FABE – FACULDADE DE BETIM

GRUPO UNIS/MG

Apostila:
Controle Estatístico do Processo

Apostila – Controle Estatístico do Processo. 2011
Mini-Currículo:
PROF. Rafael de Carvalho Mendes – rafaelcm.qualidade@yahoo.com.br
• Graduado em Gestão da Produção Industrial pela Unis – Betim – MG.
• Pós-Graduado em Qualidade e Produtividade pela GEPOS – Grupo Unis – Betim – MG.
• Supervisor da Qualidade – Metalúrgica Mardel Ltda.

Palavras-Chaves: Estatística; Processos; Estabilidade; Capabilidade; Cartas de Controle.

Professor: Rafael de Carvalho Mendes

Página 2

Apostila – Controle Estatístico do Processo. 2011
SUMÁRIO.
1. INTRODUÇÃO........................................................................................................05
2. HISTORICO DA QUALIDADE................................................................................06
3. OS 14 PRINCIPIOS DE W. EDWARD DEMING....................................................08
4. SISTEMAS DE MEDIÇÃO......................................................................................08
4.1 Premissa................................................................................................................08
4.2 Por Que Medir?.....................................................................................................09
4.3 Erro de Medição....................................................................................................11
5. CONCEITOS ESTATÍSTICOS BÁSICOS..............................................................12
5.1 Tratamentos de Dados..........................................................................................12
5.2 Média Aritmética....................................................................................................13
6. MEDIDAS DE DISPERSÃO..................................................................................14
6.1 Amplitude...............................................................................................................14
6.2 Desvio Padrão.......................................................................................................16
6.2.1 Desvio Padrão Amostral (dp).............................................................................16
6.2.2 Desvio Padrão da População.............................................................................16
7. CAPABILIDADE OU CAPACIDADE DO PROCESSO........................................17
7.1 Índices de Capacidade (variáveis) .......................................................................18
7.2 Índices de Capacidade de Processo (Cp e Cpk)..................................................18
8. CEP – CONTROLE ESTATISTICO DO PROCESSO...........................................19
8.1 Indicadores para monitoramento do cep..............................................................19
8.2 Variações...............................................................................................................21
8.3 Causas Comuns....................................................................................................21
8.4 Causas Especiais..................................................................................................21
8.5 Limites de Controle...............................................................................................22
8.6 Tipos de Carta.......................................................................................................23
8.6.1 Carta por Variações...........................................................................................23
8.6.2 Carta por Atributos.............................................................................................23
Professor: Rafael de Carvalho Mendes

Página 3

Apostila – Controle Estatístico do Processo. 2011
9. ANALISE DOS PROCESSOS................................................................................25
9.1 Processo sob Controle ou Estável........................................................................25
9.2 Processo fora de Controle ou Instável..................................................................26
10. CAPACIDADE DO PROCESSO – CARTA POR VARIÁVEIS...........................28
10.1 Conceito..............................................................................................................28
10.2 Determinação dos Limites Inferiores e Superiores – Controle por Variáveis.....29
10.3 Determinação dos Limites Inferiores e Superiores – Controle por Atributos.....30
11. SIMBOLOS UTILIZADOS....................................................................................32
12. REFERÊNCIA.......................................................................................................33
13. ANEXOS..............................................................................................................35
13.1 Tabela I................................................................................................................35
13.2 Tabela II...............................................................................................................36
13.3 Tabela III.............................................................................................................37
13.4 Tabela IV.............................................................................................................38
13.5 Tabela V..............................................................................................................39

Professor: Rafael de Carvalho Mendes

Página 4

ou a necessidades impostas como guerras ou a escarces de um recurso natural. e técnicas estatísticas. e em seguimentos diversos que passaram também a entender a importância de se controlar e manter seus processos sobre controle. é um poderoso recurso que está presente nas organizações de grande sucesso cujos padrões de qualidade são elevados e reconhecidos pelo consumidor. têm sido incluídas na busca e controle desses processos. mesmo quando esses conceitos nem eram entendidos. 2011 1. mas que são amplamente aplicados na indústria. comprovadamente eficazes. INTRODUÇÃO Sabe-se que é uma busca contínua. sabendo que o Controle Estatístico do Processo. melhorar os seus processos e produtos. como a busca por comida e fogo dos nossos ancestrais mais remotos. do homem.Apostila – Controle Estatístico do Processo. e isso se deve muitas vezes a necessidades primarias. com suas ferramentas e métodos. Em sintonia com essa busca constante o conceito de qualidade também vem evoluindo. Neste curso veremos conceitos básicos de estatística. Professor: Rafael de Carvalho Mendes Página 5 .

1961) ATENDIMENTO ÀS EXIGÊNCIAS DO CLIENTE • Círculos de Controle da Qualidade • Desenvolvimento de técnicas e “ferramentas” operacionais Página 6 .Apostila – Controle Estatístico do Processo. 1962) Professor: Rafael de Carvalho Mendes • Dilema do custo do defeito x custo da produção • Zero Defeito (Crosby. criação da JUSE (1947) • Seminários Deming (1950) • Qualidade na administração das empresas (Juran) CONTROLE POR PROCESSOS ENVOLVIMENTO DE TODAS AS UNIDADES NA QUALIDADE FINAL “SATISFAÇÃO” DO CLIENTE Anos 60 • Guerra Fria • Lançamento da Revista/ JUSE “Quality control for the foreman” (Ishikawa. 2011 2. Histórico da Qualidade Aplicada Quadro evolutivo dos conceitos de Qualidade: ÉPOCA EVENTOS MARCANTES 1860-1865 • Guerra da secessão (EUA) • Fabricação de fuzis e equipamentos militares 1908 Anos 20 /30 Anos 40 Anos 50 CARACTERÍSTICAS DA GESTÃO DA QUALIDADE • Padronização • Intercambialidade de componentes • Início da produção em massa • Padronização/ controle metrológico • Linhas de montagem fixa e móvel • Intercambialidade de peças e componentes (Ford) INSPEÇÃO FINAL • Controle do processo de • Cartas de controle de média e amplitude produção (Laboratórios Bell) (Shewart) • Métodos de controle de recepção • Qualidade média fornecida (Average Ongoing Quality) INSPEÇÃO POR LOTES • II Guerra Mundial • Criação da ISO (1947) • Controle estatístico no recebimento/ inspeção final • Padronização militar • Nível de qualidade aceitável • • • • • Confiabilidade (probabilidade do cumprimento de uma função no tempo) • Controle estatístico de processos (Deming) • Espiral da qualidade(Juran) • Controle estatístico de processo através do ciclo PDCA Reconstrução da Europa Desenvolvimento da eletrônica Início da corrida espacial Início da reconstrução do Japão (1946).

Apostila – Controle Estatístico do Processo. do Trabalho). ISO 10000 e ISO 14000 • Difusão ampla da qualidade total e de ferramentas avançadas UNIFICAÇÃO DOS MODELOS SISTÊMICOS COM A QT • Sistemas de gerênciamento Global. tecnológico e industrial. • Globalização dos mercados • Projeto de experimentos (Taguchi) • “Sedução” do cliente QUALIDADE PASSA DO PROCESSO AO PROJETO • Desenvolvimento da ISO 9000. Início do • Unificação da Gestão de Século 21 Qualidade (Sistema de Gestão Integrada) • Elaboração da OHSAS 18001 (Seg. 2011 Anos 70-80 Anos 80-90 • • • • Sofisticação dos mercados Diversificação dos produtos Inovação tecnológica Atendimento a segmentos de mercado • Mudança dos paradigmas econômico. ERPs. • Sistema Unificado de Gestão da Qualidade. PARALELO entre o Ontem e o Hoje: PASSADO PRESENTE Qualidade como fator tático (curto prazo) Qualidade como fator estratégico (longo prazo) Qualidade e produtividade são antagônicos Qualidade e produtividade são aliados Enfoque na qualidade do produto (detecção) Enfoque na qualidade do processo (prevenção) Qualidade como responsabilidade de uma única área Qualidade como responsabilidade de toda a organização Ênfase no cumprimento de normas ou concorrência Ênfase nas necessidades dos clientes e melhoria contínua Prioridade em custo Prioridade em qualidade Problemas causados pela mão-de-obra Problemas causados pela administração Professor: Rafael de Carvalho Mendes Página 7 .

12) Remover as barreiras que privam as pessoas do justo orgulho pelo trabalho bem executado. µ). 13) Instituir um forte programa de educação e autodesenvolvimento em todos os níveis da empresa. acabando com o costume de aprovar negócios baseados apenas no preço. derrubando as barreiras entre os departamentos. 4. Gonçalves JR. EDWARD DEMING 1) Buscar a Melhoria Continua (PDCA). 10) Eliminar slogans. OS 14 PRINCÍPIOS DE W. diminuir custos. SISTEMAS DE MEDIÇÃO 4. 6) Providenciar treinamento no local de trabalho. 14) Envolver todas as pessoas da empresa para trabalhar na busca da transformação. metas e quotas numéricas que exijam nível zero de falhas sem oferecer condições para isso. Em vez de números. 2011 3. 5) Gerenciar constantemente o Sistema de Produção e de Serviços para melhorar a qualidade e produtividade e. 8) Eliminar o medo no ambiente de trabalho. 3) Fazer as coisas certas da primeira vez e sempre. É através de um sistema de medição (SM). 7) Instituir liderança que administre os talentos humanos. ºc.Apostila – Controle Estatístico do Processo. que a operação de medir é efetuada: o valor momentâneo do mensurando é descrito em termos de uma comparação com uma unidade padrão de referência. consequentemente. 11) Eliminar a administração por objetivos. 2) Os administradores devem estar prontos para a mudança. Professor: Rafael de Carvalho Mendes Página 8 . exortações. Medir é uma forma de descrever o mundo. 4) Minimizar o custo total. 9) Envolver todos funcionários sem exceção. O resultado desta medição é um número acompanhado de uma unidade de indicação (mm.1 Premissa A medição é uma operação de fundamental importância para as diversas atividades de controle. segundo o Prof. qualidade.

a medição e empregada para monitorar. ou menos confiáveis. (Ex. o procedimento. com a forma. e pode-se obter infindáveis coleções de números. mas todos estão susceptíveis a efeitos diversos relacionados com o meio ambiente. é claro sempre respeitando as limitações do SM. e que deve buscar o equilíbrio entre a necessidade técnica e os custos e tempos envolvidos. mas o bom senso e ceticismo são características indispensáveis. influências da própria grandeza. É necessário. portanto. isto dependerá da finalidade à que estes resultados servirão (uma variação de 20g em um KG de batatas é bem diferente de 20g em um KG de ouro). existem mais. não entendedora dos processos de medição. mas nem sempre devemos buscar o “melhor” resultado. denominado INCERTEZA. a obtenção deste número é apenas parte do processo de medição. considerar todos esses efeitos para se exprimir um resultado confiável. Esta operação é relativamente simples. uma ação de elevada importância. com mínimos erros. portanto a precisão. 2011 Para uma pessoa comum. para termos uma medição séria. controlar ou investigar um processo ou fenômeno físico. Assim. Refrigerador e termostato). e custos exigidos para estas operações serão também muito diferentes.Apostila – Controle Estatístico do Processo. O valor da grandeza a controlar é medido e comparado com o valor de referência estabelecido e uma ação é tomada pelo controlador visando aproximar a grandeza sob controle deste valor de referência. o trabalho de medição está encerrado ao se obter este número. O resultado ideal de uma medição dependerá sempre deste grau de incerteza. Já a obtenção de informações confiáveis a partir destes números exige conhecimentos mais aprofundados do SM. portanto. etc. a técnica para aplicação deste SM. A seleção do SM a empregar é. No entanto. que deve sempre ser informado através de um parâmetro. Do ponto de vista técnico. Existem vários procedimentos para se determinar o nível de confiança de um resultado. Professor: Rafael de Carvalho Mendes Página 9 .2 Importância do Processo de Medição. 4. e do processo de medição empregado. esta deve exprimir o grau de confiança. Qualquer sistema de controle envolve um SM como elemento sensor capaz de manter uma grandeza ou processo dentro de certos limites. os equipamentos. Sabe-se que não existe um SM perfeito.

que é o número lido pelo operador diretamente no dispositivo mostrador do Sistema de Medição. Este resultado é composto por 2 parcelas: • RB – Resultado Base. o resultado de uma medição (RM) deve ser expresso por: RM = (RB± IM) [unidade] Professor: Rafael de Carvalho Mendes Página 10 . provocada pelos erros presentes no SM e/ou variações do mensurado. a partir da aplicação do SM sobre esta. Obtém-se desta operação instrumentada a chamada indicação direta. e deve sempre ser acompanhado da unidade utilizada. A operação de medição é realizada por um instrumento de medição. 2011 Medir é o procedimento experimental pelo qual o valor momentâneo de uma grandeza física é determinado como um múltiplo e/ou uma fração de uma unidade. Figura 1: Paquímetro – Fonte: Google imagens O resultado de uma medição (RM) expressa propriamente o que se pode determinar com segurança sobre o valor mensurado. estabelecida por um padrão. ou sendo mais adequado por um Sistema de Medição (SM).Apostila – Controle Estatístico do Processo. • IM – Incerteza da Medição. que corresponde ao valor central da faixa onde deve situar-se o valor verdadeiro. Assim. que exprime a faixa de dúvida ainda presente no resultado.

Existem 3 tipos de erros que são considerados básicos. ou mau funcionamento do SM. desde que a ordem de grandeza e a natureza deste erro sejam conhecidos. para eliminar totalmente o erro de medição seria necessário o emprego de um SM perfeito. impurezas. como por exemplo. o atrito. Mesmo sabendo-se da existência do erro de medição é ainda possível obter informações confiáveis. Diversos fatores podem contribuir para o surgimento do Ea. mas é possível. conclui-se que é muito importante ter confiabilidade no recolhimento de dados. nas mesmas condições e observam-se variações nos valores obtidos. A estimativa de um erro sistemático é denominada tendência. ET. Normalmente sua existência é facilmente detectável. Portanto. Eg – Erro Grosseiro – O erro grosseiro é geralmente decorrente do mau uso. vibrações. e têm que ser tratados para que os erros estejam dentro da faixa de tolerância desejada. e a sua somatória compõe o Erro total: E = Es + Ea + Eg Es – Erro Sistemático – É a parcela de erro sempre presente nas medições. Professor: Rafael de Carvalho Mendes Página 11 .2 Erro de Medição Erros de medição sempre ocorrem como dito anteriormente. Devido aos aspectos evidenciados acima. Ea – Erro Aleatório – Quando uma medição é repetida por diversas vezes. Ex. delimitá-lo. que constantemente sofrem influências dos vários fatores já citados. influências externas. as folgas. e sua aparição pode ser resumida a casos muito exporáticos.Apostila – Controle Estatístico do Processo. também já dito que não existe. 2011 4. é impossível eliminar completamente o erro de medição. Um mostrador com ponteiro torto.

Mas não por isso devem ser esquecidos.30 B 25.41 23. ou uma imperfeição do produto medido.36 25.50 VALOR mm 27. É importante que eles não façam parte da amostragem a ser calculada para não interferirem na definição dos limites de tolerância. DISPERSÃO 27.36 25. pois representam possíveis erros grosseiros.34 25. médias.00 25.32 25.30 27. 2011 5.50 25.31 25.42 25.42 25. Na tabela acima pode-se destacar as medidas das células B2 e D5 pois seus valores destoam do restante (outlier).47 25.1 Tratamento dos Dados OBSERVAÇÕES BARRA DE 1" AMOSTRA 3 1 2 A 25.50 25.Apostila – Controle Estatístico do Processo.48 25.50 26.01 25.46 25.42 25.48 25. E assim tomadas às devidas providências. nestes casos estes valores têm que ser descartados dos cálculos.39 25.00 23. em Milímetros.50 24.46 25. etc.00 26.97 25.44 Figura 2: Medidas de uma barra Ø 1 polegada.50 0 5 10 15 20 25 30 Nº OBSERVAÇÕES Figura 3: Gráfico de dispersão.37 C D E 4 5 25. o aparecimento destes resultados fora de uma curva normal deve ser investigado e descoberto se a causa é realmente um erro de medição. CONCEITOS ESTATÍSTICOS BÁSICOS 5.46 25.30 25.00 24. Professor: Rafael de Carvalho Mendes Página 12 .38 25.

250. MÊS JANEIRO FEVEREIRO MARÇO ABRIL MAIO JUNHO JULHO AGOSTO SALÁRIO MENSAL ⇒ ⇒ ⇒ ⇒ ⇒ ⇒ ⇒ ⇒ R$ 1. Vejamos um exemplo: O salário de uma secretária está listado abaixo.269. Calcular a média dos salários desta secretária.56 R$ 1.99 R$ 1. Podemos dizer que a média se localiza no “meio” do conjunto dos dados.01 Podemos concluir que o salário médio desta secretária é de R$ 1.258. a fórmula usual para a média aritmética é: Professor: Rafael de Carvalho Mendes Página 13 .248.259.15 R$ 1.89.2 Média Aritmética MÉDIA ARITMÉTICA é a soma dos valores dividida pela quantidade total dos valores somados.95 R$ 1. 2011 5.29 R$ 1.256.256.Apostila – Controle Estatístico do Processo. Portanto.244. que ela representa o centro do conjunto de dados.267.46 R$ 1.70 R$ 1. Podemos perceber que existem valores acima da média assim como abaixo da mesma.

R. Em geral. o valor zero indica ausência de dispersão. Podemos dizer que dispersão é o grau com o qual os valores numéricos de uma distribuição tendem a se distanciar em torno de um valor médio. a dispersão aumenta à proporção que aumenta o valor da medida (amplitude. 2011 6. MEDIDAS DE DISPERSÃO As medidas de dispersão indicam se os valores estão relativamente próximos uns dos outros. O seu valor não se modifica mesmo que os valores das observações variem.T. É a diferença entre o maior e o menor valor das observações. a) pequena dispersão b) grande dispersão 6.1 Amplitude É a medida mais simples da dispersão. Professor: Rafael de Carvalho Mendes Página 14 . existem duas características importantes: • Utiliza apenas uma parcela das informações contidas nas observações. o valor da amplitude cresce quando cresce o tamanho da amostra. desvio-padrão. desde que conservem os seus valores máximo e mínimo. • Depende do número de observações na amostra. Em todos os casos. = Xmáx – Xmin Embora exista simplicidade de cálculo. variância).Apostila – Controle Estatístico do Processo. ou distantes entre si (separados).

Apostila – Controle Estatístico do Processo.46 25.36 25.31 25.30 = 0. em Milímetros.42 25.46 25.39 25.49 25.50 25.42 C 25.38 25.36 25.44 OBSERVAÇÕES BARRA de 1" 4 5 Figura 4: Medidas de uma barra Ø 1 polegada. Qual a amplitude da série de medidas informadas na Figura 4? Xmax = 25.48 25.50 Xmin = 25.30 RT = 25.30 B 25.31 E 25.37 25.42 25.20 mm Professor: Rafael de Carvalho Mendes Página 15 . 2011 Exemplo: 1 2 AMOSTRA 3 A 25.48 D 25.34 25.50 – 25.46 25.41 25.30 25.32 25.47 25.30 25.

.. e representa a distância do ponto de inflexão da curva até a linha da média. 6.( xn − x ) 2 n dp = Ou ∑ dp = ( xi − x ) 2 n Onde: Xi = Valores (observação) individuais n = Números de observações ou valores _ X = Média do conjunto de amostras 6.2 Desvio Padrão É a medida que determina a variação dos valores observados em torno da média da distribuição. e é dado pela expressão: σ= ∑ ( xi − x ) 2 n −1 Representação Gráfica do Desvio Padrão Professor: Rafael de Carvalho Mendes Página 16 .2. 2011 6. Representado por σ..1 Desvio Padrão Amostral (dp) O desvio padrão da amostra representa a dispersão da amostra e é dada pela equação: ( x1 − x ) 2 + ( x2 − x ) 2 + . também representa a distância do ponto de inflexão.Apostila – Controle Estatístico do Processo.2 Desvio Padrão da População (σ) O desvio padrão da população representa o grau de dispersão da população em torno da média.2.

equipamentos.4) 2 + (25.4) 2 . materiais.46 − 25..31 − 25. CAPABILIDADE OU CAPACIDADE DO PROCESSO Principais conceitos utilizados nos estudos de capabilidade ou capacidade de máquinas ou processos: • Capabilidade ou Capacidade: medida que relaciona o rendimento real de uma máquina ou processo...4) 2 + (25.4) 2 + ( 25. 25 −1 σ= 0. prensa. • Processo: combinação de pessoas. • Máquina: operações discretas (torno.. a capacidade de uma máquina é uma medida das influências a curto prazo que a máquina por si só exerce sobre a variabilidade do produto. Professor: Rafael de Carvalho Mendes Página 17 . No que diz respeito a variáveis. métodos e ambiente...067 7. É usual exigir como requisito mínimo.1084 24 σ = 0. 2011 Exemplo: Calcular o Desvio Padrão (σ) das amostras. com o seu rendimento especificado.32 − 25..Apostila – Controle Estatístico do Processo.46 − 25. σ= (25. que ± 4.4) 2 + (25.s (desvio padrão) estejam contidos dentro dos limites de especificação..) com influências exteriores mínimas.37 − 25.

s .desvio padrão) de capacidade do processo a longo prazo.73 % (±3. 7.999% dos casos estão dentro da tolerância.Apostila – Controle Estatístico do Processo. Estes índices são um meio de indicar a variabilidade de um processo ou máquina em relação à tolerância dos seus componentes.2 Índices de Capacidade de Processo (Cp E Cpk) Professor: Rafael de Carvalho Mendes Página 18 .1 Índices de Capacidade (variáveis) Se o histograma do processo apresenta a forma duma distribuição normal e o processo estiver em Controle Estatístico (sujeito apenas a variações naturais) é possível avaliar a capabilidade ou capacidade do processo através do índice de Capacidade de Processo. Com este requisito. Diremos então que um processo nesta situação está em Controlo Estatística. o índice de capacidade é uma medida da conformidade da máquina ou processo. pretende-se assegurar que se atinge o objetivo de 99. Para os dados sob a forma de atributos. 2011 Isto significa que 99. 7.

• Gráficos de evolução da implementação. 8.00 INADEQUADA 8. A realização do CEP exige o envolvimento de vários níveis de uma organização. de modo a atender as especificações de projeto. quando o Cpk está fora do objetivo.0 < Cp (ou Cpk) < 1. • Tomada de decisões com base racional e não emocional. deve-se deixar bem claro quais são as responsabilidades de Professor: Rafael de Carvalho Mendes Página 19 . bem como manter uma cultura de implementação da melhoria contínua. • Estabilização do processo.33 < Cp (ou Cpk) SATISFATORIA 1. • Identificação das causas dos problemas. Assim temos: • Redução de refugos e retrabalhos. • Planos de Ação. visando ações corretivas e preventivas. CEP – CONTROLE ESTATÍSTICO DO PROCESSO A aplicação do CEP nas organizações tem como objetivo a capacitação dos processos. 2011 ANÁLISE DA CAPABILIDADE DE PROCESSO 1.33 ADEQUADA Cp (ou Cpk) < 1. para tanto ao se iniciar o controle do processo. • Gráficos para monitorar a eficácia do CEP e a evolução do Cpk.1 Indicadores para monitoramento do cep • Gráficos de evolução dos índices de capacidade. • Garantia da qualidade do produto final.Apostila – Controle Estatístico do Processo.

As atividades acima indicadas podem ser melhor entendidas quando visualizadas em fluxograma como pode ser visto na figura 6. mas é de supra importância que o mesmo tenha ciência e Coleta de dados Operador Líder de equipe Atividades Líder de Unidade Responsáveis CEP Coordenador participe de todas as outras ações. 2011 cada figura da organização que estiver envolvida. Não se pode imputar toda a responsabilidade ao operador simplesmente. como pode ser visto abaixo o operador na verdade fica com as operações mais simples do sistema. Professor: Rafael de Carvalho Mendes Página 20 .  Cálculo Limites de Controle  Análise da Estabilidade  Eliminação de Causas Especiais       Análise de Capacidade   Redução de Causas Comuns     Figura 5: matriz sugestiva de responsabilidades na realização de cep.Apostila – Controle Estatístico do Processo.

Ex: Quebra de ferramenta de corte. 8. etc. apertadeira desregulada. A sua detalhada alteração requer geralmente análise mais e ações no sistema. normais.Apostila – Controle Estatístico do Processo. descobri-la e eliminá-la. alterando a normalidade do processo. etc. A menos que todas as causas especiais de variação sejam identificadas e eliminadas. Professor: Rafael de Carvalho Mendes Página 21 . se o processo estivesse sob controle estatístico. Ex. impureza na pintura. crônicas ou ambientais. rebarba em ponto de solda.4 Causas Especiais São também chamadas de causais ou eventuais. entretanto. pode m ser identificadas através de técnicas estatísticas elementares e podem ter causas comuns ou especiais.: Uma usinagem dentro de uma determinada medida. variação de forma em peças estampadas. que não podem ser explicados adequadamente através de uma distribuição simples de resultados. Estas agem com um sistema constante de causas aleatórias. Referem-se a quaisquer fatores de variação. sendo de responsabilidade da gerência. enquanto seus valores aferidos individualmente apresentam-se diferentes entre si. 2011 Figura 6: Fluxograma com as etapas de funcionamento do CEP. 8. continuarão a afetar de forma imprevisível o resultado do processo. 8. Requer ação local. distribuição de pontos de solda na peça. como seria o caso. Em grupo. Estas variações ocorrem ao acaso e referem-se a muitas fontes de variações dentro de um processo que se encontra sob controle estatístico.2 Variações São partes integrantes dos processos. É responsabilidade do pessoal diretamente envolvido com a operação. variação de torque em apertadeiras. podem ser descritos por uma distribuição normal. Estas variações ocorrem de modo não aleatório.3 Causas Comuns São também chamadas de aleatórias.

do processo. LSC – Limite Superior de Controle LIC – Limite Inferior de Controle LM/LC – Linha média ou linha central Figura 8: Exemplo do gráfico de controle.5 Limites de Controle Determinam os limites de variação. 2011 Figura 7: Resumo causas comuns e causas especiais.Apostila – Controle Estatístico do Processo. 8. estatisticamente seguros. Professor: Rafael de Carvalho Mendes Página 22 .

não pode ser medida. Normalmente são contados os defeitos ou não conformidades detectadas através da comparação com um determinado padrão.6 Tipos de Carta Dependendo do tipo de processo a ser acompanhado pela carta de tendência. • X / R : elemento individual e amplitude. • X /S: média e desvio padrão. “p”: porcentagem ou fração de elementos defeituosos. 2011 8. abaixo os dois tipos que podem ser adotados em virtude do que se pode medir no processo: 8.6. Professor: Rafael de Carvalho Mendes Página 23 . e sim. • ~ X /R: mediana e amplitude. São elas: • X /R: média e amplitude. contada. “np”: quantidade de elementos defeituosos. são adotados tipos diferentes de carta. “u”: quantidade de defeitos por unidade. São elas: “c”: quantidade de defeitos. 8.2 Carta por Atributos Quando a característica é uma grandeza qualitativa.1 Carta por Variáveis Quando a característica a ser monitorizada é uma grandeza mensurável.6. quantitativa.Apostila – Controle Estatístico do Processo. isto é.

Apostila – Controle Estatístico do Processo. 2011 FLUXOGRAMA ESCOLHA DA CAR TA DE CONTROLE SIM Característica é mensurável ? NÃO Carta por variáveis X/R Não Carta por atributos né>1 ? SIM Controle de nº de defeitos ou não conformidades ? SIM X/R Não Carta é Não Não é NÃO ~ variável ? por X ? C SIM SIM U Não X/S Controle de elementos defeituosos ou não conformes Carta é por R ? SIM NÃO X/R Não é variável ? SIM np p Professor: Rafael de Carvalho Mendes Página 24 .

para evitar que o processo retorne à condição anterior.FABE – Faculdade de Betim – Grupo UNIS-MG 9. Figura 9: Exemplo do gráfico de controle de um processo estável.: A existência de uma sequência de 15 ou mais pontos consecutivos contidos no terço central indica necessidade de recalcular os Limites de Controle. Figura 10: Indicação da necessidade de recalculo dos limites. Isto é devido à melhoria do processo. indica que o seu processo está “sob controle”. .1 Processo sob controle ou estável Quando todos os pontos estão em torno da média. ou estável. Obs. ANÁLISE DOS PROCESSOS 9. e a linha de produção está produzindo produtos de boa qualidade. quando viável. e o recálculo é necessário.

Apostila – Controle Estatístico do Processo. Professor: Rafael de Carvalho Mendes Página 26 . 3a REGRA : Existência de uma sequência de 7 ou mais pontos consecutivos ascendentes ou descendentes. se existem causas especiais atuando no processo. basta que ocorra pelo menos uma das regras de instabilidade a seguir: 1a REGRA : Existência de pelo menos 1 ponto acima do LSC ou abaixo do LIC. 2a REGRA : Existência de uma sequência de 7 ou mais pontos consecutivos todos acima ou abaixo da linha média.2 Processo fora de controle ou instável Para verificar se o processo está “Fora de Controle” ou “ Instável “. isto é. 201 1 9.

201 1 Professor: Rafael de Carvalho Mendes Página 27 .Apostila – Controle Estatístico do Processo.

CAPACIDADE DO PROCESSO . A Tolerância Natural pode ser entendida como a faixa de variação do processo. primeiramente o processo deve estar estabilizado. Indica se o processo tem condições de atender à Especificação de Engenharia.Apostila – Controle Estatístico do Processo.1 Conceito É a propriedade do processo de atender com segurança estatística as especificações.LIE e Cpi = 3σ 3σ Professor: Rafael de Carvalho Mendes Página 28 . Para isso ocorrer. isto é. Para quantificar a capacidade do processo utilizamos os indicadores Cp e Cpk. 201 1 10. não apresentar causas especiais de variação. que são: LSE -X Cps = X . desenhos ou normas oriundas do projeto. É obtido dividindo-se a Tolerância da Especificação de Engenharia pela Tolerância Natural do Processo. Cp: ÍNDICE DE CAPACIDADE POTENCIAL DO PROCESSO. Tolerância Especificação Cp= LSE – LIE = Tolerância Natural do processo 6σ Onde : LSE : Limite Superior da Especificação de Engenharia LIE : Limite Inferior da Especificação de Engenharia σ : Desvio Padrão da População Cpk: Índice De Capacidade Centrada Do Processo É obtido tomando-se o Menor valor entre Cps e Cpi.CARTA POR VARIÁVEIS 10.

os limites podem ser estipulados.Apostila – Controle Estatístico do Processo. no final deste capítulo. através da utilização dos valores pré-definidos que se encontram na tabela 1. 201 1 Sendo X : média das médias das amostras. 10. Cálculo dos limites: Professor: Rafael de Carvalho Mendes Página 29 .2 Determinação dos limites Inferiores e Superiores – Controle por Variáveis No caso de cartas de controle por variáveis.

podendo ser auxiliada por instrumento ótico (ex. escorridos de tinta na carroceria. defeituoso/ sem defeito ou até realizar a contagem de defeitos. O tamanho da amostra nas Cartas por Atributo é inversamente proporcional à incidência de defeitos ou elementos defeituosos. Professor: Rafael de Carvalho Mendes Página 30 . equipamento. consequentemente. CARTA “c” • Utiliza a Distribuição de “Poisson”. quanto menor a incidência de defeitos. ou pessoal disponível. LIC também é igual a zero.: O fator B3. • Necessita de definição de padrão de qualidade para o produto ou processo para que o mesmo possa ser avaliado em Conforme ou Não-Conforme. Obs. B3 : Tabela I (ANEXOS). 201 1 Onde: n = n° de elementos da amostra (subgrupo) K = n° de amostras (subgrupos) Fatores A3. o Controle por Variáveis usando medição pode ser anti-econômico ao processo. etc. Ex. classificar o produto ou processo em conforme/ não conforme.: amassados encontrados em uma lateral da carroceria. ou seja. B4. endoscópio). • O tamanho da amostra “n” deve ser determinado através de uma coleta de dados inicial. isto é. é igual a zero para “n” de 2 a 5 elementos e.: lupa.3 Determinação dos limites Inferiores e Superiores – Controle por Atributos As Cartas de Controle por Atributos são utilizadas para controlar características que não podem ser medidas ou não é conveniente fazê-lo. • Realiza a contagem de defeitos encontrados no processo ou produto. • A inspeção é visual. Principais características: • O número de características a controlar no processo ou no produto é elevado.Apostila – Controle Estatístico do Processo. 10. é interessante realizar o Controle por Atributos. maior deve ser o tamanho da amostra. Nestes casos. por questão de tempo. Muitas vezes.

Apostila – Controle Estatístico do Processo. 201 1 O tamanho da amostra “n” deve ser constante. K: n° de amostras Professor: Rafael de Carvalho Mendes Página 31 . Cálculo dos limites: Onde “c1”.... “c3”. “c2”.”ck” são números de defeitos de cada uma das “k” amostras..

Apostila – Controle Estatístico do Processo. 201 1 11. SIMBOLOS UTILIZADOS Professor: Rafael de Carvalho Mendes Página 32 .

ISHIKAWA. Rio de Janeiro: Qualitymark Editora. 1990. nº 2. 14. Rio de Janeiro: LTC. Editora Harbra. Jan. TQC: Controle da Qualidade Total (no estilo japonês). Projeto TA-2. Introdução à Estatística. vol. COP Editora. Eliahu. Attractive Quality and must be Quality. A Meta. C. KANO. . Rio de Janeiro: 1983. Joseph M. Fundação Cristiano Ottoni. GARVIN. São Paulo: Livraria Pioneira Editora.C. J. 1992. Revista Hinshitsu. 2ª edição. A. Qualidade Total: Padronização de Empresas. Na liderança pela Qualidade. ELETROBRÁS. 2003. JURAN. Soares.. Material de curso.Apostila – Controle Estatístico do Processo. César. São Paulo: Livraria Pioneira Editora 1992. Vicente Falconi. F. Belo Horizonte: Fundação Cristiano Ottoni. 3 A Corporation. 1992. Noriaki. CAMPOS. Joseph M. A Hora da Verdade. Gerenciando a Qualidade: a visão estratégica e competitiva. Vicente Falconi. 1982. Professor: Rafael de Carvalho Mendes Página 33 . Kaoru. A. Farias. CARLZON. JURAN. 201 1 12. abril/1984. GOLDRATT. David A. Tokyo: Japan. REFERÊNCIAS CAMPOS. Planejando para a Qualidade. 1992. Introduction to Quality Control.

1998. Volume 4 da Série Ferramentas da Qualidade. Belo Horizonte: Fundação Cristiano Ottoni. 1996. & Runger. Werkema. Ferramentas Estatísticas Básicas Para o Gerenciamento de Processos. Lima. São Paulo: Editora Gente. G. 1995. C. F. M. C. Estatística Aplicada e Probabilidade Para Engenheiros. 1992.Apostila – Controle Estatístico do Processo. 2003. Introdução à Estatística. M. 7ª edição. Métodos Estatísticos para Melhoria da Qualidade. Noções de Probabilidade e Estatística. Professor: Rafael de Carvalho Mendes Página 34 . M. M. Como Estabelecer Conclusões Com Confiança: Entendendo Inferência Estatística. São Paulo: Makron Books. Rio de Janeiro: LTC. C. Volume 2 da Série Ferramentas da Qualidade. D. São Paulo: Edusp. 2ª edição. 2001. 201 1 KUME. A. Hitoshi. C. Nancy R.. C. Rio de Janeiro: LTC. Montgomery. 1993. Deming: As Chaves da Excelência. 3ª edição. Magalhães. Triola. Werkema. Belo Horizonte: Fundação Cristiano Ottoni. MANN. C.

201 1 13. ANEXOS 13.1 Tabela I .Apostila – Controle Estatístico do Processo.Tabela de fatores e fórmulas para cartas de controle Professor: Rafael de Carvalho Mendes Página 35 .

Professor: Rafael de Carvalho Mendes Página 36 .Apostila – Controle Estatístico do Processo.15D. 13. 201 1 F i g u r a 1 1 : Extraído da publicação ASTM STP . 134-136.2 Tabela II .Tabela de fatores e fórmulas para cartas de controle (cont). Manual on the Presentation of Data and Control Chart Analysls. pág. 1975.

manual on the presentation of data and control chart analysls. 13. 201 1 F i g u r a 1 2 : E xtraído da publicação astm stp . 1975.Tabela da distribuição normal . pág.15d . 134-136.Apostila – Controle Estatístico do Processo.3 Tabela III .P(0 < z < zc) Segunda Decimal de Z Professor: Rafael de Carvalho Mendes Página 37 .

499381 0.44691 2.490097 0.357690 0.24088 2.390651 0.446301 0.425066 0.499730 0.422196 0.499443 0.499869 0.498559 0.497445 0.368643 0.488089 0.492656 0.498134 0.372857 0.0 0.499959 0.479325 0.498511 0.484614 0.70743 3.473810 0.499581 0.461636 0.9 0.60409 5 2.498999 3.493053 0.07 0.499313 0.444083 1.338913 1.499776 0.494457 0.499835 3.483414 0.313267 0.82052 63.408241 0.394350 0.406582 0.248571 0.486097 0.77645 2.482571 0.485738 2.288145 0.133072 0.323814 0.499336 0.493790 0.496427 2.499815 0.485371 0.0 0.166402 0.459941 0.496928 0.36462 2.499948 0.02637 7.57889 12.477784 0.381000 0.310570 0.4 0.264238 0.450529 0.499853 0.482997 0.386861 0.140576 0.401475 1.Apostila – Controle Estatístico do Processo.60076 2.449497 0.321214 0.125516 0.499749 0.498462 0.438220 0.498305 0.495201 2.482136 0.499155 0.1 0.075345 0.411492 0.01505 2.011966 0.043795 0.498694 0.489830 0.225747 0.01920 1.499126 0.307850 0.000000 0.397958 0.04601 2.090954 0.3 0.0 0.469946 0.09 0.187933 0.498736 0.499864 0.09784 2.439429 0.19096 2.121720 0.05789 10.491802 0.492857 0.251748 0.499963 0.499264 0.302337 0.285236 0.60543 2.392512 0.245373 0.499289 3.222405 0.348495 0.65674 2 2.458185 0.2 0.413085 0.499883 0.95051 3.13185 2.039828 0.490358 0.499941 0.229069 0.75651 3.496319 0.235653 0.495339 0.477250 0.489276 0.7 0.10398 3.208840 0.499908 0.492240 0.454486 1.498856 0.499961 0.91999 3.7 0.92484 3 2.481237 0.04 0.374928 0.76260 2.003989 0.499847 0.384930 0.496736 0.499651 3.48191 3.261148 0.499096 0.173645 0.499675 0.379000 0.497744 0.333977 0.33287 2.498074 2.495975 0.499967 13.497882 0.440620 0.417736 1.70620 15.497673 0.194974 0.499792 0.499596 0.84873 5.499943 0.499065 0.399727 0.10431 2.4 0.420730 0.499912 0.475002 0.441792 0.499925 3.84091 4 2.71457 3.499550 0.388768 0.350830 0.434478 0.499931 0.258036 0.496533 0.493613 2.4 0.494915 0.162757 0.499841 0.29763 3.6 0.435745 0.328944 0.6 0.094835 0.499928 0.495060 0.465620 0.82893 2.51675 2.497365 2.487126 0.6 0.479818 0.36493 4.42158 2.499954 0.331472 0.341345 0.071424 0.499922 0.5 0.494297 0.08 0.499966 0.499933 0.427855 0.436992 0.499566 0.414657 0.486791 0.480774 0.499758 3.106420 0.429219 0.059618 0.499807 0.496636 0.110261 0.13645 2.3 0. 201 1 Parte inteira e primeira decimal de Z 0 1 2 3 4 5 6 7 8 9 0.499950 3.491576 2.102568 0.499462 0.74695 4.487455 0.492024 0.442947 0.403200 0.499402 0.499184 0.89454 21.499481 0.01 1 6.276373 0.469258 0.494766 0.05 0.497814 0.007978 0.1 0.490613 0.359929 0.31375 7.494614 0.89643 4.499964 0.366500 0.488396 0.426471 0.499238 0.151732 0.470621 1.493431 0.10 0.499784 0.1 0.491106 0.497948 0.499874 0.396165 0.409877 0.471283 0.499888 3.499858 0.471933 0.483823 0.098706 0.114092 0.7 0.499624 0.499904 0.99795 3.416207 0.430563 0.279350 0.343752 0.474412 0.478308 0.499698 0.89605 4.238914 0.144309 0.035856 0.476705 2.499936 0.496833 0.267305 0.129300 0.9 0.184386 0.476148 0.497523 0.96456 9.91582 9.499896 0.023922 0.7 0.499423 0.336457 0.96615 2.499740 0.498411 0.489556 0.499663 0.299546 0.497197 0.423641 0.497599 0.03 0.493244 0.497282 0.499879 0.5 0.466375 0.20495 31.457284 0.291030 0.2 0.45589 2.362143 1.99853 3.14267 2.270350 0.54070 5.148027 0.488989 2.364334 0.499918 0.35336 2.453521 0.498012 0.370762 0.497110 0.495731 0.31976 3.57825 3.497020 0.445201 0.30265 4.498250 0.404902 0.296731 0.9 0.499720 0.419243 0.159097 0.495855 0.452540 0.198468 0.051717 0.136831 0.61224 2.493963 0.433193 0.484222 0.499499 3.212260 0.498650 0.462462 0.499822 0.027903 0.376976 0.047758 0.89458 2.191462 0.8 0.5 0.4 0.8 0.0 0.475581 0.079260 0.460796 0.431888 1.498193 0.346136 0.467116 0.055670 0.282305 0.353141 0.06 0.499828 0.499800 0.9 0.499915 0.499709 0.467843 0.49948 Professor: Rafael de Carvalho Mendes Página 38 .031881 0.205401 0.02 0.94318 1.464852 0.455435 0.083166 0.499767 0.57058 2.499946 0.481691 2.177242 0.2 0.499610 0.499517 0.459070 0.494132 0.472571 0.254903 0.20106 2.31326 2.3 0.242154 0.498893 0.273373 0.215661 0.491344 0.498359 0.448449 0.451543 0.4 Tabela IV – T-Student tc .180822 0.3 0.486447 0.478822 0.499938 0.499534 0.219043 0.315940 0.326391 0.29739 2.480301 0.499359 0.18245 3.498605 3.498965 0.293892 0.495604 0.232371 0.117911 0.499892 0.305105 0.490863 0.155422 0.64278 6.498777 0.456367 0.5 0.P(T≥tc) = α Graus de liberdade Alpha 0.499952 0.47081 2.019939 0.22610 2.8 0.463273 1.496093 0.499211 0.499687 0.170031 0.495473 0.6 0.1 0.03214 6 7 1.468557 0.087064 0.499900 0.499638 0.318589 0.447384 0.498930 0.201944 0.473197 0.498817 0.492451 0.355428 0.488696 0.382977 1.464070 0.8 0.499032 0.499956 0.496207 0.487776 0.00287 3.067495 0.2 0.015953 0.499958 0.063559 0.484997 0.

83542 1.09614 2.70113 1.78229 1.94567 2.14479 2.42326 2.84433 1.53948 2.14697 2.83965 1.80455 1.43772 2.44868 2.30272 2.87080 1.12023 2.93566 2.86928 1.15038 2.92444 2.00030 2.92843 2.80629 1.94987 2.10092 2.28638 2.85606 1.69726 1.86093 20 1.86907 1.75195 1.73406 1.43585 2.03011 2.96014 2.25027 2.82822 1.45726 2.84483 1.88391 1.78744 26 1.06004 2.81000 1.96320 2.72074 1.72322 1.08596 2.39012 2.29581 2.13316 2.00415 2.33624 2.89887 1.22385 2.47266 2.17696 2.74588 1.70329 1.83170 1.88968 1.62449 2.01410 2.30113 2.83136 22 1.81876 23 1.34565 2.01228 14 1.10982 2.93353 2.74365 1.06390 2.96166 2.72381 40 1.77345 1.05553 2.94165 2.88750 1.81659 1.35618 2.19620 2.79776 1.16037 2.86173 1.11500 2.72913 1.70446 45 1.67591 1.02108 2.76667 1.45282 2.76991 1.09936 2.75007 1.77871 27 1.82144 3.89293 1.24984 10 1.88134 1.95094 2.30691 2.07387 2.00002 2.48511 2.26219 2.46202 2.84953 1.49216 2.72472 1.16659 2.97416 2.04841 2.05539 2.77734 1.68959 50 1.26216 2.98804 2.91703 2.91231 1.41490 2.73848 33 1.95465 2.82805 1.97684 15 1.76377 3.78700 1.69092 1.90916 1.81424 1.69913 1.80809 1.31323 2.39844 2.19666 2.74404 32 1.69236 1.71088 1.99371 2.90031 1.21370 2.07961 2.18915 2.70814 1.75000 31 1.95218 2.61742 Professor: Rafael de Carvalho Mendes Página 39 .36805 2.96651 2.97993 2.84534 21 1.87461 1.85955 1.82483 1.27826 2.26801 2.51765 2.76564 1.95729 2.41212 2.85534 1.74831 1.27120 2.20470 2.70562 1.79588 1.75639 30 1.94770 2.06866 2.12291 2.49987 2.92636 2.71387 1.82127 1.26501 2.00856 2.97010 2.35931 2.90452 1.68100 3.89922 1.80302 1.24854 2.91429 1.47863 2.79113 1.87844 19 1.78085 1.23536 2.27461 2.89646 1.23379 2.81913 1.15033 2.13558 2.Apostila – Controle Estatístico do Processo.72839 35 1.76371 1.94671 16 1.78164 1.73747 1.13816 2.98291 2.03452 2.69552 1.00666 2.29091 2.15782 2.75397 1.94375 2.09017 2.92941 2.77093 1.07631 2.94810 2.10581 12 1.01500 2.68957 1.80461 1.02400 2.13145 2.83311 1.22292 2.79631 1.73328 34 1.63381 2.24108 2.03693 2.32016 2.67943 1.87894 1.85155 1.92078 17 1.03429 2.20099 2.70919 1.11991 2.74666 1.80734 24 1.16927 11 1.40327 2.39701 2.76098 1.15393 2.73961 1.09302 2.17154 2.97825 2.55238 2.89646 3.88669 1.87677 1.87265 1.22814 2.73269 1.44898 2.78642 1.16203 2.97265 2.81246 1.68385 1.66028 120 1.76326 29 1.18943 2.92799 2.04617 2.97399 2.69389 1.10872 2.89823 18 1.67065 1.89874 1.67779 60 1.91999 2.74511 1.05183 2.50832 2.02833 2.52798 2.46714 2.81205 1.82186 1.35782 2.71714 1.75305 1.26378 2.35539 9 1.05954 2.46070 2.56693 2.79694 25 1.44479 2.85877 1.71808 3.38155 2.05454 13 1.28217 2.65031 3.98893 2.60248 2.49066 2.75613 1.86187 1.30600 2.83157 1.03951 2.04523 2.17881 2.65765 1.07644 2.14383 2.77068 28 1.32779 2.58349 2.87774 1.28160 2.76131 1.44115 2.04227 2.81232 1.72889 1.75847 1.14090 2.57380 2.52748 2.18289 2.79175 1.03224 2.87670 1. 201 1 8 1.84402 1.32814 2.00707 2.

06 7.91 3.33 3.65 1012.08 3.52 3.13 12.09 0.47 5.79 2.71 7.39 7.15 4.60 3.10 6.55 4052.56 6.39 4.81 4.43 4.05 3.12 5.12 5.37 4.82 4.75 6.45 4.30 6.36 3.38 3.84 5.19 4.76 7.96 10.02 4.20 5 4.63 8.96 7.42 3.49 3.77 8.61 3.80 4.13 5.56 3.38 6.01 3.13 3.04 11 3.87 4.32 4.30 4.42 6.06 0.57 3.74 5.59 3.40 3.26 3.24 4.61 3.02 11.82 5.32 3.96 5.67 8.08 3.66 5.30 3.95 23 2.46 6.21 4.44 3.13 4.53 9.88 3.08 0.96 4.Fisher-Snedecor para regressão fc .43 3.70 4.34 3.11 7.02 3.96 5.81 2.69 4.55 6.82 7.54 5.90 5.35 3.02 5.00 9.97 3.29 7.82 3.07 0.44 35 2.26 3.18 20 2.98 7.38 4.23 3.87 4.95 5.64 5.54 6.26 4.50 33 2.P(F≥fc) = α Graus de liberdade do denominador Alpha 0.35 6.00 7.51 3.83 5.56 31 2.14 5.55 3.39 11.99 5.75 5.36 3.53 3.10 3.79 5.19 9.50 3.07 14 3.04 21.86 3.61 7.20 7.10 21 2.11 4.37 3.01 1 39.25 8 3.31 4.61 3.99 10.95 4.60 9.92 3.60 30 2.32 3.67 6.86 49.93 4.69 5.50 4.32 16.86 3.04 7.21 7.07 3.50 3 5.29 19 2.03 6.5 Tabela V .06 7.41 4.28 5.08 4.02 7.87 3.85 4.17 3.10 3.85 Professor: Rafael de Carvalho Mendes Página 40 .84 3.83 4.14 4.65 12 3.92 4.96 3.79 7.31 3.78 4.40 3.83 6.03 4.89 4.94 8.85 3.14 4.62 5.12 4 4.11 3.12 15.19 3.63 3.55 5.90 4.88 4.90 3.12 3.18 3.58 3.94 7.25 3.66 3.67 5.37 62.61 5.00 3.35 5.97 3.00 4.87 3.14 3.64 10.68 28 2.51 8.27 3.60 5.39 9.03 0.78 4.00 6.64 3.32 6.06 4.02 9.28 3.93 7.37 8.72 27 2.86 15 3.47 3.59 6.21 6.75 2.80 4.05 111.77 26 2.17 60 12 0 2.64 449.47 34 2.20 4.29 3.79 4.21 3.66 82.42 40 2.18 2 8.03 3.19 6.77 5.57 6.90 4.15 3.67 4.80 5.39 8.06 5.84 4.94 5.79 5.89 3.45 252.59 8.24 4.32 6.75 6.61 3.05 3.05 3.06 4.84 48.12 5.23 3.44 3.23 4.75 7 3.81 4.18 18.72 4.61 6.79 4.84 5.26 3.02 5.92 3.06 5.46 3.10 0.63 11.97 4.30 6.53 3.34 3.04 3.42 6.82 25 2.03 4.72 5.17 4.57 5.74 4.28 3.45 8.28 3.99 3.49 5.16 4.54 4.26 6 3.00 5.23 3.95 3.02 12.21 5.10 4.05 0.28 4.12 4.54 3.23 50 2.51 23.06 3.51 3.02 22 2.19 4.18 4.87 14.41 4.67 5.02 0.08 4.77 4.33 7.99 3.00 4.09 3.58 5.31 4.53 17 3.52 3.23 6.87 7.44 6.51 98.18 7.16 3.56 3.94 3.07 3.71 10.51 5.62 7.25 7.62 34.12 3.49 3.06 4.72 4.86 5.80 15.56 5.93 3.25 6.89 8.56 10 3.Apostila – Controle Estatístico do Processo.99 12.29 3.14 7.33 13 3.19 3.26 9 3.82 8.04 0.34 8.31 45 2.08 2.27 6.09 7.66 3.86 6.40 4.21 3.88 13.17 6.99 6.35 4.17 3.85 4.47 3.18 20.56 5.45 4.89 3.75 4.16 6.46 3.71 8.71 4.22 4.64 29 2.68 16 3.91 4.06 3.72 4.03 4.78 7. 201 1 13.51 31.62 5.40 18 3.53 32 2.60 5.91 161.88 24 2.40 3.50 6.

Sign up to vote on this title
UsefulNot useful