APOSTILA CONTROLE ESTATSTICO 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. INTRODUO Controle da qualidade um conjunto de aes ou medidas desenvolvidas com o objetivo de assegurar que os servios ou produtos gerados atendam aos requisitos segundo os quais foram especificados. Segundo a ISO 8402, Controle da Qualidade definido como sendo o conjunto de tcnicas e atividades operacionais usadas para atender os requisitos para a qualidade. Avaliar os resultados das aes, com o objetivo de verificar se os mesmos esto 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 primrdios da civilizao humana. No se pode precisar, no tempo, quando foi que o controle da qualidade comeou a ser utilizado, de forma sistemtica, de modo a assegurar que os resultados das aes empreendidas viessem a atender aos requisitos dos projetos, na forma como foram concebidos. Entretanto, a perfeio das obras remanescentes das civilizaes grega, romana, egpcia, chinesa, e outras, sob a forma de templos, termas, pirmides, muralhas, etc., nos permite assegurar que alguma forma de controle devia ser por eles empregada. Os registros histricos nos mostram que at o final do sculo XVIII, antes do incio 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 servios que gerava. Curiosamente, esta uma postura muito atual. No que se refere a garantia da qualidade, cada um responsvel pela qualidade do que faz. A diferena entre um profissional do final do sculo XVIII e o seu colega dos anos 90 est na forma segundo a qual aquele entendia e este entende a funo qualidade. Para o profissional do sculo XVIII a qualidade estava relacionada ao atendimento as especificaes do produto, especificaes estas quase sempre ditadas por ele mesmo. Ele definia o que deveria ser qualidade, produzia e, eventualmente, quase sempre sem uma programao especfica definida, inspecionava o produto para verificar se estava conforme as suas especificaes. Hoje, a qualidade definida pelo cliente. Cabe, tambm, ao profissional dos nos 90 produzir e controlar a qualidade do que ele produz. Entretanto, o controle da qualidade por ele exercido feito de forma sistematizada; planejado de forma a cobrir todas as fases do processo e tem por objetivo assegurar que as necessidades do seu

cliente vo ser atendidas. No se trata mais apenas de uma inspeo final para verificar se o produto tem ou no defeitos de fabricao. Entretanto, no se pode dizer que a sociedade, at o incio do sculo XIX, encontrava-se totalmente sem estruturas organizacionais orientadas para o controle da qualidade. Registra-se, no decorrer da idade mdia, intensas atividades de associaes de arteses, estabelecendo padres que visavam proteger ganhos econmicos e sociais de seus associados e regular a economia. Para alcanar esses objetivos essas associaes desenvolveram intensos e importantes trabalhos estabelecendo salrios, condies de trabalho e especificaes para matrias-primas e produtos acabados. Entre 1900 e 1930, com o advento da era industrial, pressionados pela crescente concorrncia e pela complexidade dos processos, iniciou-se uma nova fase para o controle da qualidade. Essa foi a era da inspeo. No incio, as inspees eram feitas no produto acabado e tinha por objetivo evitar que itens defeituosos chegassem ao consumidor. Nenhuma tcnica estatstica era usada. No final dos anos 20, como decorrncia da crescente complexidade dos processos e da maior concorrncia do mercado, iniciou-se a utilizao de tcnicas estatsticas para o controle dos produtos. Em 1924, foi criado o Inspection Engineering Departament of Western Electrics 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 mtodos de controle da qualidade, incluindo critrios para seleo 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 estatstica como ferramenta para o controle da qualidade se consolidou como tcnica. Destaca-se nesse perodo 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 dcada de 40, o uso da estatstica como ferramenta para o controle da qualidade se consolidou como prtica indispensvel, principalmente devido s condies impostas pela economia de guerra. A necessidade de massificar a

produo levou a uma inevitvel deteriorao da qualidade dos produtos. Esse fato obrigou o sistema produtivo a utilizar, em escala sem precedentes, as tcnicas estatsticas que j haviam sido desenvolvidas para o controle de produtos. Nesse perodo, intensivos programas de treinamento, orientados para a utilizao destas tcnicas, foram implementados, com os objetivos de: minimizar perdas, reduzir o custo de produo e, principalmente, assegurar a qualidade dos produtos. Nesse perodo, as foras armadas dos Estados Unidos e dos pases aliados desempenharam um papel importantssimo no desenvolvimento de novas tcnicas estatsticas, na pesquisa de novas teorias de controle, na implementao de programas de controle da qualidade e, principalmente, no estabelecimento de padres. De 1950 a 1960, as foras armadas dos pases aliados, principalmente devido a guerra fria, que demandava contnuos e intensos programas de desenvolvimentos na rea da indstria blica, continuaram sendo os principais impulsionadores do desenvolvimento da rea de controle da qualidade. Os principais esforos dos anos 50 foram orientados para os estabelecimentos de novos padres. Nessa dcada, o controle da qualidade deixou de enfocar o produto e passou a orientar-se para o processo, o que, do ponto de vista estratgico, representou um passo importantssimo. Na verdade o responsvel pelos itens defeituosos o processo. Se o processo capaz e se est sendo devidamente controlado deve, portanto, gerar produtos sem defeitos. Na dcada de 50, o Japo iniciou sua jornada rumo a industrializao. Deming, que havia participado ativamente, na dcada de 40, dos programas de mobilizao para a qualidade, nos Estados Unidos, foi para o Japo e, juntamente com Juran e Ishikawa, tornou-se o principal responsvel pela disseminao dos conceitos de controle da qualidade naquele pas. Nos anos 60, o uso prtico da estatstica como ferramenta para o controle de processo se consolidou e foram lanadas as bases para a implantao dos conceitos de Total Quality Control - TQC, desenvolvidos por Feigenbaum. O parque industrial japons, ainda infante, serviu de palco para a implementao destes conceitos, na dcada seguinte. A dcada de 70 se caracterizou pela disseminao dos conceitos de TQC, principalmente no Japo e foram lanadas as bases para a implantao dos conceito de Total Quality Management - TQM. No final desta dcada, a International Organization for Standardization - ISO criou o Tecnical Committee 176 (TC - 176) cujos trabalhos levaram a criao das Normas ISO srie 9000, aprovadas em 1987.

Os anos 80 se caracterizaram pela implementao, em larga escala, dos conceitos de TQM. O Japo, mantendo a sua posio de vanguarda, liderou os pases industrializados na implementao destes conceitos. A aprovao das Normas ISO srie 9000, em 1987, representou uma mudana de paradigma e a Europa, bero dessas Normas, ocupou a posio de destaque neste novo cenrio. A partir da dcada de 60, os problemas relacionados com a preservao da qualidade do meio ambiente passou, cada vez mais, a ocupar o centro das atenes da nossa sociedade. O resultado desse movimento, principalmente nos pases mais desenvolvidos, foi o incio de presses social para que os sistemas produtivos utilizassem tecnologias no poluidoras. Na dcada de 70, a sociedade, preocupada com os nossos recursos naturais, evoluiu, incorporando conceitos de racionalizao de insumos nos processos produtivos. O vertiginoso crescimento das atividades industriais, ocorrido nesse ltimo quarto do sculo XX, despertou, principalmente nas comunidades mais esclarecidas, uma forte conscientizao de que a natureza no infinita em sua capacidade de absorver os resultados de todas as atividades humanas, no ritmo em que estas vm ocorrendo, sem que sejam alteradas as condies ambientais globais. Como resultado, seis anos aps a realizao da ECO-92, foi assinado, no incio de 1998, o protocolo de Kyoto que estabelece critrios sobre emisso de CO2 e outros gases que exercem efeito estufa e prioriza o desenvolvimento e a utilizao de tecnologias amigveis com relao a mudanas climticas. Como no poderia deixar de ser, os movimentos conservacionistas influenciaram fortemente os conceitos relativos a qualidade e motivaram a aprovao das Normas ISO Srie 14000, em 1996. Essas Normas especificam os requisitos relativos a um sistema de gesto ambiental e regem as relaes contratuais para o comrcio interno e entre pases, operacionalizando grande parte dos acordos firmados na ECO-92. Assim, a preservao da qualidade do meio ambiente passou a ter um carter econmico urgente e como conseqncia, o sistema produtivo dever privilegiar, nos prximos anos, em escala crescente, a utilizao de tecnologias orientadas para o desenvolvimento sustentvel, com enfoque na preservao dos ecossistemas e da biodiversidade. A funo qualidade pode, tambm, ser analisada pelo objeto do seu foco. At a dcada de 40 o produto era o ponto de aglutinao de todos os esforos

orientados no sentido de lhe agregar qualidade. Essa foi a era da inspeo, do controle da qualidade e a estatstica foi a principal ferramenta utilizada. Nas dcadas de 50, 60 e 70, o processo passou a ser o ponto principal das atenes, sem que, contudo, o produto tenha sado de cena. Controlar o processo para que os produtos por ele gerados atendam as especificaes, certamente uma forma mais econmica de assegurar qualidade. Nesse perodo, as inspees continuaram sendo atividades importantes mas apenas para registrar a qualidade da produo e a estatstica consolidou sua posio como ferramenta indispensvel para os processos de controle. Nas dcadas de 80 e 90 cresceu no meio empresarial a conscincia de que to ou mais importante do que produzir com qualidade, oferecer ao cliente o que ele deseja, atender as suas necessidades. Assim, o cliente, como o parceiro mais importante do negcio, passa a ser o foco das atenes. Atender s expectativas do cliente e, se possvel, superar essas expectativas, passa a ser a poltica dos negcios de sucesso. As caractersticas de uma empresa orientada para o atendimento ao cliente so: seus processos so consistentes e adequadamente controlados (eficincia), seus produtos so especificados de acordo com as necessidades do seu cliente (eficcia), como as necessidades do cliente esto sempre mudando, elas so flexveis, adaptam-se com rapidez e tm viso do futuro (efetividade). Para essa empresa, o cliente no sentido lato (a sociedade) aparece no cenrio com importncia crescente e vai se tornando to importante quanto o cliente que adquire seus produtos ou servios (cliente no sentido strito). O controle de processo, para estar de acordo com o enfoque filosfico da era em que estamos vivendo, deve ser dinmico, deve estar orientado para as necessidades dos clientes (interno e externo, strito e lato senso) e ser capaz de acompanhar as mudanas das suas necessidades. Dentro deste contexto, a estatstica apenas uma ferramenta, importantssima sem dvidas, mas apenas uma ferramenta.

2. OBJETIVOS DO CONTROLE DE PROCESSO Conforme j foi enfatizado, o controle de processo deve fazer parte do esforo cooperativo de todos os setores da empresa, no sentido de assegurar a sua conformidade e a qualidade da produo, para que seja possvel atender s necessidades dos clientes internos e externos. Atuando em todas as fases do processo produtivo e principalmente nos pontos crticos, seus objetivos so:

Gerar as informaes necessrias ao desenvolvimento dos novos produtos; Fornecer os subsdios necessrios s tomadas de decises nos processos de compra e recepo de matrias-primas; Assegurar, ao setor de produo, as informaes requeridas para o efetivo controle dos processos de fabricao; Inspecionar os produtos acabados; Acompanhar o perfil da qualidade dos produtos concorrentes.

3. CONTROLE ESTATSTICO DE PROCESSO A estatstica , sem dvidas, uma ferramenta de trabalho poderosssima para quem trabalha em controle da qualidade e controle de processo. Para os nossos propsitos, a aplicao de tcnicas estatsticas ao controle da qualidade pode ser resumida em dois tipos de aes: aplicao de tcnicas matemticas na anlise dos dados de controle e sistematizao desses dados de modo a facilitar a anlise dos mesmos, auxiliando os responsveis a tomar decises.

A aplicao de tcnicas estatsticas tem por principal objetivo oferecer aos responsveis pela tomada de decises, referncias relativas ao grau de confiabilidade dos resultados gerados pelos controles e aos riscos envolvidos nas decises tomadas. A sistematizao dos dados de controle que normalmente feita sob a forma de grficos de controle tem por objetivo facilitar a visualizao dos resultados. So trs os principais tipos de grficos usados em controle da qualidade a saber:

Grficos de controle por mdia; Grficos de controle por amplitude;

Grficos de controle para fraes defeituosas.

Os controles por mdia e amplitude so feitos com base na teoria estatstica da distribuio normal. J o controle de fraes defeituosas , mais freqentemente, fundamentado na distribuio de Poisson. Para alguns casos de controle de fraes defeituosas, a aplicao de teoria estatstica da distribuio binomial pode ser vantajosa. A definio de controle estatstico de processo pode ser realizada atravs da juno dos significados de cada uma das palavras. Controle manter algo dentro dos limites (padres) ou fazer algo se comportar de forma adequada. Estatstica obter concluses com base em dados e nmeros que trazem informaes. Controle Estatstico fazer com que os resultados se mantenham conforme o previsto pelos padres com a ajuda de dados numricos. Processo a combinao necessria entre o homem, os materiais, as mquinas, os equipamentos e o meio ambiente para fabricar um produto qualquer. Mais especificamente, um processo qualquer conjunto de condies ou conjunto de causas (sistema de causas) que trabalham simultaneamente para produzir um determinado resultado. Portanto, Controle Estatstico de Processo (CEP) um mtodo preventivo de se comparar, continuamente, os resultados de um processo com os padres, identificando a partir de dados estatsticos as tendncias para variaes significativas, a fim de eliminar/controlar essas variaes. O objetivo principal no CEP reduzir cada vez mais a variabilidade de um processo.

4. VARIAES NUM PROCESSO Em geral as caractersticas de um produto manufaturado apresentam variabilidade. Isto se deve a flutuaes na qualidade dos materiais usados e de variaes nas condies de operao do processo de produo. Admitindo esta situao, pode afirmar que: As caractersticas de qualidade de um produto so afetadas por causas acidentais que provocam variao; Existe, associado a qualquer processo de produo, um sistema de causas que provocam variao natural em um produto;

Se forem s as causas que atuam no processo, diz-se que as variaes do processo so aceitveis e inevitveis e a eliminao destas causas inevitvel; Variaes anormais devem ser corrigidas, ou seja, eliminadas; As causas de variaes aceitveis so chamadas causas aleatrias ou acidentais, as outras so causas especiais. Logo tm-se: Processo sob controle: o processo cujas causas de variao so devidas somente pelas causas aleatrias. Se o processo esta sob controle: - A variabilidade das caractersticas de qualidade do produto devida, apenas, ao acaso; - As causas de variaes no afetam de forma significativa o processo; - Pode ser at impossvel, mas quase sempre antieconmica, a eliminao estas causas; Existe uma distribuio estatstica estvel associada ao processo. Processo fora de controle: o processo em que se fazem sentir causas especiais. Se o processo no esta sob controle: - A variabilidade das caractersticas de qualidade do produto devida a causas especiais, possveis de serem corrigidas; A variabilidade do processo anormal, com grandes alteraes nas caractersticas de qualidade; - Trata-se de uma situao que requer imediata interveno; - H diferenas notveis entre a mdia do processo e os valores observados. Exemplo de variao em um processo:

- Grfico seqencial recomendado para quando preciso apresentar a tendncia dos pontos observados sobre um especificado perodo de tempo. Grficos seqenciais so empregados para representar visualmente um conjunto de dados. So utilizados para monitorar um processo verificando se ao longo do tempo se a mdia est mudando. Os grficos seqenciais so ferramentas simples para serem construdas e utilizadas. Pontos so marcados no grfico para serem avaliados. O grfico a seguir mostra a quilometragem rodada, por litro de combustvel, atingida entre um enchimento e outro do tanque de certo veculo. A quilometragem por litro dada abaixo para 21 intervalos sucessivos entre os enchimentos do tanque de combustvel. 25,7 24,8 23,1 26,3 26,3 24,7 24,8 24,5 24,2 22,1 24,9 23,1 22,3 22,8 25,3 28,2 23,0 24,8 25,1 24,8 26,2

Consumo (km/l)

24,619

10

12

14

16

18

20

Amostras

FIGURA 1 Variao de um processo Interpretao da variao: Do grfico de disperso nota-se que de incio a quilometragem por litro estava em torno de 25 km/l, sendo que ela pode variar para cima ou para baixo. Mas observa-se no grfico que a partir do 10 enchimento (a data uma

10

referncia importante) os registros situam-se abaixo da mdia sucessivamente 9 vezes. Isto uma coisa difcil de ocorrer supondo que o processo seja estacionrio em torno da mdia. Assim, uma causa especial de variao deve ser procurada. A resposta pode ser qualquer combinao de uma lista de possibilidades, tais como: tempo frio, combustvel diferente, troca de motorista, transporte de carga mais pesada ou velas de ignio defeituosas (velhas). Examinando-se estas opes de causa, cada uma delas foi descartada, sobrando as velas de ignio como nica explicao. A troca foi feita e o grfico foi ampliado para mais 3 pontos, os trs ltimos. Nota-se claramente que a mdia voltou ao nvel histrico. Um registro histrico da quilometragem por litro de combustvel, datas de troca de peas, etc., importante para empresas que tm veculos. O prprio motorista pode estar encarregado de fazer os registros.

5. CAUSAS DE VARIAES NUM PROCESSO Diversos fatores podem contribuir para a variao no nvel de defeitos encontrados num processo. Podem ser, por exemplo, irregularidade no material utilizado na produo (no perfeitamente uniforme), temperatura, manuteno do equipamento, estado fsico dos operadores, etc.. Estes fatores, que podem ser identificados, chamam-se fatores particulares ou causas especiais de variao. Mesmo eliminando-se todos esses fatores particulares, o processo ainda ir produzir artigos defeituosos. Isto ocorre devido a existncia dos fatores inerentes ao processo, os quais no so identificveis. Quando se elimina um a um os fatores particulares de variao, o grfico de controle mostrar somente a variao aleatria causada pelos fatores de variao inerentes ao processo. Neste caso, o processo ser estvel, ou, de acordo com a terminologia criada por Shewhart, o processo estar sob controle. O grfico mostrar ento um processo aleatrio estacionrio. Quando se consegue atingir a estabilidade, eliminando-se as causas especiais, pode-se construir os limites de controle, que delimitam uma regio onde com uma grande probabilidade o processo ir operar. Estes limites determinam a chamada capacidade do processo. - Limites de Controle Seja um processo onde determinada caracterstica do produto tem mdia fixada em = 74 mm e desvio-padro = 0,01 mm. A estatstica representada no grfico ser a mdia amostral x (por exemplo), ento trabalhando com a distribuio de probabilidade tem-se:

11

E( x ) = , V( x ) =

2 e x = n n

Se o processo est sob controle, variando apenas por fora dos fatores inerentes ao processo (no identificveis), espera-se que:

P(LIC x LSC) 1
onde um nmero arbitrrio, mas fixo e pequeno, da ordem de 1%. Os limites LIC (limite inferior de controle) e LSC (limite superior de controle) so chamados de limites probabilsticos e a probabilidade de uma observao da v.a. X situar-se fora desses limites muito pequena, dado o valor de . Sendo assim quando ocorrer de uma observao situar-se fora dos limites de controle, isto ter como causa um fator particular (identificvel) de variao. claro que a observao poder ficar fora dos limites por obra do acaso, mas isto pouco provvel dado .Uma alternativa para se construir os limites de controle defini-los em termos de mltiplos do desvio-padro da v.a. plotada no grfico (no caso est-se considerando x ),
LIC = x k x

LSC = x + k x

onde k uma constante positiva. Um valor muito usado para k 3 e tem-se ento os limites a 3 desvios padres. Estes limites podem ser construdos mesmo nas situaes onde a distribuio de probabilidade da v.a. X no seja conhecida. Quem garante este fato a chamada Desigualdade de Tchebychev:

2 > 0 2 Veja que se fizermos = k tem-se na desigualdade 1 2 P( X k) 2 2 e P( X k ) 2 k k P ( X )

Quando se quer limites de 3 desvios padres tem-se: P( X 3)
P( X 3) 0,1111

1 32

Considerando a situao onde = 74,0 mm a mdia da v.a. que est associada com o dimetro do anel do pisto e = 0,01 mm o seu desvio padro, tem-se para x de amostras aleatrias com tamanho n = 5 anis tomadas de hora em hora do processo, as estatsticas seguintes:

x = / n = 0,01 / 5 = 0,0045
LIC = 74,0 3.0,0045 = 73,9865 LSC = 74,0 + 3.0,0045= 74,0135 que so os limites de controle a 3 desvios padres.

12

LSC

10,453

Medidas

LC

9,9697

LIC

9,4859

6 Amostras

10

11

FIGURA 2 Exemplo de um grfico com limites de controle Outras tcnicas para o estudo da variabilidade de um processo Vrias ferramentas podem ser utilizadas para se Identificar e Analisar a variabilidade presente em processos de produo ou servios. Sero apresentados as descries prticas, as instrues e exemplos das seguintes tcnicas:
IDENTIFICAO DO PROBLEMA ANLISE DO PROBLEMA

Fluxograma

Histograma

Folha de verificao

Causa e Efeito Grfico de Pareto

Diagrama de disperso

Brainstorming
Tempestade de idias

Grfico Sequencial Estratificao

Grfico de controle

Tcnica de grupo

Anlise de fora de campo

FIGURA 3 Visualizao e classificao das ferramentas aplicada qualidade

13

Nota-se que os grficos podem ser utilizados para diferentes propostas em vrios estgios do processo problema-soluo. Por exemplo, as ferramentas includas na interseco do Diagrama de Venn podem ser usadas em ambos as fases da soluo dos problemas: no problema de Identificao e no problema de Anlise. TABELA 1 Guia para seleo da tcnica de acordo com a questo que se deseja trabalhar Questo Tcnica 1. Decidir que o problema dever ser Fluxograma resolvido primeiro Brainstorming Folha de verificao Grfico de Pareto Tcnica de grupo 2. Checar a uma declarao que Folha de verificao descreve o problema em termos de o Grfico de Pareto que especificamente, onde ocorre, Grfico seqencial quando acontece a sua extenso Histograma Grfico de setores Estratificao 3. Desenvolver uma fotografia Folha de verificao completa de todas as possveis Grfico de Pareto causas do problema Tcnica de grupo Diagrama de disperso Brainstorming 4. Concordncia sobre as causas do Folha de verificao problema Grfico de Pareto Tcnica de grupo Diagrama de disperso Brainstorming 5. Desenvolver uma efetiva e Brainstorming implementvel soluo e um plano de Anlise de fora de campo ao Apresentao a gerncia Grfico de setores Grfico de barras 6. Implementar a soluo e estabelecer Grfico de Pareto necessidade de procedimentos de Histograma monitorao e grficos Grfico de controle Capabilidade do processo

- Fluxograma O fluxograma uma representao grfica mostrando todas as fases do processo. O fluxograma do processo d uma viso geral de todos os passos do processo. Pode ser aplicado a qualquer caso: fluxo de materiais, fases da

14

operao de vendas, fornecimento do produto, etc. Na identificao do problema no processo (imagineering) as pessoas com maior conhecimento das fases se renem para: 1) Desenhar o fluxograma atual do processo; 2) Desenhar o fluxograma das etapas que o processo deveria seguir se tudo ocorresse bem; 3) Comparar os dois grficos para verificar onde diferem entre si, pois a estar a raiz do problema. - Sugestes para construo e interpretao de um fluxograma 1) Definir claramente os limites para o processo; 2) Use os smbolos mais simples possveis; 3) H normalmente s uma seta de sada de uma caixa de processo. Caso contrrio pode-se requerer um diamante de deciso. Assistir um Programa de TV
Ligar a TV

Aparece a Imagem?

No

O fio est na tomada?

Sim

No

Sim

A imagem boa?

Conectar o fio
Sim

No

Operar os ajustes

Sim

Aparece a Imagem? No

A imagem boa? Sim Assistir o programa

No

Chamar a Assistncia Tcnica

FIGURA 4 - Exemplo de fluxograma no cotidiano

15

Fluxo da placa impressa

Recebimento componentes e placa

aprovados?

devolver e consertar

montagem automtica

aprovados?

refazer ou sucatear

montagem manual

aprovados?

soldagem e limpeza

aprovados?

refazer ou sucatear

montagem final

aprovados?

passou no teste final?

refazerl

expedio

FIGURA 5 - Exemplo de fluxograma num processo industrial:

16

- Folha de verificao A folha de verificao um procedimento usado para responder a pergunta: "com que freqncia certos eventos acontecem?" Para uso desta tcnica deve ser estabelecido claramente o seguinte:

fixar qual evento est sendo estudado; definir o perodo durante o qual os dados sero coletados; construir um formulrio claro e de fcil manuseio; coletar os dados honestamente.

TABELA 2 Exemplo de folha de verificao Defeito 1 dimenso acabamento peso Total II I IIII 7 II I II 5 2 I I III 5 Ms 3 Total 5 3 9 17

- Sugestes para construo e interpretao de uma folha de verificao a) Tenha certeza que as observaes amostrais sejam as mais representativas possveis; b) Tenha certeza que o processo de amostragem eficiente de forma que pessoas tenham tempo para fazer isto; c) Construindo uma folha de verificao, verifique se a populao (universo) no homognea (no da mesma mquina, pessoa, etc). A populao deve ser homognea. Se no, devem ser primeiramente estratificadas (agrupados) a fim de formar grupos homogneos.

- Brainstorming So reunies com o pessoal envolvido com o problema em estudo a fim de se coletar opinies sobre causas, bem como solues possveis. Existem dois tipos de "brainstorming":

17

1o) Estruturado Nesta forma, cada pessoa do grupo d a sua idia em cada rodada ou "passa" at que chegue a sua prxima vez. Isto obriga at os mais tmidos a participarem, contudo pode criar certa presso sobre as pessoas. 2o) No estruturado Nesta forma, os membros do grupo simplesmente do as idias conforme elas surgem em suas cabeas. Isto cria um ambiente mais relaxado, porm existe o risco da reunio ser dominada pelos mais extrovertidos. Existem algumas regras que devem ser lembradas:

Nunca criticar idias; Escrever em um quadro-negro ou branco todas as idias. A viso global das idias servem de estmulo para novas propostas e tambm evita malentendidos; Escrever as palavras do participante e no a sua interpretao. Fazer um "brainstorming" rpido, 5 a 15 minutos so suficientes. - Tcnica nominal de grupo

Quando se aborda algum problema ou a forma de atacar o problema, geralmente ocorre que a seleo do problema foi influenciada por pessoas que falaram mais alto ou tm maior autoridade. Isto cria o sentimento no grupo de que o "seu" problema nunca ser abordado. Isto pode gerar uma falta de comprometimento com a soluo do problema escolhido e tambm a idia de que foi escolhido o problema "errado". A Tcnica Nominal de Grupo permite a todos os membros do grupo igual participao na seleo de problemas. Esta tcnica 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 so, mas de acordo com os autores. 3a) Pea para cada membro do grupo ordenar os problemas pelo grau de importncia crescente, segundo o critrio de cada um.

18

TABELA 3 Classificao de um brainstorming Problema Classificao (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 o escolhido, primeiramente. Da mesma forma, se ao invs de problemas o que se pediu foi sugestes, idias, a mais votada deve ser considerada primeiro para discusso e depois as seguintes. No exemplo acima o problema (idia) a ser discutido primeiro o D. - Anlise do campo de foras Toda vez que se pretende fazer mudanas, sejam pessoais ou organizacionais, existem foras indutoras e foras restritivas agindo a favor e contra, respectivamente. um processo dinmico. Quando ocorrem mudanas porque as "foras indutoras" so superiores s "foras restritivas". Assim, pode-se listar estas possveis foras e analisa-las. Seja o exemplo do cotidiano "perder peso": TABELA 4 Exemplos de foras indutoras e restritivas FORAS INDUTORAS Ameaa sade Obsesso em emagrecer Roupas apertadas Embarao pelo peso Imagem negativa FORAS RESTRITIVAS Perda de tempo Tendncia da famlia Faltas de recursos para "malhar" Costume de acar nos alimentos Anos de alimentao errada

Como a Anlise do Campo de Foras ajuda a promover mudanas? Por que fora s pessoas a pensarem juntas sobre todos os aspectos da mudana pretendida, incentiva o pensamento criativo, encoraja as pessoas a chegar a um consenso sobre a prioridade relativa s foras de um lado e do outro do campo e finalmente um ponto de partida para a ao.

19

- Histograma O histograma d informaes gerais sobre a distribuio de onde vieram as observaes. A forma (o padro, o aspecto) da distribuio simtrica? assimtrica? Existe somente um pico? O histograma, tambm, d uma idia da disperso dos dados. Por natureza o histograma um grfico em colunas (barras) e pode se construdo com barras horizontais ou verticais. - Exemplo Sejam os dados abaixo da espessura de chapas metlicas. Tomou-se uma amostra com n = 100 chapas e mediu-se a espessura. Faa 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

Freqncia

20

15

10

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

20

- Perguntas: a) Qual a mais comum espessura da chapa ? R: A espessura mais comum est entre 3,47 e 3,51 mm. b) Os dados esto muito dispersos ? R: A amplitude da disperso dos dados R = x[n] 0,38 mm.
x[1])

= 3,68 - 3,30 =

c) A especificao de projeto para este tipo de chapa de 3,47 0,08 mm. Qual o percentual de chapas que esto fora dos limites de especificao ? R: Esto fora dos limites da especificao, [3,39 ; 3,55], um percentual de 10% das chapas, consequentemente deve-se tentar diminuir a disperso dos dados de modo a colocar praticamente todos os valores dentro dos limites da especificao (ideal). d) O valor da mdia est exatamente no centro dos limites de especificao ? R: Sim, considerando aproximao de 2 casas decimais, o centro 3,47 mm. - Diagrama de Pareto O diagrama de Pareto um grfico para indicar qual problema, relacionado com a variabilidade dos dados, deve ser solucionado primeiro a fim de se eliminar defeituosos e melhorar o processo. Existem muitos aspectos da produo que podem ser melhorados, tais como: nmero de defeituosos, tempo de execuo de tarefas, etc. Devido a quantidade de pequenos problemas difcil se saber por onde comear. O diagrama de Pareto uma ajuda neste sentido e o primeiro passo na direo do melhoramento do processo. O diagrama de Pareto revela se uma tentativa de aperfeioamento produziu resultado positivo, pois ele mede o impacto do aperfeioamento. Isto pode ser visto nos diagramas anteriores. Pelo diagrama a administrao do processo inspecionou os fatores que poderiam causar uma rotao imprpria. Perguntou-se aos trabalhadores cujas tarefas estavam relacionadas com estes fatores se existia algum problema ou necessidade no seu trabalho. Os trabalhadores foram levados a se engajar na soluo do problema de muitos defeituosos devido a "rotao imprpria". Sugestes surgiram e aptos a implantao das inovaes tem-se o segundo diagrama. Os outros tipos de

21

defeitos tambm foram atacados, nas circunstncias de cada um. O segundo diagrama reflete o resultado final e pode-se observar que:

nmero de defeituosos diminuiu aptos o melhoramento; geralmente quando o melhoramento eficaz a ordem das barras no diagrama trocada. - Passos para a construo de um grfico de Pareto

1) Selecione os problemas que sero comparados e enumerados pelo grau de importncia atravs de:

brainstorming (tempestade de idias), por exemplo, Qual o maior problema de qualidade no departamento A? Use dados existentes, por exemplo, Olhe o relatrio de qualidade do ultimo ms do departamento A parta encontrar as reas de problemas.

2) Selecione o padro de comparao (unidades de medidas), por exemplo, custo anula, freqncia, etc. 3) Selecione o perodo de tempo a ser estudado, por exemplo, 8 horas, 5 dias, 4 semanas. 4) Junte dados necessrios para cada categoria, por exemplo, Defeitos A acontece X vezes nos ltimos 6 meses ou Defeito B custou X reais nos ltimos 6 meses. 5) Compare a freqncia ou custos de cada categoria com todas as outras, por exemplo, Defeito A ocorre 75 vezes; Defeito B ocorre 107 vezes; Defeito C ocorre 35 vezes, ou Defeito A custou R$ 750,00, anualmente; Defeito B custa R$ 535,00 anualmente. 6) Liste as categorias da esquerda para a direita no eixo horizontal em ordem decrescente de freqncia ou custo. As categorias contendo as menores quantidades de itens devem ser combinadas em uma categoria chamada outros, que colocada no extremo direito com a ltima barra. 7) Acima de cada classificao ou categoria, desenhe um retngulo cuja altura deve representar a freqncia ou custo na classificao.

22

- Exemplo A tabela, a seguir, d o nmero de defeitos que ocorrem em determinado processo. As causas dos defeitos foram identificadas e tentou-se melhorar o processo. A tabela mostra os nmeros antes do aperfeioamento e depois do aperfeioamento. Os diagramas de Pareto correspondentes esto em seguida. TABELA 4 Nmero de defeitos num processo Antes do Aperfeioamento Origem do Nmero de defeito defeituosos rotao 44 imprpria rudo 14 falhas presso sobra falha completa outras
90 100% 80 70 60 Escores 50 40 40% 30 20 10 0
rotao imprpria rudo falhas presso sobra outras falha completa

Depois do Aperfeioamento Origem do Nmero de defeito defeituosos rudo 12 rotao imprpria presso 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 aperfeioamento

FIGURA 7 Grfico de Pareto antes do aperfeioamento

23

040 100% 035 030 025 Escores 60% 020 015 12 010 05 00
rudo rotao imprpria presso outras falhas calafetar o eixo falha completa

80%

40% 8 6 4 4 2 1 20%

Aps o aperfeioamento

FIGURA 8 Grfico de Pareto aps o aperfeioamento - Caractersticas adicionais dos grficos de Pareto

Freqentemente o dado bruto registrado no eixo vertical esquerdo com uma escala em percentagem no eixo vertical direito. Tenha certeza que os dois eixos esto na escala, por exemplo, 100% so opostos ao ponto mdio nos dados brutos. Do topo da barra mais alta e movendo para cima a partir da esquerda para a direita, uma linha pode ser traada que representa a freqncia cumulativa das categorias. Isto responde questes tais como: Quando do total acumulado pelas primeiras trs categorias?.
- Sugestes para interpretao de um grfico de Pareto

Use bom senso, duas reclamaes de cliente chave podem merecer mais ateno que 100 outras reclamaes, dependendo de quem o cliente e dem quem a reclamao.
Faa grfico mostrar claramente o padro de medidas ($, % ou #).

- Diagrama de Causa e efeito um mtodo grfico para auxiliar a anlise de problemas que facilita a identificao das causas de variao da caracterstica de qualidade em questo. Este tipo de diagrama recomendado para quando for preciso identificar, explorar e expor as possveis causas de um problema especfico ou condio.

24

O diagrama de causa e efeito ou tambm conhecido por espinha de peixe ou diagrama de Ishikawa, em homenagem ao seu criador, foi desenvolvido para representar a relao entre alguns efeitos e todas as possveis causas que o influenciam. O efeito ou problema deve ser colocado do lado direito do grfico e as maiores influncias ou causas so listadas do lado esquerdo. O Diagrama de Causa e Efeito, mostrado abaixo, feito no incio das operaes no sentido de se aperfeioar o processo.

Mdodo

Pessoas Local Treinamento

Tipo Qualificao
Qualidade

Embalagem Armazem Assitncia Materiais Maquinaria Manuteno

Causas

Efeito

FIGURA 9 Exemplo de diagrama de causa e efeito A configurao do Grfico de Causa e Efeito permite separar organizadamente as quatro principais causas de variao: mtodo de trabalho, pessoas (mo-de-obra), materiais e maquinaria (o meio ambiente tambm pode ser a 5a causa de variabilidade) a) Materiais Matria-prima no homognea. A matria-prima difere levemente na composio conforme seja a fonte de suprimento e diferenas no tamanho podem ocorrer dentro de limites aceitveis; b) Maquinaria Desgaste, uso inadequado ou falta de ajuste em ferramentas, mquinas ou equipamentos.

25

O equipamento pode parecer estar funcionando uniformemente, mas suas partes podem estar de alguma forma com pequenos desajustes, gastas ou no ser apropriadas para aquele uso. c) Mtodo Falta de padronizao no mtodo de trabalho. O mtodo de trabalho, embora programado de acordo com o processo prescrito, pode conduzir a variaes no produto; d) Pessoas (Mo-de-obra) Os operadores podem no estar adequadamente preparados para as tarefas. O Diagrama de Causa e Efeito til na ordenao das causas da variabilidade. A construo deste diagrama pode seguir os passos seguintes: 1) Para gerar as causas necessrio construir um diagrama de causa e efeito atravs de um dos dois meios:

Estruturando um brainstorming sobre as possveis causas sem preparao prvia. Pea para os membros da equipe que gaste tempo com reunies usando folhas de verificao simples para localizar as possveis causas e examinar o processo de produo mais de perto.

2) Construa o real diagrama de causa e efeito por:

Coloque o problema na caixa da direita. Coloque as tradicionais maiores categorias de causa principal no processo de produo, ou qualquer causa que til na organizao dos fatores mais importantes. Coloque as idias do brainstorming nas maiores categorias apropriadas. Para cada causa pergunte, Porque isto acontece? e liste respostas nos ramos das maiores causas.

3) Interpretao

Olhe para causas que aparecem repetidamente. Busque consensos da equipe.

26

Obtenha dados para determinar as freqncias relativas das diferentes causas.

- Diagrama de Disperso O Diagrama de Disperso um grfico que exprime o relacionamento entre duas variveis. Os dados so coletados aos pares (Xi, Yi) com i = 1, 2, ... , n. Estes pares de pontos (Xi, Yi) so grafados e o possvel relacionamento entre as variveis X e Y aparece na forma do grfico. Exemplo 3 Seja o processo de recobrimento de uma determinada pea com metal. O recobrimento feito com o metal fundido. A varivel X a quantidade de metal fundido utilizado em peso e a varivel Y a porcentagem de recobrimento com metal obtida. TABELA 5 Peso e porcentagem de recobrimento com metal Obs.(i) Yi Xi Obs.(i) Yi Xi Obs.(i) 1 10 6,0 8 50 11,0 15 2 10 4,0 9 60 12,0 16 3 20 6,0 10 65 12,0 17 4 20 8,0 11 70 13,0 18 5 30 7,5 12 75 13,0 19 6 40 8,5 13 70 12,0 20 7 45 9,5 14 80 14,0 21 Diagrama de Disperso dos dados o seguinte:
120

Yi 80 85 90 90 95 95 98

Xi 14,0 13,0 14,0 14,0 16,0 17,0 18,0

100

Porcentagem de Recobrimento

80

60

40

20

-20 2 4 6 8 10 12 14 16 18 20 Quantidade de Metal Fundido

FIGURA 10 Exemplo de grfico de disperso

27

O grfico revela que existe uma forte associao (correlao) entre as variveis X e Y. O tipo de relao linear (uma reta). possvel se determinar a equao de regresso de Y para X, ou seja, a expresso dessa relao por meio da equao da reta:

y i = x i + + e i , i =1, 2, 3, ... 21.

yi = 7,5979xi - 26,8805 + ei

6. GRFICOS DE CONTROLE E APERFEIOAMENTO DO PROCESSO - Introduo Pode-se obter o aperfeioamento de um processo de produo de duas maneiras: 1a) Eliminao de um fator particular (causa especial) de variao. 2a) Alterao na estrutura do processo. Os fatores particulares de variao so detectados por pontos fora dos limites de controle ou pela presena de um comportamento sistemtico, no aleatrio, no grfico de controle. Um dos principais objetivos no Controle de Qualidade a reduo da variabilidade no produto. Os fatores particulares so o motivo principal da falta de uniformidade dos itens produzidos. S existe um modo seguro e com base cientfica de se descobrir as causas da variabilidade ou seja de identificar fatores particulares de variao, a aplicao de Tcnicas Estatsticas. importante levar em conta que alteraes no processo com o objetivo de melhorar a performance do produto s devem ser executadas quando ele se encontra sob controle. Caso contrrio, os efeitos das modificaes podero ficar camufladas pela presena de causas especiais de variao. - Uso bsico dos grficos de controle As aplicaes fundamentais dos Grficos de Controle so: 1a) Verificar se em determinado perodo um processo estava sob controle. Isto feito examinando-se o grfico correspondente ao perodo de interesse. 2a) Orientar a Administrao na manuteno do processo sob controle. Se o processo est sob controle possvel ignorar a flutuao catica das observaes, exceto no caso de ser notado alguma observao fora dos limites de controle. claro que se deve olhar com ateno a

28

ocorrncia de uma tendncia (um padro) em alguma direo. Isto indicao de que alguma coisa alm do acaso est influenciando o valor das observaes. O objetivo principal dos grficos de controle como se viu do exposto anteriormente fornecer informaes teis no aperfeioamento do processo. Quando se atinge o controle estatstico do processo tem-se vrias vantagens, tais como:

frao de defeituosos permanece constante (na mdia); custos e ndices de qualidade sero previsveis; produtividade ser mxima com o sistema corrente. Existem vrias razes para o uso dos grficos de controle, tais como: 1a) O grfico de controle uma tcnica para melhorar a produtividade, pois: reduz desperdcio de insumos, de retrabalho e consequentemente aumenta a produtividade, diminui os custos e finalmente a capacidade de produo aumenta (medida em nmeros de artigos bons por hora). 2a) O grfico de controle eficaz na preveno de defeituosos, pois ajuda a manter o processo sob controle e portanto coerente com a filosofia faa certo na 1a vez. Se a empresa no tem um processo eficiente, voc est pagando algum para produzir artigos inadequados. 3a) O grfico de controle impede ajustamentos desnecessrios no processo, pois distingue entre rudo aleatrio e variao anormal. Nenhum outro meio, inclusive o operador humano, eficiente nesta distino. Se o processo ajustado sem base no Grfico de Controle, freqentemente, o que ocorre um aumento da varincia do rudo aleatrio e isto pode resultar na deteriorao da performance do processo. Assim, o grfico de controle coerente com a filosofia se ele no est quebrado, no o conserte. 4a) O grfico de controle fornece informaes para que o operador faa um diagnostico sobre o processo, podendo conduzir a implementao de uma mudana que melhore o desempenho do processo. 5a) O grfico de controle fornece informao sobre a capacidade do processo, pois traz informaes sobre o valor de importantes parmetros do processo e sua estabilidade no tempo e, assim uma

29

estimativa da capacidade do processo pode ser feita. Esta informao muito til para quem projeta o produto e o processo. - Tipos de grficos de controle Um grfico de controle varia conforme os dados que ele contenha. Conforme a caracterstica investigada seja uma v.a. contnua ou discreta temse um tipo de grfico. De forma que, se os dados so contnuos ele dever ser construdo com a mdia amostral, x , e com a amplitude amostral, R. J com dados discretos deve-se trabalhar com as estatsticas amostrais nmero de $ ) e com a frao de defeituosos $ . Desta forma podemos defeituosos (n classificar os Grficos de Controle nas categorias: Existem dois tipos de grficos de controle, um para valor discreto e outro para valor contnuo, que esto descritos no Quadro 1. a) Grficos de Controle por Atributos (discreto) b) Grficos de Controle por Variveis (contnuo) QUADRO 1 - Tipos de grficos de controle com algumas adaptaes Valor Caracterstico Tipos de Grficos Grfico np (nmero de itens defeituosos) Valor discreto Grfico p (frao defeituosa) Grfico c (nmero de defeitos) Grfico u (nmero de defeitos por unidade) Grfico X - R (mdia e amplitude) Valor continuo Grfico X - s (mdia e desvio padro) Grfico X (valor individual)

- Grfico de Controle por Atributos O termo atributo, utilizado em controle de qualidade, refere-se quela caracterstica da qualidade que pode estar, ou no, conforme as especificaes. Para melhor entendimento, comum utilizar-se os termos bom e defeituoso no lugar de conforme e no conforme. No grfico de controle por atributos um produto classificado como possuindo ou no um atributo ou qualidade. Assim, o produto atende ou no a uma especificao. Os itens que no satisfazem a especificao so denominados defeituosos. Muitas vezes o interesse da Administrao est na

30

frao de unidades defeituosas em produo. Por outro lado, freqentemente est-se interessado na evoluo de uma caracterstica quantitativa (dimetro de um pino, por exemplo). Existem duas situaes em que se utilizam atributos: 1a) Quando as medidas no so possveis, tais como as caractersticas inspecionadas visualmente (cor, brilho, arranhes e danos). 2a) Quando as medidas so passveis, mas no so tomadas por questes econmicas, te tempo, ou de necessidades. Em outras palavras, quando o dimetro de um furo pode ser medido com um micrmetro interno, mas utiliza-se um calibre passa-no-passa para determinar a sua conformidade com as especificaes.

- Grfico de Controle da Frao Defeituosas (Carta p) O grfico de controle p muito verstil, podendo ser usado para controlar uma caracterstica de qualidade, um grupo de caractersticas de qualidade de mesmo tipo ou o produto todo. Esse grfico possui uma grande faixa de utilizao e as vantagens de poder ser usado para uma grande diversidade de problemas, disponibilizar a informao normalmente sem custo adicional da coleta, e de forma a ser rapidamente correlacionada com os custos, proporcionar maior facilidade de entendimento por parte de pessoas no familiarizadas com outros grficos, alm de ser mais facilmente implantado que os demais. A frao defeituosa consiste na razo entre o nmero de peas defeituosas em uma amostra e o nmero total de peas dessa mesma amostra.

np n onde: p=
p = frao defeituosa; n = nmero de peas na amostra ou subgrupo; np = nmero de peas defeituosas na amostra ou subgrupo.

(5.1a)

Dentre os objetivos do grfico p, encontra-se: determinar o nvel de qualidade de um produto, ficar alerta para qualquer mudana no nvel de qualidade, avaliar o desempenho relativo qualidade do pessoal envolvido como operador e gerentes, indicar o uso de grficos de controle por varivel,

31

alm de definir critrios de aceitao de produtos, antes do embarque, para o cliente. - Passos para a construo de um grfico de controle p 1o) Definir o objetivo: determinar qual a finalidade do grfico de controle, o que se quer controlar (objetos, produtos, operrios, caractersticas de qualidade). 2o) Determinar o tamanho do subgrupo: o tamanho do subgrupo uma funo da frao defeituosa. Para determinar o tamanho do subgrupo, preciso ter uma primeira estimativa da frao defeituosa do processo e do nmero mdio de defeitos para cada subgrupo afim de que se possa construir o grfico de forma adequada. 3o) Coletar os dados: necessrio coletar dados suficientes, pelo menos 20 subgrupos, para construir o grfico. Para cada subgrupo a frao np defeituosa calculada pela frmula p = . n 4o) Determinar o valor central e os limites de controle: as frmulas para calcular os limites de controle so dadas por
LIC p = p 3 p (1 p ) n
p (1 p ) n

(5.2a) (5.2b) (5.2c)

LC p = p
LSC p = p + 3

onde: p = frao defeituosa mdia para todos os subgrupos; n = nmero inspecionado em cada subgrupo. A frao defeituosa mdia p o valor central do grfico obtido pela frmula

np (5.3) n O grfico p pode ser imediatamente introduzido, calculando-se somente os limites de controle. Sendo o grfico p baseado na distribuio binomial, a probabilidade de selecionar um produto defeituoso deve ser constante, caso contrrio, o mesmo no deve ser usado. p=

32

- Exemplo De uma amostra de produo de uma fbrica de pequenos recipientes, foram retiradas 25 amostras com 50 observaes, sendo retiradas 4 amostras por dia. TABELA 6 Nmero de recipientes defeituosos num processo de fabricao
Nmero 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 Nmero 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 Nmero 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 Proporo de Defeituosos 0,08 0,04 0,10 0,06 0,04 0,02 0,06 0,04 0,10 0,08 0,06 0,10 0,10 0,04 0,06 0,04 0,08 0,20 0,08 0,06 0,04 0,10 0,08 0,06 0,08 ---

- Clculos:

p=

90 np = 0,072 = n 1250
p (1 p ) = 0,072 - 3 n 0,072(1 0,072) = - 0,038 = 0 50

LICp = p - 3

LCp = p = 0,072 LSCp = p + 3

p (1 p ) = 0,072 + 3 n 0,072(1 0,072) = 1,8167 50

33

,18167

,07200

0,0000

10

15

20

25

FIGURA 11 Exemplo de grfico de controle p

Grfico do Nmero de Unidades Defeituosas (Carta np) Tambm conhecido como Grfico do Nmero de Defeitos, pode ser usado como alternativa ao grfico da frao defeituosa, apresentando as mesmas vantagens j mencionadas. Neste caso as amostras devem ter o mesmo tamanho, ao contrrio do grfico anterior, que permite a observao de amostras de diferentes tamanhos. As etapas para construo do grfico np so dadas a seguir. O grfico chamado de np quando a amostra acompanhada do nmero de artigos defeituosos em vez da frao de itens defeituosos. Quando as amostras que vo ser mostradas em um determinado grfico so do mesmo tamanho, torna-se mais simples compreende-lo se for marcado o nmero de no-conformidades encontradas em cada amostra em vez de calcular a percentagem. - Passos para a construo de um grfico de controle np 1 ) Coletar as amostras de dados. 2o) Calcular o valor de pi. d pi i n onde: di = defeitos de cada subgrupo;
o

(5.4)

34

n = tamanho da amostra fixo. 3o) Calcular np .

np i =

p n

(5.5)

onde:

pi = nmero de defeitos; np = po = pnew =

np np n n
d

= total subgrupo;

npd = nmero de defeitos nos subgrupos descartados; nd = nmero inspecionado nos subgrupos descartados.
4o) Calcular os limites de controle .

LIC np = np 3 np (1 p ) LC np = np LSC np = np + 3 np (1 p )

(5.6a) (5.6b) (5.6c)

- Exerccio A amostra a seguir de uma loja de departamentos onde se pretende verificar se existe variabilidade ou no, relativa ao grau de insatisfao dos clientes. Para isso, foram coletados 20 subgrupos, onde cada um deles possui 300 observaes. TABELA 7 Nmero de clientes insatisfeitos
Nmero do Subgrupo 1 2 3 4 5 6 7 8 9 10 Observaes 300 300 300 300 300 300 300 300 300 300 Nmero de Clientes Insatisfeitos 10 12 8 9 6 11 13 10 8 9

35

continuao... 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

- Clculos:
np =

pi = 184 = 9,2 n 20

LIC np = np 3 np (1 p ) = 9,2 3 9,2(1 (9,2 / 300)) = 0,241 LC np = np = 9,2 LSC np = np + 3 np (1 p ) = 9,2 + 3 9,2(1 (9,2 / 300)) = 18,16

18,159

9,2000

,24116

10

12

14

16

18

20

FIGURA 12 Exemplo de grfico de controle np

36

Grfico do Nmero de Defeitos (c) Este grfico utilizado para avaliar o nmero de no conformidades, ou defeitos, em uma amostra. A utilizao deste grfico requer tamanho constante para as amostras observadas. Algumas aplicaes so, por exemplo, controle de bolhas em garrafas e riscos em peas estampadas. A principal diferena com relao ao grfico p, que este ltimo se utiliza da contagem de unidades defeituosas, no se preocupando com a quantidade de defeitos. Uma idia desta diferena dada pela Figura 13. Considerando cada quadro como uma unidade, e cada ponto em destaque como um defeito, nota-se que h na amostra da esquerda quatro unidades defeituosas, e um total de sete defeitos. Na amostra da direita h duas unidades defeituosas, e o mesmo nmero de defeitos da primeira.

FIGURA 13 Exemplo de apresentao de defeitos Os grficos de controle c controlam o nmero de defeitos produzidos. Este grfico se baseia na distribuio de Poisson, por isso duas condies devem ser atendidas:

A probabilidade de ocorrncia de defeitos deve ser pequena, enquanto a oportunidade de ocorrncia de defeitos deve ser grande; As ocorrncias precisam ser independentes.

Os limites de controle deste grfico so baseados em mais ou menos 3 desvios padres, a partir do valor central. Assim, 99,73% dos valores dos subgrupos caem dentro destes limites. Dentre os objetivos do grfico de controle c, esto o de determinar o nvel mdio da qualidade, alertar gerentes para alguma possvel mudana no nvel da qualidade dos produtos, avaliar o desempenho do pessoal da operao e superviso, indicar reas nas quais seria interessante a aplicao de grficos de controle para variveis, dar informaes para a aceitao de lotes.

37

Os passos para a construo do grfico de controle c so os mesmos utilizados na construo do grfico de controle p. Caso o nmero de defeitos c0 for desconhecido, necessrio coletar dados suficientes para estim-los. Para isso, devemos seguir os procedimentos que seguem: 1o) Coletar os dados; 2o) Determinar o nmero mdio de no-conformidades c ; para tal usa-se a seguinte frmula:

c=

c g

(5.7)

3o) Determinar os limites Inferior e Superior de controle c , usando as frmulas:

LIC c = c 3 c

(5.8a) (5.8b) (5.8c)

LC c = c
LSCc = c + 3 c

4o) Gerar o nmero de no-conformidades em amostras individuais; 5o) Assumir o valor zero se o limite Inferior de controle for negativo; 6o) Traar a linha central em c e os limites de controle. - Exemplo Neste estudo de caso, sero analisados 26 subgrupos de uma amostra de 100 placas de circuito impresso. TABELA 8 Dados da varivel placa de circuito impresso
Nmero de Subgrupos Observaes Nmero de No-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

38

continuao...

13 14 15 16 17 18 19 20 21 22 23 24 25 26 Total - Clculos:
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 c = 19,85 = g 26

LICc = c 3 c = 19,85 -3 19,85 = 6,48 LCc = c = 19,85 LSCc = c + 3 c = 19,85 +3 19,85 = 33,22

33,211

19,846

6,4814

10

15

20

25

FIGURA 14 Exemplo de grfico de controle c

39

Grfico do Nmero de No Conformidades por Unidade (u) Este grfico mede o nmero de no conformidades, ou defeitos, por unidade. Pode ser uma alternativa ao grfico c, quando as amostras no tm o mesmo tamanho. Tambm pode ser usado quando a amostra constituda de apenas uma unidade, mas que possuem muitos componentes que devem ser inspecionados, como um motor, por exemplo. As etapas para construo do grfico u so dadas a seguir. 1) Selecionar k amostras, que podem ter tamanhos diferentes, e registrar o nmero de defeitos (c) encontrados em cada uma. 2) Para cada uma das k amostras, determinar o nmero de defeitos por unidade.

uj =

cj nj

(5.9)

onde cj o nmero de defeitos encontrados na j sima amostra. 3) Calcular o nmero mdio de defeitos por unidade:

u=

u
j=1

(5.10)
j

k 4) Calcular o tamanho mdio das amostras:

n=

n
j=1

(5.11)
j

k 5) Calcular os limites de controle. u n

LIC u = u 3

(5.12a) (5.12b)

LM u = u
LSC u = u + 3 u n

(5.12c)

- Exemplo Este exemplo tem por finalidade detectar os defeitos por unidade na linha de produo de computadores pessoais.

40

TABELA 9 Dados da varivel computador pessoal

Nmero de Subgrupos Observaes Total de NoConformes, Ci Mdia de No-Conformes por Unidade, Ui = Ci/N

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Total - Clculos:

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

2,0 2,4 1,6 2,8 2,0 3,2 2,2 1,4 2,0 3,0 1,8 1,0 1,4 2,2 2,4 1,2 1,6 2,0 1,4 1,0 38,6

c 193 = 38,6 u= = n 5
u=

c 38,60 = = 1,93 n 20
u = 1,93 + 3 n

LSCu = u + 3 LC = u = 1,93 LICu = u 3

1,93 = 3,79 5

u = 1,93 - 3 n

1,93 = 0,07 5

41

3,7939

1,9300

,06613

10

12

14

16

18

20

FIGURA 14 Exemplo de grfico de controle u QUADRO 2 Resumo das cartas de controle por atributo Tipo de Carta
Frao defeituosas (Carta p) Nmero de Defeituosos (Carta np) Nmero de Defeitos (Carta c) Nmero de Defeitos/Unidade (Carta u)

Valor Central
p

Limites de Controle p (1 p ) p3 n
np 3 np (1 p )

np c u

c3 c
u3 u n

- Exerccios 1) Determine o valor central e os limites de controle para uma carta p, usando os dados da tabela 10. Se existirem pontos fora dos limites, assuma a presena de causas especiais de variao e revise o valor central e os limites de controle.

42

TABELA 10 Nmero de defeitos e nmeros de inspees

Sub-grupo Nmero Inspecionado Nmero de Defeitos Sub-grupo Nmero Inspecionado Nmero de Defeitos

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 R p = 0,0175 , LSC p = 0,0402 ,

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 = 0,0 (valor negativo)

6 7 4 5 7 5 0 2 3 6 1 8 131

Subgrupo 5 (fora e controle) pnew = 0,0154,

LSC p = 0,0367 , LIC p = 0,0 (valor negativo)

2) Diariamente so inspecionados 50 geradores. A melhor estimativa da frao defeituosa da populao 0,076. Determine o valor central e os limites de controle da carta p. Em um certo dia, foram encontrados 5 geradores defeituosos. O processo estava sob controle neste dia?
R

LSC p = 0,188 , LIC p = 0,0 (valor negativo)

3) Os resultados da inspeo diria de um determinado componente eltrico so mostrados na tabela a seguir. Determine os limites de controle para cada subgrupo. Assuma que qualquer ponto ora dos limites de controle decorre da presena de causas especiais de variao, e calcule o valor central revisado para o prximo perodo de produo. TABELA 11 Nmero de defeitos e nmeros de inspees
Sub-grupo Nmero Inspecionado Nmero de Defeitos Sub-grupo Nmero Inspecionado Nmero 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

43

continuao...

11 12 13 14 --Soluo:

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=

np 642 = = 0,1425 n 4506

2) Calcular o limite superior para o maior e o menor tamanho de subgrupo:

n = 195 LSCp = p + 3

p (1 p ) = 0,1425 + 3 n p (1 p ) = 0,1425 + 3 n

0,1425(1 0,1425) = 0,2176 195 0,1425(1 0,1425) = 0,2988 45

n = 45 LSCp = p + 3

Todpo subgrupo acima de 0,2988 esta alm do limite superior de controle e abaixo de 0,2176 est aqum do limite superior de controle. No sero descartados os subgrupos abaixo do limite inferior. Na tabela abaixo encontrase calculado as fraes defeituosas. TABELA 12 Clculo da frao defeituosa
Sub-grupo Nmero Inspecionado np p Sub-grupo Nmero Inspecionado np p

1 171 31 0,181 15 2 167 6 0,036 16 3 170 8 0,047 17 4 135 13 0,096 18 5 137 26 0,190 19 6 170 30 0,176 20 7 45 3 0,067 21 8 155 11 0,071 22 9 195 30 0,154 23 10 180 36 0,200 24 11 181 38 0,210 25 26 12 115 38 0,287 13 165 3 0,158 27 14 189 26 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

0,097 0,206 0,069 0,036 0,355 0,164 0,088 0,195 0,200 0,150 0,111 0,115 0,115 0,149 ---

44

LSCp = p + 3

p (1 p ) = 0,1425 + 3 n

0,1425(1 0,1425) = 0,24 (fora dos limites) 115

3) Clculo do valor central revisado, descartando-se os subgrupos 12 e 19.

pnew =

np np n n
d

642 33 50 559 = 0,132 = 4506 115 141 4250

pnew = 0,132
A frao defeituosa po = 0,132 dever ser usada para o prximo perodo de produo. 4) Os dados a seguir referem-se a uma inspeo de defeitos em cadeiras de escritrio, no ms de janeiro. Que valor central e limites de controle, da Carta c, so recomendados para o ms de fevereiro? TABELA 13 Nmero de defeitos por cadeira
Nmero de srie Nmero de defeitos (c) Nmero de srie Nmero de defeitos (c)

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 ----R c = 14,2 , LSC c = 25,5 25 , LIC c = 2,89 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 esto mas excepcionalmente boa. c new = 13,24 , LSC c = 24,16 24 , LICc = 2,32 2

4) Determine o valor central e os limites de controle revisados para uma carta u, a partir dos resultados da inspeo de defeitos em rolos de papel branco.

45

TABELA 14 Nmero de defeitos

Nmero do Lote Tamanho da Amostra Nmero de Defeitos Nmero do Lote Tamanho da Amostra Nmero de Defeitos

1 2 3 4 5 6 7 8 9 10 11 12 13 14 --R u = 3,3 , 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 ----= 5,02 , LIC u = 1,58

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. u new = 3,24 , LSC u = 4,94 , LIC u = 1,53

- Grfico de Controle por Variveis No acompanhamento de um aspecto quantitativo da qualidade, em geral, se controla tanto o valor mdio daquele como sua variabilidade, atravs de grficos separados. O controle do valor mdio do desempenho do processo feito atravs do grfico de x (grfico x ). A variabilidade do processo controlada pelo grfico do desvio-padro (grfico s) ou, o que mais comum pelo grfico da amplitude (grfico R). Deve-se manter sob controle tanto o desempenho mdio como a variabilidade do processo. Os grficos de controle por variveis so usados para monitorar o processo quando a caracterstica de interesse mensurada em uma escala de intervalo ou de razo. Estes grficos so geralmente utilizados em pares. Os grficos R e s monitoram a variao de um processo, enquanto os grficos X monitoram a mdia do processo. O grfico que monitora a variabilidade deve ser examinado sempre em primeiro lugar, pois, se ele indicar a uma condio fora do controle, a interpretao do grfico para a mdia ser enganosa. Os grficos de controle por variveis permitem o controle de uma nica caracterstica quantitativa a cada vez. Se houver mais de uma caracterstica a ser controlada, ser necessrio aplicar um grfico de controle para cada uma

46

delas. Para fins de controle, devem ser escolhidas as variveis que causam rejeio ou retificao do produto, envolvendo custos substanciais. Os grficos de controle para atributo no usam toda a informao disponvel sobre a distribuio dos valores assumidos pelas variveis, portanto tendem a serem ineficazes no controle de aspectos quantitativos da qualidade. Desta maneira, percebe-se que procedimentos mais eficientes so necessrios para o tratamento dessas situaes. J os grficos de controle para variveis fornecem um maior nmero de informaes a respeito do desempenho do processo do que os grficos para atributos. Quando se quer analisar um aspecto quantitativo da qualidade, em geral, controla-se o valor mdio e a variabilidade por meio de grficos separados. O grfico da mdia ( X ) utilizado para o controle do valor mdio do desempenho do processo. O grfico do desvio padro (s) e o mais comum, que denominado de amplitude (grfico R), so utilizados para o controle da variabilidade do processo. Durante o processo de fabricao de um produto ou servio, a qualidade do mesmo pode estar sujeito a variaes, que podem ser classificadas em dois tipos, conforme mostram as Figuras 15 e 16.

FIGURA 15 - Grfico de controle X fora de controle

FIGURA 16 - Grfico de controle X sob controle O formato dos grficos de controle muda de acordo com a natureza dos dados avaliados. Com isso temos os grficos de variveis para registrar as caractersticas mensurveis do produto ou servio e os grficos de atributos, que registram as caractersticas no mensurveis. - Finalidade das cartas de controle por variveis O uso da carta de controle por variveis tem a finalidade de fornecer informaes:

47

1o) Para a melhoria da qualidade. Utilizar carta de controle unicamente para comprovar a existncia de um programa de controle de qualidade perda de tempo. A carta de controle por variveis a mais efetiva tcnica para alcanar a melhoria da qualidade. 2o) Sobre a capacidade do processo. A verdadeira capacidade do processo s pode ser alcanada depois que uma significativa melhoria da qualidade foi obtida. Durante o ciclo de melhoria da qualidade, a carta de controle indicar quando no mais possvel obter melhoria da qualidade sem investimento significativo. Nesse momento, a verdadeira capacidade do processo pode ser obtida. 3o) Para tomada de decises relativas especificao do produto. Uma vez que a verdadeira capacidade do processo foi obtida, as especificaes podem ser definidas, Se a capacidade do processo 0,003, ento uma especificao de 0,004 pode ser, realisticamente, obtida pelo processo. 4o) Para tomada de decises sobre o processo de produo. A carta de controle usada para decidir se um padro normal de variao est ocorrendo e, portanto, o processo est sob controle, ou se um padro instvel de variao est ocorrendo, e h necessidade de eliminao das causas especiais de variao. 5o) Para tomada de decises sobre peas recm-produzidas. A carta de controle tambm pode ser usada para decidir se um ou mais itens podem ser liberados para o processo seguinte, ou se necessria alguma ao do tipo inspeo ou reparo. - Fundamentos estatstico dos grficos de controle Para entender a fundamentao dos grficos de controle, imagine que a caracterstica de qualidade de uma pea seja o seu dimetro, e que a mesma tenha uma distribuio Normal com mdia e desvio-padro , ambos conhecidos. Na prtica no se conhece os parmetros e . Deve-se estimalos a partir de uma amostra em um perodo anterior quando o processo est sob controle. O tamanho de uma amostra para este tipo de estimativa deve ser de 20 a 25 observaes. E, como a estatstica piv Z, abaixo, tem distribuio Normal Padro N(0,1)

/ n tem-se que

z=

(5.12)

48

x P Z / 2 Z / 2 1 / n (5.13) x + Z / 2 P x Z / 2 = 1 , n n que o intervalo de confiana de nvel 1 - para o parmetro a mdia do processo. Portanto, pode-se usar os limites do intervalo de confiana como limites de controle para a mdia, LIC = x Z / 2 LSC = x + Z / 2 n
(5.14a)

(5.14b) . n Suponha, agora que m amostras aleatrias de tamanho n so disponveis ou seja tem-se m amostras com n observaes cada uma. A magnitude de n da ordem de 4, 5 ou 6 observaes. Das m amostras obtm-se as mdias amostrais:

x 1 ,x 2 ,x 3 ,...,x m
e tambm a mdia amostral global, considerando todas as m observaes x + x 2 +...+ x m x= 1 m Deste modo x o melhor estimador da mdia do processo . O valor do escore padronizado, em geral, fixado em 3 para se ter os limites a 3 (trs desvios padro), Z/2 = 3,. Agora, para construir os limites de controle est faltando apenas a estimativa do desvio-padro . Em controle de qualidade tradicional estimar-se o desvio-padro usando-se a amplitude amostral R, ao invs da expresso baseada em s2. claro que o estimador s tambm pode ser usado. No caso da estimativa com base na amplitude amostral, se X1, X2, ..., Xn a amostra de tamanho n , ento a amplitude da amostra, R, dada pela diferena entre o valor mximo e o valor mnimo da amostra, isto :

R = x ( n ) x (1)
A amplitude da amostra de uma distribuio Normal, R, e o desvio-padro da distribuio, , tm um relacionamento conhecido:

W = R
Esta varivel aleatria W chamada amplitude relativa e a mdia da distribuio de W representada por d2. Assim, um estimador do desviopadro dado por:

49

R d2

o valor de d2 funo do tamanho da amostra n. Agora, tomando-se as m amostras de tamanho n, disponveis, obtm-se a amplitude amostral mdia R ,
R= R 1 + R 2 + ... + R m m

e uma boa estimativa de :

= R d2

Mas, por qual razo se usa o estimador de , dado acima quando se dispe de estatstica mais eficiente (s)? A resposta a simplicidade de clculo = R / d 2 praticamente a mesma de s e tambm porque a eficincia de quando o tamanho da amostra baixo (n < 10). Finalmente, com as estimativas de todos os parmetros tem-se os limites de controle:

LIC = x

3R d2 n 3R d2 n

LSC = x +

A quantidade A 2 = 3 /(d 2 n ) uma constante que depende apenas do tamanho da amostra n, logo pode tambm ser tabelado como d2 resultando para os limites a forma:

LIC = x A 2 R LSC = x + A 2 R
Os valores de A2 , d2, ... por serem constantes que vo depender do tamanho da amostra (n), encontram-se tabelados nos Anexos A e B;

50

- Grfico

xeR

Este tipo grfico usado para controlar e analisar um processo com valores contnuos de qualidade do produto, como o comprimento, o peso ou a concentrao. Tais valores fornecem maior quantidade de informaes sobre o processo. O uso dos grficos de controle X e R, deve ocorrer sempre que uma caracterstica da qualidade observada expressa em unidades reais como peso em quilogramas, comprimento em centmetros, temperatura em graus Celsius. So descritos a seguir os passos para a construo dos grficos de controle da mdia ( X ) e da amplitude (R). 1o) Determinar a caracterstica da qualidade a ser controlada. A varivel escolhida deve ser uma caracterstica mensurvel da qualidade, ou melhor, deve ter a possibilidade de ser expressa em nmeros. Deve-se priorizar aquelas caractersticas da qualidade que afetam o desempenho do produto. 2o)Definir o mtodo de amostragem e o tamanho da amostra atravs de um dos mtodos especificados na seqncia:

- Mtodo Instantneo: retira-se a amostra correspondente ao subgrupo da produo, de forma simultnea ou consecutiva; - Mtodo Peridico: retira-se aleatoriamente a amostra que corresponde ao subgrupo da produo, realizada durante um determinado perodo, de maneira que ela seja representativa de toda a produo neste perodo.
Ainda com relao amostragem os subgrupos devem ser retirados de lotes homogneos, compostos por itens produzidos pela mesma mquina, operador e matriz. A escolha do subgrupo depende da finalidade do grfico de controle. Conforme Shewhart o objetivo principal no somente detectar o problema, mas tambm descobri-lo. E tal descoberta naturalmente envolve classificao. O profissional que obtiver sucesso na diviso inicial desses dados em subgrupos racionais, baseados em hipteses racionais, estar dessa forma em melhor situao no trabalho do que aquele que no tiver obtido esse sucesso. No h uma regra definida quanto ao tamanho do subgrupo, o qual depender do volume de produo, do custo da inspeo e da importncia da informao obtida. Normalmente, preferem-se amostras com tamanho entre

51

quatro e cinco itens e subgrupos que variam de 20 a 25, pois fornecem uma boa estimativa sobre a disperso do processo. 3o)Coletar os dados, utilizando para isso um formulrio, no qual os dados so geralmente registrados em colunas. No aplicativo, CEP on-line os mesmos so registrados seqencialmente, lado a lado. 4o) Estabelecer o valor central e os limites de controle, que so obtidos usando-se as frmulas.

X=

Xi
i =1

e R=

R
i =1

(5.15)

onde:

X = mdia das mdias dos subgrupos;

X i = mdia do i-simo subgrupo;

g = nmero de subgrupos;

R = mdia dos ranges dos subgrupos;

R i = range do i-simo subgrupo.

Os limites de controle para os grficos X e R so estabelecidos de acordo com os desvios padres desejados, atravs das frmulas abaixo.

LSC X = X + A 3 s LC X = X LIC X = X A 3 s .
LSC R = R + 3 R

(5.16a) (5.16b) (5.16c) (5.17a) (5.17b) (5.17c)

LCR = R
LIC R = R 3 R .

onde: LSC = limite superior de controle; LIC = limite inferior de controle; LC = limite central;
X = desvio padro das mdias dos subgrupos;

R = desvio padro das amplitudes dos subgrupos.

Na prtica, os clculos dos limites so simplificados pela utilizao dos fatores A2, D3 e D4, para encontrar os limites de controle. Estes fatores variam

52

de acordo com o tamanho do subgrupo e so encontrados na tabela do Anexo A.

LSC X = X + A 2 R LC X = X LIC X = X A 2 R .
LSC R = D 4 R

(5.18a) (5.18b) (5.18c) (5.18a) (5.18b) (5.18c)

LCR = R
LIC R = D 3 R .

5o) Interpretar os grficos Se o processo estiver sob controle estatstico, adota-se o grfico de controle para monitorar as observaes atuais e futuras; caso contrrio, conduzem-se aes de melhoria at que seja atingido o nvel de qualidade desejado ao processo, em que os limites de controle so recalculados, e os pontos que ultrapassarem tais limites, descartados. - Exemplo Utilize os grficos X -R para analisar o comportamento da temperatura do forno do atomizador. Foram coletadas 120 amostras, sendo que destas resultaram 30 subgrupos com 4 observaes. TABELA 15 Dados da temperatura do forno do atomizador
Nmero 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 Observaes 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 Mdia 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

53

continuao... 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

- Clculos

X=

X
i =1

28125 = 937,48 30

R=

R
i =1

724 = 24,13 30

A2 = 0,729, D3 = 0 e D4 = 2,282 (Anexo A)

LSC x = X + A 2 R = 937,48 + (0,729) ( 24,13) = 955,07 LC x = X = 937,48 LIC x = X A 2 R = 937,48 - (0,729) (24,13) = 919,90
LSCR = D 4 R = (2,282) (24,13) = 55,074 LCR = R = 24,133 LICR = D 3 R = 0 ( 24,13) = 0

54

X-bar 955,07

937,48

919,90 5 10 15 R 20 25 30

55,074

24,133

0,0000 5 10 15 20 25 30

FIGURA 17 Grficos de controle x e R - Grfico X s Embora os grficos de controle X - R sejam os mais utilizados, algumas empresas preferem usar o grfico do desvio padro grfico (s) para controlar a disperso do processo de produo. Comparando-se os grficos R e s, verificase que o grfico R mais fcil de ser construdo e aplicado, enquanto que o grfico s mais preciso, visto que no clculo do desvio padro, so usados todos os dados dos subgrupos, e no apenas o maior e o menor valor, os quais so usados no clculo da amplitude. No caso de o tamanho do subgrupo ser menor ou igual a 10, as cartas R e s apresentam o mesmo aspecto grfico, contudo, a medida que o tamanho do subgrupo aumenta, o grfico s torna-se mais preciso que o R, e por isso, deve ser utilizado. A construo dos grficos de controle X e s semelhante construo dos grficos X e R, conforme visto anteriormente, diferenciando-se apenas nas frmulas utilizadas para calcular o valor central e os limites de controle. As etapas para a construo dos grficos de controle X e s so: 1o) Escolher a caracterstica de qualidade a ser controlada; 2o) Definir o tamanho da amostra e o mtodo de amostragem;

55

3o) Coletar os dados; 4o) Calcular o desvio padro de cada subgrupo, usando a frmula:

s=

(X
i =1

X) 2
(5.19)

n 1

onde: n= tamanho do subgrupo. 5o) Calcular o valor central atravs das frmulas,

s=

s
i =1

(5.20)
i

X=

X
i =1

(5.21)

onde: g = tamanho da amostra. 6o) Calcular os limites de controle usando as frmulas:

LSC X = X + A 3 s LC X = X LIC X = X A 3 s . LSC s = B 4 s LSC s = s LICs = B 3 s .

onde: si = desvio padro do i-simo subgrupo;

(5.22a) (5.22b) (5.22c)

(5.22a) (5.22b) (5.22c)

s = mdia dos desvios padres dos subgrupos;

A3, B3, B4 = fatores retirados da Tabela do Anexo A, para clculo dos limites de controle. 7o) Construir limites de controle e grafar os valores dos subgrupos.

56

- Exemplo Utilize os grficos X - s para analisar o comportamento da temperatura do atomizador. Foram coletadas 120 amostras, sendo que destas resultaram 30 subgrupos com 4 observaes. TABELA 16 Dados da temperatura do atomizador
Nmero 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 Observaes 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 Mdia 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 Padro s 13,865 4,272 4,546 19,822 4,031 20,355 5,260 50,229 43,828 11,446 3,403 5,909 19,755 3,500 7,182 5,657 10,724 4,573 10,210 14,166 4,967 14,095 7,746 5,323 9,535 5,354 8,655 10,504 8,185 12,583 349,681

s=

s
i =1

g
g

349,681 = 11,66 30

X=

X
i =1

17249 = 574,96 30

A3 = 1,628, B3 = 0 e B4 = 2,266 (Anexo A)

57

LSC x = X + A 3 s = 574,96 + (1,628)(11,66) = 593,94 LC x = X = 574,96 LIC x = X A 3 s = 574,96 (1,628)(11,66) = 555,97

LSC s = B 4 s = (2,266)(11,66) = 26,413 LC s = s = 11,656 LICs = B 3 s = (0)(11,66) = 0

X-bar

593,94

574,96

555,98

10

15 s

20

25

30

26,413 11,656 0,0000 5 10 15 20 25 30

FIGURA 18 Grficos de controle x e s - Grfico

x individual

O grfico de controle para medidas individuais pode ser interpretado como um grfico de controle X comum. O grfico de controle para medidas individuais bastante insensvel a pequenas mudanas na mdia do processo e deve ser aplicado em situaes no qual o tamanho usado para controle de processo n = 1, ou melhor, nos casos em que a inspeo automtica e a tecnologia de medida so usadas, sendo cada unidade fabricada analisada, ou

58

quando a taxa de produo muito lenta, no sendo conveniente acumular amostras de tamanho maior que um antes de serem analisadas. Em situaes como essas, que o grfico de controle para medidas individuais torna-se til. Na construo do grfico de controle para medidas individuais X , so efetuados os clculos: 1o) Clculo das estatsticas bsicas

X=

X K Rm

(2.23)

Rm =

K 1
2o) Clculo dos limites de controle do X

(2.24)

LSC x = X E 2 .R m LC x = X LSC x = X + E 2 .R m
com:

(5.25a) (5.25b) (5.25c)

E2 =

3 . d2
3o) Clculo dos limites de controle do Rm

LSC Rm = D 4 .R m
LMRm = R m
LIC Rm = D 3 .R m

(5.26a) (5.26b) (5.26c)

onde:
R m = amplitude mvel;

E2 = fator para clculo dos limites de controle (Anexo B); D3 , D4 = constantes tabeladas no (Anexo B); d2 = fator de correo, (Anexo A). 4o) Visualizao do grfico. Vale ressaltar que a interpretao deste grfico no se d apenas pela anlise dos pontos fora dos limites de controle, mas tambm pela anlise de seqncia de pontos, conforme apresentado no Quadro 3. - Interpretao dos grficos da mdia X

59

A anlise dos grficos de controle possibilita a identificao se o processo est ou no sob controle, o que significa a ausncia de causas especiais de variao. Quando um processo est controlado ocorre um padro normal de variao, pois os pontos distribuem-se aleatoriamente em torno da mdia, indicando a ausncia de tendncias crescentes ou decrescentes, ciclos, estratificaes ou misturas e pontos que ultrapassaram os limites de controle. H uma regra bsica para verificar se o processo se encontra estvel: basta dividir o intervalo entre os limites superior e inferior de controle em seis faixas, ou seja, cerca de 34% dos pontos devem estar em cada faixa C, 13,5% dos pontos em cada faixa B e 2,5% dos pontos em cada faixa A, conforme mostra a Figura 03, com algumas adaptaes.

FIGURA 19 - Zonas de distribuio dos pontos num padro normal de variao Um processo tambm pode ser considerado fora de controle, quando todos os pontos estiverem dentro dos limites de controle. Isto ocorre quando h um padro de variao anormal no processo. No Quadro 3, apresenta-se alguns casos de grficos, nos quais o processo est fora de controle. QUADRO 3 Casos de padres anormais de um processo

1 Caso: Um ponto alm da zona A, isto , acima do limite superior de controle ou abaixo do limite inferior de controle.

60

continuao... 2 Caso: Nove pontos sucessivos de um mesmo lado do valor central, ou seja, todos acima ou abaixo da linha mdia.

3 Caso: Seis pontos sucessivos diminuindo constantemente.

aumentando

ou

4 Caso: Quatorze pontos sucessivos alternando-se para cima e para baixo.

5 Caso: Dois em trs pontos sucessivos na mesma zona A ou alm dela.

6 Caso: Quatro em cinco pontos sucessivos, situados na zona A ou B ou alm dela, de um mesmo lado do grfico.

7 Caso: Quinze pontos sucessivos situados na zona C, acima ou abaixo da linha central.

8 Caso: Oito pontos sucessivos de ambos os lados da linha central fora da zona C.

- Exemplo Para verificar a estabilidade e a variabilidade da umidade da barbotina, usou-se o grfico de controle X individual, devido amostra desta varivel ser unitria, ou seja, n = 1. Para isso, foram seguidos alguns passos:

61

TABELA 17 Dados da varivel umidade da barbotina

Nmero de Subgrupos Umidade % Amplitude Mvel Rm Nmero de Subgrupos Umidade % Amplitude Mvel 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

6,1 6 6 6,5 6,3 6,4 5,8 6,1 6 6,3 5,9 6,2 6,4 6,5 6 6,6 6,2 6,4 6,3 5,9 6,3 6,4 6,5 6,1 6,3 6,2 5,8 6 6,5 6,3 6,6 6,4 6,1 6,3 6,5 6,2 6,4 6,1 6,3 6 6,2 6,5 6,3 6,4 6,2 6,5 6,3 6,4 6,1 6

0,1 0 0,5 0,2 0,1 0,6 0,3 0,1 0,3 0,4 0,3 0,2 0,1 0,5 0,6 0,4 0,2 0,1 0,4 0,4 0,1 0,1 0,4 0,2 0,1 0,4 0,2 0,5 0,2 0,3 0,2 0,3 0,2 0,2 0,3 0,2 0,3 0,2 0,3 0,2 0,3 0,2 0,1 0,2 0,3 0,2 0,1 0,3 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

6,1 6,4 6,2 6,3 6 6,2 6,4 6,2 6,3 6,4 6 6,3 6,4 6,3 6,5 6 6,6 6,1 6 6,4 6,5 6,3 6 6,5 6,1 6,4 6,2 6,1 6,5 6,2 6,4 6,2 6,3 6,4 6,5 6,2 6,5 6,4 6,2 6,4 6,3 6 6,2 6,4 5,8 6,5 6,1 6,3 6,4 6,3

0,4 0,3 0,2 0,1 0,3 0,2 0,2 0,2 0,1 0,1 0,4 0,3 0,1 0,1 0,2 0,5 0,6 0,5 0,1 0,4 0,1 0,2 0,3 0,5 0,4 0,3 0,2 0,1 0,4 0,3 0,2 0,2 0,1 0,1 0,1 0,3 0,3 0,1 0,2 0,2 0,1 0,3 0,2 0,2 0,6 0,7 0,4 0,2 0,1 0,1

62

continuao...

51 52 53 54 55 56 57 58 59 60

6,4 6,6 6 6,4 6,4 6,5 6,2 6,6 6,4 6,5 Total

0,4 0,2 0,6 0,4 0 0,1 0,3 0,4 0,2 0,1

111 112 113 114 115 116 117 118 119 120

6,5 6,7 6,4 6,3 6,5 6,1 6,5 6,1 5,9 6,5 753,3

0,2 0,2 0,3 0,1 0,2 0,4 0,4 0,4 0,2 0,6 31,0

- Clculos

X =

X 753,3 = = 6,28 K 120 Rm 31

Rm =

K 1 = 120 1 = 0,26

D4 = 3,267 e D3 = 0 (Anexo B). LSC Rm = D4 . R m = 3,267. 0,26 = 0,85095 LM Rm = R m =0,2605 LICRm = D3 . R m = 0 . 0,26 = 0 E2 = 3 = 2,660 d2

E2 = 2,660 foi retirado da tabela do Anexo B.

LSC x = X + E2 . Rm = 6,28 + 2,660. 0,26 = 6,9701 LC x = X = 6,2775 LIC x = X - E2 . R m= 6,28 - 2,660. 0,26 = 5,5849

63

X-bar
6,9701

6,2775

5,5849 20 40 60 R 80 100 120

,85095

,26050 0,0000 20 40 60 80 100 120

FIGURA 19 Exemplo de grfico de controle X individual QUADRO 4 Resumo das cartas de controle por variveis Tipo de Carta
Carta X conhecido estimado por

Valor Central

Limites de Controle Inferior Superior

X A 2 X A2R X A 2 X A2R

X X X

R estimado por s
Carta R conhecido estimado por Carta s conhecido estimado por

X + A3s
D1

X + A3s
D 2

R = d 2 R
s = c4 s

D3R B5 B3 s

D4R B6 B4 s

- Exerccios 1) Os dados a seguir referem-se a medidas em milmetros de uma pea, coletados de subgrupos de tamanho 6. Determine o valor central e os limites de controle e revise-os, se necessrio, assumindo a existncia de causas especiais de variao no processo.

64

TABELA 18 Valores mdios e as amplitudes das amostras

Sub-grupo R X 1 20,35 0,34 14 2 20,40 0,36 15 3 20,36 0,32 16 4 20,65 0,36 17 5 20,20 0,36 18 6 20,40 0,35 19 7 20,43 0,31 20 8 20,37 0,34 21 9 20,48 0,30 22 10 20,42 0,37 23 11 20,39 0,29 24 12 20,38 0,30 25 13 20,40 0,33 Total R x = 20,40 , LSC x = 20,57 , LIC x = 20,23 R = 0,36 , LSC R = 0,72 , LIC R = 0,0 Descarta-se os subgrupos 4 e 5. Nmero do Sub-grupo Nmero do

X 20,41 20,45 30,34 20,36 20,42 20,50 20,31 20,39 20,39 20,40 20,41 20,40 510,01

R 0,36 0,34 0,36 0,37 0,73 0,38 0,35 0,38 0,33 0,32 0,34 0,30 8,89

Descarta-se o subgrupo 18.

x new = 20,40

R new = 0,34 e o =

R new = 0,134 d2

2) Refaa o problema anterior supondo o tamanho do subgrupo igual a 3. Analise o que aconteceu com os subgrupos em relao aos limites de controle,

3) Os dados a seguir foram produzidos a partir da produo de fertilizantes, e referem-se concentrao (% em peso) de cloreto de amnia, cuja especificao de 50 1%. Calcule os limites de controle para a carta de valores individuais e a carta da amplitude (Rm). Verifique se o processo est sob controle e se as bateladas produzidas atendem totalmente s especificaes. TABELA 19 Valores mdios e as amplitudes das amostras
Batelada Concentrao %

1 2 3 4 5 6 7 8 9 10 11

49,4 50,1 49,4 49,5 50,1 50,3 49,4 49,2 50,7 50,6 49,6

Rm --0,7 0,7 0,1 0,6 0,2 0,9 0,2 1,5 0,1 0,5

Nmero do Sub-grupo

16 17 18 19 20 21 22 23 24 25 26

X 50,8 49,1 49,6 50,5 49,1 50,2 50,2 50,6 48,4 49,3 50,4

Rm 1,2 1,7 0,5 0,9 1,4 1,1 0 0,4 2,2 0,9 1,1

65

continuao...

12 49,5 0,6 13 50,5 1 14 50,1 0,4 15 49,6 0,5 -----R x = 49,81 , LSC x = 51,83 , LIC x = 47,79

27 28 29 30 Total

49,1 49,2 49,9 49,3 1494,2

1,3 0,1 0,7 0,6 22,1

R m = 0,76 , LSC Rm = 2,48 , LIC Rm = 0,0 A batelada 24 no atende s especificaes do produto.

- Capacidade do processo A verdadeira capacidade do processo s deve ser determinada aps o mesmo ter sido otimizado e estabilizado. A capacidade do processo a sua prpria variabilidade, depois que este foi otimizado e esta sob controle. Os limites 3 so conhecidos como limites naturais de tolerncia. LNST = + 3 (limite natural superior de tolerncia) LNIS = - 3 (limite natural inferior de tolerncia) O limite de 6 sobre a distribuio de uma caracterstica de qualidade do produto vem a ser a capacidade do produto, onde o desvio padro do processo otimizado e estvel (sob controle). Capacidade do produto = 6 Como o valor de , em geral, desconhecido, para obter a capacidade do processo usa-se um estimador
= R , d2

onde d2 um valor que depende do tamanho da amostra (n 10) e em decorrncia, encontra-se tabela (Anexo B). Se n > 10 e foi feito o grfico de controle x s , o estimador de :
=

(x x)
n 1

No existe uma relao matemtica ou estatstica entre limite de controle e limite de especificao. Os limites de controle so definidos em funo da variabilidade do processo e medido pelo desvio padro. Os limites de especificao so estabelecidos no projeto pelos engenheiros, pela administrao ou pelo cliente. A melhor forma de se verificar a adequao de um processo s necessidade da engenharia de produto atravs do estudo de capacidade do

66

processo ou da relao entre a capacidade do processo e a diferena entre os limites de especificao (tolerncia do produto). Esta relao conhecida como ndice de capacidade (Cp).

LSE LIE 6 onde: Cp =

LSE = limite superior de especificao; LIS = limite inferior de especificao; 6 = capacidade do processo. A anlise do ndice de capacidade muito til na tomada de decises sobre a adequao do processo s especificaes. Uma regra prtica para esta anlise descrita a seguir: - Processo Vermelho: (Cp < 1), a capacidade do processo inadequada tolerncia exigida. Nesta situao,o ideal realizar o trabalho com outro processo mais adequado s especificaes. No sendo possvel mudar o processo, deve-se tentar diminuir a sua variabilidade. Por ltimo, resta a possibilidade de se alterar as especificaes do produto. - Processo amarelo: (1 Cp 1,33), a capacidade do processo est em torno da diferena entre as especificaes. O tratamento deve ser semelhante quele dado ao processo vermelho. Neste caso, cartas de controle so muito teis para manter o processo sob controle e evitar a produo de itens fora das especificaes. - Processo Verde: (Cp > 1,33), a capacidade do processo adequada tolerncia exigida. Se a capacidade do processo est entre 3/4 e 2/3 da tolerncia, aconselhvel coletar amostras peridicas para acompanhamento do processo. Se a capacidade do processo menor que metade da tolerncia, no preciso tomais maiores cuidados como o proceso, pode-se dizer que o mesmo excelente ou altamente confivel. Na prtica, nem sempre o processo esta centrado na mdia, ou seja, pode-se chegar a concluses erradas quanto a capacidade do processo. Se o processo no se encontrar centrado na mdia, Kane (1986) props a utilizao do ndice de Performance (Cpk):

X LIE X LSE C pk = min 3 , 3

67

BIBLIOGRAFIA

GUEDES, T.A. Melhoria contnua da qualidade. In: II Semana da estatstica. Maring. 62 p. JURAN, J.M. A qualidade desde o projeto. So Paulo: Thomson Learning. 551 p. PIERRET, V.B.H. Desenvolvimento de um aplicativo do Controle estatstico de Processo on-line por meio de grfico de controle. Dissertao de Mestrado do Programa de Ps-graduao em Engenharia de Produo. Santa Maria: UFSM, 2004. SIQUEIRA, L.G.P. Controle estatstico do processo, So Paulo: Pioneira, 1997. 129 p. VIEIRA, S. Estatstica para a qualidade. Rio e Janeiro: Campus. 1999. 198 p.

68

ANEXO A - Fatores para o clculo dos limites de controle (3) para os grficos: X , R e s
Grfico para a Mdia 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 2,121 1,732 1,500 1,342 1,225 1,134 1,061 1,000 0,949 0,905 0,866 0,832 0,802 0,775 0,750 0,728 0,707 0,688 0,671 0,655 0,640 0,626 0,612 0,600 A2 1,880 1,023 0,729 0,577 0,483 0,419 0,373 0,337 0,308 0,285 0,266 0,249 0,235 0,223 0,212 0,203 0,194 0,187 0,180 0,173 0,167 0,162 0,157 0,153 A3 2,659 1,954 1,628 1,427 1,287 1,182 1,099 1,032 0,975 0,927 0,886 0,850 0,817 0,789 0,763 0,739 0,718 0,698 0,680 0,663 0,647 0,633 0,619 0,606 Grfico para o Desvio Padro Fatores para a Fatores para os Limites de Linha Central Controle c4 0,7979 0,8862 0,9213 0,9400 0,9515 0,9594 0,9650 0,9693 0,9727 0,9754 0,9776 0,9794 0,9810 0,9823 0,9835 0,9845 0,9854 0,9862 0,9869 0,9876 0,9882 0,9887 0,9892 0,9896
1 c4

Grfico para a Amplitude Fatores para a Linha Central d2 1,128 1,693 2,059 2,326 2,534 2,704 2,847 2,970 3,078 3,173 3,258 3,336 3,407 3,472 3,532 3,588 3,640 3,689 3,735 3,778 3,819 3,858 3,895 3,931
1 d2

Fatores para os Limites de Controle d3 0,953 0,888 0,880 0,864 0,848 0,833 0,820 0,808 0,797 0,787 0,778 0,770 0,763 0,756 0,750 0,744 0,739 0,734 0,729 0,724 0,720 0,716 0,712 0,708 D1 0 0 0 0 0 0,204 0,388 0,547 0,687 0,811 0,922 1,025 1,118 1,203 1,282 1,356 1,424 1,487 1,549 1,605 1,659 1,710 1,759 1,806 D2 3,686 4,358 4,698 4,918 5,078 5,204 5,306 5,393 5,469 5,535 5,594 5,647 5,696 5,741 5,782 5,820 5,856 5,891 5,921 5,951 5,979 6,006 6,031 6,056 D3 0 0 0 0 0 0,076 0,136 0,184 0,223 0,256 0,283 0,307 0,328 0,347 0,363 0,378 0,391 0,403 0,415 0,425 0,434 0,443 0,451 0,459 D4 3,267 2,575 2,282 2,115 2,004 1,924 1,864 1,816 1,777 1,744 1,717 1,693 1,672 1,653 1,637 1,622 1,608 1,597 1,585 1,575 1,566 1,557 1,548 1,541

B3 0 0 0 0 0,030 0,118 0,185 0,239 0,284 0,321 0,354 0,382 0,406 0,428 0,448 0,466 0,482 0,497 0,510 0,523 0,534 0,545 0,555 0,565

B4 3,627 2,568 2,266 2,089 1,970 1,882 1,815 1,761 1,716 1,679 1,646 1,618 1,594 1,572 1,552 1,534 1,518 1,503 1,490 1,477 1,466 1,455 1,445 1,435

B5 0 0 0 0 0,029 0,113 0,179 0,232 0,276 0,313 0,346 0,374 0,399 0,421 0,440 0,458 0,475 0,490 0,504 0,516 0,528 0,539 0,549 0559

B6 2,606 2,276 2,088 1,964 1,874 1,806 1,751 1,707 1,669 1,637 1,610 1,585 1,563 1,544 1,526 1,511 1,496 1,483 1,470 1,459 1,448 1,438 1,429 1,420

1,2533 1,1284 1,0854 1,0638 1,0510 1,0423 1,0363 1,0317 1,0281 1,0252 1,0229 1,0210 1,0194 1,0180 1,0168 1,0157 1,0148 1,0140 1,0133 1,0126 1,0119 1,0114 1,0109 1,0105

0,8865 0,5907 0,4857 0,4299 0,3946 0,3698 0,3512 0,3367 0,3249 0,3152 0,3069 0,2998 0,2935 0,2880 0,2831 0,2787 0,2747 0,2711 0,2677 0,2647 0,2618 0,2592 0,2567 0,2544

Para n > 25

A=

3 n

, A3 =

3 c4 n

, c4

4(n 1) 3 3 3 3 , B3 = 1 , B4 = 1 + , B5 = c 4 , B6 = c 4 + 4n 3 c 4 2(n 1) 2(n 1) c 4 2(n 1) 2(n 1)

69

ANEXO B - Valores das constantes para o clculo dos limites de controle 2 1,880 1,128 0,853 2,660 0 3,267 3 1,023 1,693 0,888 1,772 0 2,575 4 0,729 2,059 0,880 1,457 0 2,282 Tamanho da amostra n 5 6 7 0,577 0,483 0,419 2,326 2,534 2,704 0,864 0,848 0,833 1,290 1,184 1,109 0 0 0,076 2,115 2,004 1,924 8 0,373 2,847 0,820 1,054 0,136 1,864 9 0,337 2,970 0,808 1,010 0,184 1,816 10 0,308 3,078 0,797 0,975 0,223 1,777

A2 d2 d3 E2 D3 D4