APOSTILA CONTROLE ESTATÍSTICO DE PROCESSO

Luis Felipe Dias Lopes, Dr.
phil.zaz@zaz.com.br www.felipelopes.com

D E - C E E M Q - UFSM 2007

1

1. INTRODUÇÃO Controle da qualidade é um conjunto de ações ou medidas desenvolvidas com o objetivo de assegurar que os serviços ou produtos gerados atendam aos requisitos segundo os quais foram especificados. Segundo a ISO 8402, Controle da Qualidade é definido como sendo o conjunto de “técnicas e atividades operacionais usadas para atender os requisitos para a qualidade”. Avaliar os resultados das ações, com o objetivo de verificar se os mesmos estão em conformidade com as expectativas, faz parte da natureza do homem. Assim, no sentido Lato, pode-se dizer que o controle da qualidade remonta aos primórdios da civilização humana. Não se pode precisar, no tempo, quando foi que o controle da qualidade começou a ser utilizado, de forma sistemática, de modo a assegurar que os resultados das ações empreendidas viessem a atender aos requisitos dos projetos, na forma como foram concebidos. Entretanto, a perfeição das obras remanescentes das civilizações grega, romana, egípcia, chinesa, e outras, sob a forma de templos, termas, pirâmides, muralhas, etc., nos permite assegurar que alguma forma de controle devia ser por eles empregada. Os registros históricos nos mostram que até o final do século XVIII, antes do início da era industrial, os empreendimentos eram, na sua maioria, de natureza individual ou familiar e cada um definia e controlava a qualidade dos produtos ou serviços que gerava. Curiosamente, esta é uma postura muito atual. No que se refere a “garantia da qualidade”, “cada um é responsável pela qualidade do que faz”. A diferença entre um profissional do final do século XVIII e o seu colega dos anos 90 está na forma segundo a qual aquele entendia e este entende a função “qualidade”. Para o profissional do século XVIII a “qualidade” estava relacionada ao atendimento as especificações do produto, especificações estas quase sempre ditadas por ele mesmo. Ele definia o que deveria ser “qualidade”, produzia e, eventualmente, quase sempre sem uma programação específica definida, inspecionava o produto para verificar se estava conforme as suas especificações. Hoje, a “qualidade” é definida pelo cliente. Cabe, também, ao profissional dos nos 90 produzir e controlar a qualidade do que ele produz. Entretanto, o controle da qualidade por ele exercido é feito de forma sistematizada; é planejado de forma a cobrir todas as fases do processo e tem por objetivo assegurar que as necessidades do seu

2

cliente vão ser atendidas. Não se trata mais apenas de uma inspeção final para verificar se o produto tem ou não defeitos de fabricação. Entretanto, não se pode dizer que a sociedade, até o início do século XIX, encontrava-se totalmente sem estruturas organizacionais orientadas para o controle da qualidade. Registra-se, no decorrer da idade média, intensas atividades de associações de artesões, estabelecendo padrões que visavam proteger ganhos econômicos e sociais de seus associados e regular a economia. Para alcançar esses objetivos essas associações desenvolveram intensos e importantes trabalhos estabelecendo salários, condições de trabalho e especificações para matérias-primas e produtos acabados. Entre 1900 e 1930, com o advento da era industrial, pressionados pela crescente concorrência e pela complexidade dos processos, iniciou-se uma nova fase para o controle da qualidade. Essa foi a era da inspeção. No início, as inspeções eram feitas no produto acabado e tinha por objetivo evitar que itens defeituosos chegassem ao consumidor. Nenhuma técnica estatística era usada. No final dos anos 20, como decorrência da crescente complexidade dos processos e da maior concorrência do mercado, iniciou-se a utilização de técnicas estatísticas para o controle dos produtos. Em 1924, foi criado o Inspection Engineering Departament of Western Electric’s Bell Telephone Laboratories, do qual foram membros personalidades como R. B. Miller, G. D. Peterson, H. F. Dodge, G. D. Edwards, P. S. Olmstead, M. N. Torrey e outros, aos quais devemos importantes trabalhos pioneiros de desenvolvimento de teorias e métodos de controle da qualidade, incluindo critérios para seleção e amostragem. A primeira carta de controle da qual se tem registro foi desenvolvida por Shewhart em 1924 e ficou conhecida como “Carta de Controle de Shewhart”. Entre 1930 e 1940, o uso da estatística como ferramenta para o controle da qualidade se consolidou como técnica. Destaca-se nesse período os trabalhos do Joint Committee for the Development of Statistical Aplications in Egineering and Manufacturing, presidido por Shewhart e apoiado pela American Society for Testing Materials (ASTM), American Society of Mechanical Engineers (ASME), American Mathematical Society (AMS), American Statistical Association (ASA), Institute of Mathematical Statistics (IMS) e o American Institute of Electrical Engineers (AIEE). Na década de 40, o uso da estatística como ferramenta para o controle da qualidade se consolidou como prática indispensável, principalmente devido às condições impostas pela economia de guerra. A necessidade de massificar a

Deming. na década de 40. continuaram sendo os principais impulsionadores do desenvolvimento da área de controle da qualidade. Nos anos 60. do ponto de vista estratégico. dos programas de mobilização para a qualidade. A década de 70 se caracterizou pela disseminação dos conceitos de TQC. principalmente no Japão e foram lançadas as bases para a implantação dos conceito de Total Quality Management . portanto. Na década de 50.TQC. foram implementados. que demandava contínuos e intensos programas de desenvolvimentos na área da indústria bélica.3 produção levou a uma inevitável deterioração da qualidade dos produtos. orientados para a utilização destas técnicas. assegurar a qualidade dos produtos. Na verdade o responsável pelos itens defeituosos é o processo. em escala sem precedentes. representou um passo importantíssimo. as forças armadas dos países aliados. gerar produtos sem defeitos. Nesse período. na implementação de programas de controle da qualidade e. Nesse período. no estabelecimento de padrões. No final desta década. principalmente devido a guerra fria. O parque industrial japonês. na pesquisa de novas teorias de controle. o que. juntamente com Juran e Ishikawa. o uso prático da estatística como ferramenta para o controle de processo se consolidou e foram lançadas as bases para a implantação dos conceitos de Total Quality Control . reduzir o custo de produção e. o Japão iniciou sua jornada rumo a industrialização.TQM. foi para o Japão e. que havia participado ativamente. as técnicas estatísticas que já haviam sido desenvolvidas para o controle de produtos. Se o processo é “capaz” e se está sendo devidamente controlado deve. tornou-se o principal responsável pela disseminação dos conceitos de controle da qualidade naquele país. o controle da qualidade deixou de enfocar o produto e passou a orientar-se para o processo. intensivos programas de treinamento. as forças armadas dos Estados Unidos e dos países aliados desempenharam um papel importantíssimo no desenvolvimento de novas técnicas estatísticas. desenvolvidos por Feigenbaum. principalmente. .ISO criou o Tecnical Committee 176 (TC .176) cujos trabalhos levaram a criação das Normas ISO série 9000. na década seguinte. a International Organization for Standardization . aprovadas em 1987. ainda infante. Os principais esforços dos anos 50 foram orientados para os estabelecimentos de novos padrões. com os objetivos de: minimizar perdas. serviu de palco para a implementação destes conceitos. De 1950 a 1960. Nessa década. Esse fato obrigou o sistema produtivo a utilizar. nos Estados Unidos. principalmente.

os problemas relacionados com a preservação da qualidade do meio ambiente passou. dos conceitos de TQM. Como resultado. A partir da década de 60. ser analisada pelo objeto do seu foco. também. sem que sejam alteradas as condições ambientais globais. preocupada com os nossos recursos naturais. foi o início de pressões social para que os sistemas produtivos utilizassem tecnologias não poluidoras. em 1987. em escala crescente. A aprovação das Normas ISO série 9000. berço dessas Normas. Como não poderia deixar de ser. principalmente nos países mais desenvolvidos. os movimentos conservacionistas influenciaram fortemente os conceitos relativos a qualidade e motivaram a aprovação das Normas ISO Série 14000. O vertiginoso crescimento das atividades industriais. foi assinado. ocorrido nesse último quarto do século XX. incorporando conceitos de racionalização de insumos nos processos produtivos. Até a década de 40 o produto era o ponto de aglutinação de todos os esforços . Assim. no início de 1998. Essas Normas especificam os requisitos relativos a um sistema de gestão ambiental e regem as relações contratuais para o comércio interno e entre países. uma forte conscientização de que a natureza não é infinita em sua capacidade de absorver os resultados de todas as atividades humanas. cada vez mais. O Japão. com enfoque na preservação dos ecossistemas e da biodiversidade. A função qualidade pode. liderou os países industrializados na implementação destes conceitos. operacionalizando grande parte dos acordos firmados na ECO-92. representou uma mudança de paradigma e a Europa. evoluiu. seis anos após a realização da ECO-92. em larga escala. principalmente nas comunidades mais esclarecidas. despertou. mantendo a sua posição de vanguarda. em 1996. nos próximos anos. o sistema produtivo deverá privilegiar. a ocupar o centro das atenções da nossa sociedade. a preservação da qualidade do meio ambiente passou a ter um caráter econômico urgente e como conseqüência. a utilização de tecnologias orientadas para o desenvolvimento sustentável. o protocolo de Kyoto que estabelece critérios sobre emissão de CO2 e outros gases que exercem efeito estufa e prioriza o desenvolvimento e a utilização de tecnologias amigáveis com relação a mudanças climáticas. a sociedade. ocupou a posição de destaque neste novo cenário. Na década de 70.4 Os anos 80 se caracterizaram pela implementação. O resultado desse movimento. no ritmo em que estas vêm ocorrendo.

strito e lato senso) e ser capaz de acompanhar as mudanças das suas necessidades. Atender às expectativas do cliente e. Nas décadas de 50. As características de uma empresa orientada para o atendimento ao cliente são: • seus processos são consistentes e adequadamente controlados (eficiência). • seus produtos são especificados de acordo com as necessidades do seu cliente (eficácia). Para essa empresa. do controle da qualidade e a estatística foi a principal ferramenta utilizada. o processo passou a ser o ponto principal das atenções. Dentro deste contexto.5 orientados no sentido de lhe agregar qualidade. superar essas expectativas. mas apenas uma ferramenta. se possível. a estatística é apenas uma ferramenta. importantíssima sem dúvidas. passa a ser o foco das atenções. o produto tenha saído de cena. Nesse período. Nas décadas de 80 e 90 cresceu no meio empresarial a consciência de que tão ou mais importante do que produzir com qualidade. o cliente no sentido lato (a sociedade) aparece no cenário com importância crescente e vai se tornando tão importante quanto o cliente que adquire seus produtos ou serviços (cliente no sentido strito). é oferecer ao cliente o que ele deseja. • como as necessidades do cliente estão sempre mudando. como o “parceiro” mais importante do negócio. deve ser dinâmico. as inspeções continuaram sendo atividades importantes mas apenas para registrar a qualidade da produção e a estatística consolidou sua posição como ferramenta indispensável para os processos de controle. é atender as suas necessidades. certamente é uma forma mais econômica de assegurar qualidade. deve estar orientado para as necessidades dos clientes (interno e externo. adaptam-se com rapidez e têm visão do futuro (efetividade). O controle de processo. contudo. o cliente. Assim. sem que. . Essa foi a era da inspeção. 60 e 70. passa a ser a política dos negócios de sucesso. para estar de acordo com o enfoque filosófico da era em que estamos vivendo. elas são flexíveis. Controlar o processo para que os produtos por ele gerados atendam as especificações.

OBJETIVOS DO CONTROLE DE PROCESSO Conforme já foi enfatizado. Para os nossos propósitos. sem dúvidas. ao setor de produção. Fornecer os subsídios necessários às tomadas de decisões nos processos de compra e recepção de matérias-primas. Gráficos de controle por amplitude. auxiliando os responsáveis a tomar decisões. Atuando em todas as fases do processo produtivo e principalmente nos pontos críticos. a aplicação de técnicas estatísticas ao controle da qualidade pode ser resumida em dois tipos de ações: • • aplicação de técnicas matemáticas na análise dos dados de controle e sistematização desses dados de modo a facilitar a análise dos mesmos. A sistematização dos dados de controle que normalmente é feita sob a forma de “gráficos de controle” tem por objetivo facilitar a “visualização” dos resultados. para que seja possível atender às necessidades dos clientes internos e externos.6 2. Inspecionar os produtos acabados. uma ferramenta de trabalho poderosíssima para quem trabalha em controle da qualidade e controle de processo. Acompanhar o perfil da qualidade dos produtos concorrentes. A aplicação de técnicas estatísticas tem por principal objetivo oferecer aos responsáveis pela tomada de decisões. o controle de processo deve fazer parte do esforço cooperativo de todos os setores da empresa. Assegurar. seus objetivos são: ♦ ♦ Gerar as informações necessárias ao desenvolvimento dos novos produtos. no sentido de assegurar a sua conformidade e a qualidade da produção. referências relativas ao grau de confiabilidade dos resultados gerados pelos controles e aos riscos envolvidos nas decisões tomadas. ♦ ♦ ♦ 3. . CONTROLE ESTATÍSTICO DE PROCESSO A estatística é. as informações requeridas para o efetivo controle dos processos de fabricação. São três os principais tipos de gráficos usados em controle da qualidade a saber: ♦ ♦ Gráficos de controle por média.

Já o controle de frações defeituosas é. um processo é qualquer conjunto de condições ou conjunto de causas (sistema de causas) que trabalham simultaneamente para produzir um determinado resultado. Para alguns casos de controle de frações defeituosas. O objetivo principal no CEP é reduzir cada vez mais a variabilidade de um processo. Admitindo esta situação. os equipamentos e o meio ambiente para fabricar um produto qualquer. Controle Estatístico de Processo (CEP) é um método preventivo de se comparar. VARIAÇÕES NUM PROCESSO Em geral as características de um produto manufaturado apresentam variabilidade. identificando a partir de dados estatísticos as tendências para variações significativas. Isto se deve a flutuações na qualidade dos materiais usados e de variações nas condições de operação do processo de produção. os materiais. Os controles por média e amplitude são feitos com base na teoria estatística da distribuição normal. Existe. . Portanto. associado a qualquer processo de produção. os resultados de um processo com os padrões. 4. pode afirmar que: As características de qualidade de um produto são afetadas por causas acidentais que provocam variação. Estatística – obter conclusões com base em dados e números que trazem informações. A definição de controle estatístico de processo pode ser realizada através da junção dos significados de cada uma das palavras. mais freqüentemente. Mais especificamente. a fim de eliminar/controlar essas variações. continuamente. a aplicação de teoria estatística da distribuição binomial pode ser vantajosa. Controle – manter algo dentro dos limites (padrões) ou fazer algo se comportar de forma adequada. um sistema de causas que provocam variação natural em um produto. Controle Estatístico – fazer com que os resultados se mantenham conforme o previsto pelos padrões com a ajuda de dados numéricos. Processo – é a combinação necessária entre o homem.7 ♦ Gráficos de controle para frações defeituosas. as máquinas. fundamentado na distribuição de Poisson.

8 Se forem só as causas que atuam no processo. possíveis de serem corrigidas. Processo fora de controle: É o processo em que se fazem sentir causas especiais.A variabilidade das características de qualidade do produto é devida. . Existe uma distribuição estatística estável associada ao processo. a eliminação estas causas. Se o processo esta sob controle: . eliminadas. . . Logo têm-se: Processo sob controle: É o processo cujas causas de variação são devidas somente pelas causas aleatórias. . As causas de variações aceitáveis são chamadas causas aleatórias ou acidentais. as outras são causas especiais. com grandes alterações nas características de qualidade. apenas. ou seja. Variações anormais devem ser corrigidas. A variabilidade do processo é anormal. diz-se que as variações do processo são aceitáveis e inevitáveis e a eliminação destas causas é inevitável.Há diferenças notáveis entre a média do processo e os valores observados. ao acaso. Se o processo não esta sob controle: .Trata-se de uma situação que requer imediata intervenção.A variabilidade das características de qualidade do produto é devida a causas especiais.Pode ser até impossível. mas é quase sempre antieconômica. Exemplo de variação em um processo: .As causas de variações não afetam de forma significativa o processo.

8 26.2 22.0 24.3 22.8 24.3 24.8 25.9 .7 24. 25.3 26.9 23.2 Consumo (km/l) 24. Os gráficos seqüenciais são ferramentas simples para serem construídas e utilizadas. sendo que ela pode variar para cima ou para baixo.5 24.1 24.Gráfico seqüencial É recomendado para quando é preciso apresentar a tendência dos pontos observados sobre um especificado período de tempo.8 23.1 22. Mas observa-se no gráfico que a partir do 10º enchimento (a data é uma . Gráficos seqüenciais são empregados para representar visualmente um conjunto de dados. A quilometragem por litro é dada abaixo para 21 intervalos sucessivos entre os enchimentos do tanque de combustível. São utilizados para monitorar um processo verificando se ao longo do tempo se a média está mudando.2 23. atingida entre um enchimento e outro do tanque de certo veículo. por litro de combustível.7 24.1 26.619 2 4 6 8 10 12 14 16 18 20 Amostras FIGURA 1 – Variação de um processo Interpretação da variação: Do gráfico de dispersão nota-se que de início a quilometragem por litro estava em torno de 25 km/l. Pontos são marcados no gráfico para serem avaliados.1 24. O gráfico a seguir mostra a quilometragem rodada.3 28.8 25.

troca de motorista.10 referência importante) os registros situam-se abaixo da média sucessivamente 9 vezes. transporte de carga mais pesada ou velas de ignição defeituosas (velhas). cada uma delas foi descartada. o processo será estável. combustível diferente. Quando se consegue atingir a estabilidade.. eliminando-se as causas especiais. tais como: tempo frio. CAUSAS DE VARIAÇÕES NUM PROCESSO Diversos fatores podem contribuir para a variação no nível de defeitos encontrados num processo. os quais não são identificáveis. Assim. Estes fatores. sobrando as velas de ignição como única explicação. chamam-se fatores particulares ou causas especiais de variação. é importante para empresas que têm veículos. os três últimos. O próprio motorista pode estar encarregado de fazer os registros. por exemplo.. Neste caso. temperatura. uma causa especial de variação deve ser procurada. datas de troca de peças. 5. Mesmo eliminando-se todos esses fatores particulares. etc. Podem ser. . Examinando-se estas opções de causa. Estes limites determinam a chamada capacidade do processo. Quando se elimina um a um os fatores particulares de variação. irregularidade no material utilizado na produção (não é perfeitamente uniforme). o gráfico de controle mostrará somente a variação aleatória causada pelos fatores de variação inerentes ao processo. A troca foi feita e o gráfico foi ampliado para mais 3 pontos. O gráfico mostrará então um processo aleatório estacionário.01 mm. estado físico dos operadores. que podem ser identificados. A resposta pode ser qualquer combinação de uma lista de possibilidades. de acordo com a terminologia criada por Shewhart. etc.Limites de Controle Seja um processo onde determinada característica do produto tem média fixada em µ = 74 mm e desvio-padrão σ = 0. ou. Nota-se claramente que a média voltou ao nível histórico. o processo ainda irá produzir artigos defeituosos. Isto é uma coisa difícil de ocorrer supondo que o processo seja estacionário em torno da média. que delimitam uma região onde com uma grande probabilidade o processo irá operar. manutenção do equipamento. pode-se construir os limites de controle. então trabalhando com a distribuição de probabilidade tem-se: . Isto ocorre devido a existência dos fatores inerentes ao processo. o processo estará sob controle. A estatística representada no gráfico será a média amostral x (por exemplo). Um registro histórico da quilometragem por litro de combustível.

1111 1 32 Considerando a situação onde µ = 74. É claro que a observação poderá ficar fora dos limites por obra do acaso.Uma alternativa para se construir os limites de controle é defini-los em termos de múltiplos do desvio-padrão da v. X situar-se fora desses limites é muito pequena. variando apenas por força dos fatores inerentes ao processo (não identificáveis). mas fixo e pequeno. LIC = µ x − kσ x e LSC = µ x + kσ x onde k é uma constante positiva.9865 LSC = 74. espera-se que: P(LIC ≤ x ≤ LSC) ≥ 1 − α onde α é um número arbitrário.a. Os limites LIC (limite inferior de controle) e LSC (limite superior de controle) são chamados de limites probabilísticos e a probabilidade de uma observação da v.0.01 mm é o seu desvio padrão. .a.01 / 5 = 0. mas isto é pouco provável dado α . X não seja conhecida. V( x ) = σ σ2 e σx = n n Se o processo está sob controle. dado o valor de α . as estatísticas seguintes: σ x = σ / n = 0. da ordem de 1%. isto terá como causa um fator particular (identificável) de variação.0135 que são os limites de controle a 3 desvios padrões.0 − 3. que está associada com o diâmetro do anel do pistão e σ = 0. Um valor muito usado para k é 3 e tem-se então os limites a 3 desvios padrões.0045 LIC = 74. Sendo assim quando ocorrer de uma observação situar-se fora dos limites de controle. tem-se para x de amostras aleatórias com tamanho n = 5 anéis tomadas de hora em hora do processo. Quem garante este fato é a chamada Desigualdade de Tchebychev: σ2 ∀ε > 0 ε2 Veja que se fizermos ε = kσ tem-se na desigualdade 1 σ2 P( X − µ ≥ kσ) ≤ 2 2 e P( X − µ ≥ kσ ) ≤ 2 k k σ P ( X − µ ≥ ε) ≤ Quando se quer limites de 3 desvios padrões tem-se: P( X − µ ≥ 3σ) ≤ P( X − µ ≥ 3σ) ≤ 0.0. plotada no gráfico (no caso está-se considerando x ).a.0 + 3.11 E( x ) = µ .0 mm é a média da v.0045 = 73. Estes limites podem ser construídos mesmo nas situações onde a distribuição de probabilidade da v.0045= 74.a.

453 Medidas LC 9. Serão apresentados as descrições práticas. as instruções e exemplos das seguintes técnicas: IDENTIFICAÇÃO DO PROBLEMA ANÁLISE DO PROBLEMA Fluxograma Histograma Folha de verificação Causa e Efeito Gráfico de Pareto Diagrama de dispersão Brainstorming Tempestade de idéias Gráfico Sequencial Estratificação Gráfico de controle Técnica de grupo Análise de força de campo FIGURA 3 – Visualização e classificação das ferramentas aplicada qualidade .4859 1 2 3 4 5 6 Amostras 7 8 9 10 11 FIGURA 2 – Exemplo de um gráfico com limites de controle Outras técnicas para o estudo da variabilidade de um processo Várias ferramentas podem ser utilizadas para se Identificar e Analisar a variabilidade presente em processos de produção ou serviços.9697 LIC 9.12 LSC 10.

onde ocorre.Fluxograma O fluxograma é uma representação gráfica mostrando todas as fases do processo. O fluxograma do processo dá uma visão geral de todos os passos do processo. Decidir que o problema deverá ser • Fluxograma resolvido primeiro • Brainstorming • Folha de verificação • Gráfico de Pareto • Técnica de grupo 2. • Gráfico seqüencial quando acontece a sua extensão • Histograma • Gráfico de setores • Estratificação 3. Desenvolver uma efetiva e • Brainstorming implementável solução e um plano de • Análise de força de campo ação • Apresentação a gerência • Gráfico de setores • Gráfico de barras 6. fases da . Por exemplo. Checar a uma declaração que • Folha de verificação descreve o problema em termos de o • Gráfico de Pareto que é especificamente. Implementar a solução e estabelecer • Gráfico de Pareto necessidade de procedimentos de • Histograma monitoração e gráficos • Gráfico de controle • Capabilidade do processo . Concordância sobre as causas do • Folha de verificação problema • Gráfico de Pareto • Técnica de grupo • Diagrama de dispersão • Brainstorming 5. as ferramentas incluídas na intersecção do Diagrama de Venn podem ser usadas em ambos as fases da solução dos problemas: no problema de Identificação e no problema de Análise. Pode ser aplicado a qualquer caso: fluxo de materiais. Desenvolver uma fotografia • Folha de verificação completa de todas as possíveis • Gráfico de Pareto causas do problema • Técnica de grupo • Diagrama de dispersão • Brainstorming 4.13 Nota-se que os gráficos podem ser utilizados para diferentes propostas em vários estágios do processo problema-solução. TABELA 1 – Guia para seleção da técnica de acordo com a questão que se deseja trabalhar Questão Técnica 1.

Caso contrário pode-se requerer um diamante de decisão. 2) Use os símbolos mais simples possíveis.Exemplo de fluxograma no cotidiano . . 3) Comparar os dois gráficos para verificar onde diferem entre si.Sugestões para construção e interpretação de um fluxograma 1) Definir claramente os limites para o processo. 3) Há normalmente só uma seta de saída de uma caixa de processo. fornecimento do produto.14 operação de vendas. etc. pois aí estará a raiz do problema. Na identificação do problema no processo (imagineering) as pessoas com maior conhecimento das fases se reúnem para: 1) Desenhar o fluxograma atual do processo. 2) Desenhar o fluxograma das etapas que o processo deveria seguir se tudo ocorresse bem. Assistir um Programa de TV Ligar a TV Aparece a Imagem? Não O fio está na tomada? Sim Não Sim A imagem é boa? Conectar o fio Sim Não Operar os ajustes Sim Aparece a Imagem? Não A imagem é boa? Sim Assistir o programa Não Chamar a Assistência Técnica FIGURA 4 .

Exemplo de fluxograma num processo industrial: .15 Fluxo da placa impressa Recebimento componentes e placa aprovados? devolver e consertar montagem automática aprovados? refazer ou sucatear montagem manual aprovados? soldagem e limpeza aprovados? refazer ou sucatear montagem final aprovados? passou no teste final? refazerl expedição FIGURA 5 .

16 . c) Construindo uma folha de verificação. Existem dois tipos de "brainstorming": . devem ser primeiramente estratificadas (agrupados) a fim de formar grupos homogêneos.Folha de verificação A folha de verificação é um procedimento usado para responder a pergunta: "com que freqüência certos eventos acontecem?" Para uso desta técnica deve ser estabelecido claramente o seguinte: • • • • fixar qual evento está sendo estudado. coletar os dados honestamente. etc). b) Tenha certeza que o processo de amostragem é eficiente de forma que pessoas tenham tempo para fazer isto.Brainstorming São reuniões com o pessoal envolvido com o problema em estudo a fim de se coletar opiniões sobre causas. TABELA 2 – Exemplo de folha de verificação Defeito 1 dimensão acabamento peso Total II I IIII 7 II I II 5 2 I I III 5 Mês 3 Total 5 3 9 17 . A população deve ser homogênea. Se não.Sugestões para construção e interpretação de uma folha de verificação a) Tenha certeza que as observações amostrais sejam as mais representativas possíveis. construir um formulário claro e de fácil manuseio. bem como soluções possíveis. verifique se a população (universo) é não homogênea (não da mesma máquina. definir o período durante o qual os dados serão coletados. pessoa. .

17

1o) Estruturado Nesta forma, cada pessoa do grupo dá a sua idéia em cada rodada ou "passa" até que chegue a sua próxima vez. Isto obriga até os mais tímidos a participarem, contudo pode criar certa pressão sobre as pessoas. 2o) Não estruturado Nesta forma, os membros do grupo simplesmente dão as idéias conforme elas surgem em suas cabeças. Isto cria um ambiente mais relaxado, porém existe o risco da reunião ser dominada pelos mais extrovertidos. Existem algumas regras que devem ser lembradas:

• •

Nunca criticar idéias; Escrever em um quadro-negro ou branco todas as idéias. A visão global das idéias servem de estímulo para novas propostas e também evita malentendidos; Escrever as palavras do participante e não a sua interpretação. Fazer um "brainstorming" rápido, 5 a 15 minutos são suficientes. - Técnica nominal de grupo

• •

Quando se aborda algum problema ou a forma de atacar o problema, geralmente ocorre que a seleção do problema foi influenciada por pessoas que falaram mais alto ou têm maior autoridade. Isto cria o sentimento no grupo de que o "seu" problema nunca será abordado. Isto pode gerar uma falta de comprometimento com a solução do problema escolhido e também a idéia de que foi escolhido o problema "errado". A Técnica Nominal de Grupo permite a todos os membros do grupo igual participação na seleção de problemas. Esta técnica consiste das seguintes etapas: 1a) Cada membro do grupo deve escrever ou falar sobre o problema que julgar mais importante. Depois que todos escreverem a sua escolha de problemas recolha o papel com os problemas. 2a) Escreva os problemas descritos onde todos possam ver. Se houver duplicidade combine-os em um são, mas de acordo com os autores. 3a) Peça para cada membro do grupo ordenar os problemas pelo grau de importância crescente, segundo o critério de cada um.

18

TABELA 3 – Classificação de um brainstorming Problema Classificação (Supondo existir 5 pessoas no grupo)

A 3 5 2 3 3 = 16 B 1 1 1 2 1 = 06 C 2 2 3 1 2 = 10 D 5 4 4 5 4 = 22 E 4 3 5 4 5 = 21 O problema cuja soma dos pontos for a mais alta é o escolhido, primeiramente. Da mesma forma, se ao invés de problemas o que se pediu foi sugestões, idéias, a mais votada deve ser considerada primeiro para discussão e depois as seguintes. No exemplo acima o problema (idéia) a ser discutido primeiro é o D. - Análise do campo de forças Toda vez que se pretende fazer mudanças, sejam pessoais ou organizacionais, existem forças indutoras e forças restritivas agindo a favor e contra, respectivamente. É um processo dinâmico. Quando ocorrem mudanças é porque as "forças indutoras" são superiores às "forças restritivas". Assim, pode-se listar estas possíveis forças e analisa-las. Seja o exemplo do cotidiano "perder peso": TABELA 4 – Exemplos de forças indutoras e restritivas FORÇAS INDUTORAS Ameaça à saúde Obsessão em emagrecer Roupas apertadas Embaraço pelo peso Imagem negativa FORÇAS RESTRITIVAS Perda de tempo Tendência da família Faltas de recursos para "malhar" Costume de açúcar nos alimentos Anos de alimentação errada

Como a Análise do Campo de Forças ajuda a promover mudanças? Por que força às pessoas a pensarem juntas sobre todos os aspectos da mudança pretendida, incentiva o pensamento criativo, encoraja as pessoas a chegar a um consenso sobre a prioridade relativa às forças de um lado e do outro do campo e finalmente é um ponto de partida para a ação.

19

- Histograma O histograma dá informações gerais sobre a distribuição de onde vieram as observações. A forma (o padrão, o aspecto) da distribuição é simétrica? É assimétrica? Existe somente um pico? O histograma, também, dá uma idéia da dispersão dos dados. Por natureza o histograma é um gráfico em colunas (barras) e pode se construído com barras horizontais ou verticais. - Exemplo Sejam os dados abaixo da espessura de chapas metálicas. Tomou-se uma amostra com n = 100 chapas e mediu-se a espessura. Faça o histograma dos dados e comente os resultados. 3,56 3,48 3,41 3,55 3,48 3,59 3,40 3,48 3,52 3,41 3,46 3,56 3,37 3,52 3,48 3,63 3,54 3,50 3,48 3,45
35

3,48 3,50 3,47 3,44 3,32 3,59 3,46 3,56 3,46 3,34

3,50 3,52 3,49 3,50 3,40 3,47 3,51 3,50 3,45 3,44

3,42 3,47 3,45 3,45 3,52 3,38 3,48 3,52 3,46 3,47

3,43 3,48 3,44 3,44 3,34 3,52 3,50 3,46 3,54 3,47

3,52 3,46 3,50 3,48 3,46 3,45 3,68 3,48 3,54 3,41

3,49 3,50 3,49 3,46 3,43 3,48 3,60 3,46 3,48 3,48

3,44 3,56 3,46 3,52 3,30 3,31 3,46 3,52 3,49 3,54

3,50 3,38 3,46 3,46 3,46 3,46 3,52 3,56 3,41 3,47

30

25

Freqüência

20

15

10

5

0 3,30 3,34 3,38 3,43 3,47 3,51 3,55 3,60 3,64 3,68 Classes

FIGURA 6 – Histograma

08 mm.Perguntas: a) Qual é a mais comum espessura da chapa ? R: A espessura mais comum está entre 3.47 mm. deve ser solucionado primeiro a fim de se eliminar defeituosos e melhorar o processo.68 . Os trabalhadores foram levados a se engajar na solução do problema de muitos defeituosos devido a "rotação imprópria".47 ± 0. O diagrama de Pareto é uma ajuda neste sentido e é o primeiro passo na direção do melhoramento do processo. Os outros tipos de . Existem muitos aspectos da produção que podem ser melhorados. o centro é 3.3. Qual o percentual de chapas que estão fora dos limites de especificação ? R: Estão fora dos limites da especificação. etc. b) Os dados estão muito dispersos ? R: A amplitude da dispersão dos dados é R = x[n] 0. x[1]) = 3. relacionado com a variabilidade dos dados. Pelo diagrama a administração do processo inspecionou os fatores que poderiam causar uma rotação imprópria.30 = c) A especificação de projeto para este tipo de chapa é de 3. .47 e 3. pois ele mede o impacto do aperfeiçoamento. considerando aproximação de 2 casas decimais. tempo de execução de tarefas. O diagrama de Pareto revela se uma tentativa de aperfeiçoamento produziu resultado positivo.Diagrama de Pareto O diagrama de Pareto é um gráfico para indicar qual problema.20 .39 . Isto pode ser visto nos diagramas anteriores. 3.51 mm. consequentemente deve-se tentar diminuir a dispersão dos dados de modo a colocar praticamente todos os valores dentro dos limites da especificação (ideal). d) O valor da média está exatamente no centro dos limites de especificação ? R: Sim. Devido a quantidade de pequenos problemas é difícil se saber por onde começar. tais como: número de defeituosos.38 mm. [3.55]. um percentual de 10% das chapas. Perguntou-se aos trabalhadores cujas tarefas estavam relacionadas com estes fatores se existia algum problema ou necessidade no seu trabalho. Sugestões surgiram e aptos a implantação das inovações tem-se o segundo diagrama.

“Qual é o maior problema de qualidade no departamento A?” Use dados existentes. 4 semanas. Defeito B ocorre 107 vezes. 7) Acima de cada classificação ou categoria. 5 dias. ou “Defeito A custou R$ 750. . nas circunstâncias de cada um. etc.Passos para a construção de um gráfico de Pareto 1) Selecione os problemas que serão comparados e enumerados pelo grau de importância através de: • • brainstorming (tempestade de idéias). por exemplo.21 defeitos também foram atacados. Defeito B custa R$ 535. por exemplo. . por exemplo. “Defeitos A acontece X vezes nos últimos 6 meses” ou “Defeito B custou X reais nos últimos 6 meses.00. Defeito C ocorre 35 vezes. custo anula. 2) Selecione o padrão de comparação (unidades de medidas). “Defeito A ocorre 75 vezes. 8 horas. 3) Selecione o período de tempo a ser estudado. por exemplo. 4) Junte dados necessários para cada categoria. O segundo diagrama reflete o resultado final e pode-se observar que: • • número de defeituosos diminuiu aptos o melhoramento.00 anualmente. geralmente quando o melhoramento é eficaz a ordem das barras no diagrama é trocada. por exemplo. por exemplo.” 6) Liste as categorias da esquerda para a direita no eixo horizontal em ordem decrescente de freqüência ou custo. que é colocada no extremo direito com a última barra.” 5) Compare a freqüência ou custos de cada categoria com todas as outras. “Olhe o relatório de qualidade do ultimo mês do departamento A parta encontrar as áreas de problemas”. freqüência. As categorias contendo as menores quantidades de itens devem ser combinadas em uma categoria chamada ‘outros’. desenhe um retângulo cuja altura deve representar a freqüência ou custo na classificação. anualmente.

dá o número de defeitos que ocorrem em determinado processo. A tabela mostra os números antes do aperfeiçoamento e depois do aperfeiçoamento. a seguir.22 . Os diagramas de Pareto correspondentes estão em seguida.Exemplo A tabela. TABELA 4 – Número de defeitos num processo Antes do Aperfeiçoamento Origem do Número de defeito defeituosos rotação 44 imprópria ruído 14 falhas pressão sobra falha completa outras 90 100% 80 70 60 Escores 50 40 40% 30 20 10 0 rotação imprópria ruído falhas pressão sobra outras falha completa Depois do Aperfeiçoamento Origem do Número de defeito defeituosos ruído 12 rotação imprópria pressão falhas calafetar o eixo falha completa outras 8 6 4 2 1 4 10 8 5 2 3 80% 60% 44 14 10 8 5 3 2 20% antes do aperfeiçoamento FIGURA 7 – Gráfico de Pareto antes do aperfeiçoamento . As causas dos defeitos foram identificadas e tentou-se melhorar o processo.

explorar e expor as possíveis causas de um problema específico ou condição.Sugestões para interpretação de um gráfico de Pareto • Use bom senso. 100% são opostos ao ponto médio nos dados brutos. uma linha pode ser traçada que representa a freqüência cumulativa das categorias.Diagrama de Causa e efeito É um método gráfico para auxiliar a análise de problemas que facilita a identificação das causas de variação da característica de qualidade em questão. • Do topo da barra mais alta e movendo para cima a partir da esquerda para a direita. Este tipo de diagrama é recomendado para quando for preciso identificar. • Faça gráfico mostrar claramente o padrão de medidas ($. duas reclamações de cliente chave podem merecer mais atenção que 100 outras reclamações. por exemplo. % ou #). dependendo de quem é o cliente e dem quem é a reclamação. Tenha certeza que os dois eixos estão na escala. . .23 040 100% 035 030 025 Escores 60% 020 015 12 010 05 00 ruído rotação imprópria pressão outras falhas calafetar o eixo falha completa 80% 40% 8 6 4 4 2 1 20% Após o aperfeiçoamento FIGURA 8 – Gráfico de Pareto após o aperfeiçoamento . Isto responde questões tais como: “Quando do total é acumulado pelas primeiras três categorias?”.Características adicionais dos gráficos de Pareto • Freqüentemente o dado bruto é registrado no eixo vertical esquerdo com uma escala em percentagem no eixo vertical direito. .

materiais e maquinaria (o meio ambiente também pode ser a 5a causa de variabilidade) a) Materiais Matéria-prima não homogênea. uso inadequado ou falta de ajuste em ferramentas. A matéria-prima difere levemente na composição conforme seja a fonte de suprimento e diferenças no tamanho podem ocorrer dentro de limites aceitáveis. b) Maquinaria Desgaste. pessoas (mão-de-obra). O efeito ou problema deve ser colocado do lado direito do gráfico e as maiores influências ou causas são listadas do lado esquerdo. foi desenvolvido para representar a relação entre alguns efeitos e todas as possíveis causas que o influenciam. é feito no início das operações no sentido de se aperfeiçoar o processo. O Diagrama de Causa e Efeito. . em homenagem ao seu criador. Médodo Pessoas Local Treinamento Tipo Qualificação Qualidade Embalagem Armazem Assitência Materiais Maquinaria Manutenção Causas Efeito FIGURA 9 – Exemplo de diagrama de causa e efeito A configuração do Gráfico de Causa e Efeito permite separar organizadamente as quatro principais causas de variação: método de trabalho.24 O diagrama de causa e efeito ou também conhecido por espinha de peixe ou diagrama de Ishikawa. máquinas ou equipamentos. mostrado abaixo.

• • 3) Interpretação • • Olhe para causas que aparecem repetidamente. embora programado de acordo com o processo prescrito. O Diagrama de Causa e Efeito é útil na ordenação das causas da variabilidade. Coloque as tradicionais maiores categorias de causa principal no processo de produção. mas suas partes podem estar de alguma forma com pequenos desajustes. “Porque isto acontece?” e liste respostas nos ramos das maiores causas.25 O equipamento pode parecer estar funcionando uniformemente. A construção deste diagrama pode seguir os passos seguintes: 1) Para gerar as causas é necessário construir um diagrama de causa e efeito através de um dos dois meios: • • Estruturando um brainstorming sobre as possíveis causas sem preparação prévia. . pode conduzir a variações no produto. 2) Construa o real diagrama de causa e efeito por: • • Coloque o problema na caixa da direita. gastas ou não ser apropriadas para aquele uso. Coloque as idéias do brainstorming nas maiores categorias apropriadas. c) Método Falta de padronização no método de trabalho. Peça para os membros da equipe que gaste tempo com reuniões usando folhas de verificação simples para localizar as possíveis causas e examinar o processo de produção mais de perto. Para cada causa pergunte. ou qualquer causa que é útil na organização dos fatores mais importantes. d) Pessoas (Mão-de-obra) Os operadores podem não estar adequadamente preparados para as tarefas. O método de trabalho. Busque consensos da equipe.

5 14 80 14.0 14.0 21 Diagrama de Dispersão dos dados é o seguinte: 120 Yi 80 85 90 90 95 95 98 Xi 14.0 19 6 40 8. .5 13 70 12.26 • Obtenha dados para determinar as freqüências relativas das diferentes causas.5 12 75 13.0 20 7 45 9.0 14. O recobrimento é feito com o metal fundido.0 17.0 13.(i) Yi Xi Obs.0 8 50 11.0 100 Porcentagem de Recobrimento 80 60 40 20 0 -20 2 4 6 8 10 12 14 16 18 20 Quantidade de Metal Fundido FIGURA 10 – Exemplo de gráfico de dispersão .0 17 4 20 8.(i) Yi Xi Obs. Exemplo 3 Seja o processo de recobrimento de uma determinada peça com metal.0 15 2 10 4.0 11 70 13. TABELA 5 – Peso e porcentagem de recobrimento com metal Obs...0 18. Yi) são grafados e o possível relacionamento entre as variáveis X e Y aparece na forma do gráfico. n.Diagrama de Dispersão O Diagrama de Dispersão é um gráfico que exprime o relacionamento entre duas variáveis.0 10 65 12.0 16 3 20 6.0 18 5 30 7. 2.0 9 60 12.0 16. . A variável X é a quantidade de metal fundido utilizado em peso e a variável Y é a porcentagem de recobrimento com metal obtida. Yi) com i = 1.(i) 1 10 6. . Os dados são coletados aos pares (Xi. Estes pares de pontos (Xi.

GRÁFICOS DE CONTROLE E APERFEIÇOAMENTO DO PROCESSO .Introdução Pode-se obter o aperfeiçoamento de um processo de produção de duas maneiras: 1a) Eliminação de um fator particular (causa especial) de variação. 2a) Alteração na estrutura do processo.26. Só existe um modo seguro e com base científica de se descobrir as causas da variabilidade ou seja de identificar fatores particulares de variação.Uso básico dos gráficos de controle As aplicações fundamentais dos Gráficos de Controle são: 1a) Verificar se em determinado período um processo estava sob controle. O tipo de relação é linear (uma reta). é a aplicação de Técnicas Estatísticas. É possível se determinar a equação de regressão de Y para X. Isto é feito examinando-se o gráfico correspondente ao período de interesse.8805 + ei 6. os efeitos das modificações poderão ficar camufladas pela presença de causas especiais de variação. 21. exceto no caso de ser notado alguma observação fora dos limites de controle. Se o processo está sob controle é possível ignorar a flutuação caótica das observações. É claro que se deve olhar com atenção a .5979xi . i =1. no gráfico de controle. Um dos principais objetivos no Controle de Qualidade é a redução da variabilidade no produto.. . não aleatório.27 O gráfico revela que existe uma forte associação (correlação) entre as variáveis X e Y. Caso contrário. yi = 7. . ou seja. 3. a expressão dessa relação por meio da equação da reta: y i = αx i + β + e i . É importante levar em conta que alterações no processo com o objetivo de melhorar a performance do produto só devem ser executadas quando ele se encontra sob controle. 2a) Orientar a Administração na manutenção do processo sob controle.. Os fatores particulares de variação são detectados por pontos fora dos limites de controle ou pela presença de um comportamento sistemático. 2. Os fatores particulares são o motivo principal da falta de uniformidade dos itens produzidos.

Se a empresa não tem um processo eficiente. não o conserte”. pois ajuda a manter o processo sob controle e portanto coerente com a filosofia “faça certo na 1a vez”. podendo conduzir a implementação de uma mudança que melhore o desempenho do processo. pois traz informações sobre o valor de importantes parâmetros do processo e sua estabilidade no tempo e. de retrabalho e consequentemente aumenta a produtividade. diminui os custos e finalmente a capacidade de produção aumenta (medida em números de artigos bons por hora). 3a) O gráfico de controle impede ajustamentos desnecessários no processo. Isto é indicação de que alguma coisa além do acaso está influenciando o valor das observações. Nenhum outro meio. tais como: • • • fração de defeituosos permanece constante (na média). Assim. 2a) O gráfico de controle é eficaz na prevenção de defeituosos. pois distingue entre ruído aleatório e variação anormal. O objetivo principal dos gráficos de controle é como se viu do exposto anteriormente fornecer informações úteis no aperfeiçoamento do processo. é eficiente nesta distinção. Quando se atinge o controle estatístico do processo tem-se várias vantagens. assim uma . inclusive o operador humano. custos e índices de qualidade serão previsíveis. Existem várias razões para o uso dos gráficos de controle. pois: reduz desperdício de insumos. produtividade será máxima com o sistema corrente. freqüentemente. 5a) O gráfico de controle fornece informação sobre a capacidade do processo. você está pagando alguém para produzir artigos inadequados. o que ocorre é um aumento da variância do ruído aleatório e isto pode resultar na deterioração da performance do processo. tais como: 1a) O gráfico de controle é uma técnica para melhorar a produtividade. Se o processo é ajustado sem base no Gráfico de Controle. 4a) O gráfico de controle fornece informações para que o operador faça um diagnostico sobre o processo. o gráfico de controle é coerente com a filosofia “se ele não está quebrado.28 ocorrência de uma tendência (um padrão) em alguma direção.

Tipos de gráficos de controle Um gráfico de controle varia conforme os dados que ele contenha. se os dados são contínuos ele deverá ser construído com a média amostral. Esta informação é muito útil para quem projeta o produto e o processo. Assim.a.R (média e amplitude) Valor continuo Gráfico X . utilizado em controle de qualidade. . que estão descritos no Quadro 1.Gráfico de Controle por Atributos O termo “atributo”.29 estimativa da capacidade do processo pode ser feita. Muitas vezes o interesse da Administração está na . contínua ou discreta temse um tipo de gráfico. x .s (média e desvio padrão) Gráfico X (valor individual) . é comum utilizar-se os termos “bom” e “defeituoso” no lugar de “conforme” e “não conforme”. um para valor discreto e outro para valor contínuo. Para melhor entendimento. a) Gráficos de Controle por Atributos (discreto) b) Gráficos de Controle por Variáveis (contínuo) QUADRO 1 . o produto atende ou não a uma especificação. conforme as especificações. Os itens que não satisfazem a especificação são denominados defeituosos. Conforme a característica investigada seja uma v. ou não. Desta forma podemos classificar os Gráficos de Controle nas categorias: Existem dois tipos de gráficos de controle. De forma que. Já com dados discretos deve-se trabalhar com as estatísticas amostrais número de $ $ defeituosos (n θ ) e com a fração de defeituosos θ . No gráfico de controle por atributos um produto é classificado como possuindo ou não um atributo ou qualidade. e com a amplitude amostral. R.Tipos de gráficos de controle com algumas adaptações Valor Característico Tipos de Gráficos Gráfico np (número de itens defeituosos) Valor discreto Gráfico p (fração defeituosa) Gráfico c (número de defeitos) Gráfico u (número de defeitos por unidade) Gráfico X . refere-se àquela característica da qualidade que pode estar.

proporcionar maior facilidade de entendimento por parte de pessoas não familiarizadas com outros gráficos. . por exemplo). encontra-se: determinar o nível de qualidade de um produto. arranhões e danos).Gráfico de Controle da Fração Defeituosas (Carta p) O gráfico de controle p é muito versátil. te tempo. Por outro lado. um grupo de características de qualidade de mesmo tipo ou o produto todo. np = número de peças defeituosas na amostra ou subgrupo. Existem duas situações em que se utilizam atributos: 1a) Quando as medidas não são possíveis. .30 fração de unidades defeituosas em produção. brilho. e de forma a ser rapidamente correlacionada com os custos. indicar o uso de gráficos de controle por variável. avaliar o desempenho relativo à qualidade do pessoal envolvido como operador e gerentes. ou de necessidades. disponibilizar a informação normalmente sem custo adicional da coleta. 2a) Quando as medidas são passíveis. além de ser mais facilmente implantado que os demais. podendo ser usado para controlar uma característica de qualidade. quando o diâmetro de um furo pode ser medido com um micrômetro interno. tais como as características inspecionadas visualmente (cor. (5. freqüentemente está-se interessado na evolução de uma característica quantitativa (diâmetro de um pino. n = número de peças na amostra ou subgrupo. ficar alerta para qualquer mudança no nível de qualidade. Esse gráfico possui uma grande faixa de utilização e as vantagens de poder ser usado para uma grande diversidade de problemas. np n onde: p= p = fração defeituosa. Em outras palavras. A fração defeituosa consiste na razão entre o número de peças defeituosas em uma amostra e o número total de peças dessa mesma amostra.1a) Dentre os objetivos do gráfico p. mas não são tomadas por questões econômicas. mas utiliza-se um calibre passa-não-passa para determinar a sua conformidade com as especificações.

n 4o) Determinar o valor central e os limites de controle: as fórmulas para calcular os limites de controle são dadas por LIC p = p − 3 p (1 − p ) n p (1 − p ) n (5. o que se quer controlar (objetos. A fração defeituosa média p é o valor central do gráfico obtido pela fórmula Σnp (5. produtos. para construir o gráfico. para o cliente.Passos para a construção de um gráfico de controle p 1o) Definir o objetivo: determinar qual a finalidade do gráfico de controle. Para cada subgrupo a fração np defeituosa é calculada pela fórmula p = . é preciso ter uma primeira estimativa da fração defeituosa do processo e do número médio de defeitos para cada subgrupo afim de que se possa construir o gráfico de forma adequada. p= . .2a) (5.2c) LC p = p LSC p = p + 3 onde: p = fração defeituosa média para todos os subgrupos.3) Σn O gráfico p pode ser imediatamente introduzido. Para determinar o tamanho do subgrupo. pelo menos 20 subgrupos. Sendo o gráfico p baseado na distribuição binomial. caso contrário. a probabilidade de selecionar um produto defeituoso deve ser constante. o mesmo não deve ser usado. operários.2b) (5. n = número inspecionado em cada subgrupo.31 além de definir critérios de aceitação de produtos. 2o) Determinar o tamanho do subgrupo: o tamanho do subgrupo é uma função da fração defeituosa. características de qualidade). antes do embarque. calculando-se somente os limites de controle. 3o) Coletar os dados: é necessário coletar dados suficientes.

08 0.06 0.08 --- .072 .06 0.072(1 − 0.06 0.Exemplo De uma amostra de produção de uma fábrica de pequenos recipientes.072 LSCp = p + 3 p (1 − p ) = 0.06 0.08 0.10 0.10 0.06 0. TABELA 6 – Número de recipientes defeituosos num processo de fabricação Número do Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Total Número de Recipientes 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 50 1250 Número de Itens Defeituosos 4 2 5 3 2 1 3 2 5 4 3 5 5 2 3 2 4 10 4 3 2 5 4 3 4 90 Proporção de Defeituosos 0.04 0.20 0.04 0.04 0.08 0.04 0.072) = 1. sendo retiradas 4 amostras por dia.04 0.10 0.06 0.072 + 3 n 0.04 0.08 0.10 0.072 = Σn 1250 p (1 − p ) = 0.3 n 0.0.02 0.Cálculos: p= 90 Σnp = 0. foram retiradas 25 amostras com 50 observações.038 = 0 50 LICp = p .072(1 − 0.32 .3 LCp = p = 0.8167 50 .072) = .08 0.10 0.

Neste caso as amostras devem ter o mesmo tamanho. pode ser usado como alternativa ao gráfico da fração defeituosa. apresentando as mesmas vantagens já mencionadas. 2o) Calcular o valor de pi.4) . torna-se mais simples compreende-lo se for marcado o número de não-conformidades encontradas em cada amostra em vez de calcular a percentagem. d pi i n onde: di = defeitos de cada subgrupo. . que permite a observação de amostras de diferentes tamanhos.33 . O gráfico é chamado de np quando a amostra é acompanhada do número de artigos defeituosos em vez da fração de itens defeituosos.Passos para a construção de um gráfico de controle np 1 ) Coletar as amostras de dados.18167 . As etapas para construção do gráfico np são dadas a seguir. ao contrário do gráfico anterior. Quando as amostras que vão ser mostradas em um determinado gráfico são do mesmo tamanho.07200 0. o (5.0000 5 10 15 20 25 FIGURA 11 – Exemplo de gráfico de controle p – Gráfico do Número de Unidades Defeituosas (Carta np) Também conhecido como Gráfico do Número de Defeitos.

34 n = tamanho da amostra fixo. 4o) Calcular os limites de controle .6b) (5. LIC np = np − 3 np (1 − p ) LC np = np LSC np = np + 3 np (1 − p ) (5. np = po = pnew = ∑ np − ∑ np ∑n − ∑n d d = total subgrupo. np i = ∑p ∑n i . (5.Exercício A amostra a seguir é de uma loja de departamentos onde se pretende verificar se existe variabilidade ou não. foram coletados 20 subgrupos.6c) . relativa ao grau de insatisfação dos clientes. TABELA 7 – Número de clientes insatisfeitos Número do Subgrupo 1 2 3 4 5 6 7 8 9 10 Observações 300 300 300 300 300 300 300 300 300 300 Número de Clientes Insatisfeitos 10 12 8 9 6 11 13 10 8 9 . 3o) Calcular np . npd = número de defeitos nos subgrupos descartados.5) onde: pi = número de defeitos. onde cada um deles possui 300 observações.6a) (5. Para isso. nd = número inspecionado nos subgrupos descartados.

2000 .2 + 3 9.2(1 − (9.16 18.Cálculos: np = ∑ pi = 184 = 9.2 / 300)) = 18..2 / 300)) = 0.2(1 − (9.35 continuação.24116 2 4 6 8 10 12 14 16 18 20 FIGURA 12 – Exemplo de gráfico de controle np .2 LSC np = np + 3 np (1 − p ) = 9..2 ∑ n 20 LIC np = np − 3 np (1 − p ) = 9. 11 12 13 14 15 16 17 18 19 20 Total 300 300 300 300 300 300 300 300 300 300 6 19 10 7 8 4 11 10 6 7 184 .2 − 3 9.241 LC np = np = 9.159 9.

não se preocupando com a quantidade de defeitos. por isso duas condições devem ser atendidas: • • A probabilidade de ocorrência de defeitos deve ser pequena. e um total de sete defeitos. A utilização deste gráfico requer tamanho constante para as amostras observadas. 99. As ocorrências precisam ser independentes. Considerando cada quadro como uma unidade. A principal diferença com relação ao gráfico p. Assim. Algumas aplicações são. dar informações para a aceitação de lotes. . FIGURA 13 – Exemplo de apresentação de defeitos Os gráficos de controle c controlam o número de defeitos produzidos. ou defeitos. nota-se que há na amostra da esquerda quatro unidades defeituosas. Os limites de controle deste gráfico são baseados em mais ou menos 3 desvios padrões. Este gráfico se baseia na distribuição de Poisson. é que este último se utiliza da contagem de unidades defeituosas. em uma amostra. Uma idéia desta diferença é dada pela Figura 13. avaliar o desempenho do pessoal da operação e supervisão. estão o de determinar o nível médio da qualidade. e cada ponto em destaque como um defeito. por exemplo. e o mesmo número de defeitos da primeira. enquanto a oportunidade de ocorrência de defeitos deve ser grande.73% dos valores dos subgrupos caem dentro destes limites. a partir do valor central. Na amostra da direita há duas unidades defeituosas. indicar áreas nas quais seria interessante a aplicação de gráficos de controle para variáveis. alertar gerentes para alguma possível mudança no nível da qualidade dos produtos.36 – Gráfico do Número de Defeitos (c) Este gráfico é utilizado para avaliar o número de não conformidades. controle de bolhas em garrafas e riscos em peças estampadas. Dentre os objetivos do gráfico de controle c.

para tal usa-se a seguinte fórmula: c= Σc g (5.8c) LC c = c LSCc = c + 3 c 4o) Gerar o número de não-conformidades em amostras individuais.8b) (5. devemos seguir os procedimentos que seguem: 1o) Coletar os dados. serão analisados 26 subgrupos de uma amostra de 100 placas de circuito impresso.7) 3o) Determinar os limites Inferior e Superior de controle c . TABELA 8 – Dados da variável placa de circuito impresso Número de Subgrupos Observações Número de Não-conformes 1 2 3 4 5 6 7 8 9 10 11 12 1 1 1 1 1 1 1 1 1 1 1 1 21 24 16 12 15 5 28 20 31 25 20 24 . usando as fórmulas: LIC c = c − 3 c (5.37 Os passos para a construção do gráfico de controle c são os mesmos utilizados na construção do gráfico de controle p.8a) (5. .Exemplo Neste estudo de caso. Caso o número de defeitos c0 for desconhecido. 5o) Assumir o valor zero se o limite Inferior de controle for negativo. Para isso. 6o) Traçar a linha central em c e os limites de controle. é necessário coletar dados suficientes para estimá-los. 2o) Determinar o número médio de não-conformidades c .

85 = g 26 LICc = c − 3 c = 19.211 19.4814 5 10 15 20 25 FIGURA 14 – Exemplo de gráfico de controle c .85 +3 19.Cálculos: c= 1 1 1 1 1 1 1 1 1 1 1 1 1 1 16 19 10 17 13 22 18 39 30 24 16 19 17 15 516 516 Σc = 19.85 = 6.846 6..48 LCc = c = 19. 13 14 15 16 17 18 19 20 21 22 23 24 25 26 Total .38 continuação.85 LSCc = c + 3 c = 19..22 33.85 -3 19.85 = 33.

e registrar o número de defeitos (c) encontrados em cada uma. ou defeitos.Exemplo Este exemplo tem por finalidade detectar os defeitos por unidade na linha de produção de computadores pessoais.12a) (5. As etapas para construção do gráfico u são dadas a seguir.39 – Gráfico do Número de Não Conformidades por Unidade (u) Este gráfico mede o número de não conformidades. . 2) Para cada uma das k amostras. Também pode ser usado quando a amostra é constituída de apenas uma unidade. como um motor. mas que possuem muitos componentes que devem ser inspecionados. Pode ser uma alternativa ao gráfico c. quando as amostras não têm o mesmo tamanho. determinar o número de defeitos por unidade.11) j k 5) Calcular os limites de controle.12c) . 1) Selecionar k amostras. por unidade. que podem ter tamanhos diferentes. uj = cj nj (5.9) onde cj é o número de defeitos encontrados na j – ésima amostra.12b) LM u = u LSC u = u + 3 u n (5. por exemplo. u n LIC u = u − 3 (5.10) j k 4) Calcular o tamanho médio das amostras: n= ∑n j=1 k (5. 3) Calcular o número médio de defeitos por unidade: u= ∑u j=1 k (5.

0 1.6 u= = n 5 u= Σc 38.3 n 1.6 2.0 2.0 1.2 1.6 c 193 = 38.93 LICu = u − 3 1.07 5 .0 3.2 1.8 2.0 38.93 = 0.4 2.6 2.60 = = 1.93 = 3.2 2.93 .Cálculos: 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 5 10 12 8 14 10 16 11 7 10 15 9 5 7 11 12 6 8 10 7 5 193 2.8 1. Ci Média de Não-Conformes por Unidade.79 5 u = 1.4 1.0 3.0 1.4 1.93 Σn 20 u = 1.4 2.40 TABELA 9 – Dados da variável computador pessoal Número de Subgrupos Observações Total de NãoConformes.93 + 3 n LSCu = u + 3 LC = u = 1. Ui = Ci/N 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total .4 1.2 2.

usando os dados da tabela 10.Exercícios 1) Determine o valor central e os limites de controle para uma carta p. Se existirem pontos fora dos limites. .06613 2 4 6 8 10 12 14 16 18 20 FIGURA 14 – Exemplo de gráfico de controle u QUADRO 2 – Resumo das cartas de controle por atributo Tipo de Carta Fração defeituosas (Carta p) Número de Defeituosos (Carta np) Número de Defeitos (Carta c) Número de Defeitos/Unidade (Carta u) Valor Central p Limites de Controle p (1 − p ) p±3 n np ± 3 np (1 − p ) np c u c±3 c u±3 u n .41 3.7939 1. assuma a presença de causas especiais de variação e revise o valor central e os limites de controle.9300 .

Em um certo dia.0 (valor negativo) 2) Diariamente são inspecionados 50 geradores. Determine os limites de controle para cada subgrupo.188 . LIC p = 0. LSC p = 0.42 TABELA 10 – Número de defeitos e números de inspeções Sub-grupo Número Inspecionado Número de Defeitos Sub-grupo Número Inspecionado Número de Defeitos R 1 300 2 300 3 300 4 300 5 300 6 300 7 300 8 300 9 300 10 300 11 300 12 300 13 300 p = 0. O processo estava sob controle neste dia? R LSC p = 0. A melhor estimativa da fração defeituosa da população é 0.0 (valor negativo) 6 7 4 5 7 5 0 2 3 6 1 8 131 Subgrupo 5 (fora e controle) pnew = 0.0402 .0367 .0175 .0154. Determine o valor central e os limites de controle da carta p. LSC p = 0. 3 14 300 6 15 300 4 16 300 6 17 300 20 18 300 2 19 300 6 20 300 7 21 300 3 22 300 0 23 300 6 24 300 9 25 300 5 Total 7500 LIC p = 0. Assuma que qualquer ponto ora dos limites de controle decorre da presença de causas especiais de variação. TABELA 11 – Número de defeitos e números de inspeções Sub-grupo Número Inspecionado Número de Defeitos Sub-grupo Número Inspecionado Número de Defeitos 1 2 3 4 5 6 7 8 9 10 171 167 170 135 137 170 45 155 195 180 31 6 8 13 26 30 3 11 30 36 15 16 17 18 19 20 21 22 23 24 165 170 175 167 141 159 181 195 165 140 15 16 12 6 50 26 16 38 33 21 .076. LIC p = 0. e calcule o valor central revisado para o próximo período de produção.0 (valor negativo) 3) Os resultados da inspeção diária de um determinado componente elétrico são mostrados na tabela a seguir. foram encontrados 5 geradores defeituosos.

1425(1 − 0.1425) = 0.067 21 8 155 11 0.1425) = 0. Não serão descartados os subgrupos abaixo do limite inferior.206 0.2988 45 n = 45 → LSCp = p + 3 Todpo subgrupo acima de 0.1425 Σn 4506 2) Calcular o limite superior para o maior e o menor tamanho de subgrupo: n = 195 → LSCp = p + 3 p (1 − p ) = 0.047 17 4 135 13 0.287 13 165 3 0.164 0.2176 195 0.036 0.355 0.150 0.115 0.43 continuação. Na tabela abaixo encontrase calculado as frações defeituosas. TABELA 12 – Cálculo da fração defeituosa Sub-grupo Número Inspecionado np p Sub-grupo Número Inspecionado np p 1 171 31 0.115 0.2988 esta além do limite superior de controle e abaixo de 0.1425 + 3 n p (1 − p ) = 0.069 0.200 24 11 181 38 0.149 --- .200 0.195 0.071 22 9 195 30 0.097 0..079 28 --------Total Subgrupo 19 (fora do limite de controle) Subgrupo 12 (n =115) 165 170 175 167 141 159 181 195 165 140 162 191 139 181 4506 15 16 12 6 50 26 16 38 33 21 18 22 16 27 642 0.036 16 3 170 8 0.2176 está aquém do limite superior de controle.111 0.154 23 10 180 36 0.176 20 7 45 3 0.096 18 5 137 26 0.190 19 6 170 30 0.1425 + 3 n 0.158 27 14 189 26 0.088 0..210 25 26 12 115 38 0.1425(1 − 0.181 15 2 167 6 0. 11 12 13 14 --Solução: 181 115 165 189 --- 38 38 3 26 --- 25 26 27 28 Total 162 191 139 181 4506 18 22 16 27 642 1) Calcular o valor central: p= Σnp 642 = = 0.

132 = 4506 − 115 − 141 4250 pnew = 0.2 . 4) Os dados a seguir referem-se a uma inspeção de defeitos em cadeiras de escritório.1425) = 0.132 A fração defeituosa po = 0. Que valor central e limites de controle. pnew = ∑ np − ∑ np ∑n − ∑n d d = 642 − 33 − 50 559 = 0. LICc = 2.24 .89 ≈ 3 314 315 316 317 318 319 320 321 322 323 324 325 326 Total 17 14 9 7 15 22 19 38 12 13 5 2 16 369 As cadeias 321 esta fora dos limites de controle e a 325 estão mas excepcionalmente boa.5 ≈ 25 . LICc = 2. a partir dos resultados da inspeção de defeitos em rolos de papel branco. LSC c = 24. . c new = 13. no mês de janeiro.44 LSCp = p + 3 p (1 − p ) = 0. LSC c = 25.32 ≈ 2 4) Determine o valor central e os limites de controle revisados para uma carta u.1425(1 − 0. são recomendados para o mês de fevereiro? TABELA 13 – Número de defeitos por cadeira Número de série Número de defeitos (c) Número de série Número de defeitos (c) R 301 8 302 19 303 14 304 18 305 11 306 16 307 8 308 15 309 21 310 8 311 23 312 10 313 9 ----c = 14. descartando-se os subgrupos 12 e 19. da Carta c.132 deverá ser usada para o próximo período de produção.24 (fora dos limites) 115 3) Cálculo do valor central revisado.16 ≈ 24 .1425 + 3 n 0.

02 . se controla tanto o valor médio daquele como sua variabilidade. Estes gráficos são geralmente utilizados em pares. enquanto os gráficos X monitoram a média do processo.58 15 16 17 18 19 20 21 22 23 24 25 26 27 28 Total 10 10 10 10 10 10 10 10 10 10 10 10 10 10 280 48 35 39 29 37 33 15 33 27 23 25 41 37 28 925 A amostra 5 esta fora dos limites de controle. Os gráficos R e s monitoram a variação de um processo.3 . O gráfico que monitora a variabilidade deve ser examinado sempre em primeiro lugar. o que é mais comum pelo gráfico da amplitude (gráfico R). Se houver mais de uma característica a ser controlada. pois.Gráfico de Controle por Variáveis No acompanhamento de um aspecto quantitativo da qualidade. será necessário aplicar um gráfico de controle para cada uma .45 TABELA 14 – Número de defeitos Número do Lote Tamanho da Amostra Número de Defeitos Número do Lote Tamanho da Amostra Número de Defeitos R 1 2 3 4 5 6 7 8 9 10 11 12 13 14 --u = 3. LSC u 10 45 10 51 10 36 10 48 10 42 10 5 10 33 10 27 10 31 10 22 10 25 10 35 10 32 10 43 ----= 5. em geral. O controle do valor médio do desempenho do processo é feito através do gráfico de x (gráfico x ). se ele indicar a uma condição fora do controle. LIC u = 1.53 . a interpretação do gráfico para a média será enganosa.24 . Deve-se manter sob controle tanto o desempenho médio como a variabilidade do processo. Os gráficos de controle por variáveis são usados para monitorar o processo quando a característica de interesse é mensurada em uma escala de intervalo ou de razão. através de gráficos separados. LSC u = 4. Os gráficos de controle por variáveis permitem o controle de uma única característica quantitativa a cada vez. A variabilidade do processo é controlada pelo gráfico do desvio-padrão (gráfico s) ou. LIC u = 1.94 . u new = 3.

conforme mostram as Figuras 15 e 16. em geral. Durante o processo de fabricação de um produto ou serviço. a qualidade do mesmo pode estar sujeito a variações. Já os gráficos de controle para variáveis fornecem um maior número de informações a respeito do desempenho do processo do que os gráficos para atributos. Quando se quer analisar um aspecto quantitativo da qualidade.Gráfico de controle X sob controle O formato dos gráficos de controle muda de acordo com a natureza dos dados avaliados. Desta maneira. FIGURA 15 . percebe-se que procedimentos mais eficientes são necessários para o tratamento dessas situações. controla-se o valor médio e a variabilidade por meio de gráficos separados. que podem ser classificadas em dois tipos. devem ser escolhidas as variáveis que causam rejeição ou retificação do produto. que é denominado de amplitude (gráfico R). O gráfico do desvio padrão (s) e o mais comum. Com isso temos os gráficos de variáveis para registrar as características mensuráveis do produto ou serviço e os gráficos de atributos. .46 delas. portanto tendem a serem ineficazes no controle de aspectos quantitativos da qualidade. são utilizados para o controle da variabilidade do processo. que registram as características não mensuráveis.Finalidade das cartas de controle por variáveis O uso da carta de controle por variáveis tem a finalidade de fornecer informações: . envolvendo custos substanciais. Os gráficos de controle para atributo não usam toda a informação disponível sobre a distribuição dos valores assumidos pelas variáveis. Para fins de controle.Gráfico de controle X fora de controle FIGURA 16 . O gráfico da média ( X ) é utilizado para o controle do valor médio do desempenho do processo.

Durante o ciclo de melhoria da qualidade.003.Fundamentos estatístico dos gráficos de controle Para entender a fundamentação dos gráficos de controle. obtida pelo processo. Utilizar carta de controle unicamente para comprovar a existência de um programa de controle de qualidade é perda de tempo. E. . (5. A carta de controle é usada para decidir se um padrão normal de variação está ocorrendo e. Deve-se estimalos a partir de uma amostra em um período anterior quando o processo está sob controle. 3o) Para tomada de decisões relativas à especificação do produto. o processo está sob controle. A carta de controle por variáveis é a mais efetiva técnica para alcançar a melhoria da qualidade. Se a capacidade do processo é ± 0. O tamanho de uma amostra para este tipo de estimativa deve ser de 20 a 25 observações. a carta de controle indicará quando não é mais possível obter melhoria da qualidade sem investimento significativo. realisticamente. e há necessidade de eliminação das causas especiais de variação. imagine que a característica de qualidade de uma peça seja o seu diâmetro. portanto.1) σ/ n tem-se que z= x −µ . ou se é necessária alguma ação do tipo inspeção ou reparo. abaixo. as especificações podem ser definidas. a verdadeira capacidade do processo pode ser obtida. ou se um padrão instável de variação está ocorrendo. e que a mesma tenha uma distribuição Normal com média µ e desvio-padrão σ. ambos conhecidos. Uma vez que a verdadeira capacidade do processo foi obtida. A carta de controle também pode ser usada para decidir se um ou mais itens podem ser liberados para o processo seguinte. então uma especificação de ± 0. 2o) Sobre a capacidade do processo. A verdadeira capacidade do processo só pode ser alcançada depois que uma significativa melhoria da qualidade foi obtida. Na prática não se conhece os parâmetros µ e σ. tem distribuição Normal Padrão N(0. Nesse momento. 4o) Para tomada de decisões sobre o processo de produção.47 1o) Para a melhoria da qualidade.12) . 5o) Para tomada de decisões sobre peças recém-produzidas.004 pode ser. como a estatística pivô Z.

Das m amostras obtém-se as médias amostrais: x 1 . ao invés da expressão baseada em s2.. e o desvio-padrão da distribuição.14b) . têm um relacionamento conhecido: W = Rσ Esta variável aleatória W é chamada amplitude relativa e a média da distribuição de W é representada por d2. Agora. σ.48 x −µ ⎛ ⎞ P⎜ − Z α / 2 ≤ ≤ Z α / 2 ⎟1 − α σ/ n ⎝ ⎠ σ σ ⎞ ⎛ (5. então a amplitude da amostra... Em controle de qualidade é tradicional estimar-se o desvio-padrão usando-se a amplitude amostral R. Assim. X2. R. LIC = x − Z α / 2 LSC = x + Z α / 2 σ n σ (5. É claro que o estimador s também pode ser usado..x m e também a média amostral global. isto é: R = x ( n ) − x (1) A amplitude da amostra de uma distribuição Normal. pode-se usar os limites do intervalo de confiança como limites de controle para a média. para construir os limites de controle está faltando apenas a estimativa do desvio-padrão σ. é fixado em 3 para se ter os limites a 3σ (três desvios padrão).+ x m x= 1 m Deste modo x é o melhor estimador da média do processo µ.13) ≤ µ ≤ x + Zα / 2 P⎜ x − Z α / 2 ⎟ = 1− α ..x 2 .14a) (5. Zα/2 = 3. agora que m amostras aleatórias de tamanho n são disponíveis ou seja tem-se m amostras com n observações cada uma.. é dada pela diferença entre o valor máximo e o valor mínimo da amostra. O valor do escore padronizado.. Portanto.. considerando todas as m observações x + x 2 +. A magnitude de n é da ordem de 4. se X1. n n⎠ ⎝ que é o intervalo de confiança de nível 1 ..x 3 . um estimador do desviopadrão σ é dado por: .α para o parâmetro µ a média do processo. R. 5 ou 6 observações. em geral. No caso da estimativa com base na amplitude amostral. n Suponha.. . Xn é a amostra de tamanho n .

d2. disponíveis. + R m m e uma boa estimativa de σ é: ˆ σ= R d2 Mas.. R= R 1 + R 2 + . Finalmente. . obtém-se a amplitude amostral média R .... por qual razão se usa o estimador de σ. tomando-se as m amostras de tamanho n. com as estimativas de todos os parâmetros tem-se os limites de controle: LIC = x − 3R d2 n 3R d2 n LSC = x + A quantidade A 2 = 3 /(d 2 n ) é uma constante que depende apenas do tamanho da amostra n. .49 ˆ σ= R d2 o valor de d2 é função do tamanho da amostra n. logo pode também ser tabelado como d2 resultando para os limites a forma: LIC = x − A 2 R LSC = x + A 2 R Os valores de A2 . dado acima quando se dispõe de estatística mais eficiente (s)? A resposta é a simplicidade de cálculo ˆ e também porque a eficiência de σ = R / d 2 é praticamente a mesma de s quando o tamanho da amostra é baixo (n < 10). Agora. encontram-se tabelados nos Anexos A e B. por serem constantes que vão depender do tamanho da amostra (n).

Não há uma regra definida quanto ao tamanho do subgrupo. O uso dos gráficos de controle X e R. A variável escolhida deve ser uma característica mensurável da qualidade. deve ocorrer sempre que uma característica da qualidade observada é expressa em unidades reais como peso em quilogramas. Tais valores fornecem maior quantidade de informações sobre o processo.Gráfico xeR Este tipo gráfico é usado para controlar e analisar um processo com valores contínuos de qualidade do produto. operador e matriz. São descritos a seguir os passos para a construção dos gráficos de controle da média ( X ) e da amplitude (R). ou melhor. Ainda com relação à amostragem os subgrupos devem ser retirados de lotes homogêneos. o peso ou a concentração. comprimento em centímetros. Normalmente. preferem-se amostras com tamanho entre . de forma simultânea ou consecutiva. baseados em hipóteses racionais. Conforme Shewhart “o objetivo principal é não somente detectar o problema. compostos por itens produzidos pela mesma máquina. estará dessa forma em melhor situação no trabalho do que aquele que não tiver obtido esse sucesso.Método Instantâneo: retira-se a amostra correspondente ao subgrupo da produção. realizada durante um determinado período. como o comprimento. mas também descobri-lo”. E tal descoberta naturalmente envolve classificação. deve ter a possibilidade de ser expressa em números. 2o)Definir o método de amostragem e o tamanho da amostra através de um dos métodos especificados na seqüência: . Deve-se priorizar aquelas características da qualidade que afetam o desempenho do produto. A escolha do subgrupo depende da finalidade do gráfico de controle. o qual dependerá do volume de produção.Método Periódico: retira-se aleatoriamente a amostra que corresponde ao subgrupo da produção. O profissional que obtiver sucesso na divisão inicial desses dados em subgrupos racionais. do custo da inspeção e da importância da informação obtida. 1o) Determinar a característica da qualidade a ser controlada. temperatura em graus Celsius. de maneira que ela seja representativa de toda a produção neste período.50 . .

Na prática. 4o) Estabelecer o valor central e os limites de controle. LC = limite central. onde: LSC = limite superior de controle. LIC = limite inferior de controle. através das fórmulas abaixo. LSC X = X + A 3 s LC X = X LIC X = X − A 3 s . g = número de subgrupos. No aplicativo.16b) (5. pois fornecem uma boa estimativa sobre a dispersão do processo. σ X = desvio padrão das médias dos subgrupos.15) onde: X = média das médias dos subgrupos.17b) (5.17c) LCR = R LIC R = R − 3σ R . X i = média do i-ésimo subgrupo. que são obtidos usando-se as fórmulas. no qual os dados são geralmente registrados em colunas.17a) (5. lado a lado. 3o)Coletar os dados.16a) (5. Estes fatores variam . “CEP on-line” os mesmos são registrados seqüencialmente. D3 e D4. para encontrar os limites de controle.16c) (5. Os limites de controle para os gráficos X e R são estabelecidos de acordo com os desvios padrões desejados. X= ∑ Xi i =1 g g e R= ∑R i =1 g i g (5. LSC R = R + 3σ R (5. R = média dos ranges dos subgrupos. σ R = desvio padrão das amplitudes dos subgrupos. os cálculos dos limites são simplificados pela utilização dos fatores A2. utilizando para isso um formulário.51 quatro e cinco itens e subgrupos que variam de 20 a 25. R i = range do i-ésimo subgrupo.

em que os limites de controle são recalculados. caso contrário. descartados. sendo que destas resultaram 30 subgrupos com 4 observações. TABELA 15 – Dados da temperatura do forno do atomizador Número do Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 x1 951 954 951 921 946 925 922 947 941 921 913 951 921 944 925 940 Observações X2 x3 923 934 949 936 937 943 933 951 939 956 932 944 937 952 932 932 930 926 918 945 923 942 942 954 929 939 921 950 923 920 938 960 Média x4 936 947 936 936 928 936 943 923 938 926 944 935 945 921 951 918 X 936 947 942 935 942 934 939 934 934 928 931 946 934 934 930 939 Amplitude R 28 18 15 30 28 19 30 24 15 27 31 19 24 29 31 42 . e os pontos que ultrapassarem tais limites. Foram coletadas 120 amostras. adota-se o gráfico de controle para monitorar as observações atuais e futuras.Exemplo Utilize os gráficos X -R para analisar o comportamento da temperatura do forno do atomizador. conduzem-se ações de melhoria até que seja atingido o nível de qualidade desejado ao processo. .18a) (5.18c) LCR = R LIC R = D 3 R .18b) (5. LSC R = D 4 R (5.18b) (5.52 de acordo com o tamanho do subgrupo e são encontrados na tabela do Anexo A. 5o) Interpretar os gráficos Se o processo estiver sob controle estatístico.18a) (5. LSC X = X + A 2 R LC X = X LIC X = X − A 2 R .18c) (5.

48 LIC x = X − A 2 R = 937.48 + (0.(0.282 (Anexo A) LSC x = X + A 2 R = 937.Cálculos X= ∑X i =1 g i g = 28125 = 937. 17 18 19 20 21 22 23 24 25 26 27 28 29 30 940 936 944 942 954 910 941 948 956 945 930 946 947 934 938 942 936 958 940 938 952 953 939 951 918 915 925 925 Total 929 927 953 948 933 945 947 948 952 946 921 926 936 937 947 931 932 950 912 936 922 950 946 926 926 946 947 950 939 934 941 950 935 932 941 950 948 942 924 933 939 937 8125 18 15 21 16 42 35 30 5 17 25 12 31 22 25 724 .282) (24.074 LCR = R = 24.48 30 R= ∑R i =1 g i g = 724 = 24.90 LSCR = D 4 R = (2.53 continuação. D3 = 0 e D4 = 2..13) = 955.729) ( 24.48 .13 30 A2 = 0.133 LICR = D 3 R = 0 ( 24.13) = 919.07 LC x = X = 937.729..729) (24.13) = 0 .13) = 55.

R sejam os mais utilizados. A construção dos gráficos de controle X e s é semelhante à construção dos gráficos X e R. visto que no cálculo do desvio padrão. a medida que o tamanho do subgrupo aumenta. o gráfico s torna-se mais preciso que o R. os quais são usados no cálculo da amplitude. e não apenas o maior e o menor valor.Gráfico X – s Embora os gráficos de controle X . No caso de o tamanho do subgrupo ser menor ou igual a 10. Comparando-se os gráficos R e s.48 919.54 X-bar 955. contudo.90 5 10 15 R 20 25 30 55.07 937. As etapas para a construção dos gráficos de controle X e s são: 1o) Escolher a característica de qualidade a ser controlada. verificase que o gráfico R é mais fácil de ser construído e aplicado.074 24. . enquanto que o gráfico s é mais preciso.133 0. diferenciando-se apenas nas fórmulas utilizadas para calcular o valor central e os limites de controle.0000 5 10 15 20 25 30 FIGURA 17 – Gráficos de controle x e R . e por isso. conforme visto anteriormente. algumas empresas preferem usar o gráfico do desvio padrão gráfico (s) para controlar a dispersão do processo de produção. as cartas R e s apresentam o mesmo aspecto gráfico. são usados todos os dados dos subgrupos. deve ser utilizado. 2o) Definir o tamanho da amostra e o método de amostragem.

. B3.20) i X= ∑X i =1 g g (5. 4o) Calcular o desvio padrão de cada subgrupo. LSC s = B 4 s LSC s = s LICs = B 3 s . 6o) Calcular os limites de controle usando as fórmulas: LSC X = X + A 3 s LC X = X LIC X = X − A 3 s .19) n −1 onde: n= tamanho do subgrupo. B4 = fatores retirados da Tabela do Anexo A. (5. 7o) Construir limites de controle e grafar os valores dos subgrupos.22b) (5.55 3o) Coletar os dados.22b) (5.22c) (5. A3. 5o) Calcular o valor central através das fórmulas. s= ∑s i =1 g i g (5. para cálculo dos limites de controle. onde: si = desvio padrão do i-ésimo subgrupo. usando a fórmula: s= ∑ (X i =1 n i − X) 2 (5.21) onde: g = tamanho da amostra.22a) (5.22a) (5.22c) s = média dos desvios padrões dos subgrupos.

865 4.500 7.655 10.210 14.56 . Foram coletadas 120 amostras.185 12.828 11.583 349.446 3. TABELA 16 – Dados da temperatura do atomizador Número do Subgrupo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 x1 563 543 549 546 590 582 568 559 653 546 557 564 571 548 560 590 596 574 580 562 567 560 580 598 578 594 601 614 610 602 Observações X2 x3 540 542 540 546 550 545 580 593 588 594 584 540 572 580 561 653 565 560 531 558 552 558 566 572 567 540 546 554 563 570 578 586 579 572 569 580 580 593 537 566 560 571 558 562 592 586 592 585 586 598 584 591 590 610 594 590 597 594 604 608 Total Média x4 530 550 540 572 597 572 570 640 573 551 560 577 531 551 576 590 575 576 568 567 570 588 598 591 597 583 606 600 609 580 X 544 545 546 573 592 570 573 603 588 547 557 570 552 550 567 586 581 575 580 558 567 567 589 592 590 588 602 600 603 599 17249 Desvio Padrão s 13.724 4.755 3.323 9.96 30 A3 = 1.657 10.266 (Anexo A) .095 7.354 8.229 43.573 10.504 8.260 50.66 30 X= ∑X i =1 i g = 17249 = 574.746 5.403 5.681 s= ∑s i =1 g i g g = 349.031 20.628.909 19.355 5. sendo que destas resultaram 30 subgrupos com 4 observações.546 19.967 14.166 4.182 5.272 4.535 5.s para analisar o comportamento da temperatura do atomizador.Exemplo Utilize os gráficos X . B3 = 0 e B4 = 2.822 4.681 = 11.

656 0.57 LSC x = X + A 3 s = 574.94 LC x = X = 574. sendo cada unidade fabricada analisada.66) = 555.413 LC s = s = 11.96 − (1.656 LICs = B 3 s = (0)(11.413 11.66) = 0 X-bar 593. ou .66) = 593.Gráfico x individual O gráfico de controle para medidas individuais pode ser interpretado como um gráfico de controle X comum.96 555.66) = 26.266)(11.98 5 10 15 s 20 25 30 26.96 LIC x = X − A 3 s = 574. nos casos em que a inspeção automática e a tecnologia de medida são usadas.94 574.97 LSC s = B 4 s = (2. ou melhor.0000 5 10 15 20 25 30 FIGURA 18 – Gráficos de controle x e s .628)(11.96 + (1. O gráfico de controle para medidas individuais é bastante insensível a pequenas mudanças na média do processo e deve ser aplicado em situações no qual o tamanho usado para controle de processo é n = 1.628)(11.

4o) Visualização do gráfico. D3 .R m LC x = X LSC x = X + E 2 .24) LSC x = X − E 2 .26b) (5. mas também pela análise de seqüência de pontos.Interpretação dos gráficos da média X .58 quando a taxa de produção é muito lenta. não sendo conveniente acumular amostras de tamanho maior que um antes de serem analisadas. .26a) (5.R m LMRm = R m LIC Rm = D 3 . Em situações como essas. Vale ressaltar que a interpretação deste gráfico não se dá apenas pela análise dos pontos fora dos limites de controle. E2 = fator para cálculo dos limites de controle (Anexo B).23) Rm = ∑ K −1 2o) Cálculo dos limites de controle do X (2. D4 = constantes tabeladas no (Anexo B).R m com: (5. (Anexo A).R m (5. Na construção do gráfico de controle para medidas individuais X .25c) E2 = 3 .26c) onde: R m = amplitude móvel. é que o gráfico de controle para medidas individuais torna-se útil.25a) (5. d2 = fator de correção.25b) (5. são efetuados os cálculos: 1o) Cálculo das estatísticas básicas X=∑ X K Rm (2. conforme apresentado no Quadro 3. d2 3o) Cálculo dos limites de controle do Rm LSC Rm = D 4 .

o que significa a ausência de causas especiais de variação.59 A análise dos gráficos de controle possibilita a identificação se o processo está ou não sob controle. Isto ocorre quando há um padrão de variação anormal no processo.Zonas de distribuição dos pontos num padrão normal de variação Um processo também pode ser considerado fora de controle. isto é.5% dos pontos em cada faixa A. indicando a ausência de tendências crescentes ou decrescentes. 13. . Quando um processo está controlado ocorre um padrão normal de variação. estratificações ou misturas e pontos que ultrapassaram os limites de controle.5% dos pontos em cada faixa B e 2. quando todos os pontos estiverem dentro dos limites de controle. No Quadro 3. FIGURA 19 . ou seja. nos quais o processo está fora de controle. Há uma regra básica para verificar se o processo se encontra estável: basta dividir o intervalo entre os limites superior e inferior de controle em seis faixas. ciclos. apresenta-se alguns casos de gráficos. pois os pontos distribuem-se aleatoriamente em torno da média. cerca de 34% dos pontos devem estar em cada faixa C. conforme mostra a Figura 03. com algumas adaptações. QUADRO 3 – Casos de padrões anormais de um processo 1º Caso: Um ponto além da zona A. acima do limite superior de controle ou abaixo do limite inferior de controle.

situados na zona A ou B ou além dela. 5º Caso: Dois em três pontos sucessivos na mesma zona A ou além dela.60 continuação. 8º Caso: Oito pontos sucessivos de ambos os lados da linha central fora da zona C. n = 1. acima ou abaixo da linha central. foram seguidos alguns passos: . 7º Caso: Quinze pontos sucessivos situados na zona C.. Para isso. todos acima ou abaixo da linha média. de um mesmo lado do gráfico. 2º Caso: Nove pontos sucessivos de um mesmo lado do valor central.. 3º Caso: Seis pontos sucessivos diminuindo constantemente.Exemplo Para verificar a estabilidade e a variabilidade da umidade da barbotina. usou-se o gráfico de controle X individual. devido à amostra desta variável ser unitária. ou seja. aumentando ou 4º Caso: Quatorze pontos sucessivos alternando-se para cima e para baixo. 6º Caso: Quatro em cinco pontos sucessivos. ou seja. .

5 6.2 0.1 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 6.2 0.2 0.6 0.3 0.1 0.2 0.3 6.3 0.4 6.2 0.3 6 6.1 0.1 0.2 0.1 0.9 6.7 0.1 0.2 6.4 6.1 6.3 6 6.2 0.1 0.6 0.2 0.2 0.4 6.2 0.3 0.3 6.2 6.4 6.4 5.9 6.1 6.3 6.3 0.3 6.6 0.3 6.3 0.2 0.3 6.5 0.5 6.3 5.5 6.1 0.1 0.2 0.3 6.1 0.4 6.3 0.1 0.3 6.3 0.3 6 6.2 0.1 0.2 0.5 0.2 0.1 0.6 6.3 0.4 6.2 5.5 6.1 6.2 0.4 0.1 0.3 6 6.2 6.2 0.2 6.4 0.6 6.1 0.2 0.2 6.5 6.4 0.1 .4 6.1 0.8 6 6.1 0.4 5.1 6.2 0.5 6.1 6 0.2 0.5 0.5 6.3 0.2 0.1 0.4 6.8 6.1 0.5 6.5 6.2 6.4 6.5 6.2 0.4 0.4 0.8 6.3 6.5 6 6.3 0.2 6.61 TABELA 17 – Dados da variável umidade da barbotina Número de Subgrupos Umidade % Amplitude Móvel Rm Número de Subgrupos Umidade % Amplitude Móvel Rm 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 6.2 6.1 0.5 6.3 0.5 0.1 6 6.1 0.2 6.4 6.3 6.1 0.3 0.2 6.4 6.2 6.3 0.3 6.4 0.3 0.1 6 6.1 6.5 6 6.3 6.4 6 6.2 6.4 6.2 0.4 6.4 0.1 0 0.3 0.4 0.4 6.3 0.2 6.3 0.1 0.3 0.1 6 6 6.5 0.1 0.4 0.2 0.5 6.3 5.2 0.1 6.3 0.6 6.3 0.5 0.4 0.2 0.2 6.4 0.2 0.3 0.4 6.4 0.1 6.6 0.4 6.4 6.2 0.2 0.

6 6 6.5 Total 0.9 6.28 + 2. R m = 3.5 6.2 0.267..2605 LICRm = D3 . R m= 6. 0. 0.26 = 0 E2 = 3 = 2.2 0.660.4 0.3 0.26 = 0.26 = 6.6 6.85095 LM Rm = R m =0.1 6.2 0.4 0.4 6.4 0. LSC Rm = D4 .4 6. 51 52 53 54 55 56 57 58 59 60 6. 0.2 0.1 111 112 113 114 115 116 117 118 119 120 6.9701 LC x = X = 6.1 0.2 0.4 0.660. LSC x = X + E2 . 0.4 0.2.5849 .2775 LIC x = X .660 d2 E2 = 2.26 = 5.62 continuação.6 31.660 foi retirado da tabela do Anexo B.5 6.1 0.Cálculos X =∑ X 753.3 0.5 753.28 K 120 Rm 31 Rm = ∑ K −1 = 120 − 1 = 0.28 .4 0 0.2 6.4 6.0 .3 0.26 D4 = 3. R m = 0 .7 6.1 5. Rm = 6.5 6..3 = = 6.4 6.E2 .6 0.3 6.267 e D3 = 0 (Anexo B).2 0.5 6.4 6.

Exercícios 1) Os dados a seguir referem-se a medidas em milímetros de uma peça.26050 0. assumindo a existência de causas especiais de variação no processo.9701 6.5849 20 40 60 R 80 100 120 .2775 5. se necessário. coletados de subgrupos de tamanho 6.0000 20 40 60 80 100 120 FIGURA 19 – Exemplo de gráfico de controle X individual QUADRO 4 – Resumo das cartas de controle por variáveis Tipo de Carta Carta X σ conhecido σ estimado por Valor Central Limites de Controle Inferior Superior X − A 2σ X − A2R X − A 2σ X − A2R X X X R σ estimado por s Carta R σ conhecido σ estimado por Carta s σ conhecido σ estimado por X + A3s D1σ X + A3s D 2σ R R = d 2σ R s = c4σ s D3R B5 σ B3 s D4R B6 σ B4 s s . . Determine o valor central e os limites de controle e revise-os.85095 .63 X-bar 6.

57 .36 0.4 2.1 .2 1.2 0.34 14 2 20.89 R Descarta-se os subgrupos 4 e 5.30 25 13 20. e referem-se à concentração (% em peso) de cloreto de amônia. LSC x = 20.6 0.38 0.6 48.34 21 9 20.36 .6 49.36 15 3 20.3 49. TABELA 19 – Valores médios e as amplitudes das amostras Batelada Concentração % 1 2 3 4 5 6 7 8 9 10 11 49.4 Rm 1.7 50.35 0.9 1.36 18 6 20.3 50.4 49.37 0.7 0.38 0.41 20.40 .4 49.0 X 20.5 Número do Sub-grupo 16 17 18 19 20 21 22 23 24 25 26 X 50.50 20.134 d2 2) Refaça o problema anterior supondo o tamanho do subgrupo igual a 3.73 0.40 510.33 0.35 0.7 0.2 0.65 0.30 8.34 0.2 1.35 19 7 20.64 TABELA 18 – Valores médios e as amplitudes das amostras Número do Sub-grupo Número do Sub-grupo R X 1 20. Analise o que aconteceu com os subgrupos em relação aos limites de controle.40 0. LIC R = 0.29 24 12 20.4 50.31 20. Descarta-se o subgrupo 18.33 Total x = 20.1 0.39 0.32 16 4 20.42 0.5 0.01 R 0.36 0.42 20. cuja especificação é de 50 ± 1%.23 R = 0.1 49.1 50.2 50.2 50.5 49.1 0 0.41 20.45 30.36 0.6 50.72 .9 0.6 Rm --0.40 20.5 0.37 0.7 0.1 50.4 1.40 R new = 0.39 20.8 49.34 20.43 0.36 17 5 20.36 20.31 20 8 20.40 0.40 0. Calcule os limites de controle para a carta de valores individuais e a carta da amplitude (Rm).9 1.34 e σ o = R new = 0. x new = 20. 3) Os dados a seguir foram produzidos a partir da produção de fertilizantes. LSC R = 0.5 50.4 49.1 49.30 22 10 20.32 0.34 0.37 23 11 20.1 0.2 50. Verifique se o processo está sob controle e se as bateladas produzidas atendem totalmente às especificações.20 0.38 0.39 20.48 0. LIC x = 20.

1 49.1 0.5 -----x = 49. onde σ é o desvio padrão do processo otimizado e estável (sob controle). Capacidade do produto = 6σ Como o valor de σ é. Os limites de especificação são estabelecidos no projeto pelos engenheiros. o estimador de σ é: ˆ σ= ∑ (x − x) n −1 2 .1 R m = 0.1 0.7 0.3 1494..6 22.83 .79 27 28 29 30 Total 49. LSC Rm = 2. Os limites µ ± 3σ são conhecidos como limites naturais de tolerância. LIC Rm = 0.4 15 49.5 1 14 50.81 .2 1.2 49. R 12 49.3σ (limite natural inferior de tolerância) O limite de 6σ sobre a distribuição de uma característica de qualidade do produto vem a ser a capacidade do produto.. Não existe uma relação matemática ou estatística entre limite de controle e limite de especificação. Se n > 10 e foi feito o gráfico de controle x − s .Capacidade do processo A verdadeira capacidade do processo só deve ser determinada após o mesmo ter sido otimizado e estabilizado. A capacidade do processo é a sua própria variabilidade. pela administração ou pelo cliente. LIC x = 47.76 . d2 onde d2 é um valor que depende do tamanho da amostra (n ≤ 10) e em decorrência. LNST = µ + 3σ (limite natural superior de tolerância) LNIS = µ . encontra-se tabela (Anexo B). em geral.5 0.48 .6 0.9 49.65 continuação. desconhecido.3 0. depois que este foi otimizado e esta sob controle. para obter a capacidade do processo usa-se um estimador ˆ σ= R . LSC x = 51.6 13 50. A melhor forma de se verificar a adequação de um processo às necessidade da engenharia de produto é através do estudo de capacidade do . Os limites de controle são definidos em função da variabilidade do processo e medido pelo desvio padrão. .0 A batelada 24 não atende às especificações do produto.

Nesta situação. a capacidade do processo é inadequada à tolerância exigida. O tratamento deve ser semelhante àquele dado ao processo vermelho.o ideal é realizar o trabalho com outro processo mais adequado às especificações. Se a capacidade do processo está entre 3/4 e 2/3 da tolerância. a capacidade do processo é adequada à tolerância exigida. 3σ ⎟ ⎠ ⎝ .Processo amarelo: (1 ≤ Cp ≤ 1. deve-se tentar diminuir a sua variabilidade.33). nem sempre o processo esta centrado na média. . Se a capacidade do processo é menor que metade da tolerância.33). Uma regra prática para esta análise é descrita a seguir: . cartas de controle são muito úteis para manter o processo sob controle e evitar a produção de itens fora das especificações. Por último. 6σ = capacidade do processo.66 processo ou da relação entre a capacidade do processo e a diferença entre os limites de especificação (tolerância do produto). a capacidade do processo está em torno da diferença entre as especificações. Se o processo não se encontrar centrado na média. LIS = limite inferior de especificação.Processo Vermelho: (Cp < 1). resta a possibilidade de se alterar as especificações do produto. LSE − LIE 6σ onde: Cp = LSE = limite superior de especificação. Neste caso. ou seja. Não sendo possível mudar o processo. Esta relação é conhecida como índice de capacidade (Cp). pode-se dizer que o mesmo é excelente ou altamente confiável. A análise do índice de capacidade é muito útil na tomada de decisões sobre a adequação do processo às especificações. pode-se chegar a conclusões erradas quanto a capacidade do processo. Kane (1986) propôs a utilização do Índice de Performance (Cpk): ⎛ X − LIE X − LSE ⎞ C pk = min⎜ ⎟ ⎜ 3σ . é aconselhável coletar amostras periódicas para acompanhamento do processo. Na prática. não é preciso tomais maiores cuidados como o proceso.Processo Verde: (Cp > 1. .

Melhoria contínua da qualidade. Estatística para a qualidade. JURAN. Rio e Janeiro: Campus. V. In: II Semana da estatística. 1997.67 BIBLIOGRAFIA GUEDES.G. A qualidade desde o projeto. J. T. Maringá.P.B. 551 p. 62 p. Dissertação de Mestrado do Programa de Pós-graduação em Engenharia de Produção. SIQUEIRA.M. Desenvolvimento de um aplicativo do Controle estatístico de Processo on-line por meio de gráfico de controle. L. S. Controle estatístico do processo. 129 p. São Paulo: Pioneira. 2004. . 198 p. 1999.H. São Paulo: Thomson Learning. VIEIRA. PIERRET. Santa Maria: UFSM.A.

712 0.282 2.025 1.477 1.880 0.744 1.775 0.374 0.787 0.924 1.979 6.633 0.0317 1.0510 1.031 6.663 0.4299 0.864 0.1284 1.204 0.918 5.440 0.8862 0.539 0.880 1.544 1.626 0.549 1.653 1.888 0.608 1.850 0.2618 0.886 0.594 1.716 0.483 1.490 0.2747 0.3069 0.693 1.545 0.9594 0.307 0.585 1.606 2.759 1.2831 0.640 0.182 1.391 0.455 1.895 3.162 0.541 B3 0 0 0 0 0.Fatores para o cálculo dos limites de controle (3σ) para os gráficos: X .0105 0.347 0.9876 0.099 1.832 0.0140 1.472 3.9515 0.820 5.716 1.970 1.0109 1.415 0.808 0.811 0.451 0.0119 1.610 1.566 1.687 0.487 1.7979 0.004 1.203 1.061 1.724 0.600 A2 1.698 4.258 3.089 1.588 3.535 5.689 3. B6 = c 4 + 4n − 3 c 4 2(n − 1) 2(n − 1) c 4 2(n − 1) 2(n − 1) . B5 = c 4 − .882 1.619 0.059 2.659 1.9727 0.734 0.671 0.0133 1.9835 0.308 0.927 0.482 0.466 0.179 0.949 0.594 5.194 0.419 0.459 1.3512 0. A3 = 3 c4 n .708 D1 0 0 0 0 0 0.500 1.735 3.187 0.856 5.770 0.802 0.597 1.249 0.647 5.548 1.8865 0.637 1.750 0.921 5.679 1.0229 1.434 0.2787 0.688 0.9862 0.184 0.337 0.2711 0.741 5.778 0.532 3.68 ANEXO A .605 1.686 4.858 3.534 0.637 1.173 0.459 D4 3.557 1.284 0.9845 0.575 2.0423 1.3152 0.9693 0.864 1.905 0.552 1.204 5.931 1 d2 n Fatores para os Limites de Controle d3 0.717 1.4857 0.669 1.9776 0.511 1.606 Gráfico para o Desvio Padrão Fatores para a Fatores para os Limites de Linha Central Controle c4 0.287 1.866 0.739 0.575 1.157 0.420 1.729 0.438 1.618 1.421 0.659 1.9892 0.0281 1.406 0.356 1.2647 0.223 0.646 1.2677 0.346 0.848 0.549 0559 B6 2.393 5.212 0.185 0.3698 0.750 0.698 0.0854 1.276 2.0148 1.399 0.354 0.336 3.9794 0.0114 1. c4 ≅ 4(n − 1) 3 3 3 3 .118 0.782 5.817 0.2592 0.000 0.496 1.970 3.363 0.326 2.763 0.728 0. R e s Gráfico para a Média Fatores para os Limites de Controle A 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 2.789 0.056 D3 0 0 0 0 0 0.285 0.693 2.577 0.203 0.672 1.504 0.9400 0.029 0.2567 0.565 B4 3.3367 0.0194 1.628 1.136 0.0252 1.358 4.9882 0.2935 0.121 1.510 0.729 0.276 0.647 0.0638 1.9896 1 c4 Gráfico para a Amplitude Fatores para a Linha Central d2 1.640 3.951 5.076 0.777 1.797 0.425 0.078 5.3946 0.655 0.0168 1.283 0.382 0.718 0.744 0.704 2.0157 1.819 3.006 6.470 1.256 0.555 0.9887 0.778 3.030 0.891 5.568 2.469 5.847 2.680 0.627 2.964 1.707 0.9823 0.225 1.528 0.118 1.115 2.696 5.266 0.720 0.424 1.342 1.466 1.078 3.820 0.0126 1.475 0.153 A3 2.9854 0.032 0.572 1. B4 = 1 + . B3 = 1 − .3249 0.088 1.547 0.739 0.761 1.435 B5 0 0 0 0 0.815 1.9213 0.321 0.0180 1.2880 0.373 0.523 0.180 0.429 1.407 3.128 1.710 1.563 1.313 0.9650 0.232 0.023 0.707 1.134 1.975 0.378 0.490 1.235 0.756 0.622 1.403 0.2544 Para n > 25 A= 3 n .428 0.763 0.445 1.806 D2 3.448 1.239 0.874 1.282 1.806 1.518 1.922 1.9754 0.534 1.113 0.732 1.816 1.953 0.516 0.751 1.223 0.443 0.328 0.266 2.526 1.612 0.427 1.5907 0.954 1.503 1.306 5.497 0.833 0.9869 0.458 0.2533 1.9810 0.2998 0.585 1.0363 1.267 2.448 0.388 0.0210 1.173 3.483 0.534 2.167 0.

419 2.059 0.Valores das constantes para o cálculo dos limites de controle 2 1.970 0.864 0.853 2.457 0 2.078 0.184 1.483 0.282 Tamanho da amostra n 5 6 7 0.847 0.660 0 3.693 0.128 0.820 1.833 1.184 1.888 1.326 2.136 1.816 10 0.772 0 2.534 2.004 1.777 A2 d2 d3 E2 D3 D4 .023 1.223 1.880 1.848 0.109 0 0 0.808 1.575 4 0.864 9 0.924 8 0.797 0.729 2.010 0.577 0.076 2.704 0.267 3 1.115 2.337 2.880 1.373 2.69 ANEXO B .308 3.054 0.290 1.975 0.