3 09 COC BASE ESTATÍSTICA DO GRÁFICO DE CONTROLE

Prévia do material em texto

MAPEAMENTO DE 
PROCESSOS 
 
 
 
 
 
 
 
 
 
 
 
 
2 
 
 
BLOCO 3: BASE ESTATÍSTICA DO GRÁFICO DE CONTROLE 
 
O Controle Estatístico de Processo surgiu da necessidade de não apenas inspecionar um 
produto e definir sua aptidão ou não para uso. Esta filosofia ou metodologia foi além da 
investigação apenas do produto, estendendo sua conceituação para a investigação de um 
processo. 
Agora, além de garantir a efetividade do produto quanto à sua qualidade, buscamos também 
identificar hipóteses ou causas que possam vir a gerar uma inconsistência ou anomalia ao 
processo, reduzindo custos e refugos, o que não ocorria quando o produto apenas era 
inspecionado. 
A Base Estatística do Gráfico de Controle tem como objetivo mostrar de forma simples e básica 
quais são os componentes que envolvem a sua construção, aplicabilidade e análise de seus 
efeitos. 
 
 
 
3 
 
3.1 Origens do controle estatístico de processo 
O Controle Estatístico do Processo, também conhecido como CEP, foi desenvolvido por Walter 
Shewhart, em 1924. Sua teoria é baseada em 4 princípios básicos: 
1º: todo processo sofre variação; 
2º: esta variação pode ser causada de duas formas: causa comum e causa especial; 
3º: que a variação possa ser demonstrada através de uma amostragem; 
4º: as amostragens podem ser medidas e demonstradas graficamente ao longo do tempo. 
Segundo Shewhart, em um processo produtivo, ou em qualquer tipo de elemento que envolva 
uma população, dificilmente haverá um padrão único, ou seja, uma peça ou qualquer 
elemento em que esteja sendo feita uma medição ou pesquisa terão características diferentes. 
Pode até ocorrer uma situação de padrão idêntico, mas não frequente, por isso 
correlacionamos estes elementos a um padrão aleatório. De acordo com Montgomery (2017): 
Em qualquer processo de produção, independentemente de quão bem 
planejado ou cuidadosamente mantido ele seja, certa quantidade de 
variabilidade inerente ou natural sempre existirá. Essa variabilidade natural, 
ou “ruído de fundo”, é o efeito cumulativo de muitas causas pequenas, 
essencialmente inevitáveis. No sistema do controle estatístico da qualidade, 
essa variabilidade natural é, em geral, chamada de “sistema estável de 
causas aleatórias”. Diz-se que um processo que opera apenas com as causas 
aleatórias da variação está sob controle estatístico. Em outras palavras, as 
causas aleatórias são uma parte inerente ao processo. 
Outros tipos de variabilidade podem, ocasionalmente, estar presentes na 
saída de um processo. Essa variabilidade nas características-chave da 
qualidade surge, em geral, de três fontes: máquinas ajustadas ou 
controladas de maneira inadequada, erros do operador, ou matéria-prima 
defeituosa. Tal variabilidade é, geralmente, muito grande quando 
comparada com o ruído de fundo, e representa, usualmente, um nível 
inaceitável do desempenho do processo. Referimo-nos a essas fontes de 
variabilidade, que não fazem parte do padrão de causas aleatórias, como 
causas atribuíveis de variação. Diz-se que um processo que opera na 
presença de causas atribuíveis está fora de controle. (MONTGOMERY, 2017, 
p. 130) 
 
 
 
4 
 
 
O objetivo é avaliar a variação e determinar o quanto este elemento está dentro de um padrão 
aceitável. 
Já as variações de causa especial são situações possíveis de detectar, são intermitentes, ou 
seja, podem acontecer ou não durante um processo de amostragem, porém são removíveis, 
quer dizer, podem ser extraídas da investigação do processo. Este é o caso para detecção de 
uma peça com defeito que, após ser identificada, é extraída, pois não há correção. Podemos 
denominar estas amostras como atributos. 
Esta variação a qual é possível demostrar através de uma amostragem, requer conhecimento 
técnico do produto ou do processo, para que se possa utilizar as referências adequadas de 
cálculo para interpretar tais variações e desvios, e não somente fazer a sua medição. 
A demonstração gráfica das medições facilita o processo de análise e a tomada de ação 
durante o processo, evitando assim problemas futuros. É a melhor forma de visualizar os 
efeitos do contexto que se está medindo ao longo do tempo. 
 
3.2 Princípios básicos e escolha dos limites de controle 
O gráfico de controle tem como objetivo apresentar informações sobre o comportamento de 
um processo e onde tais informações poderiam vir a determinar a tomada de decisões sobre 
como agir no produto ou no processo de forma a mantê-lo em uma condição estável de 
funcionalidade. 
O gráfico é apenas um elemento que compõe a análise do fenômeno medido. De forma 
simples e objetiva, um gráfico é composto pelos seguintes elementos: 
• Uma linha no eixo “x” (1), que corresponde às amostras que são medidas ou monitoradas, 
a linha central (2), o limite inferior de controle (4), o limite superior de controle (3) e a 
medição do elemento propriamente dito. 
A Figura 3.1 (MONTGOMERY, 2017) demonstra como este gráfico pode ser constituído. 
Figura 3.1 Um típico gráfico de controle 
 
 
 
5 
 
 
Fonte: Montgomery (2017). 
 
Em um processo considerado normal, o comportamento que se espera das amostras é que 
elas fiquem no máximo na margem dos limites inferior e superior, não ultrapassando essas 
linhas. Espera-se, também, um comportamento aleatório, ou seja, que as amostras oscilem 
para cima e para baixo em relação a sua linha central. 
Esta observação vai ocorrer em função do “monitoramento” do processo, ou seja, conforme as 
amostras forem sendo selecionadas e medidas. Observa-se o seu comportamento ao longo do 
processo, e em função deste comportamento são tomadas as decisões de intervenção do 
produto ou do processo. 
A escolha dos limites de controle superior e inferior é baseada nas especificações técnicas do 
produto ou do processo, sendo possível também a utilização de cálculos para determinar 
curvas de aprovação ou análise do comportamento das amostras. Geralmente a determinação 
desses limites também está condicionado ao conhecimento específico que um profissional tem 
em relação à análise e ao comportamento das amostras. 
Em relação à determinação dos limites temos também os chamados Limites de Alerta, tanto 
inferior quanto superior, conforme apresentado na Figura 3.2 (MONTGOMERY, 2017). 
Figura 3.2 Um gráfico com limites de alerta de dois e três sigmas 
 
 
 
6 
 
 
Fonte: Montgomery (2017). 
Os níveis de alerta são como uma análise de sensibilidade do comportamento da amostra e é 
necessário conhecimento e domínio técnico não somente para sua determinação, mas 
também para a análise da ocorrência. É necessário conhecer as informações e a determinação 
de como deve ser calculada essa faixa de sensibilidade. 
Em geral, segundo Montgomery (2017), os gráficos de controle têm como papel fundamental: 
1. a técnica comprovada para a melhoria da produtividade; 
2. a eficácia na prevenção de defeitos; 
3. o ajuste desnecessário do processo; 
4. o fornecimento de informação de diagnóstico; 
5. o fornecimento de informação sobre a capacidade do processo. 
É importante lembrar que a habilidade para interpretar um padrão particular em termos de 
causas atribuíveis requer experiência e conhecimento do processo. Isto é, devemos não 
apenas conhecer os princípios estatísticos dos gráficos de controle, mas devemos, também, ter 
uma boa compreensão do processo. 
 
3.3 Análise de padrões em gráficos de controle 
 
 
 
7 
 
Um gráfico de controle pode indicar uma condição fora de controle quando um ou mais 
pontos se localizam além dos limites de controle (Figura 3.3), ou quando os pontos marcados 
exibem algum padrão de comportamento não aleatório (Figura 3.4). Como vimos 
anteriormente em plano de amostragem, o monitoramento é uma forma de acompanhar o 
processo amostral e se certificar das medições realizadas e da análise, se as amostras estão 
dentro dos limites de controle (LSC e LIC). 
Figura 3.3 Exemplo de um ControlChart 
 
Fonte: disponível em: <https://bit.ly/2MB28zC>. Acesso em: 28 set. 2018. 
Figura 3.4 Amostras com comportamento não aleatório 
 
Fonte: elaborada pelo autor. 
 
 
 
8 
 
A análise e a melhoria de um processo devem ser realizadas através dos limites (fora) de 
controle estabelecidos no CEP, porém, é necessário que haja domínio técnico e conhecimento 
do processo para que se gere as ações corretivas. 
Se um ou mais pontos se situam entre os limites de alerta e os limites de controle, ou muito 
próximos aos limites de alerta, devemos suspeitar que o processo pode não estar operando 
adequadamente. Uma ação possível a se tomar quando isso ocorre é aumentar a frequência 
da amostragem e/ou o tamanho da amostra, de modo a obter, rapidamente, mais informação 
sobre o processo (MONTGOMERY, 2017). 
O uso das margens de alertas pode deixar o processo mais sensível, sinalizando rapidamente 
uma variação no processo da amostragem e, consequentemente, uma ação para seu ajuste ou 
adequação. 
Montgomery (2017) demonstra uma situação, conforme Figura 3.5, na qual há uma série 
estatística em 25 amostras. Embora todos os 25 pontos estejam dentro dos limites de 
controle, eles não indicam controle estatístico, porque seu padrão é, na aparência, não 
aleatório. 
Especificamente, notamos que 19 dos 25 pontos se localizam abaixo da linha central, enquanto 
apenas seis deles estão acima. Se os pontos fossem realmente aleatórios, deveríamos esperar 
deles uma distribuição mais equilibrada, acima e abaixo da linha central. Temos também 
algumas sequências crescentes e decrescentes, conforme setas de orientação. 
Figura 3.5 Gráfico de controle 
 
Fonte: Montgomery (2017). 
 
 
 
 
9 
 
Caso as amostras se comportem fora das linhas de controle (LSC e LIC), é necessário que se 
faça a investigação e o acerto do controle de processo. Também existe a possibilidade de 
mesmo o comportamento das amostras estarem dentro dos limites, mas não serem aleatórios, 
suspeita-se de que há uma anomalia no processo, conforme demonstrado na Figura 3.6. 
Para reforçar a condição de análise de um gráfico estatístico, Montgomery (2017) cita 10 
pontos sensibilizantes para avaliação de uma condição do produto ou do processo. 
Regras sensibilizantes para gráficos de controle de Shewhart – sinal de ação-padrão 
1. Um ou mais pontos fora dos limites de controle; 
 
Figura 3.6 Exemplo de um Control Chart 
 
Fonte: adaptada de figura disponível em: <https://bit.ly/2MB28zC>. Acesso em: 28 set. 2018. 
 
2. Dois ou três pontos consecutivos fora dos limites de alerta de dois sigmas, mas ainda 
dentro dos limites de controle. Regras da Western Electric; 
3. Quatro ou cinco pontos consecutivos além dos limites de um sigma. Regras da Western 
Electric; 
 
Figura 3.7 Regras da Western Electric ou de zonas, com os últimos quatro pontos exibindo 
violação da regra 3 
 
 
 
10 
 
 
Fonte: Montgomery (2017). 
 
4. Uma sequência de oito pontos consecutivos de um mesmo lado da linha central. Regras da 
Western Electric; 
5. Seis pontos em uma sequência sempre crescente ou decrescente; 
 
Figura 3.8 Gráfico de controle 
 
Fonte: Montgomery (2017). 
 
6. Quinze pontos em sequência na zona C (tanto acima quanto abaixo da linha central); 
7. Quatorze pontos em sequência alternadamente para cima e para baixo; 
 
 
 
11 
 
8. Oito pontos em sequência de ambos os lados da linha central com nenhum na zona C; 
9. Um padrão não usual ou não aleatório nos dados; 
10. Um ou mais pontos perto de um limite de alerta ou de controle. 
 
Todas essas sugestões são formas de avaliar o comportamento de um produto ou processo 
dentro de um controle estatístico, porém é necessário reforçar que o conhecimento técnico de 
quem faz esta avaliação ou análise é fundamental para corrigir o produto ou processo. A 
ferramenta estatística é um embasamento importante para o controle do processo e a 
garantia de qualidade e segurança de que não haverá causas não conformes. 
Figura 3.9 Alguns dos efeitos dos processos fora de controle 
 
 
Fonte: disponível em <http://www.albesbrasil.com.br/?q=node/162>. Acesso em: 30 nov. 
2018. 
http://www.albesbrasil.com.br/?q=node/162
 
 
 
12 
 
Todas essas sugestões são formas de avaliar o comportamento de um produto ou processo 
dentro de um controle estatístico, porém é necessário reforçar que o conhecimento técnico de 
quem faz esta avaliação ou análise é fundamental para corrigir o produto ou processo. A 
ferramenta estatística é um embasamento importante para o controle do processo e a 
garantia de qualidade e segurança de que não haverá causas não conformes. 
 
3.4 Implementação do CEP em um programa de melhoria da qualidade 
Apesar de orientar a um contexto específico, neste caso, um controle estatístico de processo, 
o CEP pode ser associado e integrado a outras ferramentas de qualidade dentro da 
organização. Aliás, é muito provável que após analisar um contexto ou fenômeno 
dimensionado, e o mesmo acusar uma situação fora de controle, a avaliação de melhoria parta 
para outras ferramentas de qualidade, como o Gráfico de Pareto, o Diagrama de Causa e 
Efeito, dentre outras. 
É importante ressaltar que a ferramenta estatística é parte componente para a solução de 
problemas da empresa, e que ela sozinha não surtirá efeitos, quando não associada a outros 
programas de melhoria. 
Temos enfatizado também que a análise e correção de um processo deve vir de pessoal 
técnico capacitado para tal função, porém é muito comum nas empresas que os operadores 
façam o papel de monitoramento em um processo, por isso também devem ser treinados e 
capacitados para atuar em caso de necessidade de correção. 
O mesmo contexto deve se estender aos níveis de liderança e gerencial, onde o engajamento é 
fundamental para que a ferramenta funcione adequadamente, pois estas decisões podem 
influenciar na produtividade de um processo, incorrer em custos, regulagem de máquinas e 
processos, modificações de engenharia e outras ações pertinentes. 
 
3.5 Aplicação do CEP 
Talvez seja incomum a aplicação desta metodologia ou ferramenta em empresas de pequeno e 
até médio porte, e também pela característica extremamente técnica que indica o seu uso. O 
CEP realmente está associado às grandes corporações e a empresas de sistemas fabris de 
produção de larga escala, principalmente as indústrias manufatureiras. 
 
 
 
13 
 
Porém, o CEP pode ser utilizado quando se quer buscar um processo ou produto estável e, 
conforme for o estudo, também é possível utilizá-lo na área de serviços ou em processos 
estatísticos. 
Uma das vantagens do uso dessa ferramenta ou metodologia é o sistema que envolve a 
verificação das variáveis ou atributos que se deseja medir, não tornado a sua medição ou 
monitoramento tão complexo. Daí em diante é fazer as medições e acompanhar o processo e, 
se necessário, intervir para ajustar ou melhorá-lo. 
Podemos dar inúmeros exemplos de empresas que poderiam aplicar uma ferramenta 
estatística, como as empresas alimentícias que precisam definir um padrão de peso para os 
produtos. Uma indústria de parafusos, que geralmente por ter peças pequenas e em grande 
quantidade, precisa de um processo estável. Empresas de produção de massa, larga escala ou 
processos contínuos, como as de Celulose pode ter algum tipo de aplicação. 
Na área de serviços, principalmente com o advento da tecnologia e o uso de App´s, é possível 
medir a efetividade de um serviço através de uma ferramenta estatística, mas neste caso é 
necessário um estudo mais aprofundado. 
Independentemente de sua aplicação, é importante ressaltar que é necessário conhecimento 
para a aplicação de uma ferramenta estatística para que sua medição não seja em vão. 
Também é necessário estruturar os processos, treinar pessoas, utilizar ferramentas paralelas 
de melhorias, enfim, é necessário um engajamento total para a sua funcionalidade.Conclusão 
O uso do Controle Estatístico de Processo (CEP) é sem dúvida mais uma alternativa para o 
controle da qualidade total em um produto ou em um processo. O uso desta ferramenta deve 
ser planejado e estruturado para que os seus resultados agreguem para a análise de um 
produto ou de um processo. 
O conteúdo aqui exposto traz de forma simples as suas características e funcionalidades, 
alertando que, para o seu uso específico, é necessário conhecimento e treinamento 
adequados. Também é importante o papel da empresa no reconhecimento do uso da 
ferramenta, e que ela pode estar associada a outras ferramentas de análise. 
 
 
 
14 
 
Em suma, é importante que a empresa identifique a necessidade do uso de uma ferramenta de 
controle estatístico, para que não fique em vão a sua funcionalidade para a empresa. Quando 
bem utilizada, a ferramenta tende a prevenir e colaborar para a melhoria da qualidade dentro 
da organização como um todo. 
 
Referências 
MONTGOMERY, Douglas C. Introdução ao controle estatístico da qualidade. 7. ed. Rio de 
Janeiro: LTC, 2017. 
NOGUEIRA, Elias. Ferramentas de qualidade: gráfico controle. Sem bugs. 2013. Disponível em: 
<http://sembugs.blogspot.com/2009/05/ferramenta-qualidade-grafico-controle.html>. Acesso 
em: 28 set. 2018 
RAMOS, Edson M. S.; ALMEIDA, Silvia; ARAÚJO, Adrilayne Reis. Controle estatístico da 
qualidade. Porto Alegre: Bookman, 2013. 
SOUZA, Luiz. Desenvolvendo os processos da sua empresa. ALBES BRASIL. Disponível em: 
<http://www.albesbrasil.com.br/?q=node/162>. Acesso em: 29 nov. 2018. 
http://sembugs.blogspot.com/2009/05/ferramenta-qualidade-grafico-controle.html
http://www.albesbrasil.com.br/?q=node/162