• LINHA DE AÇÃO PARA CAUSAS COMUNS
– Se o desempenho é satisfatório ou a melhoria não é
prioritária, é melhor não interferir no processo
– Solução é mais complexa e em geral está nas mãos
da gerência
• Requer análise de todo o conjunto de dados
• Requer conhecimento profundo do processo
• Requer mudanças estruturais (procedimento, pessoas,
equipamento, ambiente, etc.)

68
 EFEITO DA VARIABILIDADE
• DOIS TIPOS DE ERROS, DUAS FONTES DE PERDAS
– Confundir causas comuns com causas especiais
• Aumento da variabilidade devido ao ajuste indevido do processo
• Falsas soluções, perda de tempo, energia e quando
dinheiro, problemas mais importantes poderiam ser
atacados
•Aumento dos custos
•Redução da produtividade
•Frustração, ceticismo
•Carreiras prejudicadas, baixo moral
•Perda de confiança na gerência
– Confundir causas especiais com causas comuns
• Oportunidades de melhoria são perdidas
• Convivência pacífica com problemas crônicos
• Perpetua-se o caos
• São mantidos as fábrica escondida e os escritórios ocultos

69
COMO IDENTIFICAR O EFEITO DA VARIABILIDADE

70
COMO IDENTIFICAR O EFEITO DA VARIABILIDADE

71
COMO O EFEITO DA VARIABILIDADEIDENTIFICAR

72
COMO IDENTIFICAR O EFEITO DA VARIABILIDADE

Seqüência alternada de catorze pontos consecutivos.

Sequência alternada de 14 pontos consecutivos.

73
 TIPOS DE GRÁFICO DE CONTROLE

Gráficos de
Controle

Atributo Variáve
l

P / pn c/u XeR xeR

P - fração c – número X – média x – valor

defeituosa defeitos R- individual
pn - u - fração amplitude R–
número de defeitos/unid amplitude
itens ade
defeituosos
75
 CARTAS DE
TIPOS DE CARTA CONTROLE
DE CONTROLE POR VARIAVEIS
• A carta X - R para média e amplitude (as amostras devem
ter o mesmo tamanho).
• A carta X - S para media e desvio-padrao (as amostras ser do
mesmo tamanho) devem ser do mesmo tamanho).
• A carta X – R para mediana e amplitude (as amostras devem
ser do mesmo tamanho).
• A carta I e MR para valores individuais e amplitude moveis (as
amostras devem ser do mesmo tamanho).

76
 CARTAS DE
CONTROLE
TIPOS DE CARTAS DE CONTROLE POR
VARIÁVEIS

77
CARTAS DE CONTROLE POR VARIÁVEIS

78
 Cartas de para variávei
controle s
• Cartas controle variávei
representa
de a aplicação típica
para s do
estatístic
m do controle
processo, no os
eo seus resultados
qual podem secaracterizar
processos
medições das variáveis. pelas

• Um valor quantitativo (ex.: “o diâmetro é

16,45 mm”) contém mais informação do que
uma simples declaração Sim/Não (ex.: “o
diâmetro está conforme a especificação”)
79
 Cartas de controle para
variáveis
• Uma carta para variaveis pode explicar dados do processo em termos
de sua variacao de processo, variabilidade peca-a-peca e media do
processo.

• As cartas de controle para variaveis geralmente são preparadas e

analisadas ao pares, uma carta para a media do processo e outra para a
variacao do processo.

• As cartas de X e R podem ser as mais comuns, mas elas podem nao ser
as mais apropriadas para todas as situações

• Um exemplo em uma empresa multinacional…

80
81
Pontos de Melhoria do Processo
pelo Diário de Bordo

82
Carta de Controle por Variáveis
Média e Amplitude: X- R

83
Fatores para o cálculo dos limites de controle

A2

84
 ETAPAS DE CONSTRUÇÃO: Carta de Controle
por Variáveis Média e Amplitude: X- R

Etapa 1: Coletar dados

Nesta etapa são definidos o tamanho adotado para as amostras (grupos),
que deverá ser constante, bem como a quantidade de amostras
(subgrupos) e a frequência de amostragem.

Costuma-se adotar uma relação inicial entre a quantidade de amostras

(k) com o tamanho da amostra (n), sendo k*n > 100.

A frequência de amostragem depende da quantidade de produtos

defeituosos. Se houver bastante incidência de produtos defeituosos, a
frequência deverá ser maior (de hora em hora, etc.). Por outro lado, se
forem poucos defeituosos, a frequência poderá ser menor, com intervalos
maiores.

85
 ETAPAS DE CONSTRUÇÃO: Carta de
Controle por Variáveis Média e
• Amplitude:
Etapa 2: Cálculo das médiasX- R
das amostras e as médias do processo
Supondo uma medição do diâmetro de uma peça em 1 dia, onde tem-se 6
amostras, contendo 5 itens, coletadas de 4 em 4 horas, temos:
A1(32,30,31,34,32),
A2(30,33,32,31,31),
A3(34,32,31,33,30),
A4(29,33,32,30,31),
A5(30,33,29,31,33),
A6(33,30,32,31,30)
A média da primeira amostragem será: X1 = (32+30+31+34+32)/5 = 31.8. Portanto
calculando todas as médias, teremos:
X1=31.8, X2=31.4, X3=32, X4=31, X5=31.2 e X6=31.2

A média do Processo será:

Para o nosso exemplo, esta média será: X = (X1 + X2 + X3 + X4 + X5 + X6)/6 = 31.43
86
 ETAPAS DE CONSTRUÇÃO: Carta de
Controle por Variáveis Média e
Amplitude: X- R
Etapa 3: Calcular a Amplitude (R ) das amostras e do processo

Xi R

Amostra 1 32 30 31 34 32 4

Amostra 2 30 33 32 31 31 3

Amostra 3 34 32 31 33 30 4

Amostra 4 29 33 32 30 31 4

Amostra 5 30 33 19 31 33 4

Amostra 6 33 20 32 31 30 3

Do Processo:
87
R=(4+3+4+4+4+3)/6=3,66.
ETAPAS DE CONSTRUÇÃO: Carta de
Controle por Variáveis Média e
Etapa Amplitude: X- R
4: Obter os Limites de Controle para a
Média e Amplitude(cfm tabela)

A2

Média (X-R) Amplitude (X-R)

LSC=31,43+0,577*3,66=33,542 LSC=3,66*2,115 = 7,737 88
LIC=31,43-0,577*3,66=29,32 LIC=3,66*0=0
 ETAPAS DE CONSTRUÇÃO: Carta de
Controle por Variáveis Média e
Amplitude: X- R
Etapa 5:Definir os limites de Especificação de
Engenharia a partir das necessidades do
cliente/projeto (definir Limite Superior e Limite
Inferior)

Nesse caso vamos supor dois cenários:

-cenário 1: Limite Superior de Engenharia=34 e Limite Inferior de

Engenharia=28

-cenário 2: Limite Superior de Engenharia=32 e Limite Inferior de

Engenharia=29

89
 ETAPAS DE CONSTRUÇÃO: Carta de
Controle por Variáveis Média e
Amplitude: X- R
Etapa 6: Desenhar os gráficos da Média e Amplitude e analisar o
Processo conforme os limites de Especificação de Engenharia

90
ETAPAS DE CONSTRUÇÃO: Carta de Controle
por Variáveis Média e Amplitude: X- R

Etapa 7: identificação e eliminação de quaisquer

causas especiais ou atribuíveis de variação
Para determinar se existem causas de variação em um
processo utilizando a carta de controle, é muito
importante observar sete “sinais” ou regras básicas que
demonstram variabilidade neste processo. A probabilidade de
alguns destes sete eventos ocorrerem aleatoriamente é muito
pequena. Este é o motivo pelo qual estes sinais indicam
alguma mudança no processo.
As sete regras são:
•Um ou mais pontos fora dos limites de controle;
•Sete ou mais pontos consecutivos acima ou abaixo da linha central
•Seis pontos consecutivos em linha ascendente ou descendente continuamente;
•Quatorze pontos consecutivos alternando acima e abaixo;
•3 pontos consecutivos sendo 2 deles do mesmo lado em relação a linha central e fora de 2/3 em
relação à linha central;
•Quinze ou mais pontos consecutivos contidos em um intervalo de 1/3 em relação à média;
•8 pontos em ambos os lados da região central com nenhum deles dentro do limite de 1/3 em 91
relação à linha central
 ETAPAS DE CONSTRUÇÃO: Carta de
Controle por Variáveis Média e
Amplitude: X- R
Etapa 8: Verificar se o estado de controle alcançado é
adequado ao processo, tendo em vista considerações
técnicas e econômicas.

• Em caso afirmativo, adotar os gráficos para controle atual e futuro do

processo.
• Em caso negativo, conduzir ações de melhoria até que seja atingido o
nível de qualidade desejado para o processo.

92
ETAPAS DE CONSTRUÇÃO: Carta de Controle
por Variáveis Média e Amplitude: X- R
•Etapa 9: Rever periodicamente os
valores dos limites de controle

Em alguns processos de fabricação, quando um produto

defeituoso é produzido, todos os produtos produzidos a
seguir serão defeituosos até que o problema seja
resolvido. Esse tipo de condição também ocorre em
processos de produção em bateladas.

93
Diário de
Bordo

94
Diário de
Bordo

95
 Exercício
•
1
Construa o histograma do exemplo
anterior
• Desenhe a linha de frequências
• Quais análises podem ser feitas a partir
das distribuições das frequências?

96
Exercício
2

97
 CEP
CARTA DE CONTROLE PARA VALORES
INDIVIDUAIS

98
 CARTA DE CONTROLE PARA VALORES INDIVIDUAIS

• Algumas vezes e preciso realizar o controle do processo usando

medidas individuais.
• Esse sera o caso quando:

a) taxa de produção muito baixa (por ex: 1 produto por dia),

b) testes muito caros (por ex: testes destrutivos ou que exijam a

parada da produção) e

c) características muito homogêneas, que variam muito

lentamente (por ex: um digestor químico).
100
 CARTA DE CONTROLE PARA VALORES INDIVIDUAIS

As cartas de valores individuais não são tão sensíveis a

mudanças no processo como as cartas de médias,

Os pontos da carta de amplitude móvel são correlacionados, e

essa correlação pode induzir um padrão ou ciclos na carta de
amplitude ,

As de individuais não avaliar

cartas
diretamentevalores
a dispersão do permitem
Para contornar esse
último
processo. em geral, se usa uma móvel
aspecto, como a diferença entre
calculada amplitude
cada par de
leituras sucessivas. Dessa forma, o tamanho de
amostra é considerado n=2 (Coeficiente E2 para amostra de
tamanho 2 é
= 2.66). 100
 Os limites de controle para a carta de valores individuais
são calculados como segue:
• Da Amplitude

Onde D 4 e D são constantes que dependem do tamanho da amostra, cujos valores

3
apresentados na são
Tabela:

101
 Os limites de controle para a carta de valores individuais são
calculados como segue:
Dos valores Individuais

Onde E é uma constante que depende do tamanho da amostra, cujos valores

2
apresentados
sãona
Tabela:

A constante E 2 só poderá ser usada se a distribuição for aproximadamente simétrica

(tende a Normal) 102
Os dados da Tabela representam medidas diárias
de viscosidade de bateladas químicas durante um
período de 30 dias.

103
Resultado da Carta Individual

104
 Exercício 1: Os dados a seguir representam medições de abrasão
efetuadas uma vez por dia em um processo de extrusão de
borracha.

(a)Calcule os limites de controle para uma carta de valores individuais e para uma
carta de amplitude móvel;

(b)Plote essas duas cartas e conclua a respeito do controle do processo

(estável?);

105
 Análise da :
-Estabilidade e
- Capacidade/Capabilidade de
Processos

106
 Interpretação da estabilidade do processo

• O monitoramento das cartas de controle representa

um teste de hipótese a cada nova amostra coletada
durante o uso da CARTA.

• A hipótese que está sendo testada a cada amostra

coletada é de que a média ou a variabilidade do
processo continuam as mesmas (processo estável).

• Tendo como hipótese alternativa de que elas

mudaram devido à presença de uma causa especial
(processo instável).
107
Distribuição Normal

68,27%

95,45%

99,73%

99,9937%

99,999943%

99,9999998% 108
 Interpretação da estabilidade do processo
• Os limites de controle são limites de confiança calculados
de forma que, se o processo não mudou (não há causas
especiais atuando), a probabilidade de uma amostra cair
dentro dos limites é de 99,73% e fora dos limites é de 0,27%.
Logo, caso a amostra coletada esteja dentro dos limites de
controle (limites de confiança) conclui-se que os parâmetros do
processo (média e amplitude) permanecem os mesmos.

• Caso apareça uma amostra fora dos limites de controle, a

probabilidade dessa amostra pertencer a esse processo é muito
pequena (0,27%), logo há uma forte evidência de que o
processo mudou (média ou desvio) devido à presença de causas
especiais.
109
 Interpretação da estabilidade do processo

Antes de investigar uma causa especial, é interessante verificar se

não houve erro na plotagem do ponto ou problemas no sistema
de medição.

Existem dois tipos de erros no monitoramento de uma carta de

controle: erro tipo I e erro tipo II.

A estabilidade é sempre verificada pelas regras já vistas:

7 pontos acima, abaixo, ascendente, descendentes, fora dos limites,
etc.

110
 Interpretação da estabilidade do processo

Erro tipo I: é a probabilidade (α) de considerar

o processo fora de controle quando na verdade ele está
sob controle. Os limites clássicos adotam ± 3σ, que
correspondem a α=0.27%.

111
 Interpretação da estabilidade do processo
Erro tipo II: é a probabilidade (β) de considerar o processo sob
controle quando na verdade ele está fora de controle e depende
do deslocamento da média e dos limites de controle adotados . Os
limites clássicos adotam ± 3σ, que correspondem a β =0.27%.

112
 Interpretação da capacidade do processo
• Uma vez que o processo esteja em controle
estatístico, ainda permanece a questão se o processo
é ou não capaz, isto é, o resultado satisfaz
às exigências dos clientes?

• A avaliação da capacidade do processo só inicia após

a eliminação das causas especiais. Assim, a
capacidade do processo está associada com
as causas comuns de variabilidade .

113
 Interpretação da capacidade do processo
• Na Figura tem-se um processo estável ao longo do
tempo. O mesmo processo pode ser considerado capaz
ou não dependendo das especificações do cliente.

114
 Interpretação da capacidade do processo

• A avaliação da capacidade do processo é realizada com a

distribuição dos valores individuais, pois o cliente espera
que todas as peças produzidas estejam dentro das
especificações.

• Dessa forma, é necessário conhecer a distribuição de

probabilidade dos valores individuais da variável que
está sendo monitorada e estimar a média, a
variabilidade e os limites naturais do processo.

• Para conhecer a distribuição de probabilidade da

variável deve-se fazer um histograma dos dados (valores
individuais) coletados.

115
 Análise da :
-Estabilidade e
- Capacidade/Capabilidade de Processos

116
 Por que medir a estabilidade e
capacidade/Capabilidade?
SOB
• Principais erros dos CONTROLE

gestores
Tratar uma causa comum como causa especial
1

Aumento da variação em um
sistema
Tratar uma causa comum como causa especial
2

Perda da oportunidade de reduzir

RESULTADO NÃO
ESTÁVEL variação
117117
 Processo Instável = Fora de Controle

Presença de causas
especiais

Presença de causas
especiais

118
 Variabilidade e Previsibilidade
• Todos os processos têm Processo sob ação
variação... Mas somente de causas comuns
variação devido a causas
comuns é previsível.
• Um processo está sob
controle estatístico
quando somente causas
comuns estão presentes. Processo sob ação
de causas especiais

119
 Controle de Processo
Processo sob controle:
•Causas especiais eliminadas
•Presença somente de causas comuns de variação
•Processo estável
•Processo previsível

Processo fora de controle:

•Presença de causas especiais
•Processo instável Implementação de
•Processo não previsível Controle de Processo

 120
 Interpretação da estabilidade do processo

• O monitoramento das cartas de controle representa

um teste de hipótese a cada nova amostra coletada
durante o uso da CARTA.

• A hipótese que está sendo testada a cada amostra

coletada é de que: a média ou a variabilidade do
processo continuam as mesmas (processo estável)?

• Tendo como hipótese alternativa de que elas

mudaram devido à presença de uma causa especial
(processo instável).
121
 Interpretação da estabilidade do processo
• Os limites de controle (medidos no processo) são limites
de confiança calculados de forma que, se o processo não
mudou (não há causas especiais atuando), a probabilidade
de uma amostra cair dentro dos limites é de 99,73% e fora dos
limites é de 0,27%. Logo, caso a amostra coletada esteja
dentro dos limites de controle (limites de confiança)
conclui-se que os parâmetros do processo (média e
amplitude) permanecem os mesmos.

• Caso apareça uma amostra fora dos limites de controle, a

probabilidade dessa amostra pertencer a esse processo é muito
pequena (0,27%), logo há uma forte evidência de que o
processo mudou (média ou desvio) devido à presença de causas
especiais.
122
 Interpretação da estabilidade do processo

Antes de investigar uma causa especial, é interessante verificar se

não houve erro na plotagem do ponto ou problemas no sistema
de medição.

Existem dois tipos de erros no monitoramento de uma carta de

controle: erro tipo I e erro tipo II.

A estabilidade é sempre verificada pelas regras já vistas:

7 pontos acima, abaixo, ascendente, descendentes, fora dos limites,
etc.

123
 Interpretação da estabilidade do processo

Erro tipo I: é a probabilidade (α) de considerar

o processo fora de controle quando na verdade ele está
sob controle. Os limites clássicos adotam ± 3σ, que
correspondem a α=0.27%.

124
 Interpretação da estabilidade do processo
Erro tipo II: é a probabilidade (β) de considerar o processo sob
controle quando na verdade ele está fora de controle e depende
do deslocamento da média e dos limites de controle adotados . Os
limites clássicos adotam ± 3σ, que correspondem a β =0.27%.

125
Distribuição Normal

68,27%

95,45%

99,73%

99,9937%

99,999943%

99,9999998% 126
• Caso a distribuição dos valores individuais seja
Normal, os limites naturais são calculados
considerando-se a extensão de seis desvios-
padrões (6 σ - Sigmas).

• Dessa forma, os limites naturais compreendem

99,73% dos valores, ou seja, teoricamente
99,73% das peças produzidas estarão dentro
dos limites naturais e 0,27% estarão fora
dos limites naturais.

127
Exemplo de análise da Estabilidade

O processo é estável? Justifique… 128

 Interpretação da capacidade do processo
• Uma vez que o processo esteja em controle
estatístico, ainda permanece a questão se o processo
é ou não capaz, isto é, o resultado satisfaz
às exigências dos clientes?

• A avaliação da capacidade do processo só inicia após

a eliminação das causas especiais. Assim, a
capacidade do processo está associada com
as causas comuns de variabilidade .

129
 Interpretação da capacidade do processo
• Na Figura tem-se um processo estável ao longo do
tempo. O mesmo processo pode ser considerado capaz
ou não dependendo das especificações do cliente.

130
 Interpretação da capacidade do processo

• A avaliação da capacidade do processo é realizada com a

distribuição dos valores individuais, pois o cliente espera
que todas as peças produzidas estejam dentro das
especificações.

• Dessa forma, é necessário conhecer a distribuição de

probabilidade dos valores individuais da variável que
está sendo monitorada e estimar a média, a
variabilidade e os limites naturais do processo.

• Para conhecer a distribuição de probabilidade da

variável deve-se fazer um histograma dos dados (valores
individuais) coletados.

131
 Interpretação da capacidade do processo

• Muitas vezes é conveniente ter uma maneira simples

e quantitativa de expressar a capacidade do processo.

• Uma maneira é utilizar os índices de capacidade que

comparam os limites naturais do processo com a
amplitude das especificações exigidas para o
processo.

• O cálculo dos índices de capacidade é realizado

supondo que as variáveis provêm de uma
distribuição Normal.
132
 Capabilidade de Processo - Conceitos
• Tolerâncias: especificações de engenharia que representam requisitos
do produto.

• Capabilidade do Processo: representa o melhor desempenho do processo e

é determinada pela variação das causas comuns. Isso é demonstrado
quando o processo está sendo operado sob controle estatístico.

– A capabilidade potencial do processo (Cp) é relação a entre tolerância e

a variabilidade do processo.

– A capabilidade efetiva do processo (Cpk) mede a localização da variação

do processo com relação aos limites de especificação. É a condição real
de operação do processo. Considera a variação dentro dos subgrupos c
(desvio padrão estimado por Rbar/d2) – estudo de curto prazo.

133
 Interpretação da capacidade do processo

•Os limites de especificação medem a tolerância permitida da variabilidade de

uma característica importante do produto ou processo. A tolerância é
calculada pelo engenheiro desenhista do processo ou produto na hora da sua
concepção antes de qualquer tentativa de fabricação.

•Os limites de controle, por outro lado, são valores calculados dos dados
observados no chão da fábrica e são valores práticos e não teóricos. Tolerância
mede o que deve ser, enquanto limites de controle medem o que realmente
é.

• O índice de capacidade é uma medida da

relação numérica entre os dois conceitos.

134
 Índice de capacidade (Cp)
Para processos centrados, o índice de capacidade (Cp) é a distância entre o limite de
especificação superior (LES) e o limite de especificação inferior (LEI) dividido pela
variabilidade natural do processo igual a 6 desvios padrão.

Índice de capacidade (Cp) = (LES – LEI)/6 desvios

padrão
Nesta expressão, o valor 6 desvios padrão é chamado muitas vezes “6 sigma” na literatura
 uma dasRexpressões
2
específica. O desviopadrão
Xi  é calculado com
S s=
Xn
d2
1
A primeira expressão é o desvio padrão do processo estimado com valores individuais,
não os valores em subgrupos.

A segunda expressão é o desvio padrão calculado na base dos subgrupos oriundo das
amplitudes (R) de cada subgrupo. O desvio padrão dos valores individuais é maior que o
desvio padrão baseado nos subgrupos, como foi apresentado no capítulo 2, seção 2.6
sobre o desvio padrão de Shewhart. O coeficiente d2 é apresentado na tabela 2.3 dos
coeficientes de 135
Shewhart.
 Taxa de rejeição – Distância de limites de Cp
soma dos dois lados do especificação da média em
processo (bicaudal) desvio padrão - Z
0,000000002 6,00 1,999
Relação entre Cp e taxa 0,0000006 5,00 1,667
de rejeição 0,000002 4,75 1,584
0,00002 4,26 1,422
0,0003 3,62 1,205
0,0004 3,54 1,180
0,0005 3,48 1,160
0,0006 3,43 1,144
Um valor de Cp igual a 2,0 0,0007 3,39 1,130
0,0008 3,35 1,118
significa que a taxa de rejeição 0,0009 3,32 1,107
fica em 0,002 unidades por PPM, 1,097
em outras palavras 2 em 1 bilhão. 0,0011 3,26 1,088
0,0012 3,24 1,080
0,0018 3,12 1,040
Por outro lado, um Cp igual a 0,0020 3,09 1,030
0,55 significa que o processo 0,0022 3,06 1,021
não é capaz e que a taxa de 0,0023 3,05 1,016
0,0024 3,04 1,012
rejeição é 10%. 0,0027 3,00 1,000
0,007 2,70 0,899
0,008 2,65 0,884
0,009 2,61 0,871
Na prática, adota-se o seguinte 0,01 2,58 0,859
valores de referência: 0,02 2,33 0,775
Cp  1,0 0,1 1,64 0,548
137