Curso de MINITAB – Universidade Federal de Ouro Preto

Gráficos de Controle
 Curso de MINITAB – Universidade Federal de Ouro Preto

1 - Introdução

Os gráficos de controle podem ser por variáveis ou por atributos, de acordo com a sua
classificação das variáveis contínuas (ex.: comprimento de uma peça, temperatura de uma
solução, ...) ou discretas, respectivamente.

As cartas Xbar e R são as mais utilizadas nos gráficos por variáveis. Uma carta R avalia a
variação entre subgrupos em uma ordem temporal. Uma carta Xbar nos ajuda a determinar se a
média do processo está sob controle estatístico quando os dados forem coletados em subgrupos
apropriados.

Os gráficos P, NP, C e U são os mais utilizados nos gráficos por atributos.

2 - Objetivos
1. Monitorar os dados temporais para uma característica particular de qualidade,
como exemplo: a cor de um produto, o peso ou a temperatura;
2. Detectar mudanças no processo ao longo do mesmo;
3. Responder perguntas do tipo:
• São os lotes de matéria-prima ou a variação de turno que causam a
variação do processo?
• São causa especiais do processo ou causas naturais (como a temperatura)
que ocasionam a variação no processo?
• A variação entre as diferentes remessas (lotes) de produção é maior que o
esperado?

Gráfico de controle por Variáveis

Uma carta de controle é um gráfico seqüencial desenvolvido especialmente para ajudar a

identificar padrões anormais de variabilidade em um processo, possuindo além dos gráficos dos
dados limites os quais denominamos limites de controle.

EXEMPLO 1

Proposta:
Verificar se o processo está sob controle estatístico, ou seja, somente causas comuns de
variação influenciam processos.

Problema:
A fábrica Peças & Peças deseja realizar um controle de qualidade do processo de
fabricação de parafusos.

Dados coletados:
A cada meia hora são retiradas cinco peças da linha de produção, que são medidas em
certa dimensão e os valores registrados. Definimos, neste caso, que o tamanho do
subgrupo é igual a cinco sendo que 25 subgrupos foram obtidos.

Ferramenta:
• Xbar-R

Arquivo de dados:
parafusos.MPJ
 Curso de MINITAB – Universidade Federal de Ouro Preto

Variável Descrição
Parafuso Leitura da dimensão obtida de cada parafuso.
Hora em que cada subgrupo de parafusos foi
Tempo
examinado no processo.

Xbar-R

1. Abra parafusos .mpj

2. Selecione Stat > Control Charts> Variables Charts for Subgroups > Xbar-R
3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK

INTERPRETANDO OS RESULTADOS
Dois gráficos foram obtidos: o gráfico Xbar-R, para as médias e, o gráfico R, para as
amplitudes. É recomendado que o gráfico R (amplitude) seja analisado em primeiro lugar.
 Curso de MINITAB – Universidade Federal de Ouro Preto

Xbar-R Chart of 1; ...; 5

U C L=562,237
562

561
Sample M ean

_
_
560 X=559,912

559

558
LC L=557,587
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample

U C L=8,52
8
Sample Range

6
_
4 R=4,03

0 LC L=0
1 3 5 7 9 11 13 15 17 19 21 23 25
Sample

No gráfico das amplitudes verifica-se que existe um ponto acima do limite superior de
controle, caracterizando uma causa especial de variação. Esse ponto mostra que a
amplitude no subgrupo 12 está muito maior que o aceitável, existindo muita variação nos
dados deste subgrupo.

No gráfico das médias, o valor da média do subgrupo 12 é maior que o limite superior de
controle. Tem-se uma causa especial de variação detectada pelo gráfico de controle.

Se desejarmos obter gráficos de controle por operadores, podemos usar o submenu

Estimate Parameters BY Groups in. Em Variable used to define groups for estimating
parameters, entramos com a coluna índices.

Gráfico de Controle por Atributos

Os gráficos de controle por atributos são usados quando dados possuem uma
característica de atributo como aprovado/reprovado ou para contagem de defeitos ou
produtos defeituosos. A análise destes gráficos é similar à dos gráficos de controle por
variáveis, para detectar causas especiais de variação.

Os gráficos de controle por atributos podem ser classificados por:

P: para proporção de não-conformes

NP: para número de não conformes
C: para número de não-conformidades
U: para proporção de não conformidades
 Curso de MINITAB – Universidade Federal de Ouro Preto

Gráfico P

EXEMPLO 2
Proposta:
Verificar se a proporção de pedidos não aceitos está sob controle.

Problema:
O Banco de Minas deseja saber o número de pedidos não aceitos para a abertura de
contas em uma rede bancária.

Coleta de dados:
Foram coletadas uma amostra de 20 pedidos.

Ferramenta:
• P Chart

Arquivo de dados:
pedidos.MPJ

Variável Descrição
Pedidos Número de pedidos não aceitos pelo banco.

PChart
1. Abra pedidos.mpj
2. Selecione Stat > Control Charts> Attributes Charts > P...
3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK
 Curso de MINITAB – Universidade Federal de Ouro Preto

INTERPRETANDO OS RESULTADOS

P Chart of Pedidos não aceitos

0,18

0,16 UCL=0,1610

0,14

0,12
Proportion

0,10

0,08
_
0,06 P=0,0590

0,04

0,02

0,00 LCL=0

1 3 5 7 9 11 13 15 17 19
Sample
Tests performed with unequal sample sizes

O gráfico obtido está sob controle estatístico, pois todos os subgrupos estão dentro dos
limites especificados de controle.
Para cada subgrupo é calculado um valor para o limite superior e inferior de controle, pois
o tamanho dos subgrupos é variável, ou seja, para cada amostra existe uma quantidade
de pedidos diferentes.

Gráfico NP

EXEMPLO 3

Proposta:
Verificar se o processo de fabricação do produto pode ser considerado sob controle
estatístico.

Problema:
Uma fábrica deseja analisar se os seus produtos estão conforme ou não conformes.

Coleta de dados:
Analisou-se 20 lotes contendo 35 produtos cada.

Ferramenta:
• NP Chart

Arquivo de dados:
pecas.MPJ
 Curso de MINITAB – Universidade Federal de Ouro Preto

Variável Descrição
Peças Número de Peças não conformes.

NPChart
1. Abra pecas.mpj
2. Selecione Stat > Control Charts> Attributes Chart > NP...
3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK.

INTERPRETANDO OS RESULTADOS
 Curso de MINITAB – Universidade Federal de Ouro Preto

NP Chart of Produtos não conformes

14
UCL=13,61

12

10
Sample Count

8
__
NP=6,65
6

0 LCL=0

1 3 5 7 9 11 13 15 17 19
Sample

Conclui-se que o número de peças não conformes está sob controle estatístico, já que
nenhum ponto ultrapassa o limite de controle.

Gráfico C

EXEMPLO 4
Proposta:
Verificar o número de erros nas fichas de cadastramento de uma empresa.

Problema:
Foi observado um grande número de erros no preenchimento dos cadastros dos
vendedores de uma empresa. Deseja-se analisar o número de erros por cadastro (não
conformidades).

Coleta de dados:
Analisa-se uma amostra de 22 conjuntos, contendo 15 fichas de cadastro cada.

Ferramenta:
• C Chart

Arquivo de dados:
cadastros.MPJ

Variável Descrição
Número de erros (não conformidades) em cada
Cadastros
conjunto de cadastros.
 Curso de MINITAB – Universidade Federal de Ouro Preto

CChart

1. Abra cadastro.mpj
2. Selecione Stat > Control Charts> Attributes Chart > C...
3. Complete a caixa de diálogo como mostra a figura:

4. Clique em OK.

INTERPRETANDO OS RESULTADOS

C Chart of Número de erros

1 1

25

1 1

20
1

UCL=17,04
Sample Count

15

10 _
C=8,36

0 LCL=0

1 3 5 7 9 11 13 15 17 19 21
Sample

Conclui-se, analisando o gráfico obtido, que o número de erros por conjunto de 15

cadastro está fora de controle estatístico. Observa-se 5 pontos acima do limite superior de
controle caracterizando a presença de possíveis causas especiais de variação. Nestes 5
 Curso de MINITAB – Universidade Federal de Ouro Preto

pontos o número de erros por conjunto de cadastro foi superior que o valor máximo
aceitável.

Gráfico U

EXEMPLO 5

Proposta:
Verificar o número de erros nas fichas de cadastramento de uma empresa.

Problema:
Considere o problema anterior.

Observação:
Para a construção deste gráfico, o tamanho do subgrupo pode ser constante ou variável.

Ferramenta:
• U Chart

Arquivo de dados:
ficha.MPJ

Variável Descrição
Proporção de erros (não conformidades) em cada
Cadastros
conjunto de cadastro cadastros.

UChart

1. Abra ficha.mpj
2. Selecione Stat > Control Charts> Attributes Charts > U...
3. Complete a caixa de diálogo como mostra a figura:
 Curso de MINITAB – Universidade Federal de Ouro Preto

4. Clique em OK.

INTERPRETANDO OS RESULTADOS

U Chart of Núemro de erros

0,9
1

0,8
1
1
0,7
Sample Count Per Unit

0,6 UCL=0,5917

0,5

0,4
_
0,3 U=0,2977

0,2

0,1

0,0 LCL=0,0037

1 3 5 7 9 11 13 15 17 19 21
Sample
Tests performed with unequal sample sizes

Observa-se neste gráfico que a proporção de erros no conjunto de cadastros está fora de
controle estatístico. Nota-se, também, que para cada subgrupo existem valores de limite
superior e inferior de controle, devido ao número de cadastros analisados variar de
subgrupo para subgrupo.