CEP: Controle Estatístico do Processo

Empresa Certificada pelo
Registro Nº 458
Curso
Controle Estatístico do Processo
Básico
1
Escritório: (11) 3711-4010
www.jpverithas.com.br
Linha Direta (11) 8339-7594
jpverithas@jpverithas.com.br
Fax: (11) 2092-8914
Registro Nº 458
• Apresentação
Hoje, uma das mais poderosas ferramentas de determinação de controle da qualidade é o

processo de determinação estatística. Nos processos modernos, não se pode falar de
sistemas de controle de qualidade e monitoramento sem termos noção exata de um bom
sistema estatístico jogando ao nosso favor.
Com a complexidade dos processos produtivos modernos, uma das ferramentas mais
consagradas como eficazes a muitos anos é o Controle Estatístico do Processo – CEP. Ter
conhecimento desta ferramenta hoje é questão de sobrevivência de processos produtivos.
Este material traz, de forma resumida, as principais ferramentas de uso nos estudos
estatísticos do sistema de qualidade industrial. O entendimento das ferramentas
estatísticas é de fundamental importância para um monitoramento completo de processos.
Julio Pastore – Consultor
JP Verithas Consulting
2
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Capítulo 1 - Média, mediana, moda e outras medidas da tendência central.
Índices ou notação por índices
O símbolo Xj (leia-se "X índice j") representa qualquer um dos N valores, X1, X2, X3, ... XN,
assumidos pela variável X. A letra j, em XJ, que pode representar qualquer; dos números 1, 2,
3, ... N, é denominado índice. Evidentemente, pode ser usada qualquer outra letra além de j,
como i, k, p ou s.
Notação de somatório
O símbolo é usado para representar a soma de todos os Xj desde que j=1 até j=N, isto
é, por definição.
Quando não há possibilidade de confusão, indica-se, freqüentemente, aquela soma de modo

mais simples por:
O símbolo Σ é a letra grega maiúscula sigma, que indica soma.
Média, mediana, moda e outras medidas da tendência central
A média é um valor típico ou representativo de um conjunto de dados. Como esses valores

típicos tendem a se localizar em um ponto central, dentro de um conjunto de dados ordenados
segundo suas grandezas as médias também são denominadas medidas da tendência central.
Vários tipos de médias podem ser definidas, sendo as mais comuns à média aritmética ou,
abreviadamente, a média, a mediana, a moda, a média harmônica. Cada uma delas apresenta
vantagens e desvantagens, dependendo dos dados e dos fins desejados.
3
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Média aritmética
A média aritmética ou média de um conjunto de N valores X1, X2, XN é representado por (leia-
se por “X Barra”) e definida por:
(1)
Se os números X1, X2, XN ocorrem f 1, f 2,...fk vezes, respectivamente (isto é, ocorrem com
freqüências f1, f2,...fk), a média aritmética será:
(2)
Onde N=Σf é a freqüência total, isto é, o número total de casos.
Exemplo: Se 5 , 8, 6, 2 ocorrem com as freqüências 3, 2, 4 e 1, respectivamente, a média

aritmética será:
Média aritmética ponderada
Às vezes, associam-se os números X1, X2, XK a certos fatores de ponderação pesos W 1, W 2, ...,
W K, que dependem do significado ou importância atribuída aos números. Nesse caso:
(3)
tem a denominação de média aritmética ponderada. Note-se sua semelhança com a fórmula da
média aritmética, que pode ser considerada uma média aritmética ponderada, com os pesos f 1,
f 2,...fk.
Exemplo: Se o exame final, em um curso, tem peso 3 e as provas correntes peso 1, e um

estudante tem grau 85 naquEle exame e 70 e 90 nas provas, seu grau médio é:
4
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Propriedades da média aritmética
(a) A soma algébrica dos desvios de um conjunto de números, em rElação à média

aritmética, é zero.
Exemplo: Os desvios dos números 8, 3, 5, 12, 10, em rElação à sua média aritmética 7,6, são:
8 - 7,6, 3 - 7,6, 5 - 7,6, 12 -7,6, 10 - 7,6 ou 0,4 - 4,6 - 2,6,4,4, 2,4 com soma algébrica igual a:
0,4 - 4,6 - 2,6 + 4,4 + 2,4 = 0.
(b) A .soma dos quadrados dos desvios de um conjunto de números Xj, em rElação a
qualquer número a, é um mínimo se e somente se a = Xbarra.
(c) Se f 1 números têm média m1, f 2 números têm médias m2, ..., fK números têm média mK,
a média de todos os números é
(4)
isto é, a média aritmética ponderada de todas as médias.
.
(d) Se A é qualquer média aritmética admitida ou arbitrada (que pode ser qualquer
número), e se dj = Xj - A são os desvios Xj, em relação a A, então as equações das
médias aritméticas tornam-se, respectivamente:
(5) e (6)
em que . Note-se que as equações acima são resumidas nas equações
Cálculo da média aritmética para dados agrupados
Quando os dados são apresentados em uma distribuição de freqüência, todos os valores

incluídos num certo intervalo de classe são considerados coincidentes com o ponto médio do
intervalo. As fórmulas (2) e (6) serão válidas para esses dados agrupados quando se
interpretar Xj com o ponto médio, fj como a freqüência de classe correspondente, A como
qualquer ponto médio admitido ou arbitrado e dj = Xj - A como o desvio de Xj, em rElação a A.
Os métodos de cálculo que empregam as fórmulas (2) e (6) são, às vezes denominados
processo longo e abreviado, respectivamente.
5
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Se todos os intervalos de classe têm a mesma amplitude c, todos os desvios dj =Xj-A podem
ser expressos como c . Uj, podendo Uj ser números inteiros positivos ou negativos, ou zero,
isto é O 1, 2, 3, ..., e a fórmula (6) torna-se:
que é equivalente à equação Xbarra = A + c . ubarra. Chama-se a isto processo abreviado para o
cálculo da média. É um método muito rápido e deveria ser usado sempre para dados
agrupados, quando as amplitudes dos intervalos de classe forem iguais. Note-se que, no
processo abreviado, os valores da variável X são transformados nos valores da variável u,
segundo a rElação, X = A + c . u
A mediana
A mediana de um conjunto de números, organizados em ordem de grandeza (isto é, em um

rol), é o valor central ou a média aritmética dos dois valores centrais.
Exemplo 1: O conjunto dos números 3, 4, 5, 6, 8, 8, 8, 10 tem mediana 6.
Exemplo 2: O conjunto dos números 5, 5, 7, 9, 11, 12, 15, 18 tem mediana
Para os dados agrupados, a mediana, obtida por interpolação, é dada pEla fórmula:
em que:
• L1 - limite inferior da classe mediana (isto é, da classe que contém a mediana);

• N - número de itens dos dados (isto é, freqüência total);
• (Σf)1 - soma de todas as freqüências das classes inferiores à mediana;
• c - amplitude do intervalo da classe mediana.
Geometricamente, a mediana é o valor de X (abscissa) correspondente à vertIcal que divide o

hIstograma em duas partes de áreas iguais. Esse valor de X é, às vezes, representado por Xtil.
A moda
A moda de um conjunto de números é o valor que ocorre com a maior freqüência, ou seja: é o
valor mais comum. A moda pode não existir e, mesmo que exista, pode não ser única.
Exemplo 1. O conjunto 2, 2, 5, 7,9,9,9, 10, 10, 11, 12, 18 tem moda 9.

Exemplo 2. O conjunto 3, 5, 8, 10, 12, 15, 16 não tem moda.
Exemplo 3. O conjunto 2, 3, 4, 4, 41, 5, 5, 7, 7, 7, 9 tem duas modas 4 e 7 e é denominado
bimodal.
6
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Uma distribuição que tem apenas uma única moda é denominada unimodal.
No caso de dados agrupados para os quais foi construída uma curva de freqüência que a Eles
se ajuste, a moda será o valor (ou valores) de X correspondente ao ponto de ordena máxima
(ou pontos) da curva. Este valor é, algumas vezes, representado por X.
Para uma distribuição de freqüência ou histograma a moda pode ser obtida por meio da
fórmula:
em que:
• L1 - limite inferior da classe modal (isto é, a que contém a moda);

• ∆1 - excesso da freqüência modal sobre a da classe imediatamente inferior
• ∆2 - excesso da freqüência modal sobre a da classe imediatamente superior
• c - amplitude do intervalo da classe modal.
Relação empírica entre a média, a mediana e a moda
Para as curvas de freqüência unimodal moderadamente inclinadas (assimétricas) vigora a

rElação empírica.
Média - Moda = 3 (Média - Mediana).
Nas Figuras 3.1 e 3.2, aparecem as posições relativas da média, da mediana e da moda para
curvas de freqüência inclinadas para a direita e para a esquerda respectivamente. Para curvas
simétricas, a moda e a mediana são todas coincidentes,
7
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Capítulo 2 - O desvio padrão e outras medidas de dispersão
Dispersão ou variação
O grau ao qual os dados numéricos tendem a dispersar-se em torno de um valor médio chama-
se variação ou dispersão dos dados. Dispõe-se de várias medidas de dispersão ou de
variação, sendo as mais comuns à amplitude total, o desvio médio, a semi-interquartílica, a
amplitude entre os centis 10-90 e o desvio padrão.
A amplitude total
A amplitude total de um conjunto de números é a diferença entre o maior e o menor número do

conjunto.
Exemplo: A amplitude total do conjunto 2, 3, 3, 5, 5, 5, 8, 10, 12, é: 12 - 2 = 10, Algumas

vezes, a amplitude total é indicada, simplesmente, pEla citação do menor e do maior número.
No caso acima, por exemplo, a amplitude total poderia ser indicada como 2 a 12 ou 2 -12.
O desvio médio de um conjunto de 3N números X1, X2, XN é definido por:
(1)
em que X é a média aritmética dos números e I Xj - Xbarra I é o valor absoluto do desvio de Xj

em rElação a Xbarra. O .valor absoluto de um número é Ele próprio, sem o sinal que lhe é
assocIado, é indicado por meio de duas linhas verticais que o enquadram. Assim, I -4 I = 4;
I + 3 I = 3; I 6 I = 6; I -0,84 I = 0,84.
Exemplo: Determinar o desvio médio do conjunto de números 2, 3, 6, 8, 11
Se X1, X2, XN ocorrerem com as freqüências f1, f 2, ..., f K, respectivamente, o desvio médio
poderá ser indicado da seguinte forma:
(2)
8
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
em que
Essa forma é vantajosa para os dados agrupados, em que Xj representam os pontos médios e
os f j são as freqüências de classe correspondentes.
Ocasionalmente, o desvio médio é definido em termos dos desvios absolutos em rElação à

mediana ou a outra média, em vez da aritmética. Uma propriedade interessante da soma:
é que Ela é mínima quando α é a mediana, isto é, o desvio médio em

rElação à mediana é um mínimo.
Note-se que seria mais apropriado usar a terminologia desvio médio absoluto em vez de desvio
médio.
A amplitude semi-interquartílica ou desvio quartílico de um conjunto de dados é definida por:
(3)
em que Q1 e Q3 são o primeiro e o terceiro quartis referentes aos dados. A amplitude

interquartílica Q3 – Q1 é empregada algumas vezes, mas a amplitude semi-interquartílica é
mais comum como medida de dispersão.
A amplitude entre os percentis 10-90 de um conjunto de dados é definida por:
Amplitude entre os percentis 10 – 90 = P90 – P10 (4)

o o
em que P10 e P90 são o 10 e o 90 percentis referentes aos dados. A semi-amplitude entre os
percentis 10-90, 1/2 (P90 – P10), pode também ser empregada mas não o é comumente.
O desvio padrão de um conjunto de N números X1, X2, XN é representado por s e definido por:
(5)
em que x representa o desvio de cada um dos números Xj em rElação à média Xbarra. Assim,
s é a raiz média quadrática dos desvios, em rElação à média ou, como é muitas vezes
'denominada, o desvio da raiz média quadrática. Se X1, X2, XN ocorrerem com as freqüências
f 1,f 2, ...,f K, respectivamente, o desvio padrão pode ser definido por:
9
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
(6)
em que .
Esta fórmula é vantajosa para os dados agrupados.
Às vezes, o desvio padrão correspondente aos dados de uma amostra é definido com (N - 1),
em lugar de N nos denominadores das expressões (5) e (6), porque o valor que disso resulta
representa uma estimativa melhor do desvio padrão da população da qual a amostra foi
extraída. Para grandes valores de N (certamente N> 30) não há, praticamente, diferença entre
as duas definições. Também, quando for necessária a melhor estImatIva, poder-se-á obtê-la
sempre, multiplicando-se o desvio padrão, calculado de acordo com a primeira definição, por:
Por essa razão, podemos conservar a definição anteriormente apresentada.
A variância
A variância de um conjunto de dados é definida como o quadrado do desvio padrão e é, deste

2
modo, representada por s , símbolo definido nas Equações (5) e (6). Quando é necessário
distinguir entre o desvio padrão de uma população e o de uma amostra dEla extraída, adota-se
freqüentemente o símbolo s para o último e o para o primeiro. Assim, s e σ representariam a
2 2
variância da amostra e a da população, respectivamente.
Métodos abreviados para o cálculo do desvio padrão
As Equações (5) e (6) podem ser escritas, respectivamente, sob as formas equivalentes:
(7) e (8)
2
em que (Xbarra) indica a média dos quadrados dos diferentes valores de X, ao passo que
2
(Xbarra) indica o quadrado da média dos diferentes valores de X.
10
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Se dj = Xj - A é o desvio de cada valor de Xj, em rElação a uma constante arbitrária A, os

resultados (7) e (8) tornam-se, respectivamente:
(9) E (10)
Quando os dados estão agrupados em uma distribuição de freqüência, cujos intervalos de

classe têm a mesma amplitude c, têm-se: dj = c . Uj ou Xj = A + c . Uj e a expressão (10) torna-
se:
(11)
Esta fórmula proporciona um método bastante abreviado para o cálculo do desvio padrão, que
deveria ser empregado sempre para os dados agrupados, quando as amplitudes dos intervalos
de classe são iguais. E denominado método abreviado e é exatamente análogo ao utilizado
para o cálculo da média aritmética dos dados agrupados, no Módulo 3.
Propriedades do desvio padrão

O desvio padrão pode ser definido por:
em que α é uma média próxima da aritmética. De todos esses desvios

padrões, o .mínimo é aquEle para o qual a = X, por causa da Propriedade (b), da média , vista
no Capítulo 3. Essa propriedade proporciona uma razão importante para que o desvio padrão
seja definido sob a forma anterior.
Para as distribuições normais isso significa que:
11
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
(a) 68,27% dos casos estão incluídos entre X - s eX + s (isto é, um desvio padrão de cada lado
da média).
(a) 95,45% dos casos estão incluídos entre X – 2s e X + 2s (isto é, dois desvios padrões
de cada lado da média).
(b) 99,73% dos casos estão incluídos entre X – 3s e X + 3s (isto é, três desvios padrões
de cada lado da média).
Isso está indicado na Figura 4.1.
Para as distribuições moderadamente assimétricas, as percentagens acima podem ser

aproximadamente mantidas.
Suponha-se que dois conjuntos constem de N1 e N2; números ou duas distribuições com as
2 2
freqüências totais N1 e N2), tenham variâncias representadas por S1 e S2 , respectivamente, e
a mesma média Xbarra. Então, a variância conjunta. ou combinada de ambos os conjuntos (ou
ambas as distribuições de freqüência) é dada por:
Note-se que é a média aritmétIca ponderada das variâncias. Esse resultado pode ser
generalizado para 3 ou mais conjuntos.
12
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Comportamento dos eventos estatísticos
figura 2: formação de curvas de controle estatístico pelo número de eventos
figura 3: curvas normais e suas análises de fatores de influência
• Causas comuns e causas especiais:
13
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Para que possamos entender corretamente as variações que ocorrem em um

processo, temos que entender bem a figura 2 e 3 acima.
Dois produtos produzidos em um mesmo sistema não são necessariamente idênticos

pois os processos estão sendo influenciados por variáveis todo o tempo. A diferença
entre elementos produzidos pode ser impossível de se medir com os métodos
disponíveis por determinado analisador mas, com certeza, estão presentes.
Se analisarmos a variação de um simples diâmetro, o mesmo pode ser causas

diversas que podem ocorrem de forma combinada – O diâmetro da ferramenta,
material usinado, habilidade do operador, velocidades de corte, alinhamento de
ferramenta, manutenção do sistema, temperatura ambiental, variações do sistema de
medição, etc.
Temos noção que, em uma análise destas, temos a tendência de detectar a principal
fonte (a que predomina) e chamarmos de única. Simplesmente ela não será a única,
mas a fortemente predominante.
Para que possamos ter noção das variações que podem ocorrer em um processo,
utilizamos a curva de freqüências de eventos (figura 2) que gerará uma curva
chamada normal (figura 3) se os eventos obedecerem às regras definidas para
demonstração de curva normal. As principais características que vamos analisas
nestas curvas são:
o Localização da mesma – centrada ou não centrada

o Largura: em processos com maior variação de valores ou menor
o Formato: se as variações são simétricas à média, por exemplo
O princípio de análises de capacidade do processo estará sempre ligada à análise

destas grandezas. Por isso as análises gráficas são extremamente úteis no sistema
estatístico.
O objetivo deste estudo é manter estas características apontadas acima sob controle.
Para isso, é extremamente útil entender causas de variações:
o Causas comuns de variações: pode se referir a várias variáveis

atuantes no processo que são intrínsecos do mesmo. Estas causas,
quando controladas e previstas, podem ser monitoradas e influenciadas
de tal forma que possamos manter o processo sob controle satisfatório.
o Causas especiais de variações: são aquelas que não pertencem ao
dia-a-dia do processo mas em determinado tempo comutaram
influência no mesmo de tal forma a modificar seus parâmetros
estatísticos. Se estas variações atuarem em um ou outro evento
isolado, trata-se como causas que não são passíveis de estudo
aprofundado. Mas se a mesma se mostra mais presente no processo,
evidenciando uma causa nova e predominante, a mesma deve ser
mapeada para controle.
14
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
• Ações locais e ações no sistema produtivo:
Há uma importante conexão entre dois tipos de variações abordadas e que é

extremamente necessário seu conhecimento para análise.
Um processo de estudo estatístico simples pode detectar causas especiais de

variação. Sendo esta descoberta, estuda-se ferramentas que possam fazer com que o
sistema esteja sob controle. Embora o sistema administrativo de melhoria possa estar
envolvido com a correção desta deficiência, a resolução de causas especiais de
variação normalmente requer ações locais.
Este mesmo sistema de análise estatística também pode indicar a extensão das
causas comuns do processo embora estas exijam um estudo mais elaborado. A
correção de causas comuns é normalmente uma posição estratégica de administração
do sistema. Muitas vezes, pessoas ligadas ao processo podem observar variações
comuns do processo. Se estar tiverem à disposição uma ferramenta que proporcione
uma comunicação eficaz das observações feitas à administração, provavelmente a
tomada de ações preventivas ficará mais eficaz.
Em pesquisa feita nas empresas constatou-se que somente uma pequena variação do
processo significativa (cerca de 15% do total) era causado por fatores humanos. Os
outros 85% estavam ligados às ferramentas administrativas de detecção e correção.
15
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 4: controle de processo e capabilidade de processo
16
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
• Controle de processo e capabilidade do processo:
O controle do processo deve ser uma parte integrante do sistema de negócios de uma
empresa. O mesmo traz, como objetivo principal, o monitoramento do mesmo e a
garantia que o final do processo dará o resultado esperado com o preço proposto, sem
perdas.
Para isso, deve-se ter uma análise de risco do processo que pode ser obtida pelos
estudos de capacidade do mesmo. Adotamos que um processo está sob controle
quando atua nele suas causas comuns de variação e estas são conhecidas e
influenciadas. Uma das funções principais do estudo estatístico é a detecção de
causas especiais no sistema e como podemos evitá-las e / ou controlá-las.
Controle versus capacidade:
Quando discutimos a capacidade de um processo, temos dois pontos de contraste do

mesmo:
• Capacidade do processo
• Performance do processo
A capacidade do processo é determinada pela suas variações causadas por causas

comuns ao processo. Clientes, sejam internos ou externos, são mais focados à
performance do processo que analisa, substancialmente somente a saída do mesmo e
se este atende aos requisitos.
Quando um processo está sob controle, a primeira ação tomada é colocar a

localização da curva de eventos no alvo da especificação.
Para termos uma visão dos tipos de resultados de performance, temos a tabela abaixo
que mostra que é essencial à análise de fatores de capacidade.
figura 5: tabela de classificação de controle estatístico
Podemos verificar os seguintes acontecimentos:
1. Caso 1 (case 1): O processo está em controle estatístico e sua performance

final é aceitável.
17
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
2. Caso 2 (case 2): O processo está sob controle mas há a presença forte de
variações comuns ao sistema as quais devem ser reduzidas.
3. Caso 3 (case 3): Neste caso o processo tem um performance aceitável para o
cliente (“só vai peça boa”) mas está fora de controle pois há um número
significativo de causas especiais que devem ser detectadas, neutralizadas e /
ou controladas.
4. Caso 4 (case 4): Neste caso o processo está fora de controle e não há como
tirar peças que atendam as especificações do cliente.
Índices de processo:
O sistema aceito na indústria automobilística é o que quantifica a capacidade do

processo (nas suas causas comuns de variação) somente depois que o mesmo tenha
mostrado estar sob controle estatístico. Causas especiais são responsáveis por
variações de localização, largura e / ou formato das curvas estatísticas geradas nos
estudos. Neste caso podemos usar os fatores CP e CPK .Estes serão demonstrados no
Capítulo 4.
figura 6: Ciclo de melhoria contínua
18
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
1. Mantendo o processo sob controle:
Uma vez entendido o processo, o mesmo deve ser mantido em índices aceitáveis de
capabilidade. A sua performance deve ser monitorada com medições efetivas para a
detecção de problemas e tomadas de decisões de mudanças e implementações.
A utilização de métodos estatísticos e cartas de controle de processo são ferramentas

poderosas para este diagnóstico mas vale lembrar que estudos de implementação de
melhoria de processo são sempre multidisciplinares e devem ser levadas em
consideração ferramentas administrativas de melhoria e estudos.
2. Melhorando o processo:
Até este ponto, determinamos nosso processo sob controle. Mas o ideal não é parar
as análises por este ponto, limitando-se ao controle do mesmo pois processos são, de
forma maior ou menor, susceptíveis a variações de causas especiais. O estudo de
causas especiais prováveis é uma ferramenta poderosa.
O objetivo de entender a fundo o processo não é só para mantê-lo sob controle mas
para agir de forma que causas que ainda não atuam sobre o mesmo mas tem
potencialidade de atuação sejam neutralizadas.
• Cartas de controle:
Em seu livro, W.E. Deming identifica dois tipos básicos de equívocos cometidos
quando se analisa processos:
1. Primeiro Equívoco: Atribuir causas especiais às variações do

processo a ser estudado quando as mesmas são causadas pelas suas
causas comuns
2. Segundo Equívoco: Assumir que as variações do processo são
causadas pelas suas causas comuns quando, na verdade, são causas
especiais.
Para que possamos evitar estes equívocos, ferramentas para detecção de causas
comuns devem ser determinadas. Histogramas estatísticos são poderosos para isso.
Eles indicam o comportamento primário do processo e representam o mesmo
graficamente. Para isso observamos se as variações comuns ao processo se
comportam de forma unimodal e se seguem uma distribuição chamada normal.
Desta forma, temos uma ferramenta simples e poderosa para separar causas comuns
de especiais: A carta de controle. Estas se utilizadas de maneira adequada, podem
sinalizar com precisão variações especiais e suas magnitudes no processo. Podemos,
assim, dimensionar ferramentas para controlar ou até neutralizar estas causas
especiais.
19
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Sabemos que a redução à zero de influência de uma causa é impossível. Desta forma,
a minimização até que seus efeitos sejam imperceptíveis na performance do processo
(neutralização) é importante.
Como devemos controlar?
Quando Shewhart desenvolveu as cartas de controle para detecção dos tipos de

causas, ele determinou duas regras básicas para a apresentação destas variáveis
gráficas:
• Os dados apresentados são sempre mostrados como evidências do processo

demonstrando suas características de comportamento através dos dados
obtidos
• Sempre que uma média, amplitude ou um histograma for utilizado para
sumarizar dados, os mesmos não podem ser desprezados dentro das
discussões de ações que podem melhorar o sistema tendo em vista que os
dados que configuram o processo foram tomados pelo tempo, mostrando
comportamento do processo.
figura 7: comportamento de uma série normal – O processo mudou?
Após ter localizado o processo em sua posição de curva, formato e largura, a questão
é: Como a localização do processo pode mudar?
Vamos focar somente a localização. Quais os tipos de análises que podem ser feitas
para determinar se um processo mudou? Para isso podemos fazer uma amostragem
do processo para verificar seu comportamento.
20
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 8: análise da média amostral de um processo
A questão agora é: Se o processo não mudou, o comportamento da média é igual ao

processo?
Para podermos responder esta pergunta, temos que ter noção que uma amostra deve
ser significativa para o grau de confiabilidade que queremos dar à análise. Para
podemos entender este sistema, podemos calcular a variação da amplitude de valores
tomados para a amostra em relação ao processo.
• Para amostras de 4 leituras:
para este processo de 4 tomadas. Mas se for feita uma amostra de 100
leituras este valor muda:
para 100 leituras. Desta forma percebe-se que quanto maior a amostra
menor a variação da mesma estimada a media.
Shewhart usou a distribuição de amostras para definir o sistema operacional de

análise. Desta forma, poderíamos verificar se um sistemas está sob controle. Para
isso, compara-se se os valores tomados estão dentro de +/- 3 desvios padrão. Estes
são chamados de limites de controle. Se as medições se encontrarem fora destes
limites, adota-se que causas especiais estão interferindo no processo.
21
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 9: relação de variações entre distribuição individual e amostral.
Em geral, para se produzir uma carta de controle, devemos determinar:
• Linha de centro (centerline) Média estatística a ser analisada.

• LSC (UCL): Limite superior de controle: Linha de centro + 3 desvios padrão
• LIC (LCL): Limite inferior de controle: Linha de centro – 3 desvios padrão
Abordagem:
Para a análise dos dados amostrais:
• Revisão dos dados

o Métrica apropriada: Se os valores realmente refletem o processo e
quais os pontos que podem ser relevados para uma análise de
negócios
o Se os dados são consistentes
o Se os dados são confiáveis
o Se os sistemas de medição utilizados são apropriados e adequados.
• Colocando os dados em gráfico:
o Gráfico por ordem de tempo de fatos
o Compara os pontos analisados e se estes se encontram dentro ou fora
dos limites de controle determinados.
o Compara com a linha de centro e determina se algum acontecimento
não aleatório no sistema (distorção de curva).
• Análise dos dados
22
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
• Tomada de ações apropriadas
Os dados são comparados com os limites de controle determinados para se ver se as

variações são estáveis e se pertencem às suas causas comuns. Se causas especiais
forem evidenciadas, o processo deve ser estudado mais a fundo para determinação
das mesmas. Depois das ações tomadas, deve-se tomar outros valores experimentais
de análise e recalcular os limites de controle para determinar as possíveis melhorias e
se estas são eficazes.
Controle:
• Revisão dos esquema de dados coletados antes de começar os estudos:

o Se são apropriados (métodos por variáveis ou atributos)
o Se os valores são consistentes
o Se os valores são confiáveis
o Se os sistemas de medição utilizados são conhecidos e confiáveis
• Coloque no gráfico cada ponto analisado para determinação de sistema:
o Compare os valores com os limites de controle calculados e determine
se há pontos fora deste campo.
o Compare a linha de centro e verifique se fatores não aleatórios
interferiram no sistema.
• Analise os dados
• Tome ações apropriadas:
o Continue as ações já tomadas ou
o Identifique fontes de causas especiais e as remova ou as controle ou
o Continue sem tomar ações e diminua a amostra e / ou sua freqüência
ou
o Inicie um processo de melhoria contínua.
• Benefícios de controle de processo por cartas de controle:
Para podermos verificar os benefícios que este sistema nos trás, temos que separar
os focos de análise por assunto:
1. Visão filosófica administrativa: Como a empresa pode ser impactada em sua

performance com o sistema estatístico:
a. A empresa passa a ter foco na redução de variações
b. Estabelece um ambiente propício para minimizar competições internas
e dá mais funcionalidade para trabalhos em equipe
c. Estabelece sistemas de treinamento para seus colaboradores sobre as
ferramentas estatísticas
d. Mostra seu interesse em aproveitar as ferramentas e seus benefícios
para administração a minimização de desperdícios nos processos
e. Usa as ferramentas estatísticas para entender as variações de
engenharia do processo
f. Usa as ferramentas de estatística para tomada de decisões no seu dia-
a-dia.
23
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
2. Visão filosófica de engenharia:

a. Foco no sistema de projetos e redução de perdas através dos projetos
b. Estabelece um ambiente propício para minimizar competições internas
de engenharia e integração de times de trabalho.
c. Estabelece ferramentas de treinamento dos engenheiros para
adequação de seus conhecimentos às ferramentas estatísticas
d. Aplicação de ferramentas estatísticas para a composição de projetos
novos
e. Fomenta o conhecimento do comportamento dos processos e o
estabelecimento de ferramentas para sua minimização.
Este mesmo raciocínio se repete nas áreas de manufatura, controle de qualidade e

produção.
Capítulo 3 – Cartas de Controle
Cartas de controle são utilizadas para monitoramento de processos. Há basicamente

dois tipos de cartas de controle sendo por variáveis ou por atributos.
Alguns dos tipos mais comuns de cartas de controle são: Média e Amplitude ( Xbarra
R), por valores individuais (I), com amplitude móvel ( Xbarra MR), etc.
• Variações do processo:
figura 10: esquema de análise de um sistema
Podemos adotar os seguintes exemplos:
Dados de saída Tipos de carta de controle

• Distâncias entre referência e • [Xbarra para a média dos valores
superfície tomados]
• Resistência de um circuito
• Tempo de transmissão de sistema
• Mudanças de engenharia no • Amplitude R para os valores
processo de fabricação tomados
24
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 11: exemplos de precisão e exatidão
A carta de controle mais comum adotada é o modelo (Xbarra R). Este tipo de carta
separa grupos e subgrupos em que se tem a média de cada subgrupo, a médias das
médias, a amplitude de cada subgrupo e a média das amplitudes dos subgrupos.
Vale lembrar que, mesmo sendo esta carta a mais comum e usada, ela não é
apropriada para todas as situações.
Embora tenhamos cartas de controle para controle de variáveis, temos também para
atributos (passa / não passa, por exemplo). Esta carta é usada sempre que não temos
uma avaliação numérica da medida mas se esta está ou não em conformidade com
alguma especificação.
Grandezas que podem ser medidas de forma variável podem ser representadas por
sistema atributivo, por exemplo, pode-se medir o diâmetro de uma rosca porém
usamos um calibrador para esta avaliação ou simplesmente medimos mas
classificamos em boas e não-boas.
figura 12 – limites de classificação de atributos com zonas de dúvida
25
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Controle de cartas por atributos são importantes pelas seguintes razões:
1. A possibilidade de se mensurar processos atributivos em modos de

classificação de capacidade, sendo as avaliações clássicas se limitam à
análise de variáveis.
2. Dados de atributos são disponíveis em várias situações. Muitas vezes as
análises são atributivas e se fossem feitas análises por variáveis destas, muitas
vezes estas seriam inviáveis.
3. Dados atributivos são simples e rápidos de serem coletados. Muitos processos
fazem uso de análises de atributos para seus controles. Haverá somente a
necessidade de análises mais profundas (ou até por meio de variáveis) quando
o resultado cai nas zonas cinzas de dúvida (conforme figura 12).
4. Valores atributivos são mais fáceis de serem analisados para a tomada de
decisões, sabendo-se a proporção de itens bons e ruins, por exemplo.
Para que possamos trabalhar com o sistema de cartas de controle, temos que definir
alguns termos:
• Escala apropriada para a plotagem de dados:
A escala adotada deve ser suficiente para a fácil verificação gráfica da variação dos
valores.
figura 13 – tipos de escalas para plotagem de dados
• Limite superior de controle – LSC (UCL) e limite inferior de controle – LIC

(LCL):
Estes limites são determinados pelos resultados estatísticos da amostra e seu

tamanho. Estes limites não são as especificações do processo e não podem ser
substituídas pelas mesmas.
• Linha de centro:
A carta de controle requer uma linha de centro baseada na distribuição dos valores de
amostra para poder determinar se há a presença de elementos não aleatórios na
amostragem e quais suas fontes.
26
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
• Seqüência de subgrupos:
Manter a seqüência crescente de apontamento de dados de valores dos subgrupos

ajuda a determinar quando determinado fato ocorreu e se está ligado a alguma causa
especial que deve ser estudada.
• Identificação de valores fora da área de controle:
Pontos que estão localizados fora dos limites de controle são facilmente identificáveis
nas cartas de controle. Para análises de causas especiais, esta visualização é
essencial.
figura 14 – pontos fora da área de controle detectados
• Agenda de eventos (Diário de bordo):
Consiste em uma tabela em que o operador deve coletar e descrever eventos

importantes com data e hora para rastreabilidade de acontecimentos. Isso facilita a
análise de causas-raiz quando se detecta pontos fora dos limites de controle os quais
se deseja analisar.
figura 15 – exemplo de apontamentos no diário de bordo

27
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Para que se tenha uma carta de controle em que se possa fazer análises futuras e
rastreabilidade de fatos ocorridos quando da determinação de valores, deve-se
preencher a mesma da seguinte forma:
• O que: Identificação do nome da peça, código, etc

• Onde: Número da operação, por exemplo
• Quem: Operador e analista
• Como: Método e meios de medição utilizados, números dos equipamentos, etc.
• Quanto: números de subgrupos
• Quando: esquema de amostras (quando cada subgrupo de amostra foi
tomada).
figura 16 – apontamentos no diário de bordo de caso real conforme figura 17
28
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 17 – exemplo de carta de controle Xbarra R
29
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
• Seção A – Processo da carta de controle:
Antes de começar a utilizar as cartas de controle, alguns passos preparatórios devem

ser observados:
1. estabelecer um ambiente propício para a tomada de dados

2. definir o processo a ser analisado
3. determinar as características a serem analisadas baseado em:
a. Necessidades do cliente
b. Áreas de problemas correntes e futuros
c. Correlação entre características
4. Definir a grandeza
5. Definir um sistema de medição
6. Minimizar variações desnecessárias
7. Selecionar o estudo adequado para detectar causas especiais
Os passos para a construção de uma carta de controle são:
1. Coleta de dados
2. Estabelecimento dos limites de controle
3. Produzir resultados estatísticos dos eventos amostrais
4. Interpretar tais resultados
5. Entender os limites de controle para controles contínuos.
• Estabelecendo os limites de controle:
Limites de controle são definidos como uma variação natural do controle estatístico.
Os limites definem uma amplitude de valores que aleatoriamente os pontos caem
dentro deles, definindo que somente causas comuns ao processo promoveram estas
variações.
Esta é a base de todos as técnicas de controle estatísticos. Se o processo é estável,

(havendo somente variações de causas comuns a ele), então há uma alta
probabilidade de todos os resultados dos subgrupos de amostras caírem dentro das
margens de controle. Se o controle estatístico excede as margens de controle, causas
especiais atuaram no processo.
Para estudos estatísticos, há duas fases que norteiam os mesmos:
1. A prioridade é identificar as causas especiais e eliminá-las. O objetivo é

estabilizar o processo. Quando o mesmo está estável, pode-se dizer que o
mesmo está em controle estatístico.
2. A segunda fase diz respeito à previsão de medições futuras dentro do
ambiente estatístico presente. Durante esta fase, análise de dados e reações a
causas especiais são feitas em tempo real. Uma vez estável, o processo pode
ser analisado para determinar se o mesmo atende as necessidades do cliente.
30
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Vamos analisar o exemplo da figura 18 abaixo:
figura 18 – recálculo dos limites de controle
No caso acima, podemos denotar:
1. Detecção de causas especiais na carta de amplitudes R:
Foi detectado que há uma causa especial no subgrupo nº 12 que coloca seus valores
fora dos limites de controle de amplitude. Desta forma, temos uma causa especial.
Neste caso, devemos classificar exatamente qual foi a causa. Neste exemplo, o grupo
de trabalho localizou, com o uso do diário de bordo e rastreabilidades de informações
que o operador que gerou a sub amostra não estava com seu treinamento eficaz.
Após isolado e tratado o problema, o ponto deve ser excluído da tratativa.
Após a exclusão da causa especial (somente depois de classificada de forma correta),

deve-se recalcular os limites de controle.
31
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
2. Detecção de causas especiais a partir do gráfico de médias:
Após a atuação e recálculo descritos acima, os novos limites de controle denotaram

que há dois pontos no gráfico de médias que estão fora dos limites. A mesma ação
que foi tomada para o caso especial do gráfico de amplitudes deve ser tomada.
Estuda-se os casos e verifica-se, com confiabilidade, a causa raiz que determinou os
valores fora dos limites de controle. De posse de ações corretivas, pode-se excluir os
pontos que geraram estes resultados e deve-se recalcular os limites novamente.
O processo de análise só pára quando todos os pontos estiverem dentro dos limites de
controle estabelecidos.
figura 19 – Cálculo de extensão dos limites de controle
32
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
• Estendendo os limites de controle em controles contínuos:
Depois das primeiras amostras tomadas nas primeiras datas (subgrupos), pode-se
estender e estudar a tendência para períodos futuros. Uma mudança em um valor de
subgrupo pode mudar todos os resultados de limites de controle de médias e
amplitudes. Para que possamos ter uma ferramenta de análise de tendências do
sistema, podemos:
1. Calcula-se o desvio padrão estimado da média:
onde é a média das amplitudes dos subgrupos já medidos e d2 é o

valor da tabela abaixo (tabela completa no final desta apostila) para o número de
subgrupos já determinados em medição.
Usando-se a tabela acima novamente, calcula-se a nova amplitude média estimada

conforme segue abaixo:
Depois de determinada a amplitude média estimada, plota-se o novo limite de controle

na carta de controle. Conforme os valores reais forem sendo determinados para novos
subgrupos, novas estimativas podem ser determinadas para períodos adicionais.
Porém, se os valores reais de análise mostrarem que o processo, embora sob
controle, mudou seu comportamento (mudando a direção de evolução dos valores de
média, por exemplo), as tendências não poderão perceber isso se a mudança for
imediata.
Conclusões finais:
O processo como um todo e seus controles não buscam a perfeição mas um sistema
que esteja dentro de margens controladas e conhecidas, os quais possam ter
confiabilidade de aplicação e interpretação.
Obviamente há diferenças entre ferramentas estatísticas e seus graus de profundidade

de análises. As ferramentas apresentadas nestes estudos tem por definição trazer
sistemas simples de cálculos, que sejam aplicáveis no dia-a-dia e com nível de
confiabilidade para tomada de decisões considerável.
33
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 20 – estudos gráficos de variação de processos
34
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
• Seção B – Definindo sinais de sistema “fora de controle”:
A presença de pontos fora dos limites de controle indicam que o processo está fora de
controle naquele ponto. Isso é indicativo de atuação de causas especiais no sistema.
Mas antes das análises, é importante se observar alguns pontos:
1. Os limites de controle possuem erros de determinação nos cálculos

2. As variações são gradativas, indicando tendência no processo, sendo que, em
determinado evento, o limite é atingido. Desta forma, o estudo correto deve ser
feito em analisar e tendência do processo e não somente o ponto que saiu dos
limites de controle.
3. O sistema de medição foi alterado (por exemplo, mudança do técnico que
realizou as medições, utilizando outro método de leitura)
4. O instrumento de medição utilizado é inapropriado para a grandeza analisada
Para cartas de controle com tendência para a colocação de pontos abaixo da linha de
controle inferior, temos:
1. O limite de controle está com erro de determinação

2. A tendência do sistema está decrescente
3. O sistema de medição foi alterado (incluindo possibilidade de alteração de
datas)
35
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 21 – pontos além dos limites de controle
Padrão de tendência dentro dos limites de controle:
A presença de tendências de aberturas de amplitudes ou comportamentos alternados,

mesmo que dentro dos limites de controle, podem indicar que o processo, embora
esteja delimitado por variação de causas comuns, pode ficar fora de controle. Este
normalmente é o primeiro sinal de que o processo precisa de estudos mais
aprimorados de forma preventiva.
Uma carta de controle com todos os pontos dentro dos limites não é sentença de que
podemos ficar despreocupados. Devemos analisar sempre o comportamento dos
pontos mesmo que dentro dos limites de controle e se seu comportamento pode se
transformar em uma tendência que fará o processo fora de controle no futuro.
Para que possamos determinar melhor estas tendências, podemos nos basear nos
pontos abaixo:
1. 7 pontos em fila em um só lado da distribuição Xbarra ou R

2. 7 pontos em fila que mostram gradual crescimento ou decréscimo de seus
valores
figura 22 – determinação de pontos com tendência
36
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Pela tendência detectada acima, podemos deduzir um ou ambos os casos abaixo:
1. Crescimento dos valores para um dos lados de tendência podem denotar

perdas de precisão ou acuracidade dos sistemas envolvidos (por exemplo,
equipamentos com problemas de desgaste, peças com problemas gradativos
de fixação, etc) ou variação do sistema (um material novo ou com
características diferentes de usinagem, por exemplo).
2. Uma mudança do sistema de medição (por exemplo, novo inspetor ou
equipamento de medição).
figura 23 – exemplo de variações dentro dos limites de controle
Tendência de casos não aleatórios:
Comportamentos dos pontos das médias ou das amplitudes podem nos dar dicas
importantes sobre problemas de tendências mesmo que estes estejam dentro dos
limites.
1. Distância dos pontos das cartas Rbarra ou Xduplabarra: Geralmente 2/3

dos pontos plotados podem cair dentro do primeiro terço da região de
distribuição. Neste caso, é aconselhável checar:
37
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
a. Os limites de controle estão calculados ou plotados erroneamente

b. O processo ou a amostra está estratificada: cada subgrupo contém
sistematicamente medições de dois ou mais processo que tem médias
muito diversas.
c. Os dados foram editados (dados de média foram removidos ou
alterados).
2. Se substancialmente menos que 2/3 dos pontos plotados estão perto da média
das amplitudes (Rbarra) para 25 subgrupos se 40% ou menos estiver na região
do meio terço:
a. Os limites de controle estão calculados ou plotados erroneamente
b. O processo ou o método de amostragem de grupos sucessivos contém
medições de dois ou mais processos sem linha que têm diferenças
dramaticamente em variação (lotes misturados na entrada de materiais)
figura 24 – tendências não aleatórias nas cartas de controle
38
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
• Seção C – Fórmulas de cálculo de cartas de controle:
Média e amplitude
Carta por Variáveis:
Média de subgrupos
Amplitude de um subgrupo
Médias das médias
Média das amplitudes
Desvio padrão estimado de X
Desvio padrão estimado de Xbarra
Linha de centro da média dos pontos

Linha de centro da média de
amplitudes
Limite superior de controle das médias
Limite inferior de controle das médias

Limite superior de controle de
amplitudes
Limite inferior de controle de
amplitudes
Sendo:
n=número de amostras no subgrupo

K=número de subgrupos utilizados para determinar o Rbarra e o Xduplabarra.
39
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 25 – carta de controle Xbarra R
40
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Média e desvio padrão
Média de subgrupos
Desvio padrão do subgrupo
Média das médias
Desvio padrão médio
Desvio padrão estimado para X
Desvio padrão estimado da média
Linha de centro da média
Linha de centro do desvio padrão
Limite superior de controle da média
Limite inferior de controle da média

Limite superior de controle do desvio
padrão
Limite inferior de controle do desvio
padrão
Sendo:
n=número de amostras no subgrupo

K=número de subgrupos utilizados para determinar o desvio padrão médio e o
Xduplabarra.
41
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
42
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 26 – carta de controle Xbarra s

Valores individuais e Amplitude Móvel

Valores individuais
Média dos valores individuais
Amplitude móvel
Média da amplitude móvel
Desvio padrão estimado de X
Linha de centro para média

Linha de centro para as amplitudes
Limite superior de controle para a
média
Limite inferior de controle para a
média
Limite superior de controle para as
amplitudes
Limite inferior de controle para as
amplitudes
Porque as amplitudes móveis estão envolvidas neste cálculo, os pontos a serem

plotados no campo do gráfico estão correlacionados. Portanto, sinais válidos devem
ocorrer somente na forma de pontos pertencentes aos limites de controle. Outras
regras para utilização dos dados para tendências não aleatórias (veja capítulo 2 –
Seção B) não devem ser indicadores confiáveis para condições de “fora de controle”.
43
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 28 – Carta de controle de valores individuais e amplitude móvel

44
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Controle de não conformidades
Cartas de controle por atributos serão melhores discutidas no capítulo 3 deste

material. Estas cartas usam dados por categorias e as probabilidades relacionadas às
estas categorias para identificar a presença de causas especiais. A análise de dados
por categorias por estas cartas geralmente utiliza distribuições binomiais ou de
Poisson aproximadas à normal.
Tradicionalmente, cartas de controle de não conformidades são utilizadas para

rastrear peças ou componentes fora das especificações identificando itens não
conforme bem como não conformidades dentro de um item. Este sistema pode ser
utilizado para rastrear eventos positivos quanto às especificações. De qualquer forma,
nos estudos abaixo, faremos a apresentação clássica, mostrando a utilização da carta
para detecção de eventos não desejados.
Proporção de não conformidades - Aspectos Gerais:
Como os limites de controle são baseados em aproximação à normal, o tamanho da

amostra a ser utilizada deve obedecer a seguinte condição:
Carta por atributos: Carta p
sendo:
Valores individuais
ni = Número de peças inspecionadas
npi = Número de itens não conforme
encontrados
onde k = número de subgrupos

Valores das médias individuais
se todos ni’s forem iguais

Linha de centro
Limite superior de controle
Limite inferior de controle
Se o tamanho da amostra for constante
45
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Limites de controle constantes quando o tamanho da amostra é variável
Para situações onde
Sendo: o tamanho médio da amostra
Exemplos de uso desta carta:
• Tomada de decisão de aceitar / rejeitar com número de tamanhos de amostra

variáveis
o Primeiros resultados de análise de qualidade (FTQ – First Time Quality)
o Não conformidades proporcionais
o Conformidades proporcionais
o Proporção de itens acima ou abaixo das margens de valores
especificados
• Decisões a partir destas análises:
o Proporção de itens dentro de uma categoria especificada
o Proporção de itens acima ou abaixo dos limites especificados
o Proporção de tempo de vida útil de equipamento
46
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 29 – Carta de controle por proporção de não conformidades
47
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Carta de controle para número de não conformidades (Carta np)
Restrição: Para esta análise, requere-se um tamanho de subgrupo de amostra

constante.
Guia: Como este controle é baseado em uma aproximação à normal, o tamanho de
amostra deve obedecer a condição:
Carta por atributos: np
Valores individuais onde:

n = número de partes inspecionadas
np = número de itens não conformes
Média dos valores individuais
Linha de centro de controle
Exemplo de utilização:
• Decisão de aceitar / rejeitar com um subgrupo de análise constante:

o Primeiros resultados de análise de qualidade (FTQ – First Time Quality)
o Não conformidades proporcionais
o Conformidades proporcionais
o Proporção de itens acima ou abaixo das margens de valores
especificados
• Decisões tomadas:
o Número de itens dentro de uma categoria especificada
o Número de itens acima ou abaixo dos valores de aceitação
o Número de vezes que determinada condição ocorre.
48
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 30 – Carta de número de não conformidades
49
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Capítulo 4 – Outros Tipos de Cartas de Controle
Há vários tipos de cartas de controle. Este material leva em consideração as mais

usuais e com maior possibilidade de aplicação em uso industrial. Vimos, nos capítulos
anteriores as cartas mais clássicas. Agora vamos estudar alguns tipos úteis de cartas
de controle.
• Gráfico de farol:
Com o tipo gráfico de farol, a localização e variações do processo são controladas

usando uma só carta. A carta rastreia a informação de cada ponto e cada grupamento
de pontos é designado por categorias.
Estas cartas são divididas em três partes: zona de alerta inferior, alvo e zona de alerta
superior. Estas áreas, somadas, cobrem a zona de 6 σ.
figura 33 – controle em gráfico de farol
Com esta diagramação, o processo pode ser controlado pela identificação da posição
em que a medida feita assume no gráfico.
Um dos objetivos importantes que este gráfico tem é detectar mudanças especiais no
sistema (casos de variações especiais). Sendo assim, esta é uma ferramenta útil para
detecção de mudanças que devem ser estudadas em técnicas mais avançadas. Esta
abordagem em sistemas de medição na linha de produção, algumas vezes, é mais
proveitosa e eficiente do que o controle pelas cartas clássicas tendo em vista sua
praticidade.
50
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Os pontos de suposição que podemos partir com o gráfico de farol é:
• O processo está sob controle estatístico

• A performance do processo (incluindo variabilidade das medições) é aceitável
• O processo está obedecendo as especificações.
Partindo-se do meio (ponto alvo) temos, para cada lado, +/- 1,5 σ. Esta é a área verde
do gráfico. O restante da área dentro de 6 σ (a outra metade de 1.5 σ) faz parte a área
amarela de alerta. O restante da área fora destes delimitadores são marcados em
vermelho.
Desta forma, a área verde será de cobertura de 86,6%, a amarela terá 13,2% e a área
vermelha 0,3%. Para que possamos utilizar este tipo de controle, temos que
providenciar os seguintes passos:
1. Verifique 2 peças. Se ambas caírem dentro da área verde, continue a

produção.
2. Se um ou ambas as peças caírem na área vermelha, pare o processo

produtivo, notifique o pessoal responsável pelas implementações corretivas no
sistema. Quando as ações já tiverem sido tomadas, repita o item 1.
3. Se uma ou ambas as peças caírem na área amarela, verifique mais 3 peças.

Se estas caírem na área vermelha, pare o processo e notifique o pessoal
responsável pelas ações corretivas do sistema. Após as correções terem sido
implementadas, volte ao passo 1.
a. Se nenhuma peça cair na zona vermelha, mas 3 ou mais caírem na

zona amarela, pare o processo e comunique o responsável pelas ações
corretivas. Quando as correções estiverem implementadas, repita o
passo 1.
b. Se 3 peças caírem na zona verde a o restante (totalizando 5) na zona

amarela, continue a produção.
Por outro lado temos que levar em consideração que, como se trata de um método
simples, sem recálculo para ajuste de influências de condições especiais, temos duas
possibilidades indesejadas:
• Probabilidade de promover falso alarme (considerar um elemento

reprovado quando na verdade estão aprovados)
• Probabilidade de chamar o processo de bom quando o mesmo estiver

deficiente (principalmente quando o valor margear especificações).
51
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Pré-controle:
Uma aplicação para o gráfico de farol para se medir as performance rapidamente com
marcações físicas feitas pelo operadores, é o pré-controle. A divisão de áreas obedece
ao sistema do gráfico de farol. Para este sistema, começamos o controle com
amostras de dois elementos. De qualquer forma, para que este sistema seja válido, o
sistema tem que começar produzindo, pelo menos, 5 peças consecutivas as quais
estejam nas áreas verdes.
figura 34 – gráfico de pré-controle
Quando se faz o controle utilizando o sistema de pré-controle, algumas regras devem

ser observadas:
1. Duas peças dentro das áreas verdes: continuar o processo
2. Uma peça na área verde e outra na área amarela: continuar o processo
3. Duas peças na área amarela (mesma zona): Ajuste o processo
4. Duas peças na área amarela (zonas opostas): Parar o processo e investigar
5. Pelo menos uma peça na área amarela: pare o processo e investigue.

52
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Sempre que o processo for ajustado, antes de começar o sistema de amostragem

para próximas verificações, será necessária a produção de 5 peças consecutivas nas
zonas verdes.
Pré-controle é um sistema que somente faz uma análise rápida do sistema e não terá
sentido utilizá-lo quando o CP e / ou CPK estiverem maiores que 1. O gráfico de função
deste método pode ser observado na figura abaixo.
figura 35 – proporção de baixa funcionalidade do método dependendo da área de classificação do processo
• Cartas de controle de rodagem rápida:
Este é um método interessante de observação do sistema produtivo e o um bom alerta

de rápida formulação para se detectar variações rápidas do processo. Com os
processo modernos de Just In Time (JIT), algumas linhas produtivas produzem um
número reduzido de elementos que para se ter sempre um estudo completo, poder-se-
ia levar muito tempo. Após atestada a capacidade do processo, pode-se manter a
observação do sistema com uma carta de rodagem rápida.
Porém, antes de se realizar um estudo rápido de monitoramento, temos que ter

certeza que, até então, o sistema está sob controle. Depois disso, podemos
acompanhar, no geral, com as cartas de rodagem rápida.
Wheeler (1991) descreve quatro requisitos para um sistema ideal de processo de

operação essencial para estas análises citadas:
1. O processo deve ser inerentemente estável todo o tempo
2. O processo deve operar de forma consistente
3. O processo deve ser inicializado e manutenido em níveis de aproveitamento

apropriados
53
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
4. Os limites do processo natural deve cair dentro dos limites especificados.
Capítulo 5 – Entendendo a Capacidade do Processo
Medidores do processo:
Os índices discutidos a seguir são os mais utilizados para medição da capacidade do

processo. Devem ser utilizados com processo estáveis. Se o processo não estiver
demonstrado de forma estável, os cálculos podem levar a conclusões erradas.
CP é um índice de capacidade do processo.
Este indicador não é afetado pela localização da curva mas sim pela sua dispersão no
campo permitido de desvio.
CPk também é um índice de capacidade do processo. Será útil para analisar a

posição da curso de distribuição nos limites.
Para isso temos:
Se CP = CPK pode-se dizer que o processo está centrado.
Para este índice, temos:
Estes dois fatores comentados acima devem ser calculados e analisados

conjuntamente.
PP é um índice de performance do processo.
54
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Este indicador não é afetado pela localização da curva mas sim pela sua dispersão no
campo permitido de desvio.
P PK também é um índice de performance do processo. Será útil para analisar a

Para isso temos:
Para este índice, temos:
figura 46 – gráfico comparativo de Cpk e PPK
CR é a taxa de capabilidade a partir de CP.
55
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
PR é a taxa de performance a partir de PP
PPM é um tipo de medida de não conformidades que contabiliza “partes por milhão”.
56
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
figura 47 – comparativo de evoluções de capacidade e performance
Índices de cálculos para casos unilaterais:
CP é um índice de capabilidade. Para este caso, aplica-se o cálculo quando se

controla, por exemplo, a espessura de camada de tinta em uma peça. Como não
podemos controlar esta espessura abaixo de um valor zero, o sistema de avaliação
leva em conta somente o lado unilateral.
CPk também é um índice de capabilidade do processo. Quando falamos de

características unilaterais, temos as seguintes fórmulas:
P P é um índice de performance do processo. Para casos unilaterais, deve-se levar

somente em consideração a evolução do caso em questão.
PPK também é um índice de performance do processo. Será útil para analisar a

CR é a taxa de capabilidade a partir de CP.
PR é a taxa de performance a partir de PP
57
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Exercícios
58
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Exercícios – Média aritmética
2 - Os salários mensais de quatro homens são: Cr$15.000,00, Cr$18.000, Cr$19.500 e

Cr$90.000.
(a) Determinar a média aritmética de seus salários

(b) Pode-se dizer que essa média é típica dos salários?
3 - Entre 100 números, vinte são 4, quarenta são 5, trinta são 6 e os restantes são 7.
Determinar a média aritmética dos números.
4 - Os graus finais de um estudante, em Matemática, Física, Inglês e Higiene são,

respectivamente, 82, 86, 90 e 70. Se os pesos atribuídos a essas matérias são,
respectivamente, 3, 5, 3 e 1, determinar o grau médio.
5 - Em uma companhia que tem 80 operários, 60 recebem Cr$ 60, e 20 Cr$ 40, por hora.
(a) Determinar o salário médio por hora.

(b) O resultado seria o mesmo do item (a), se 60 empregados tivessem salário flutuante
com o médio de Cr$ 60, por hora e 20, nas mesmas condições, recebessem, em
média, Cr$ 40, por hora? Demonstrar essa resposta.
(c) Pode-se crer que a média do salários / hora flutuante é típica?
6 - Usar a distribuição de freqüência das alturas da TabEla 2.1 para determinar a média das
alturas de 100 estudantes do sexo masculino da Universidade XYZ.
Exercícios – A mediana
7 - Os graus de um estudante em seis exames foram: 84, 91, 72, 68, 87 e 78. Determinar a
mediana dos graus.
8 - Se há: (a) 85 e (b) 150 números ordenados em rol, como se determinaria a mediana desses
números?
9 - A distribuição dos pesos de 40 estudantes de uma Universidade encontra-se na TabEla 3.4.

Determinar a mediana.
59
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
10 – Montar, a partir dos dados do problema anterior, um histograma e uma ogiva percentual e
tentar obter a mediana graficamente.
Exercícios – A moda
11 - Determinar a média, a mediana e a moda do conjunto dos números:
(c) 3, 5, 2, 6,5,9,5,2,8,6;
(d) 51,6, 48,7, 50,3, 49,5, e 48,9.
60
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
61
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Exercício 1: Foram feitas medições para diâmetros de um eixo como segue:

Nº sub amostras
Dias 1 2 3 4 5
1 28,204 28,067 27,580 27,737 28,193
2 28,048 28,541 28,352 28,066 28,242
3 28,123 27,941 27,790 28,273 28,381
4 27,982 28,310 28,091 28,273 28,364
5 27,922 28,281 28,364 28,067 27,807
6 28,225 28,222 28,138 28,404 28,086
7 28,097 28,025 28,084 28,339 28,002
8 28,350 27,973 28,240 28,066 28,091
9 28,254 27,971 28,165 27,948 27,748
10 28,101 28,492 28,219 28,269 28,012
11 27,974 28,437 28,327 28,162 27,984
12 28,333 28,305 28,300 28,331 27,900
13 28,478 28,310 28,315 28,248 28,284
14 27,964 28,225 28,249 28,375 28,212
15 28,049 28,037 28,139 28,473 28,259
16 28,361 28,360 28,262 27,715 28,329
17 27,769 28,116 28,425 28,537 28,087
18 27,982 28,647 28,509 27,784 28,162
19 27,856 27,857 28,350 28,095 28,114
20 27,743 27,999 27,945 28,083 28,242
21 28,370 28,435 28,049 27,998 27,810
22 27,983 28,354 28,393 28,322 28,585
23 27,775 28,097 28,018 28,175 28,180
24 28,021 28,461 28,056 28,456 28,292
25 28,487 28,532 28,170 28,322 28,237
Preencher a carta de controle e fazer possíveis análises de desvios.
Verifique as fórmulas da página 31.
62
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Cálculos do exercício 1:
63
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
64
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Exercício 2: Calcule os dados do exercício 1 na nova carta Xbarra MR.
65
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
66
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Exercício 3: Calcule os dados do exercício 1 na nova carta Xbarra s.
67
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Tabelas
68
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Tabela 1: Valores de constantes
69
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
70
Escritório: (11) 3711-4010
Fax: (11) 2092-8914
Registro Nº 458
Tabela de fórmulas para cartas por atributos
71
Escritório: (11) 3711-4010
Fax: (11) 2092-8914

CEP: Controle Estatístico do Processo

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

CEP: Controle Estatístico do Processo

Uploaded by

Copyright:

Available Formats

Empresa Certificada pelo

Hoje, uma das mais poderosas ferramentas de determinação de controle da qualidade é o

Julio Pastore – Consultor

Capítulo 1 - Média, mediana, moda e outras medidas da tendência central.

Índices ou notação por índices

Quando não há possibilidade de confusão, indica-se, freqüentemente, aquela soma de modo

O símbolo Σ é a letra grega maiúscula sigma, que indica soma.

Média, mediana, moda e outras medidas da tendência central

A média é um valor típico ou representativo de um conjunto de dados. Como esses valores

Onde N=Σf é a freqüência total, isto é, o número total de casos.

Exemplo: Se 5 , 8, 6, 2 ocorrem com as freqüências 3, 2, 4 e 1, respectivamente, a média

Média aritmética ponderada

Exemplo: Se o exame final, em um curso, tem peso 3 e as provas correntes peso 1, e um

Propriedades da média aritmética

(a) A soma algébrica dos desvios de um conjunto de números, em rElação à média

em que . Note-se que as equações acima são resumidas nas equações

Cálculo da média aritmética para dados agrupados

Quando os dados são apresentados em uma distribuição de freqüência, todos os valores

A mediana de um conjunto de números, organizados em ordem de grandeza (isto é, em um

Exemplo 1: O conjunto dos números 3, 4, 5, 6, 8, 8, 8, 10 tem mediana 6.

Exemplo 2: O conjunto dos números 5, 5, 7, 9, 11, 12, 15, 18 tem mediana

• L1 - limite inferior da classe mediana (isto é, da classe que contém a mediana);

Geometricamente, a mediana é o valor de X (abscissa) correspondente à vertIcal que divide o

Exemplo 1. O conjunto 2, 2, 5, 7,9,9,9, 10, 10, 11, 12, 18 tem moda 9.

• L1 - limite inferior da classe modal (isto é, a que contém a moda);

Relação empírica entre a média, a mediana e a moda

Para as curvas de freqüência unimodal moderadamente inclinadas (assimétricas) vigora a

Média - Moda = 3 (Média - Mediana).

Capítulo 2 - O desvio padrão e outras medidas de dispersão

A amplitude total de um conjunto de números é a diferença entre o maior e o menor número do

Exemplo: A amplitude total do conjunto 2, 3, 3, 5, 5, 5, 8, 10, 12, é: 12 - 2 = 10, Algumas

O desvio médio de um conjunto de 3N números X1, X2, XN é definido por:

em que X é a média aritmética dos números e I Xj - Xbarra I é o valor absoluto do desvio de Xj

Exemplo: Determinar o desvio médio do conjunto de números 2, 3, 6, 8, 11

Ocasionalmente, o desvio médio é definido em termos dos desvios absolutos em rElação à

é que Ela é mínima quando α é a mediana, isto é, o desvio médio em

A amplitude semi-interquartílica ou desvio quartílico de um conjunto de dados é definida por:

em que Q1 e Q3 são o primeiro e o terceiro quartis referentes aos dados. A amplitude

A amplitude entre os percentis 10-90 de um conjunto de dados é definida por:

Amplitude entre os percentis 10 – 90 = P90 – P10 (4)

Esta fórmula é vantajosa para os dados agrupados.

Por essa razão, podemos conservar a definição anteriormente apresentada.

A variância de um conjunto de dados é definida como o quadrado do desvio padrão e é, deste

variância da amostra e a da população, respectivamente.

Métodos abreviados para o cálculo do desvio padrão

Se dj = Xj - A é o desvio de cada valor de Xj, em rElação a uma constante arbitrária A, os

Quando os dados estão agrupados em uma distribuição de freqüência, cujos intervalos de

Propriedades do desvio padrão

em que α é uma média próxima da aritmética. De todos esses desvios

Para as distribuições normais isso significa que:

Isso está indicado na Figura 4.1.

Para as distribuições moderadamente assimétricas, as percentagens acima podem ser

Comportamento dos eventos estatísticos

figura 2: formação de curvas de controle estatístico pelo número de eventos

figura 3: curvas normais e suas análises de fatores de influência

• Causas comuns e causas especiais:

Para que possamos entender corretamente as variações que ocorrem em um

Dois produtos produzidos em um mesmo sistema não são necessariamente idênticos

Se analisarmos a variação de um simples diâmetro, o mesmo pode ser causas

o Localização da mesma – centrada ou não centrada

O princípio de análises de capacidade do processo estará sempre ligada à análise

o Causas comuns de variações: pode se referir a várias variáveis

• Ações locais e ações no sistema produtivo: