Conceitos de qualidade e controle estatístico de processos

Prévia do material em texto

CONTROLE ESTATÍSTICO DECONTROLE ESTATÍSTICO DE
QUALIDADEQUALIDADE
CONCEITOS DE QUALIDADE ECONCEITOS DE QUALIDADE E
CONTROLE ESTATÍSTICO DECONTROLE ESTATÍSTICO DE
PROCESSOSPROCESSOS
Au to r : M e . J e r r y M e n d e l s k i
R ev i s o r : J a i ro Wo l f
Tempo de leitura do conteúdo estimado em 1 hora e 25 minutos.
Introdução
Olá, estudante! Nesta unidade, convido você a conhecer um pouco mais sobre Conceitos de
Qualidade e Controle Estatístico de Processos .
Nos dias de hoje, a competitividade exigida pelo mercado faz, cada vez mais, com que as
empresas e as organizações procurem estabelecer ações e medidas que visem buscar uma
melhora de seus processos e, assim, re�etir em uma situação de maior destaque para, então,
obter um ponto que possa ser considerado como diferencial competitivo.
As organizações, avaliando seu cenário interno, mais precisamente os seus processos , fazem
com que haja uma procura por ferramentas especí�cas que possibilitem uma aplicação direta
e e�caz. Nesse sentido, os conceitos de qualidade e o controle estatístico de processo vêm
proporcionar uma contemplação a esses anseios observados por empresas e organizações.
Diante disso, convido você a embarcar nesta jornada de estudos, que contribuirá de forma
ampla para a sua formação. Bons estudos!
O objetivo da análise de conglomerados, também conhecida como análise de agrupamentos
ou de cluster, é particionar um conjunto de dados em grupos que são internamente
homogêneos e externamente distintos, ou seja, segmentar ou agrupar em grupos menores
(subgrupos). A classi�cação é realizada com base em uma medida de similaridade ou
dissimilaridade dentro e entre os grupos.
Introdução e Conceitos
Fundamentais da
Qualidade
Garvin (2002) apresenta cinco abordagens para a de�nição da função qualidade , veri�que a
seguir:
#PraCegoVer : o infográ�co, em forma de �gura de fundo, apresenta cinco botões para serem
clicados para visualizar o conteúdo. A �gura de fundo se trata de uma ilustração de um computador
com pessoas minúsculas na frente dele. Três pessoas olham para a tela do computador, onde há um
desenho de beija-�or em quatro tonalidades diferentes, que são: vermelha, azul esverdeado, azul-
marinho e amarela, com alguns quadrados de cores diferentes em torno do desenho, o que nos
ilustra uma plataforma de design. Há duas pessoas conversando, enquanto uma segura uma
prancheta, duas estão analisando uma espécie de recipiente de cor amarela e a outra está com a
mão na cabeça, como se estivesse preocupada com algo. Há alguns lápis ao redor do computador,
além de catálogo de cores e outros recipientes nas cores rosa, azul, vermelho, verde e preto. Ao lado
direito do computador, há uma estrutura de impressão montada. Os cinco botões na �gura, para
serem clicados, apresentam o seguinte conteúdo: 1º botão: “Abordagem transcendental: de�ne
qualidade como excelência, conforme a visão de cada consumidor, por meio de padrões e
parâmetros estabelecidos por suas próprias experiências”. 2º botão: “Abordagem fundamentada no
produto: de�ne qualidade como uma variável precisa e mensurável. Nesse sentido, os atributos dos
produtos devem ser classi�cados pelo mesmo critério para todos os usuários (OLIVEIRA, 2004)”. 3º
botão: “Abordagem fundamentada no usuário: de�ne qualidade como uma variável que está
fundamentada na visão particular do cliente. Sendo assim, a escolha de um produto por um cliente
não pode de�nir que este seja classi�cado como o melhor”. 4º botão: “Abordagem fundamentada na
produção: atrela a qualidade das ações às práticas desenvolvidas durante o projeto ao processo
produtivo. Qualquer desvio nessas fases é considerado queda de qualidade. Nesse sentido, qualquer
procedimento adotado é voltado à redução de custos”. 5º botão: “Abordagem fundamentada no
valor: de�ne que um produto tem qualidade quando o conjunto preço + custo está dentro dos
parâmetros aceitáveis”.
Abordagem transcendental
Abordagem fundamentada no produto
Abordagem fundamentada no usuário
Abordagem fundamentada na produção
Abordagem fundamentada no valor
Fonte: macrovector / 123RF
Vamos entender isso melhor?
Conforme Hair et al. (2009), para realizar uma análise de cluster cuidadosa, são necessários
métodos com as seguintes características:
Nesse sentido, podemos notar que, de forma geral, os conceitos da qualidade estão atrelados
a quatro eixos principais, sendo:
I. adequação para o uso: garantir que o produto ou o serviço prestado seja realmente
adequado ao mínimo que se espera dele, nada mais nada menos. Por exemplo, quando
compramos uma caneta esferográ�ca, esperamos, necessariamente, poder escrever com ela o
que necessitamos, até que a tinta acabe, sem falhas nem a ocorrência de qualquer defeito;
II. atendimento das especi�cações e das premissas dos clientes: quando da compra ou
contratação de um serviço, devemos garantir e esperamos que os produtos ou os serviços
sejam, realmente, aqueles que inicialmente compramos ou contratamos;
III. valor por dinheiro aplicado: efetivamente, a qualidade dos produtos está identi�cada na
capacidade de existir uma evidente relação entre o valor monetário necessário e aplicado no
momento da compra do produto ou serviço e o benefício real recebido pelo cliente, quando
podemos saber realmente quanto investimos e o que recebemos em troca;
IV. cumprimento dos prazos: nada adianta que um produto ou um serviço contratado seja
adequado para o seu uso, assim como também não adianta que qualquer produto ou serviço
atenda totalmente às especi�cações de�nidas pelos clientes, bem como a relação custo-
benefício seja bem clara e de�nida, se esse produto ou serviço for entregue ou prestado fora
do prazo estabelecido. Assim, o cumprimento dos prazos são questões importantíssimas e
de�nem também a qualidade de um produto ou um serviço prestado.
Assim sendo, podemos dizer que qualquer produto ou serviço que contemple esses quatro
conceitos básicos pode e deve ser considerado e classi�cado como um produto ou serviço que
possua qualidade.
S A I B A M A I S
O conceito de um sistema de controle de qualidade pode ser aplicado nas mais diversas áreas de
produção, assim como também nos mais diferentes tipos de produtos que possam ser
industrializados, desde peças mecânicas até mesmo produtos alimentícios e serviços. O artigo
indicado abaixo trata da implantação de um controle de qualidade em um moinho de farinha.
Saiba mais em: https://www.brazilianjournals.com/index.php/BRJD/article/view/8372
https://www.brazilianjournals.com/index.php/BRJD/article/view/8372
De forma geral, o Código de Nuremberg estabeleceu que nenhum ser humano poderia ser
submetido a projetos de pesquisa sem o seu devido consentimento, sendo o primeiro
documento a ter alcance internacional, por conta, principalmente, do repúdio da comunidade
internacional quanto aos crimes cometidos no período nazi-fascista (PALÁCIOS; REGO;
SCHRAMM, 2009).
A necessidade de regulamentação de pesquisas em seres humanos, para proteger seus
participantes, e o desejo do corpo médico ter sua própria regulamentação foram motivações
para a criação da Declaração de Helsinque, a qual foi aprovada pela Associação Médica
Mundial, e cuja primeira versão é de 1964 (PALÁCIOS; REGO; SCHRAMM, 2009).
a di�culdade em obter mão de obra quali�cada;
as condições �nanceiras desfavoráveis das pequenas e médias empresas.
Pensando nessa questão, são muitas as empresas que optam pelo SGQ? Podemos considerar
que, nos dias de hoje, grande parte das empresas e das organizações acaba, infelizmente, não
optando pelo SGQ em função de outras ações, sendo essa condição explicada devido ao fato
de algumas empresas e organizações considerarem que um SGQ não apresenta qualquer
benefício ao seu negócio.
Em 1988, o Conselho Nacional de Saúde (CNS) do Brasil estabeleceu normas que tratam da
ética em pesquisa com seres humanos e, em 10 de outubro de 1996, aprovou as
diretrizes/normas que regulamentam pesquisas com seres humanos, denominada Resolução
196/96 (PALÁCIOS; REGO; SCHRAMM, 2009).
A Resolução196/96 estabeleceu princípios básicos para permitir apreciação da ética em
protocolos de pesquisa, criando os Comitês de Ética em Pesquisa (CEP) e a Comissão
Nacional de Ética em Pesquisa (Conep). O conteúdo da resolução incorpora as experiências
históricas da regulamentação sobre ética em pesquisa, principalmente com base no Código de
Nuremberg (1947), na Declaração dos Direitos Humanos (1948), na Declaração de Helsinque
(desde a primeira versão de 1964), nas Diretrizes Internacionais para a Revisão Ética de
Estudos Epidemiológicos e nas Diretrizes Éticas Internacionais para Pesquisas Biomédicas
Envolvendo Seres Humanos, assim como em conteúdos de leis promulgadas após a
aprovação da Constituição de 1988 (PALÁCIOS; REGO; SCHRAMM, 2009; NOVOA, 2014).
Samohyl (2009) estabelece que o grá�co de soma acumulada (CUSUM) é um aprimoramento
do grá�co de controle X de Shewhart, este, de�nido como sendo a forma de monitoramento da
média de um processo especí�co cuja característica de qualidade de interesse X é uma
grandeza mensurável representada. Assim sendo, o CUSUM é o mais apropriado para se
reconhecer o histórico dos dados, característica ausente em grá�cos mais simples, e também
para identi�car pequenas alterações nos processos muito antes dos alarmes dos grá�cos X,
considerados como LSC e LIC.
A utilização das ferramentas da qualidade está diretamente atrelada ao instante em que a
organização e seus colaboradores começam a ter conhecimento, a�nidade e domínio das
práticas de utilização do ciclo PDCA – que veremos adiante – para a gestão de processos. A
partir daí, é possível analisar os potenciais problemas, classi�cá-los, realizar a priorização por
μ
grau de importância ou urgência, listar e propor as principais ações consideradas corretivas e,
em alguns casos, preventivas.
O ciclo PDCA é de�nido como um método gerencial para a tomada de decisões. Seu objetivo é
proporcionar o alcance das metas estabelecidas, alinhando-as com a condição de
sobrevivência de uma organização. A sigla corresponde a Plan (planejamento), Do (execução),
Check (veri�cação) e Action (ação corretiva), e essas quatro etapas são descritas a seguir.
- Ciclo PDCA -
#PraCegoVer : o infográ�co, em forma de linha do tempo, na horizontal, apresenta tópicos a serem
clicados e visualizados seus respectivos conteúdos. No primeiro tópico, está escrito: “Planejamento
(Plan): etapa em que se estabelecem as metas e o melhor caminho para alcançá-las” e, ao lado, há
um desenho de um vaso com uma planta, com três pessoas minúsculas: uma mulher usando calça
azul e camisa amarela regando a planta, uma outra mulher usando um conjunto de calça e blazer
azul, fazendo uma espécie de apresentação em um cavalete de apresentação (�ip chart) e um
homem vestindo calça azul mais clara e camiseta amarela navegando no notebook que está em suas
mãos. No segundo tópico, está escrito “Execução (Do): etapa em que são executadas as tarefas,
conforme o estabelecimento das ações anteriormente. Aqui, ainda é realizada a coleta dos dados
que serão utilizados na etapa seguinte. Existe, também, a necessidade de realizar ações voltadas à
educação e ao treinamento em relação às condições de trabalho” e, ao lado, há uma �gura de três
pessoas em frente a um quadro. Uma está no meio, vestindo camisa azul-marinho e as outras duas,
cada uma em um lado, vestem uma camisa amarela. O homem que está ao meio segura uma lupa
com as mãos, enquanto a mulher ao lado direito segura uma folha e o homem ao lado esquerdo
apenas aponta para a lupa que o homem do meio segura. Os três observam dados presentes em um
quadro. Há, ainda, no chão, ao lado esquerdo, um vaso com algumas folhagens. No terceiro tópico,
está escrito “Veri�cação (Check): etapa destinada à comparação dos resultados alcançados com os
valores dos dados obtidos anteriormente em relação às metas inicialmente de�nidas no
planejamento” e, ao lado, está uma �gura de uma prancheta com uma mão segurando uma caneta e,
Planejamento ( Plan ):
etapa em que se estabelecem as metas e o melhor
caminho para alcançá-las.
Fonte:@pch.vector/freepik.com
no papel sobre a prancheta, há três itens checados e dois pendentes. No quarto e último tópico, está
escrito “Atuação corretiva (Action): etapa responsável pela realização de ações requeridas como
resposta às análises executadas anteriormente, bem como pela consolidação e padronização, caso
não sejam identi�cadas necessidades de correção” e, ao lado, há uma �gura de uma prancheta com
quatro itens checados e cinco pessoas minúsculas trabalhando, onde uma segura uma lupa, outra
checa um dos itens da prancheta, outra segura uma caixa com um X, uma quarta trabalha em um
notebook e a quinta pessoa olha através de um telescópio.
A partir da forma operacional do PDCA, consideramos que essa metodologia de análise
possibilita a integração de algumas técnicas e ferramentas especí�cas para o auxílio no
processo de tomada de decisão, no qual existe uma predileção por uma base sólida de fatos.
Logo, essa e outras ferramentas da qualidade são essenciais para a gestão da qualidade.
Apesar de a eticidade e a cienti�cidade da pesquisa cientí�ca, em especial, daquela realizada
com seres humanos, serem aspectos que caminham juntos, não cabe aos Comitês de Ética em
Pesquisa (CEP) a emissão de pareceres sobre a metodologia utilizada no desenvolvimento dos
estudos (NOVOA, 2014).
Em seus estudos, Miguel (2006) de�ne que as ferramentas da qualidade são, frequentemente,
utilizadas como base de suporte para o incremento da função qualidade nas organizações ;
sustentam todas as bases técnicas para que as análises dos potenciais problemas possam ser
realizadas; e executam a priorização de ações e o encontro das causas-raízes. Em adição à
perspectiva atribuída pelo autor, podemos relacionar também os aspectos preventivos que
podem ser trabalhados e, assim, operacionalizados com a utilização das ferramentas da
qualidade.
Corrêa e Corrêa (2008) identi�cam que as sete ferramentas da qualidade são:
REFLITA
�uxograma ou diagrama de processo;
análise de Pareto;
diagrama de causa e efeito ou diagrama de Ishikawa;
diagrama de dispersão ou correlação;
histograma;
grá�co ou carta de controle;
folha de veri�cação.
Quando utilizamos as ferramentas da qualidade, podemos considerar que todo o nosso
planejamento e, como consequência, as ações realizadas são baseados em critérios técnicos
e sistêmicos, deixando de lado a era do achismo.
Fluxograma ou Diagrama de Processo
O �uxograma é considerado um tipo de diagrama de fácil interpretação, realizado por meio de
uma forma tipicamente grá�ca com o objetivo de representar um processo especí�co.
Com a utilização do �uxograma, é possível que um grupo identi�que a sequência operacional
dos procedimentos utilizados, veri�cando, assim, o caminho percorrido pelo produto ou pelas
informações dentro da organização. Os símbolos utilizados para a confecção de um
�uxograma de processo podem ser observados a seguir.
Não existem sistemas de medição que possam ser classi�cados como ideais. Dessa forma, é
atribuição direta dos engenheiros de�nir e implantar sistemas de medição que apresentem
propriedades estatísticas consideradas adequadas.
Análise de Pareto
O grá�co, ou diagrama, de Pareto surgiu como forma de demonstrar o resultado de um estudo
sobre a desigualdade na distribuição de riquezas . Nele, concluiu-se que apenas 20% das
pessoas detinham 80% da riqueza, enquanto à população restava apenas 20%.
Com a utilização do diagrama de Pareto, conseguimos facilmente identi�car e estabelecer
uma clara relação entre dois eixos de classi�cação para os itens estudados, que podem ser
classi�cados como itens pouco vitais (em menor quantidade, mas com grau elevado de
consciência) e itens muito triviais (em grande quantidade, mas com grau menor de
consequência). Assim, esse método nos possibilita direcionar as ações de forma mais técnica.
Existe alguma dúvida?
Figura 1.1 - Figuras do �uxograma
Fonte: Elaborada pelo autor.
#PraCegoVer : a imagem apresenta, de forma conceitual,a representação grá�ca de todos os
desenhos geométricos utilizados para a confecção do �uxograma, com sua descrição inserida
dentro de cada �gura geométrica, sendo um retângulo com a palavra “Processo”, um losango com a
palavra “Decisão”, um triângulo invertido com a palavra “Arquivo”, um retângulo com raios laterais
com a palavra “Inicial”, setas para cima, para baixo e para os lados direito e esquerdo com a palavra
“Sentido do �uxo”, uma �gura ligada e identi�cada como “Conector de página”, um círculo ligado à
palavra “Conector de �uxo”, um retângulo sobreposto a outro retângulo com a palavra “Entidade
externa” e uma �gura com a palavra “Documento”.
Diagrama de Causa e Efeito ou Diagrama de
Ishikawa
Sabendo qual é o problema ou a necessidade de melhoria em um estudo, o próximo passo
requer uma análise mais especí�ca e um entendimento sobre quais são as relações de
características, os fatores existentes e como são efetivados. A partir daí, a análise da situação
de causa e efeito deve, necessariamente, ser realizada. Para isso, temos o apoio do diagrama
de causa e efeito , popularmente conhecido como “diagrama espinha de peixe”.
De modo preliminar, o diagrama de causa e efeito era comumente utilizado pela equipe de
lshikawa como uma forma técnica de organizar as pesquisas realizadas .
A pesquisa epidemiológica tem por base a coleta sistemática de dados sobre eventos
associados, principalmente, à saúde das pessoas pertencentes a populações de interesse. O
tratamento analítico dado aos fatores pesquisados tem base em três procedimentos, a saber,
a mensuração de variáveis aleatórias, a estimação de parâmetros populacionais e o uso de
testes estatísticos (BLOCH; COUTINHO, 2009).
É possível notar que, para cada um dos efeitos, existem inúmeras causas dentro das
categorias, como as 6 Ms:
Método;
Mão de obra;
Matéria-prima;
Máquinas;
Mensuração;
Meio ambiente.
Veja, a seguir, uma ilustração da estrutura do diagrama de causas e efeitos. Note que a sua
forma é semelhante a uma espinha de peixe, resultado das diversas causas dispostas
transversalmente.
Figura 1.2 - Diagrama de causa e efeito
Fonte: Elaborada pelo autor.
#PraCegoVer : a imagem apresenta, de forma conceitual, a elaboração de um diagrama de causa e
efeito com sua estrutura principal, onde são representados seis retângulos identi�cando a causa,
sendo que o primeiro tem a palavra Método, o segundo tem a palavra Matéria-prima e o terceiro, na
parte superior, tem a palavra Mão de Obra. Na parte inferior, há mais três retângulos, sendo o
primeiro com a palavra Medição, o segundo com a palavra Meio Ambiente e o terceiro com a palavra
Máquina. Esses retângulos são conectados por linhas inclinadas, pertencentes a uma linha
horizontal, cuja extremidade direita apresenta um retângulo, identi�cado como efeito, com os dizeres
Problema ou Oportunidade.
Com os seis eixos de�nidos, podemos realizar uma listagem das possíveis causas e identi�car
as mais prováveis, que serão selecionadas para uma análise mais especí�ca.
S A I B A M A I S
Após analisarmos um efeito pela utilização do grá�co de causa e efeito e estabelecermos as
potenciais causas relacionadas, normalmente utilizamos, para identi�car a real causa ou as reais
causas-raízes, a ferramenta de qualidade chamada 5 Porquês, em que, necessariamente, cada uma
das causas identi�cadas é analisada de forma mais profunda por meio de um questionamento
sistêmico de 5 etapas de “porquês”, sendo que, após a resposta do quinto “porquê”, este pode ser
então considerado como a real causa-raiz do efeito.
Veja um exemplo de aplicação dos 5 porquês no texto a seguir:
Estudante, vamos conhecer, a seguir, algumas características e aspectos relevantes do
diagrama de dispersão ou correlação.
Diagrama de Dispersão ou Correlação
O diagrama de dispersão , também conhecido como grá�co de dispersão , é uma das
ferramentas da qualidade que possui embasamento estatístico e eixos verticais e horizontais,
que associam a causa com o efeito.
Com a identi�cação dessa correlação, é possível perceber a existência ou não de uma relação
de causa e efeito entre as variáveis estudadas. Tais correlações podem ser descritas conforme
a disposição a seguir.
Correlação positiva: nesse caso, os pontos demonstram uma clara tendência crescente
entre as variáveis analisadas. À medida que uma variável apresenta elevação, a outra
também aumenta (Figura 1.3).
Figura 1.3 - Correlação positiva
Fonte: Elaborada pelo autor.
#PraCegoVer : a imagem apresenta, de forma conceitual, um grá�co cartesiano representando uma
correlação positiva, em que pontos especí�cos na cor azul estão alinhados, representando uma
tendência de crescimento desde o ponto zero no eixo de X até o ponto 200 do eixo de X e 60 no eixo
de Y.
http://hdl.handle.net/10400.5/20603
http://hdl.handle.net/10400.5/20603
Correlação negativa: aqui, os pontos demonstram clara tendência decrescente entre as
variáveis analisadas. À medida que uma das variáveis estudadas aumenta, a outra
apresenta característica de diminuição (Figura 1.4).
Correlação perfeita: nesse tipo, é demonstrada a existência de uma grande dispersão
entre os pontos. Então, consideramos que a correlação existente será de forma total
entre os dados, a qualquer tendência, podendo ser positiva ou negativa. Gra�camente, é
possível perceber que os pontos possuem um alinhamento perfeito, representando,
assim, uma reta perfeita. (Figura 1.5).
Figura 1.4 - Correlação negativa
Fonte: Elaborada pelo autor.
#PraCegoVer : a imagem apresenta, de forma conceitual, um grá�co cartesiano representando uma
correlação negativa, em que pontos especí�cos na cor azul estão alinhados representando uma
tendência de queda desde o ponto zero no eixo de X até o ponto 30000 do eixo de X e 10 no eixo de
Y.
Figura 1.5 - Correlação perfeita
Fonte: Elaborada pelo autor.
#PraCegoVer : a imagem apresenta, de forma conceitual, um grá�co cartesiano representando uma
correlação perfeita, em que pontos especí�cos na cor azul estão alinhados, representando uma
tendência de crescimento desde o ponto zero no eixo de X até o ponto 12 do eixo de X e 50000 no
eixo de Y.
Correlação forte: nesse caso, os pontos demonstram que, quanto menor a dispersão
observada dos pontos, maior a correlação entre os dados, que estão bem próximos de
forma altamente concentrada (Figura 1.6).
Figura 1.6 - Correlação forte
Fonte: Elaborada pelo autor.
#PraCegoVer : a imagem apresenta, de forma conceitual, um grá�co cartesiano representando uma
correlação forte, em que pontos especí�cos na cor azul estão alinhados, representando uma
tendência de crescimento desde o ponto zero no eixo de X até o ponto 25000 do eixo de X e 60 no
eixo de Y.
Correlação fraca: nesse tipo, os pontos demonstram que, quanto maior a dispersão
existente, menor o grau de correlação entre os dados estudados, caracterizando que
quase não existe correlação entre eles (Figura 1.7).
Figura 1.7 - Correlação fraca
Fonte: Elaborada pelo autor.
#PraCegoVer : a imagem apresenta, de forma conceitual, um grá�co cartesiano representando uma
correlação fraca, em que pontos especí�cos na cor azul estão distribuídos ao longo do grá�co sem
uma tendência especí�ca, com uma leve inclinação para correlação fraca, sendo identi�cadas uma
variação dos valores do eixo X de zero até 90 e uma variação dos valores do eixo Y de zero até
35000.
A análise de dispersão ou correlação é uma das ferramentas mais técnicas, por ter resultados
baseados em conceitos puramente estatísticos.
Ficou mais compreensível com a exempli�cação por meio das imagens?
Histograma
O histograma é uma das ferramentas da qualidade que nos possibilita identi�car visualmente
a distribuição de frequência quantitativa das ocorrências em que as variáveis estudadas
aparecem nas observações. O grá�co é inserido em um eixo de coordenadas X e Y, no qual o
eixo Y considera quantitativamente o total de ocorrências de cada variável, representadas
pelas faixas de frequências identi�cadas no eixo X.
É importante destacar queo histograma, assim como a correlação, também é considerado
uma ferramenta com características muito técnicas e que possui toda a sua base de
formatação em relações estatísticas para a demonstração da distribuição das variáveis
estudadas.
Gráfico ou Carta de Controle
O grá�co de controle tem a função de proporcionar uma correta análise em relação às
condições do processo. A partir dele, é possível identi�car se o processo se encontra ou não
sob controle, por meio de métodos estatísticos que permitem a observação das potenciais
mudanças com uma análise de dados baseada em uma amostragem.
Então, o que isso signi�ca? Especi�camente, os grá�cos possibilitam informar como o
processo se comporta em determinado período , ou seja, se está dentro dos limites
prede�nidos, identi�cando, com isso, a necessidade ou não de encontrar a causa da variação.
De forma prática, eles apresentam linhas especí�cas que nos trazem informações referentes
ao processo avaliado, conforme demonstra a Figura 1.8.
Figura 1.8 - Carta de controle
Fonte: Elaborada pelo autor.
#PraCegoVer : a imagem apresenta, de forma conceitual, um grá�co de carta de controle, onde os
valores estão postados de forma com uma linha vermelha representando o LIC X, uma linha amarela
representando a Média de X, uma linha verde representando o LSC X e pontos do X barra
representados por linhas que se unem em azul. Nesse sentido, o grá�co apresenta, no eixo X, os
valores de 1 a 25 representando as amostras e, no eixo Y, os valores da faixa dimensionada que vão
de 11,90 a 12,90 com intervalos de 0,10.
Linha central – representa o valor médio das características de qualidade.
Linha superior – representa o limite superior do controle – LSC X.
Linha inferior – representa o limite inferior do controle – LIC X.
Podemos veri�car que o grá�co de controle monitora e controla, na prática, o desempenho do
processo ao longo de um período, sendo considerado uma ferramenta cronológica, uma vez
que também indica a faixa de variação existente no sistema.
Folha de Verificação
Para podermos avaliar , corrigir e até melhorar qualquer processo, máquina ou sistema,
devemos ter em mãos dados e informações que traduzem para nós a atual realidade do
elemento, que é foco de estudo.
Para garantir a efetividade dessa etapa do processo, podemos destacar, entre as ferramentas
da qualidade, a folha de veri�cação , que possibilita a coleta de dados de um posto de trabalho
, registrando-os conforme ocorrem. Para isso, são considerados datas, operadores, modelos e
máquinas responsáveis.
E como são caracterizadas as folhas de veri�cação? As folhas de veri�cação são
caracterizadas como tabelas ou planilhas que recebem todos os dados de ocorrências, de
modo a facilitar a visualização e a análise preliminar.
De forma prática, a folha de veri�cação possibilita que, ao estudarmos um posto de trabalho ou
uma operação especí�ca, todos os dados e as informações sejam obtidos e compilados, de
modo a garantir maior credibilidade.
Quadro 1.1 - Modelo de folha de veri�cação
Fonte: Elaborado pelo autor.
#PraCegoVer : a imagem demonstra uma folha de veri�cação composta por uma planilha
montada de modo que, na parte superior, há o respectivo nome da planilha e uma
subdivisão de quatro células que são responsáveis por identi�car a data, o local, o
responsável e o código. Na parte central, há uma subdivisão de três colunas e dez linhas,
sendo que são descritos, na primeira coluna, os códigos dos defeitos, sendo D1 peça
trincada, D2 peça arranhada, D3 peça mal-acabada, D4 peça trocada e D5 peça faltando
operação. Há uma linha em branco e, depois, uma linha com o total de defeitos e outra
linha com total de peças. Após, há uma linha em branco e, depois, total de peças
inspecionadas. Ao �nal, existe uma subdivisão de uma linha e duas colunas com a
elaboração (José Ricardo) e a revisão (00). Da mesma forma, na parte central, há duas
colunas, uma identi�cada com as quantidades de ocorrências na primeira linha da coluna
central e outra com a porcentagem na primeira linha da última coluna.
Inspeção linha de usinagem 01
Data : Responsável :
Local : Código :
Código de defeitos Ocorrências – quantidades %
D1 – Peça trincada
D2 – Peça arranhada
D3 – Peça mal-acabada
D4 – Peça trocada
D5 – Peça faltando
operação
Total de defeitos
Total de peças
Total de peças
inspecionadas
Elaboração: José Ricardo Revisão: 00
Ao formatar um modelo de folha de veri�cação, devemos observar campos especí�cos que
permitam o apontamento de dados, como o local de utilização, a data da coleta e o nome do
responsável pela captação.
Conhecimento
Teste seus Conhecimentos
(Atividade não pontuada)
Quando consideramos as ferramentas da qualidade e analisamos seus conceitos, podemos
perceber que uma das ferramentas tem a capacidade de representar gra�camente um
processo especí�co e demonstrar todas as suas etapas e relações. A partir dessas
informações, assinale a alternativa que apresenta qual é a ferramenta da qualidade que
possui a característica descrita.
a) O �uxograma demonstra uma importância muito grande em relação à observação,
à compreensão e ao entendimento dos caminhos a serem percorridos pelo produto
ou por informações dentro de um processo produtivo.
b) Com o diagrama de causa e efeito, conseguimos atuar efetivamente nas avaliações
e na consequente identi�cação das relações existentes entre as potenciais causas,
permitindo, assim, que uma visão mais ampla seja aplicada e possamos direcionar
melhor nossa análise.
c) Quando utilizamos o grá�co de Pareto, há um direcionamento das ações, em que,
de forma real, podemos veri�car e identi�car, em um processo especí�co ou em um
conjunto de etapas, situações consideradas como pouco vitais, ou consideradas
muito triviais.
d) Por meio da correlação, conseguimos, especi�camente, avaliar processos
implantados e estabelecer, efetivamente, qual o grau de interação existente entre
duas ou mais variáveis que pertençam a esse processo, podendo, com isso, saber se
as variáveis atuam sozinhas ou com uma interação.
e) Folhas de veri�cação permitem que consigamos olhar um processo ou uma
atividade de forma mais dedicada e, assim, captar respectivos e importantes dados
capazes de representar esse processo, sendo esses dados, uma vez tabulados e
compilados, transformados em informação.
Estudante, seja em função da busca pela minimização dos custos , assim como também da
redução das falhas tanto internas ou externas do processo, ou, então, pela opção da
implantação de uma sistemática baseada em ações preventivas e não corretivas, encontramos
o Controle Estatístico de Processos (CEP) . Efetivamente, um outro fator que pode ser usado
como mola propulsora da implantação do CEP é a necessidade de algumas empresas e
organizações estarem em conformidade com os critérios estabelecidos pela Norma IATF
16949 – Gestão da Qualidade para a Indústria Automotiva.
De forma especí�ca, o CEP procura aplicar alguns métodos estatísticos com o objetivo �nal de
ser uma ferramenta na busca de prevenir quaisquer defeitos. Com isso, há uma aplicação
direta na consequente melhoria da qualidade de produtos e de serviços e uma redução efetiva
do nível de peças que sejam sucateadas.
Pois bem, o CEP pode ser considerado uma ferramenta que possui a capacidade de também
auxiliar no processo de resolução de problemas e na busca pela obtenção da estabilidade e da
capacidade do processo, as quais, conforme estabelecido pelos trabalhos de Montgomery
(2004), são aspectos considerados fundamentais para que um produto corresponda às
exigências dos clientes.
Em seus estudos, Montgomery (2009) especi�ca que o CEP é uma ferramenta com uma
utilização muito difundida no setor industrial e que possui o objetivo de realizar o
monitoramento pela utilização de grá�cos de cartas de controle que, dessa forma, possibilitam
a identi�cação de causas de variação consideradas como comuns e especiais dentro do
processo.
Em um mesmo sentido, os trabalhos de Ribeiro e Caten (2012) identi�camo CEP,
necessariamente, como um sistema de inspeção por amostragem realizada ao longo do
processo, com o objetivo de identi�car causas especiais e causas comuns, sendo que as
chamadas causas especiais podem prejudicar a qualidade do produto e devem ser
especi�camente identi�cadas e eliminadas do processo implantado. Ainda segundo os
autores, as causas comuns, por outro lado, são originadas devido à variabilidade inerente ao
processo e devem ser reduzidas.
Fundamentos do
Controle Estatístico de
Processos
Fonte: freepik /
Freepik.
Já para Lim et al . (2017), o CEP corresponde a um conjunto de ferramentas e técnicas
estatísticas voltadas para a melhoria dos padrões da qualidade de produtos e serviços. Sua
aplicação nos programas de qualidade das empresas busca estabelecer a estabilidade e o
domínio estatístico nos processos produtivos para que estes trabalhem dentro de uma faixa
aceitável de variação, porém objetivando melhorias nos índices de variabilidade.
Agora �cou mais clara a questão da de�nição de CEP?
Nesse sentido, Lim et al . (2017) enfatizam que, em termos dos fatores críticos a serem
observados quando da implementação do CEP, as literaturas disponíveis salientam que, sem o
comprometimento da alta administração, as iniciativas do CEP não estabelecem uma estrutura
necessária para uma condução e�ciente das atividades, assim, os recursos para o
desenvolvimento das atividades deixam de estar disponíveis.
Adicionalmente, Montgomery (2009) ressalta a importância de um treinamento, assim como a
necessidade de uma reciclagem dos conceitos para todos os colaboradores que estejam
envolvidos com as atividades do CEP, principalmente no local de realização das atividades de
maneira constante. De fato, a prática do treinamento e da reciclagem na área operacional e na
área tática possibilita que consigamos observar com uma maior amplitude o processo,
permitindo visualizar potenciais novas oportunidades práticas de aplicação das técnicas.
Definição de CEP
V E R M A I S
Um grá�co de controle (ou carta de controle) é um grá�co de uma característica do processo
ao longo do tempo, com limites estatisticamente determinados.
Processos que operam apenas com pequenas variações aleatórias, chamadas de causas
comuns, são considerados em controle (processos previsíveis). Por outro lado, quando as
variações são especiais, causadas por defeitos que requerem uma ação, são consideradas fora
de controle (processos não previsíveis).
Nesse sentido, de uma forma mais especí�ca, podemos identi�car que:
Especi�camente, podemos considerar que a carta de controle foi desenvolvida com o objetivo
de possibilitar a determinação da condição se as saídas de um processo exibem somente uma
variação de causa comum ou se uma variação de causa especial está acontecendo, conforme
de�nido por Stapenhurst (2005). Ainda segundo o autor, quando a última situação ocorre, os
limites da carta de controle são ultrapassados, sinalizando a necessidade de uma ação
corretiva no processo.
Conforme estudos de Lima et al . (2006), os grá�cos de controle possuem uma importância
destacada para as empresas e as organizações no efetivo controle do processo, pois, é a partir
deles, que é possível identi�car desvios de parâmetros que estejam atrapalhando o processo.
Em um mesmo sentido de percepção, Walter et al . (2013) complementam que a �nalidade dos
grá�cos de controle é monitorar o processo , mostrando a necessidade de estudar e regular
conforme o tamanho dos desvios encontrados.
Gráfico de Controle por
Variáveis e Atributos
causa especial: é a causa local que só afeta uma determinada máquina, um
operador ou período de tempo especí�co, estando diretamente relacionada com o
processo em si, e pode ser resolvida, após sua detecção, na própria posição de
trabalho, pela atuação do operador, mecânico ou pelo próprio grupo de supervisão;
causa comum: pode ser de�nida como sendo uma respectiva fonte de variação
que afeta todos os valores individuais de um processo, sendo possível dizer que é
uma resultante de diversas origens, sem que nenhuma tenha predominância sobre
a outra.
Existe uma gama variada de grá�cos de controle com diferentes parâmetros associados,
citando-se, como exemplo, o grá�co de média - desvio padrão, média - amplitude, médias
móveis exponencialmente ponderadas, soma cumulativa, entre outros.
Conforme estabelecido por Martins e Laugeni (2005), os grá�cos de controle se dividem em:
grá�cos de controle por variáveis: utilizados quando os dados disponíveis em um
processo podem ser mensurados, como velocidade, peso, tempo, comprimento e altura;
grá�cos de controle por atributos: utilizam as características presentes em um produto
ou serviço que não necessitam de um instrumento de medida, como a coleta de peças
com defeitos.
Michel e Fogliatto (2002) estabelecem que as chamadas pequenas alterações de processo
têm a capacidade de serem detectadas quando da utilização de amostras representativas e
grandes, o que se torna efetiva e economicamente inviável.
Gráficos de Controle por Variáveis
Com esta leitura, é importante que você perceba que, quando tratamos de grá�cos de controle
por variáveis, normalmente nos deparamos com o grá�co das médias (x) e com o grá�co das
amplitudes (R), sendo que ambos foram criados por Shewhart (1931).
Infante e Dias (2006) estabelecem que, quando utilizamos especi�camente uma carta de
controle para a média, utilizamos, então, os limites “3- sigma”. Os autores ainda ressaltam que
o intervalo da distribuição normal, quando usado o µ ± 3σ, corresponde a 99,7%. Portanto, a
faixa de variabilidade normal num processo sob controle é a do intervalo µ - 3σ e µ + 3σ, em
que µ representa a média dos valores e σ representa o valor do desvio padrão. As causas que
ocorrem fora desse intervalo são identi�cáveis e, consequentemente, exigem pronta correção,
conforme de�nido por Montgomery (2004).
Os grá�cos de média e amplitude são usados, geralmente, quando temos um subgrupo de
tamanho 𝑛 ≤ 6. Para amostras de tamanho maiores ou variáveis, são usados os grá�cos de
média e desvio-padrão.
A elaboração de grá�cos de controle para média e para amplitude requer que alguns passos
sejam seguidos, dos quais podemos ressaltar:
I. determinar a característica da qualidade a ser estudada, assim como identi�car os
respectivos fatores que possam afetar a performance do produto e possam ser medidos;
II. de�nir e analisar o respectivo sistema de medição (unidades, instrumentos, grau de precisão
das medidas, método para efetuar as medidas etc.);
III. realizar a coleta dos dados e organizá-los em tabelas ou formulários (conforme exemplo
abaixo);
Amostras X1 X2 X3 X4 X5 Média Amplitude
1
2
3
4
5
Quadro 1.2 - Modelo de tabulação de dados CEP
Fonte: Elaborado pelo autor.
#PraCegoVer : a imagem representa uma tabela com sete linhas e oito colunas, sendo
que, na primeira coluna, há a representação das amostras, identi�cadas com os números
de 1 a 5. Da coluna dois até a coluna seis, são identi�cados os valores de X1, X2, X3, X4 e
X5. A sétima coluna traz a média, e a última coluna traz a amplitude.
IV. elaborar o grá�co de média e amplitude, em que devemos considerar as expressões
matemáticas descritas a seguir.
Primeiramente, é necessário de�nir a média dos valores obtidos em cada uma das amostras
coletadas:
[Math Processing Error]
Posteriormente, é necessário calcular a amplitude para cada uma das amostras coletadas:
Após, é necessário calcular os valores que correspondem à média da amplitude ( ) e à
média da média ( ) , pela utilização das seguintes expressões matemáticas:
Uma vez calculado o valor da média ( ), esse valor, necessariamente, vai representar o valor
LC no grá�co de média, assim como o valor da média da amplitude ( ) representa o valor LC
no grá�co da amplitude.
X
R = −xM ximoá x
M nimoí
R
−
X̂
=R
−
+ +. . . +R1 R2 Rn
n
=X̂
+ +. . . +X
− 1
X
− 2
X
− n
n
X̂
R
−
Com esses valores de�nidos, agora é necessário calcular os limites de controle para a média ,
conformeas expressões matemáticas abaixo:
Posteriormente, de�nimos os limites de controle para o grá�co de amplitude , sendo
necessária a utilização das expressões matemáticas abaixo:
As constantes 𝐴2, 𝐷3 𝑒 𝐷4 são fatores para a construção de grá�cos de controle para variáveis,
seu valor varia de acordo com as observações na amostra (n).
Atenção : ao analisar os grá�cos de controle, é necessário observar se os pontos plotados
exibem um comportamento sistêmico ou não aleatório em sua distribuição, pois esse
comportamento pode indicar a ação das causas especiais no processo. Conforme de�nido por
Oliveira (2018), os padrões que sinalizam a existência de causas especiais nos processos são:
➔ um ou mais pontos fora dos limites de controle;
➔ dois ou três pontos consecutivos fora dos limites de alerta dois – sigma (2𝜎);
➔ quatro ou cinco pontos consecutivos além dos limites um-sigma(1𝜎);
➔ uma sequência de 8 pontos consecutivos de um mesmo lado da linha central;
➔ seis pontos em uma sequência sempre crescente ou decrescente;
➔ quinze pontos em sequência na zona C (tanto acima quanto abaixo da linha central);
➔ catorze pontos em sequência alternadamente para cima e para baixo;
➔ oito pontos em sequência de ambos os lados da linha central com nenhum na zona C;
➔ um padrão não usual ou não aleatório nos dados;
➔ um ou mais pontos perto de um limite de alerta ou de controle.
É Nomelini (2007) quem a�rma que tanto a interpretação dos chamados grá�cos de controle
quanto a de�nição do exato momento em que identi�camos que o processo está efetivamente
fora de controle resultam do exame da ocorrência (ou não) dos padrões de não aleatoriedade .
Assim, a consequente eliminação das chamadas causas consideradas como especiais tende a
reduzir uma variabilidade do processo, sendo esse o objetivo do CEP.
LSC = + .X̂ A2 R
−
LIC = − .X̂ A2 R
−
LC = X̂
LSC = .D4 R
−
LIC = .D3 R
−
LC = R
−
Gráficos de Controle por Atributos
Nesta parte do nosso conteúdo, convido você, caro(a) estudante, a re�etir e aprofundar o
conhecimento a respeito dos grá�cos de controle por atributos.
Especi�camente, quando tratamos de grá�cos de controle por atributos, constatamos,
necessariamente, ter a capacidade de classi�car os itens nas condições de conformes ou de
não conformes, de forma mais especí�ca, como é o caso dos grá�cos da fração defeituosa ou
do número de defeituosos, além daqueles que conseguem considerar o respectivo número
(quantidade) de não conformidades existentes, tais como os grá�cos do número de defeitos
na amostra ou por unidade.
Há quatro cartas de controle por atributos:
Ramos (2003) identi�ca que os grá�cos de controle por atributos possuem algumas
especí�cas di�culdades, sendo identi�cadas como:
➔ em função do tamanho reduzido dos lotes, a aproximação das distribuições binomial e de
Poisson pela distribuição normal poderá não mais ser válida, caso em que os limites dos
grá�cos de controle não podem ser determinados pelas fórmulas convencionais;
➔ as distribuições de probabilidade binomial e de Poisson podem não representar
satisfatoriamente o fenômeno estudado.
Para construirmos a carta p , é necessário compreendermos que, necessariamente, um valor
de m (da ordem de 20 a 25 – sequência de análises) de amostras do produto deve ser gerado,
obtendo, com isso, para cada amostra, o número de itens não conformes (defeituosos). Sejam
n e Di (i=1,...,m) o tamanho da amostra e o número observado de itens não conformes.
Nessas condições, são estabelecidos os limites de controle, de acordo com as expressões
matemáticas abaixo:
, onde é uma fração defeituosa.
 cartas p cartas np cartas c cartas u
=p
−
∑m
i=1
D1
mn
p
−
LSC = + 3p
−
(1 − )p
−
p
−
n
− −−−−−−−−
⎷

LSC = − 3p
−
(1 − )p
−
p
−
n
− −−−−−−−−
⎷

Já para a carta np, é necessária a utilização das seguintes expressões matemáticas:
O grá�co de controle por atributo np apresenta característica de distribuição binominal e sua
abordagem é identi�car a quantidade de itens com defeitos.
atividade
Atividade
Estudante, a base inicial da implantação de uma carta de controle por variáveis está
totalmente relacionada com o levantamento de dados e com os cálculos das médias das
amostras captadas e suas respectivas amplitudes, conforme demonstrado na tabela abaixo, a
qual traz uma pequena amostragem de uma captação de dados.
LM = p
−
LSC  = n + 3p
−
n (1 − )p
−
p
−
− −−−−−−−−
√
LIC  = n − 3p
−
n (1 − )p
−
p
−
− −−−−−−−−
√
LM = np
−
Tabela 1.1 - Amostras
Fonte: Elaborada pelo autor.
#PraCegoVer : a tabela é composta por seis linhas e oito colunas, onde, na
primeira linha e primeira coluna, está a palavra amostra, na coluna 2 está X1, na
terceira coluna está X2, na quarta coluna está X3, na quinta coluna está X4, na
sexta coluna está X5, na sétima coluna está média e na oitava coluna está
amplitude. Na linha dois da primeira coluna está 1, na coluna 2 está 9,20, na
terceira coluna está 9,95, na quarta coluna está 9,90, na quinta coluna está 9,97,
na sexta coluna está 9,98, enquanto a sétima e a oitava colunas estão em
branco. Na linha três da primeira coluna está 2, na coluna 2 está 9,91, na terceira
coluna está 9,95, na quarta coluna está 9,93, na quinta coluna está 9,96, na sexta
coluna está 9,99, enquanto a sétima e a oitava colunas estão em branco. Na
linha quatro da primeira coluna está 3, na coluna 2 está 9,99, na terceira coluna
está 9,99, na quarta coluna está 9,99, na quinta coluna está 9,99, na sexta coluna
está 9,99, enquanto a sétima e a oitava colunas estão em branco. Na linha cinco
da primeira coluna está 4, na coluna 2 está 9,98, na terceira coluna está 9,98, na
quarta coluna está 9,97, na quinta coluna está 9,99, na sexta coluna está 9,92,
enquanto a sétima e a oitava colunas estão em branco. Na linha seis da primeira
coluna está 5, na coluna 2 está 9,90, na terceira coluna está 9,91, na quarta
coluna está 9,91, na quinta coluna está 9,92, na sexta coluna está 9,95, enquanto
a sétima e a oitava colunas estão em branco.
A partir do apresentado, calcule as médias para as amostras e os respectivos valores de
amplitude.
Conhecimento
Amostras X1 X2 X3 X4 X5 Média Amplitude
1 9,20 9,95 9,90 9,97 9,98
2 9,91 9,95 9,93 9,96 9,99
3 9,99 9,99 9,99 9,99 9,99
4 9,98 9,98 9,97 9,99 9,92
5 9,90 9,91 9,91 9,92 9,95
Teste seus Conhecimentos
(Atividade não pontuada)
Quando consideramos o controle estatístico de processo, mais especi�camente, as
ferramentas consideradas como carta de controle por variáveis, é possível perceber que,
nesse tipo de análise, são avaliados processos que possuem a capacidade de fornecimento
de dados baseados em especi�cações dimensionais e que tenham especi�cadas certas
tolerâncias. A partir dessas informações, assinale a alternativa que apresenta uma carta de
controle relativa ao controle por variáveis.
a) A utilização da carta da média possibilita que o processo em avaliação seja
analisado e, assim, observada a sua capacidade e estabilidade, considerando-se, para
isso, os respectivos valores das médias de dados obtidos.
b) Com a utilização da carta p, conseguimos, efetivamente, avaliar uma operação ou
um processo implantado que tenha sua operacionalização baseada na captação e na
percepção da proporção de itens com defeitos, ou seja, atributos, e não uma análise
dimensional especi�camente.
c) Com a utilização da carta np, conseguimos, efetivamente, avaliar uma operação ou
um processo implantado que tenha sua operacionalização baseada na captação e na
percepção do número de itens com defeitos, ou seja, atributos, e não uma análise
dimensional especi�camente.
d) Com a carta c, conseguimos, efetivamente, avaliar uma operação ou um processo
implantado que tenha sua operacionalização baseada na captação e na percepção do
número de não conformidades, ou seja, atributos, e não uma análise dimensional
especi�camente.
e) Com a carta u, conseguimos, efetivamente, avaliar uma operação ou um processo
implantado que tenha sua operacionalização baseada na captaçãoe na percepção do
número de não conformidades por unidade, ou seja, atributos, e não uma análise
dimensional especi�camente.
Material
Complementar
W E B
Gestão da qualidade nas empresas
Ano: 2018
Comentário: Qualidade pode e deve estar inserida desde as etapas de
planejamento e desenvolvimento do projeto de um produto, assim como
também nas etapas de desenvolvimento dos processos de fabricação e
na efetiva fabricação dos produtos. Assim sendo, podemos perceber a
importância da implantação de um sistema de gestão da qualidade -
SGQ.
Para conhecer mais sobre o assunto, acesse o vídeo disponível em:
ACESSAR
https://www.youtube.com/watch?v=l-teJrTEWp4
L I V R O
Controle estatístico de qualidade
Editora: LTC
Autores: Francisco Louzada, Carlos Diniz, Paulo Ferreira e Edil Ferreira
ISBN: 978-8521622048
Comentário: Monitorar o nível de qualidade de produtos e serviços
orienta as ações preventivas e estratégicas que podem evitar o
desperdício e que levam à satisfação do cliente. O livro em questão
apresenta uma abordagem prática para cursos de Engenharia e
Administração em relação ao CEP com uma abordagem das teorias
envolvidas no procedimento de análise e suas aplicações práticas por
meio de orientações passo a passo, exercícios com soluções completas
e uso de um software livre e gratuito como apoio.
Conclusão
Caro(a) estudante, a con�abilidade e a aceitação dos resultados obtidos pelos processos de
medição são muito relevantes no âmbito das questões metrológicas. Basicamente, nenhum tipo de
medição que possa ser realizada representa o verdadeiro valor mensurado. Essa variação
normalmente é explicada pelas limitações inerentes ao processo dimensional, as quais limitam as
quantidades de medições que podem ser realizadas, assim como está associada aos efeitos das
demais variações que possam estar presentes.
Conseguimos, inicialmente, compreender as principais características que determinam os chamados
conceitos de qualidade, assim como também foi possível estudar o chamado ciclo PDCA, sua
estrutura e as principais ferramentas de qualidade que são utilizadas para a busca da melhoria
contínua.
Adicionalmente, pudemos compreender todas as bases do Controle Estatístico de Processos (CEP)
e, assim, tratar sobre as cartas de controle existentes e estabelecer as diferenças das cartas de
controle por variável e das cartas de controle por atributo, ressaltando suas classi�cações e suas
expressões matemáticas.
Espero que tenha gostado dessa aventura.
Um abraço!
Referências
CIVARDI, L. T. Método de implementação do controle
estatístico do processo (CEP) : um estudo de caso em
uma indústria alimentícia do Vale do Taquari/RS sob a
ótica da metodologia DMAIC. 2017. 142 f. Trabalho de
Conclusão de Curso (Bacharelado em Engenharia de
Produção) – Universidade do Vale do Taquari, Lajeado,
2017. Disponível em:
https://www.univates.br/bdu/bitstream/10737/2215/1/2017
LucasTroncoCivardi.pdf . Acesso em: 27 abr. 2021.
CORRÊA, H. L.; CORRÊA, C. A. Administração de produção e operações : uma abordagem estratégica.
São Paulo: Atlas, 2008.
COSTA, J. M. L. da. Aplicação de técnicas e ferramentas de melhoria contínua : o caso de uma
empresa de metalomecânica. 2020. 49 f. Dissertação (Mestrado) – Curso de Gestão e Estratégia
https://www.univates.br/bdu/bitstream/10737/2215/1/2017LucasTroncoCivardi.pdf
https://www.univates.br/bdu/bitstream/10737/2215/1/2017LucasTroncoCivardi.pdf
Industrial, Universidade de Lisboa, Lisboa, 2020. Disponível em: http://hdl.handle.net/10400.5/20603
. Acesso em: 12 maio 2021.
GALDÁMEZ, E. V. C.; CARPINETTI, L. C. R.; GEROLAMO, M. C. Proposta de um sistema de avaliação
do desempenho para arranjos produtivos locais. Gestão & Produção , São Carlos, v. 16, n. 1, p. 133-
151, jan./mar. 2009. Disponível em: http://dx.doi.org/10.1590/S0104-530X2009000100013 . Acesso
em: 27 abr. 2021.
GARVIN,  D.  A. Gerenciando  a  qualidade :  a  visão  estratégica  e  competitiva.  Rio  de  Janeiro:
Qualitymark, 2002.
GESTÃO da qualidade nas empresas. [ S. l.: s. n. ], 2018. 1 vídeo (7 min 36 s). Publicado pelo canal
Marcello Pepe. Disponível em: https://www.youtube.com/watch?v=l-teJrTEWp4 . Acesso em: 27 abr.
2021.
GRAEL, P. F. F.; OLIVEIRA, O. J. Sistemas certi�cáveis de gestão ambiental e da qualidade: práticas
para integração em empresas do setor moveleiro. Produção , Bauru, v. 20, n. 1, p. 30-41, jan./mar.
2010. Disponível em: https://www.scielo.br/pdf/prod/v20n1/aop200802011.pdf . Acesso em: 27 abr.
2021.
INFANTE, P; DIAS, J. R. Carta com amostras de tamanho variável: um novo procedimento
dinâmico. Investigação Operacional , Lisboa, n. 26, n. 1, p. 45-63, jun. 2006. Disponível em:
http://apdio.pt/documents/10180/15407/IOvol26n1_f.pdf . Acesso em: 27 abr. 2021.
LANZARINI, D. P. et al . Controle de qualidade aplicado a farinha de trigo pani�cável produzida em
moinhos do estado do Paraná. Brazilian Journal of Development , Curitiba, v. 6, n. 4, p. 16919-16929,
abr. 2020. Disponível em: https://www.brazilianjournals.com/index.php/BRJD/article/view/8372 .
Acesso em: 27 abr. 2021.
LIM, S. A. et al . Critical observations on the statistical process control implementation in the UK food
industry. International Journal of Quality & Reliability Management , v. 34, n. 5, p. 684-700, 2017.
LIMA, A. A. N. et al . Aplicação do controle estatístico de processo na indústria farmacêutica. Revista
de Ciências Farmacêuticas Básica e Aplicada , Recife, v. 27, n. 3, p. 177-187, mar. 2006. Disponível
em: https://www2.unifap.br/furtado/�les/2017/04/380-1475-1-PB.pdf . Acesso em: 27 abr. 2021.
LOUZADA, F. et al . Controle estatístico de processos : uma abordagem prática para cursos de
Engenharia e Administração. Rio de Janeiro, LTC, 2013.
MARTINS, P. G.; LAUGENI, F. P. Administração da produção . 2. ed. São Paulo: Saraiva, 2005.
MICHEL, R.; FOGLIATTO, F. S. Projeto econômico de cartas adaptativas para monitoramento de
processos. Gestão & Produção , São Carlos, v. 9, n. 1, p. 17-31, abr. 2002. Disponível em:
https://doi.org/10.1590/S0104-530X2002000100003 . Acesso em: 27 abr. 2021.
MIGUEL, P. A. C. Qualidade : enfoques e ferramentas. São Paulo: Artliber, 2006.
MONTGOMERY, D. C. Control charts for variables. In : MONTGOMERY, D. C. Introduction to statistical
quality control . 6. ed. Arizona: Wiley, 2009. p. 226-268.
X
−
http://hdl.handle.net/10400.5/20603
http://dx.doi.org/10.1590/S0104-530X2009000100013
https://www.youtube.com/watch?v=l-teJrTEWp4
https://www.scielo.br/pdf/prod/v20n1/aop200802011.pdf
http://apdio.pt/documents/10180/15407/IOvol26n1_f.pdf
https://www.brazilianjournals.com/index.php/BRJD/article/view/8372
https://www2.unifap.br/furtado/files/2017/04/380-1475-1-PB.pdf
https://doi.org/10.1590/S0104-530X2002000100003
MONTGOMERY, D. C. Introdução ao controle estatístico da qualidade . 4. ed. Rio de Janeiro: LTC,
2004.
NOMELINI, Q. S. S. Padrões de não aleatoriedade no controle estatístico de processo . Lavras: UFLA,
2007.
OLIVEIRA, K. B. Controle estatístico de processos . Belém: Instituto de Tecnologia, Universidade
Federal do Pará, 2018.
OLIVEIRA, O. J. Gestão da qualidade : tópicos avançados. São Paulo: Thomson, 2004.
PALADINI, E. P. Gestão da qualidade no processo : a qualidade na produção de bens e serviços. São
Paulo: Atlas, 1995.
RAMOS, E. M. L. S. Aperfeiçoamento e desenvolvimento de ferramentas do controle estatístico da
qualidade : utilizando quartis para estimar o desvio-padrão. 2003. Tese (Doutorado em Engenharia de
Produção) – Universidade Federal de Santa Catarina, Florianópolis, 2003. Disponível em:
https://repositorio.ufsc.br/xmlui/bitstream/handle/123456789/85301/191333.pdf?
sequence=1&isAllowed=y . Acesso em: 18 maio 2021.
RIBEIRO, J. L. D.; CATEN, C. S. T. Série monográ�ca qualidade : controle estatístico do processo.
Porto Alegre: FEENG/UFRGS, 2012. Disponível em:
http://www.producao.ufrgs.br/arquivos/disciplinas/388_apostilacep_2012.pdf . Acesso em: 27 abr.
2021.
SHEWHART, W. A. Economic control of quality of the manufactured product . New York: Van
Nostrand,1931.
STAPENHURST, T. Mastering statistical process control : a handbook for performance improvement
using cases. Oxford: Elsevier Butterworth-Heinemann, 2005.
WALTER, O. M. F. C. et al . Aplicação individual e combinada dos grá�cos de controle Shewhart e
CUSUM: uma aplicação no setor metal mecânico. Gestão & Produção , São Carlos, v. 20, n. 2, p. 271-
286, 2013. Disponível em: https://doi.org/10.1590/S0104-530X2013000200003 . Acesso em: 27 abr.
2021.
https://repositorio.ufsc.br/xmlui/bitstream/handle/123456789/85301/191333.pdf?sequence=1&isAllowed=y
https://repositorio.ufsc.br/xmlui/bitstream/handle/123456789/85301/191333.pdf?sequence=1&isAllowed=y
http://www.producao.ufrgs.br/arquivos/disciplinas/388_apostilacep_2012.pdf
https://doi.org/10.1590/S0104-530X2013000200003