Prévia do material em texto
CONTROLE ESTATÍSTICO DE PROCESSOS CONTROLE ESTATÍSTICO DE PROCESSOS Controle Estatístico de Processos Paulo Henrique Palma Setti Paulo Henrique Palma Setti GRUPO SER EDUCACIONAL gente criando o futuro A engenharia deve partir da hipótese de que dois produtos nunca são exatamente iguais, pois ocorrem variações dimensionais e geométricas geradas por fatores rela- cionados ao material e ao processo produtivo. Buscando a melhoria contínua da qualidade, os métodos estatísticos se tornaram ferramentas cotidianas para descrição da variabilidade de uma série de dados, tanto contínuos como discretos. O entendimento das variabilidades de um processo per- mite a tomada de ação sobre as causas raízes geradoras dos problemas e, com isso, é possível a busca da melhoria da qualidade de um produto ou serviço. O monitoramen- to dos limites de controle de variáveis críticas torna-se, então, um artifício elementar para o controle estatístico dos mais diversos processos. Desse modo, esta disciplina pretende avançar em direção desse entendimento muito relevante ao pro� ssional que, direta ou indiretamente, estará envolvido na busca de atendimento de todas as necessidades dos clientes internos e externos de uma organização produtiva. SER_ENGPROD_CEP_CAPA.indd 1,3 03/05/2021 14:03:45 © Ser Educacional 2021 Rua Treze de Maio, nº 254, Santo Amaro Recife-PE – CEP 50100-160 *Todos os gráficos, tabelas e esquemas são creditados à autoria, salvo quando indicada a referência. Informamos que é de inteira responsabilidade da autoria a emissão de conceitos. Nenhuma parte desta publicação poderá ser reproduzida por qualquer meio ou forma sem autorização. A violação dos direitos autorais é crime estabelecido pela Lei n.º 9.610/98 e punido pelo artigo 184 do Código Penal. Imagens de ícones/capa: © Shutterstock Presidente do Conselho de Administração Diretor-presidente Diretoria Executiva de Ensino Diretoria Executiva de Serviços Corporativos Diretoria de Ensino a Distância Autoria Projeto Gráfico e Capa Janguiê Diniz Jânyo Diniz Adriano Azevedo Joaldo Diniz Enzo Moreira Paulo Henrique Palma Setti DP Content DADOS DO FORNECEDOR Análise de Qualidade, Edição de Texto, Design Instrucional, Edição de Arte, Diagramação, Design Gráfico e Revisão. SER_ENGPROD_CEP_UNID1.indd 2 03/05/2021 12:17:21 Boxes ASSISTA Indicação de filmes, vídeos ou similares que trazem informações comple- mentares ou aprofundadas sobre o conteúdo estudado. CITANDO Dados essenciais e pertinentes sobre a vida de uma determinada pessoa relevante para o estudo do conteúdo abordado. CONTEXTUALIZANDO Dados que retratam onde e quando aconteceu determinado fato; demonstra-se a situação histórica do assunto. CURIOSIDADE Informação que revela algo desconhecido e interessante sobre o assunto tratado. DICA Um detalhe específico da informação, um breve conselho, um alerta, uma informação privilegiada sobre o conteúdo trabalhado. EXEMPLIFICANDO Informação que retrata de forma objetiva determinado assunto. EXPLICANDO Explicação, elucidação sobre uma palavra ou expressão específica da área de conhecimento trabalhada. SER_ENGPROD_CEP_UNID1.indd 3 03/05/2021 12:17:21 Unidade 1 - Ferramentas básicas de qualidade e ferramentas gerenciais de qualidade Objetivos da unidade ........................................................................................................... 12 Ferramentas básicas da qualidade ................................................................................... 13 Gráfico de Pareto ............................................................................................................ 13 Histograma ....................................................................................................................... 17 Diagrama causa e efeito ................................................................................................ 21 Diagrama de dispersão .................................................................................................. 23 Gráfico linear e de controle ........................................................................................... 25 Ferramentas gerenciais da qualidade ............................................................................. 29 Diagramas de relacionamentos e de afinidades ....................................................... 29 Processos sistemáticos ................................................................................................. 31 Matrizes de decisão ........................................................................................................ 32 Gráfico do programa de decisão do processo (PDPC) ............................................. 35 Diagrama de setas .......................................................................................................... 37 Sintetizando ........................................................................................................................... 41 Referências bibliográficas ................................................................................................. 42 Sumário SER_ENGPROD_CEP_UNID1.indd 4 03/05/2021 12:17:22 Sumário Unidade 2 - Inspeção por amostragem e controle estatístico Objetivos da unidade ........................................................................................................... 44 Inspeção por amostragem .................................................................................................. 45 Curvas características de operação ............................................................................ 46 Distribuições de Poisson ................................................................................................ 49 Distribuição binomial ..................................................................................................... 52 Distribuição hipergeométrica ........................................................................................ 55 Planos de amostragem: NBR 5426 e NBR 5429 .......................................................... 56 Controle estatístico de processo ...................................................................................... 58 Manufatura enxuta: causas de variações .................................................................. 61 Gráfico de controle para variáveis ............................................................................... 63 Gráfico de controle para atributos ............................................................................... 67 Estabilidade e capacidade de processo ..................................................................... 70 Sintetizando ........................................................................................................................... 75 Referências bibliográficas ................................................................................................. 76 SER_ENGPROD_CEP_UNID1.indd 5 03/05/2021 12:17:22 Sumário Unidade 3 - Delineamento de experimentos e avaliação de sistemas de medição Objetivos da unidade ........................................................................................................... 78 Delineamento de experimentos ........................................................................................ 79 Experimentos fatoriais completos ................................................................................ 81 Experimentos fatoriais fracionados ............................................................................. 89 Avaliação de sistemas de medição .................................................................................. 96 Repetitividade e reprodutividade .................................................................................. 96 Exatidão ............................................................................................................................. 97 Linearidade .......................................................................................................................99 Sintetizando ......................................................................................................................... 101 Referências bibliográficas ............................................................................................... 102 SER_ENGPROD_CEP_UNID1.indd 6 03/05/2021 12:17:22 Sumário Unidade 4 – Avaliação da capacidade do processo e melhoria do desempenho do processo Objetivos da unidade ......................................................................................................... 104 Avaliação da capacidade do processo ......................................................................... 105 Capabilidade de um processo ..................................................................................... 107 Especificações e a capacidade das máquinas: índices ........................................ 110 Cálculo de capacidade: análise dos resultados e limitações ................................ 113 Exemplo de aplicação ................................................................................................... 116 Melhoria do desempenho do processo .......................................................................... 119 PDCA ................................................................................................................................ 120 MASP ............................................................................................................................... 124 DMAIC ............................................................................................................................. 126 DMADV ............................................................................................................................ 129 Sintetizando ......................................................................................................................... 132 Referências bibliográficas ............................................................................................... 133 SER_ENGPROD_CEP_UNID1.indd 7 03/05/2021 12:17:22 SER_ENGPROD_CEP_UNID1.indd 8 03/05/2021 12:17:22 A engenharia deve partir da hipótese de que dois produtos nunca são exa- tamente iguais, pois ocorrem variações dimensionais e geométricas geradas por fatores relacionados ao material e ao processo produtivo. Buscando a melhoria contínua da qualidade, os métodos estatísticos se tor- naram ferramentas cotidianas para descrição da variabilidade de uma série de dados, tanto contínuos como discretos. O entendimento das variabilidades de um processo permite a tomada de ação sobre as causas raízes geradoras dos problemas e, com isso, é possível a busca da melhoria da qualidade de um produto ou serviço. O monitoramento dos limites de controle de variáveis críticas torna-se, então, um artifício elementar para o controle estatístico dos mais diversos processos. Desse modo, esta disciplina pretende avançar em direção desse entendi- mento muito relevante ao profi ssional que, direta ou indiretamente, estará envolvido na busca de atendimento de todas as necessidades dos clientes in- ternos e externos de uma organização produtiva. CONTROLE ESTATÍSTICO DE PROCESSOS 9 Apresentação SER_ENGPROD_CEP_UNID1.indd 9 03/05/2021 12:17:22 Dedico este trabalho a todos que ainda acreditam que a ciência e a pesquisa, somadas a uma fi losofi a empreendedora, são fundamentais para uma sociedade que busca o equilíbrio entre a sustentabilidade econômica, ambiental e social. O professor Paulo Henrique Palma Setti tem doutorado qualifi cado em Engenharia de Produção e Sistemas pela Pontifícia Universi- dade Católica do Paraná – PUCPR. É mestre e especialista em Desenvolvimento de Produtos e Design. É graduado em Engenharia Industrial Mecânica pela Universidade Tecnológica Fede- ral do Paraná – UTFPR e técnico em Mecânica pela mesma instituição. Certifi cado como gestor de projetos profi ssio- nal (PMP®) pelo PMI, atua há mais de 20 anos na indústria de bens de consumo e em diver- sos ambientes acadêmicos e de pesquisa. Também possui longa atuação como consultor e professor em instituições de ensino técnico, graduação em engenharia e design, cursos de pós-graduação e mentoria em certifi cação black belt, ministrando as disciplinas que en- volvem gestão e especifi cações de projetos, desenvolvimento de produtos, sistemas me- cânicos, estruturas mecânicas, além de gestão de processos e qualidade Currículo Lattes: http://lattes.cnpq.br/1166719626505876 CONTROLE ESTATÍSTICO DE PROCESSOS 10 O autor SER_ENGPROD_CEP_UNID1.indd 10 03/05/2021 12:17:23 FERRAMENTAS BÁSICAS DE QUALIDADE E FERRAMENTAS GERENCIAIS DE QUALIDADE 1 UNIDADE SER_ENGPROD_CEP_UNID1.indd 11 03/05/2021 12:17:32 Objetivos da unidade Tópicos de estudo Estudar as principais técnicas e ferramentas para o controle e melhoria da qualidade e da produtividade; Entender como funcionam as ferramentas básicas da qualidade, tais como: gráfico de Pareto, histograma, diagrama causa e efeito, dispersão, lista de verificação e gráfico linear e de controle. Ferramentas básicas da qualidade Gráfico de Pareto Histograma Diagrama causa e efeito Diagrama de dispersão Gráfico linear e de controle Ferramentas gerenciais da qualidade Diagramas de relacionamentos e de afinidades Processos sistemáticos Matrizes de decisão Gráfico do programa de deci- são do processo (PDPC) Diagrama de setas CONTROLE ESTATÍSTICO DE PROCESSOS 12 SER_ENGPROD_CEP_UNID1.indd 12 03/05/2021 12:17:32 Ferramentas básicas da qualidade A qualidade não pode mais ser entendida como algo isolado ou como um setor específi co de um empresa, mas sim como uma elevação no nível de pensamento e ações a serem praticadas por todas as pessoas envolvidas nos processos organizacionais. Assim, as ferramentas da qualidade precisam ser compreendidas como métodos que devem ser usados com o objetivo de defi - nir, medir, verifi car, analisar e propor soluções e planos de ações para resolver qualquer tipo de problema em produtos, processos ou serviços, por todos os envolvidos nessa cadeia de informações. As ferramentas da qualidade foram propostas e colocadas em prática, prin- cipalmente, no pós-guerra, a partir da década de 1950, com base em ideias e práticas existentes. Desde então, a aplicação das ferramentas tem sido de gran- de importância para os sistemas de gestão dos processos em organizações pro- dutivas, sendo um conjunto de ferramentas com bases estatísticas consagradas, para melhoria de produtos, serviços e processos em empresas de pequeno, mé- dio e grande portes. É importante compreender como o domínio das técnicas de aplicação e análise das ferramentas da qualidade podem auxiliar o profissional responsável pelo controle estatístico do processo em suas atividades de tomada de decisão, assim como direcionar a busca do equilíbrio do tripé da sustentabilidade – econômico, social e ambiental – em uma organização produtiva. Gráfico de Pareto Um dos primeiros e grandes pensadores em trabalhos na área de qualidade, Joseph Juran (1904-2008), encontrou muitas semelhanças nos padrões encontra- dos pelo estatístico italiano Vilfredo Pareto (1848-1923) na distribuição dos tipos de defeitos de certo produto em um sistema produtivo ou em serviços. Após diversas verifi cações, concluiu que, em grande parte das tentativas de melhoria, poucos tipos de defeitos eram as causas principais da maioria das rejeições, ou seja, cerca de 80% dos problemas de qualidade de um componente ou processo são gerados por apenas 20% dos tipos de defeitos. Desse modo, o princípio de Pareto é normalmente chamado de regra 80/20. CONTROLE ESTATÍSTICO DE PROCESSOS 13 SER_ENGPROD_CEP_UNID1.indd 13 03/05/2021 12:17:32 Alguns exemplos dessa regra: • 80% das atividades são realizadas por 20% da equipe; • 80% dos usuários de aplicativos usam só 20% de seus recursos; • 80% da riquezado planeta é controlada por 20% da população total mundial; • 80% das reclamações advêm de 20% da clientela; • 80% das vendas de certa linha de produtos são feitas para 20% dos clientes. O objetivo principal dos gráficos de Pareto não é identificar as causas dos problemas. Eles são usados em um passo anterior e são úteis sempre que classificações gerais de problemas, erros, defeitos, feedback de clientes, entre outras variáveis, puderem ser classificadas para estudo e ações posteriores. Por exemplo, nas seguintes situações: • Dias que certos produtos químicos apresentaram padrões abaixo do especificado; • Tipos de informações em processo de faturamento em uma empresa; • Peças que apresentaram problemas de campo em um determinado produto; • Ferramentas de usinagem que quebraram durante o processo de fabricação. O diagrama de Pareto é um gráfico de barras que coloca em ordem as fre- quências das razões de ocorrências, da maior para a menor, permitindo a priori- zação dos problemas. Sobreposta a essas barras, é apresentada a curva das por- centagens que se acumulam. O diagrama e sua análise são utilizados para definir prioridades na busca das causas raízes e na correção assertiva de defeitos. Esses diagramas são extremamente úteis para identificar falhas que ocorrem com maior frequência em um processo produtivo ou serviço, todavia, observa-se que nem sempre os problemas mais importantes são identificados imediata- mente. Os diagramas trazem à tona onde as ações devem ser concentradas para se obter uma melhoria satisfatória com um menor dispêndio de recursos. Apesar de nem sempre ser necessário seguir os passos tradicionais, em al- gumas situações, os planos de ações com menor retorno podem ser imediata- mente colocados em prática sem a necessidade de aguardar aqueles com maior retorno serem resolvidos. Em que, para montá-los, faz-se necessário seguir al- guns passos básicos: 1. Ordenar as razões de ocorrências por ordem decrescente de grandeza; 2. Indicar os valores acumulados. Esse cálculo é feito somando o número de ocorrências de uma razão mais as ocorrências da razão anterior; CONTROLE ESTATÍSTICO DE PROCESSOS 14 SER_ENGPROD_CEP_UNID1.indd 14 03/05/2021 12:17:32 3. Calcular os valores percentuais referentes a cada tipo de ocorrência; 4. Indicar os valores percentuais acumulados. Esse cálculo é feito somando o número percentual de ocorrências de uma razão mais as ocorrências da razão anterior. Imagine a seguinte situação: uma empresa de confecções fabrica e fornece roupas para várias lojas e magazines. Nos últimos tempos, a quantidade de re- clamações a respeito da qualidade do produto mais que dobrou. Com o objeti- vo de entender o problema, inspecionou-se os produtos devolvidos nos últimos dois meses, que apresentaram os seguintes tipos e números de defeitos mostra- dos na lista de verificação do Quadro 1. QUADRO 1. LISTA DE VERIFICAÇÃO DOS TIPOS E QUANTIDADE DE DEFEITOS LEVANTADOS NO PROCESSO DE CONFECÇÃO, CONFORME EXEMPLO DE CASO Defeitos Número de ocorrências Soltando fios 56 Descontinuidade na costura 69 Desalinhamento do zíper 129 Soltando botões 46 Falha na costura 154 Manchas e desbotados 43 Falhas nos bordados 66 Etiquetas trocadas 23 Tecido rasgado 11 Total 597 A partir dessa folha de verificação, pode-se estruturar um diagrama de Pare- to que visa transformar esses dados em informações úteis para o processo de tomada de decisão. Para isso, deve-se seguir os passos indicados para ordenar as razões de ocorrência, verificar os valores acumulados, ponderar percentual- mente as ocorrências e indicar os percentuais acumulados para, finalmente, se conseguir traçar o gráfico de Pareto. Assim, os dados mostrados anteriormente são desdobrados no Quadro 2. CONTROLE ESTATÍSTICO DE PROCESSOS 15 SER_ENGPROD_CEP_UNID1.indd 15 03/05/2021 12:17:32 Com os dados ordenados, é possível, então, traçar o diagrama de Pareto. Para isso, são utilizadas as informações da coluna “número de ocorrências”, que definem as barras azuis, e da coluna “percentual acumulado” que gera a curva vermelha contínua, como é possível observar no Gráfico 1. Defeitos Número de ocorrências Casos acumulados Percentual unitário Percentual acumulado Falha na costura 154 154 26% 26% Desalinhamento do zíper 129 283 22% 47% Descontinuidade na costura 69 352 12% 59% Falhas nos bordados 66 418 11% 70% Soltando fios 56 474 9% 79% Soltando botões 46 520 8% 87% Manchas e desbotados 43 563 7% 94% Etiquetas trocadas 23 586 4% 98% Tecido rasgado 11 597 2% 100% QUADRO 2. DADOS ORDENADOS E PONDERADOS PARA MONTAGEM DO DIAGRAMA DE PARETO, CONFORME EXEMPLO DE CASO GRÁFICO 1. DIAGRAMA DE PARETO RESULTANTE DO CASO DA EMPRESA DE CONFECÇÕES 180 100% 160 90% 140 80% 120 70% 100 60% 80 50% 60 40% 40 30% 20 20% 10% 0 0% Fa lh a na co st ur a De sa lin ha m en to d o zíp er De sc on tin ui da de n a co st ur a Fa lh a no s b or da do s So lta nd o fio s So lta nd o bo tõ es M an ch as e d es bo ta do s Et iq ue ta s t ro ca da s Te cid o ra sg ad o CONTROLE ESTATÍSTICO DE PROCESSOS 16 SER_ENGPROD_CEP_UNID1.indd 16 03/05/2021 12:17:32 Analisando esse diagrama e seguindo o que foi preconizado por Pareto, se for solucionado apenas o defeito “falha na costura”, que sozinho soma mais de 20% dos problemas, se alcançaria uma melhoria de 80% nas reclamações. Lo- gicamente que as demais falhas acabam sendo trabalhadas de acordo com a ordem das ocorrências, mas com um nível menor de prioridade e recursos. Uma derivação muito usada do diagrama de Pareto é a chamada curva ABC, cujo uso nas empresas se apresenta com uma métrica que traz a possibilidade de comparar e classifi car dados e informações de maior relevância com as de menor importância. Sua aplicação é justifi cada pela oportunidade de obtenção de informações que ajudem na elaboração de planos de ações, políticas de es- toques, vendas e demais situações a serem priorizadas ao longo do processo de tomada de decisões. Como para a administração de estoques, em que o admi- nistrador a utiliza como um parâmetro ou gatilho que indica a necessidade de aquisição de itens – mercadorias ou matérias-primas – para esse controle do estoque, que pode variar de acordo com a demanda do consumidor. Histograma O s g ráfi cos de distribuição de frequências, também conhecidos como histogramas, são r epresentações gráfi cas que visam ilustrar a distribuição de dados numéricos.Os histogramas são usados para analisar as variações, em ter- mos quantitativos, das grandezas e de medidas nas amostragens de um pro- cesso, indicando se estão dentro dos padrões e se estão atendendo ou não aos requisitos de especifi cações e de qualidade. T rata-se de um método estatístico para a organização dos dados oriundos de listas de verifi cação, que exibe a fre- quência de ocorrência de uma determinada amostra. Eles sempre utilizam va- riáveis quantitativas como: peso, dimensões, volume, tempo, temperatura, entre outras. Neles, os dados são dispostos grafi camente, permitindo a fácil e direta visualização de resultados históricos e a análise de evidências para a tomada de decisão da variação de frequências. Um histograma mostra com que frequência ocorre cada valor diferente em um conjunto de dados. Parece muito com um gráfi co de barras, mas existem di- ferenças importantes entre eles. Para montá-lo, faz-se necessário seguir alguns passos: CONTROLE ESTATÍSTICO DE PROCESSOS 17 SER_ENGPROD_CEP_UNID1.indd 17 03/05/2021 12:17:33 1. Em uma lista de verificação, coletar e organizar a amostra com um número significativo de dados; 2. Determinar o número de categorias e o intervalo entre as categorias. É indicado que se use a seguinte relação entre número de dados e número de classes: a) Abaixo de 50 dados, usar de cinco a sete classes; b) De 50 a 100 dados, usar de seis a dez classes;c) De 100 a 250 dados, usar de 7 a 12 classes; d) Acima de 250 dados, usar de 10 a 20 classes. 3. Organizar os dados, colando-os dentro das categorias, de acordo com o intervalo; 4. Colocar os dados no gráfico, com as categorias no eixo horizontal e a fre- quência de ocorrência no eixo vertical. Para isso, deve-se determinar a “largura” de cada classe e seus limites, calculando primeiro sua amplitude (R), que é a diferença entre o maior valor e o menor valor e, em seguida, a largura da base (L) que deve ser a razão entre a amplitude e o número de classes definido no passo 2 (L = R/n° classes); 5. Verificar e analisar a forma do gráfico. O histograma mostra claramente os dados de uma população agrupados por filas de retângulos, sendo as áreas retangulares proporcionais às frequências dos dados atribuídos às respectivas classes. Essa distribuição de frequência indi- cada por esses gráficos de distribuição, mostra com que frequência ocorre cada informação diferente em um conjunto de dados. Todavia para se chegar a uma conclusão sobre um histograma, é importante se certificar de que o processo, que está sendo analisado, estava operando normalmen- te durante o tempo em estudo e tomada de dados. Se algum evento incomum afetou o processo durante a co- leta dessas informações, a análise da forma do histograma provavelmente não pode ser generalizada para todos os períodos. O histograma dá uma ideia da distribuição dos valores medidos. Primeiro, a faixa de números em que os valores medidos estão localizados é dividida em subfaixas. Essas subáreas, geralmente do mesmo CONTROLE ESTATÍSTICO DE PROCESSOS 18 SER_ENGPROD_CEP_UNID1.indd 18 03/05/2021 12:17:33 tamanho, são chamadas de classes. O valor numérico que separa duas classes uma da outra é chamado de limite de classe. Imagine a seguinte situação: você é responsável pela melhoria da qualidade de uma linha de produção de um certo lubrificante. Para avaliar o comporta- mento da vazão durante o envaze do lubrificante você coletou 80 amostras do produto. Para elaborar um relatório sobre como devem ser tomadas uma série de ações de melhoria, você precisou elaborar um histograma para organizar de modo visual a distribuição desses dados. Os volumes medidos nas 80 amostras estão na folha de verificação do Quadro 3. Volumes de envaze (mL) 40,9 43,6 41,3 39,9 40,6 39,8 44,2 37,9 40,8 36,6 42,3 43,5 41,0 39,6 41,3 43,5 41,5 43,7 39,9 41,0 41,8 42,3 40,2 39,1 43,2 38,4 41,9 39,2 38,0 40,4 40,1 39,4 38,7 41,3 41,4 40,9 40,3 39,2 39,0 40,7 42,3 40,6 41,2 40,2 40,4 39,5 45,0 39,9 43,4 40,4 41,6 40,6 40,2 42,8 43,7 39,7 41,5 40,1 41,7 41,8 42,9 43,4 43,3 41,9 43,4 41,7 40,0 38,3 42,1 39,3 37,2 43,8 39,6 41,0 42,3 39,2 40,4 35,4 39,2 42,6 QUADRO 3. FOLHA DE VERIFICAÇÃO COM OS VOLUMES MEDIDOS NAS 80 AMOSTRAS COLETADAS, CONFORME EXEMPLO DE CASO A partir dessa folha de verificação, pode-se estruturar um histograma para entender a distribuição das frequências do envaze. Para isso, deve-se seguir os passos indicados para definir o número de categorias e intervalo entre elas, or- ganizar os dados dentro de cada categoria, definir a amplitude e largura das clas- ses, para, finalmente, se conseguir elaborar o histograma. Nesse exemplo, como a indicação para 80 amostras é de utilização de seis a dez classes, foi definido a divisão em oito classes de volumes. Como o menor valor medido foi 35,4 mL e o maior foi 45,0 mL, a amplitude (R) é igual a 9,6 mL: R = 45,0 - 35,4 = 9,6 Logo, a largura da base (L) será igual a 1,2: L = R / 8 = 9,6 / 8 = 1,2. (1) CONTROLE ESTATÍSTICO DE PROCESSOS 19 SER_ENGPROD_CEP_UNID1.indd 19 03/05/2021 12:17:33 Desse modo, a quantidade de dados presentes em cada faixa de medidas são apresentadas no Quadro 4. Classe Intervalos a cada 1,2 mL Quantidade de dados 1 35,4-36,6 2 2 36,6-37,8 1 3 37,8-39,0 6 4 39,0-40,2 21 5 40,2-41,4 20 6 41,4-42,6 15 7 42,6-43,8 13 8 43,8-45,0 2 QUADRO 4. FOLHA DE VERIFICAÇÃO COM OS VOLUMES MEDIDOS NAS 80 AMOSTRAS COLETADAS, CONFORME EXEMPLO DE CASO Utilizando as informações das classes e quantidades de dados presentes no Quadro 4, pode-se montar o histograma, conforme apresentado no Gráfico 2, que deixa clara a distribuição das frequências para cada intervalo de volume de envaze do caso estudado. GRÁFICO 2. HISTOGRAMA DEMOSTRANDO A DISTRIBUIÇÃO DE FREQUÊNCIA DE VOLUME DE ENVAZE, CONFORME EXEMPLO DE CASO 20 10 30 35,4 - 36,6 36,6 - 37,8 37,8 - 39,0 39,0 - 40,2 40,2 - 41,4 41,4 - 42,6 42,6 - 43,8 43,8 - 45,0 0 2 1 6 21 20 15 13 2 CONTROLE ESTATÍSTICO DE PROCESSOS 20 SER_ENGPROD_CEP_UNID1.indd 20 03/05/2021 12:17:33 A elaboração e análise de um histograma possibilita avaliar o modo de distri- buição dos dados, a grandeza das variações, a amplitude dos dados, a simetria da distribuição e, com isso, tirar conclusões sobre o desempenho do processo, o que auxilia na defi nição de ações para a busca da melhoria contínua. Diagrama causa e efeito O diagrama causa e efeito foi pro- posto por um dos gurus da qualidade, o engenheiro japonês Kaoru Ishikawa. Em sua homenagem, muitos estudio- sos e organizações produtivas cha- mam essa ferramenta de diagrama de Ishikawa. Ainda no pós-Segunda Guer- ra Mundial – anos 1940 – ele preconizou que as causas de um problema são agrupadas a partir de seis espinhas principais presente nos processos produtivos, os chamados 6 Ms: • Falhas em materiais; • Falhas em métodos; • Falhas em mão de obra; • Falha em máquinas; • Falhas no meio ambiente; • Falhas nas medidas. CURIOSIDADE A contribuição mais importante de Kaoru Ishikawa (1915-1989) foi o desen- volvimento de uma estratégia de gestão com ampla participação na quali- dade em todos os níveis de uma organização e não somente dos executi- vos. Ele introduziu o conceito de “círculo de qualidade” de onde, em 1943, seria proposto o diagrama de causa e efeito, como uma ferramenta efi caz que pode ser usada, inclusive, por não especialistas para a busca das causas raízes para solução de problemas. S endo uma ferramenta com grande apelo visual, como apresentado no Dia- grama 1, e por ter seu conceito baseado em seis espinhas, essa abordagem tam- bém costuma ser chamada de diagrama espinha de peixe. CONTROLE ESTATÍSTICO DE PROCESSOS 21 SER_ENGPROD_CEP_UNID1.indd 21 03/05/2021 12:17:34 O diagrama de causa e efeito parte do pressuposto de que o efeito não é pro- duzido por uma única causa, mas por um conjunto de fatores que desencadeiam todo o processo. Além disso, envolve um trabalho coletivo, pois as pessoas par- ticipam, opinando sobre as prováveis causas que teriam gerado o problema. Esses diagramas em formato de espinhas de peixe têm como finalidade prin- cipal explorar do modo mais visual possível e indicar todas as causas possíveis de uma condição ou um problema específico. Foi proposto para ser usado e entendido em todos os níveis de uma empresa, já que, muitas vezes, as infor- mações dos operadores diretos das linhas de montagem são muito importantes para o entendimento do problema e para busca de suas possíveis causas. Cada uma das seis espinhas principais desse diagrama trata de questões como: • Mão de obra: tudo o que é relacionado à pessoa, como treinamentos insufi- cientes, jornadas de trabalho excessivas, qualificação profissional, entre outros; • Materiais: tudo o que está relacionado aos materiais utilizados, como qua- lidade, se é cortante ou não, se é pesado, se é inflamável, se é adequado etc.; • Máquina: tudo o que é relacionado ao equipamento e às ferramentas, como funcionamento, manuais de qualidade, características, atualizações, des- gastes de ferramentas, entre outros; • Meio ambiente: tudo o que é relacionado aos espaços onde ocorrem os processos, como temperatura, iluminação, layout, organização etc.; DIAGRAMA 1. TÍPICO FORMATO DO DIAGRAMA CAUSA E EFEITO PROPOSTO POR ISHIKAWA Máquina Método Medidas Causa Causa Causa CausaCausa Causa Causa Causa Causa Causa MaterialMão de obra Meio ambiente Efeito CONTROLE ESTATÍSTICO DE PROCESSOS 22 SER_ENGPROD_CEP_UNID1.indd 22 03/05/2021 12:17:34 • Método: tudo que é relacionado ao modo que o trabalho é executado, como trabalho repetitivo ou não, monótono, acelerado, padronizado, com ins- truções de trabalho etc.; • Medidas: são os valores encontrados nas medidas do meio ambiente, ou seja, tudo o que pode ser quantifi cado, como nível de ruído em dBA, temperatu- ra, iluminação, assim como medições de tensão, corrente, vazão etc. Com o diagrama causa e efeito estruturado, fi ca muito mais fácil e direta a elaboração de planos de ação que contemplem os seus seis eixos principais, assim como a defi nição de responsáveis e dos prazos de execução de cada ação presente nesses planos. Diagrama de dispersão Os di agramas de dispersão têm sido utilizados para ve rifi car a inter-rela- ção entre variáveis. Havendo relação entre duas delas, torna-se possível analisar uma das variáveis de modo dependente da outra ou ainda realizando a análise de cada variável de modo independente. Trata-se, portanto, de uma ferramenta visual estruturada por variáveis di scretas e dispersas, que tem como objetivo de- monstrar se um produto ou componente está ou não relacionado ao outro. Um exemplo prático seria a utilização de um diagrama de dispersão para avaliar se alguma característica de uma matéria-prima está ou não relacionada ao produto durante seu uso. Logo, demanda alto grau de interpretação das informações. O diagrama de dispersão é usado para testar possíveis inter-relações entre causa e efeito, isso é, ilustra o que pode acontecer com uma variável discreta quando a outra variável mudar. Para exemplifi car, vamos observar o Gráfi co 3(a), em que é apresentado um diagrama de dispersão de pureza e teor de ferro em uma liga de aço. Nota-se que não se estabelece relação entre as duas variá- veis – pureza e partes por milhão. Agora, imagine que foi verifi cado, durante a discussão do diagrama, que foram usados três equipamentos diferentes para a produção desse aço. Talvez, esses equipamentos fossem diferentes o sufi cien- te para que os resultados encontrados mostrassem relações entre as variáveis. Assim, a equipe atualizou o diagrama de dispersão usando estratifi cação para separar os dados dos três equipamentos, conforme o Gráfi co 3(b). Com isso, é possível afi rmar que, para dois dos reatores – o indicado pelo triângulo azul e o CONTROLE ESTATÍSTICO DE PROCESSOS 23 SER_ENGPROD_CEP_UNID1.indd 23 03/05/2021 12:17:34 indicado pelo círculo vermelho –, o aumento de partes por milhão do ferro esta- ria relacionado à diminuição da pureza. GRÁFICO 3. EXEMPLO DE ANÁLISE DE DIAGRAMAS DE DISPERSÃO, CONFORME EXEMPLO DE CASO 100 (b) 99,8 99,6 99,4 % d e pu re za 99,2 98,8 98,6 98,4 98,2 98 0,1 0,2 Equipamento 1 Equipamento 2 Equipamento 3 0,3 0,4 0,5 0,6 Partes por milhão 0,70 99 100 (a) 99,8 99,6 99,4 % d e pu re za 99,2 98,8 98,6 98,4 98,2 98 0,1 0,2 0,3 0,4 0,5 0,6 Partes por milhãoTodos os equipamentos 0,70 99 CONTROLE ESTATÍSTICO DE PROCESSOS 24 SER_ENGPROD_CEP_UNID1.indd 24 03/05/2021 12:17:34 Desse modo, nota-se que um diagrama de dispersão pode ser usado para procurar relações entre variáveis, pois uma variável pode fazer com que uma segunda variável mude, ou um tercei- ro fator pode afetar as duas primeiras. Os diagramas de dispersão podem revelar essas relações ou verifi car se as va- riáveis são independentes. Com isso, é possível levantar efeitos relativos que servem como dados de entrada para elaboração de outras ferramentas, como os dia- gramas de Ishikawa que, como visto, são aplicados para buscar as causas raízes desses efeitos. Gráfico linear e de controle Os gráfi cos lineares e de controle foram um dos primeiros modelos com base estatística aplicados na busca da melhoria da qualidade, ainda nos anos 1920. Entretanto seu uso se tornou muito mais popular quando um dos grandes pensadores da qualidade, o estatístico, físico e engenheiro Walter Andrew Shewhart, propôs sua aplicação em sistemas de produção seriadas, tornando-se uma das ferramentas da qualidade mais indicadas no controle estatístico de processos. O objetivo dos gráfi cos de controle é a aplicação de conceitos estatísticos em um cenário gráfi co de fácil compreensão. Esse foi o grande salto que possibilitou eliminar a segregação direta de itens com problemas no fi nal das linhas de monta- gem, por uma análise mais científi ca do processo produtivo como um todo. Esses gráfi cos são elaborados com a defi nição de que no eixo horizontal devem estar as variáveis de tempo ou as identifi cações das amostras e, no eixo vertical, as medições, como por exemplo, dimensões, volumes, temperatura, entre outras. A partir do desvio-padrão das medições, são defi nidos os limites de controle – limite superior de controle (LSC) e o limite inferior de contro- le (LIC). Com base nesses limites, à medida que mais amostras são tomadas do processo, analisa-se se o processo continua ou não sob controle. Essa análise toma como base se as novas amostras estão dentro ou fora dos limites defi ni- dos estatisticamente. CONTROLE ESTATÍSTICO DE PROCESSOS 25 SER_ENGPROD_CEP_UNID1.indd 25 03/05/2021 12:17:34 O Gráfico 4 apresenta um típico gráfico de controle, também chamado de carta de controle. Note que existem pontos de medições fora dos limites supe- riores e inferiores. Isso indica que seu processo está instável ou fora de controle. Demandando, assim, tomada de ações para o colocar novamente sob controle. CITANDO De acordo com Montgomery (2014, p. 86), o teorema central do limite estabelece que “a distribuição da soma de n variáveis aleatórias indepen- dentes é aproximadamente normal, independentemente das distribuições individuais das variáveis.” Assim, pode-se afirmar que 99,73% dos valores estão entre os limites definidos pela média, mais ou menos três vezes o desvio-padrão (MA ± 3σ) em uma distribuição normal. GRÁFICO 4. EXEMPLO DE ANÁLISE DE DIAGRAMA DE DISPERSÃO LSC: limite superior de controle; LIC: limite inferior de controle. É importante salientar que os limites de controle não têm relação com as tolerâncias de projeto. Essa relação entre limites de controle e tolerâncias só é feita para cálculos de capabilidade, o que foge do foco principal desse tópico. Assim, as cartas de controle são ferramentas que auxiliam no monitoramento da variabilidade e na avaliação da estabilidade do processo, nos alertando se o processo está ou não sob controle estatístico. Para isso, Shewhart preconizou que se fossem definidos limites superiores e inferiores iguais a três vezes o desvio-pa- drão de uma quantidade de amostras, garantiria-se que 99,73% da variação de 20,09 20,07 20,05 20,03 20,01 19,99 19,97 19,95 19,93 19,91 19,89 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 Medida (mm) LSC LIC CONTROLE ESTATÍSTICO DE PROCESSOS 26 SER_ENGPROD_CEP_UNID1.indd 26 03/05/2021 12:17:34 causas comuns cairiam dentro desses limites estabelecendo, então, a definição de controle no processo. O desvio-padrão é calculado pela seguinte equação: Onde: DP = desvio-padrão; xi = valor no conjunto de dados na posição i; MA = média aritmética do conjunto de dados; n = quantidade total de dados do conjunto. Com isso, pode-se calcular o limite superior de controle (LSC) e o limite infe- rior de controle (LIC): Nesse cenário, imagine a seguinte situação: uma empresa de envase de lei- te controla, por amostragem, o conteúdo de cada embalagem. Para isso, são coletadas 99 amostras ao longo de um dia de produção, pelas quais se obtém os seguintes dados que estão na folha de verificação apresentada no Quadro 5. (2) Volumes de envaze de leite (em mL) 1.000 1.001 1.004 1.000 1.004 999 999 1.001 1.002 1.002 999 1.001 1.003 999 1.000 1.001 1.001 1.001 1.0001.000 1.005 1.000 1.001 1.001 1.001 1.001 999 1.004 999 1.000 994 999 999 1.002 1.002 998 1.000 1.005 1.002 998 1.001 1.002 1.002 999 1.001 995 1.002 999 999 1.002 999 998 1.000 999 1.001 1.000 997 1.001 999 1.010 999 1.003 999 998 1.001 999 990 997 1.004 1.002 1.001 997 1.002 999 998 1.000 998 1.001 1.000 999 999 999 1.000 998 998 1.002 999 1.000 991 999 1.000 998 1.009 997 998 1.001 1.002 999 998 QUADRO 5. FOLHA DE VERIFICAÇÃO COM OS VOLUMES MEDIDOS NAS 99 AMOSTRAS DE LEITE COLETADAS, CONFORME EXEMPLO DE CASO (3) LSC = MA + 3 . DP LIC = MA - 3 . DP CONTROLE ESTATÍSTICO DE PROCESSOS 27 SER_ENGPROD_CEP_UNID1.indd 27 03/05/2021 12:17:34 A partir dessa folha de verificação, pode-se estruturar uma carta de controle para checar o processo de envaze dos litros de leite. Para isso, deve-se seguir os passos indicados, para primeiramente calcular a média, em seguida, o desvio-padrão e, por fim, definir os limites de controle superior e inferior para verificar se o processo está ou não sob controle. Como se sabe que o número de medições é 99 e que a média das medições é 1.000,07 mL, pode-se calcular o desvio-padrão do seguinte modo: Assim, os limites superiores e inferiores de controle devem ser: Com isso, pode-se elaborar a carta de controle, conforme o Gráfico 5. (4) (5) GRÁFICO 5. EXEMPLO DE CARTA DE CONTROLE PARA UM PROCESSO DE ENVAZE DE LEITE, CONFORME EXEMPLO DE CASO LSC: limite superior de controle; LIC: limite inferior de controle. Como se pode observar no Gráfico 5, alguns pontos de verificação ficaram acima do LSC e outros abaixo do LIC. Desse modo, conclui-se que o processo não está sob controle e, assim, deve-se buscar as causas do problema e realizar planos de ação para tentar controlar as variações inevitáveis do processo e colo- cá-lo sob controle novamente. LSC Média LIC Volume (ml) 1010,00 1008,00 1006,00 1004,00 1002,00 1000,00 998,00 996,00 994,00 992,00 990,00 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67 69 71 73 75 77 79 81 83 85 87 89 91 93 95 97 99 CONTROLE ESTATÍSTICO DE PROCESSOS 28 SER_ENGPROD_CEP_UNID1.indd 28 03/05/2021 12:17:34 Outras situações de verificação recomendadas por mui- tos estatísticos se dão quando sete ou mais pontos conse- cutivos aparecerem todos acima ou todos abaixo da média. Esses casos também costumam servir como gatilho para a equipe trabalhar em plano de ações e sequenciamento dos controles. Ferramentas gerenciais da qualidade As ferramentas gerenciais da qualidade são meios para resolver o problema de modo efi caz, com o pensamento em médio e longo prazo, em bus- ca da melhoria contínua. Os modelos usados são sistemáticas simples para se- lecionar, implantar ou avaliar as alterações no processo por meio de análises objetivas de partes bem-defi nidas (PALADINI; CARVALHO, 2012). São artifícios usados para aplicar as métricas e estratégias de gestão da qualidade, aplicando seus princípios em benefício dos processos produtivos, bens de consumo, servi- ço, entre outros pontos do modelo de negócios em questão. Nos últimos anos, percebeu-se a necessidade de ferramentas para promover a inovação, comunicar informações e planejar grandes projetos com sucesso. Para isso foram pesquisadas e desenvolvidas novas ferramentas e formas de aplicação para a melhoria da gestão da qualidade. Nem todas as ferramentas são novas, mas sua coleta e promoção, sim. Entre elas, destacam-se: os diagra- mas de relacionamento e de afi nidade, os processos sistemáticos ou diagramas de árvore, as matrizes de decisão, o gráfi co de programa de decisão de processo (PDPC) e os diagramas de seta. Diagrama de relacionamentos e de afinidades Quan do se faz necessária a aplicação de alguma ferramenta que permita a organização de um grande número de dados em grupos e características seme- lhantes, surge o diagrama de afi nidades como um excelente apoio ao processo de tomada de decisões gerenciais. Esse s diagramas traçam pontos de ligação entre os resultados de um levantamento de dados e ideias disponíveis sobre um determinado tema. CONTROLE ESTATÍSTICO DE PROCESSOS 29 SER_ENGPROD_CEP_UNID1.indd 29 03/05/2021 12:17:35 Em geral, esses diagramas de afinidades são a ponte de ligação entre um brainstorming e a montagem do plano de ação para busca da melhoria da qua- lidade. O brainstorming é uma técnica baseada em uma dinâmica de grupos, onde representantes de várias áreas trabalham de modo integrado e criam um ambiente multidisciplinar para auxiliar a geração de ideias. Nele, todos os en- volvidos podem lançar ideias livremente, sem questionamentos ou preconcei- tos, para buscar, por meio de ligações cognitivas, alternativas de inovação, busca de causas possíveis para problemas, soluções etc. Para organizar essa “tempes- tade de ideias” geradas nesse processo, indica-se a utilização de uma rede de relacionamentos entre elas. Essa rede é definida como diagrama de afinidades. Sendo que essa ferramenta gerencial da qualidade possibilita a organização de dados, agrupando-os de acordo com suas características. Esses diagramas podem ser construídos graficamente com linhas que ligam ideias relacionadas ou, como é muito usado após as dinâmicas de brainstorming, classificando as ideias com notas adesivas coloridas, em que cada cor representa uma família de temas afins, como ilustrado na Figura 1. Trata-se, portanto, de uma análise qualitativa, que visa organizar ideias, identificar padrões e obter oportunidades para problemas inicialmente complexos. Sua grande contribui- ção está no fato de que o trabalho todo pode ser construído e analisado visual- mente, em ambientes diversos, multidisciplinares ou multiculturais. Figura 1. Modelo de diagrama de afinidades montado com notas adesivas coloridas após um brainstorming. Fonte: Shutterstock. Acesso em: 19/02/2021. CONTROLE ESTATÍSTICO DE PROCESSOS 30 SER_ENGPROD_CEP_UNID1.indd 30 03/05/2021 12:17:35 A fi m de encontrar muitas boas ideias por meio da cooperação de todos os membros do grupo, os seguintes pontos devem ser observados por todos os participantes: • Coleção de ideias: as ideias expressas pelos participantes não podem ser criticadas ou zombadas. Ideias incomuns são permitidas e estimuladas. Todas devem ser registradas por um líder que organiza a seção. Desse modo, todos os participantes podem gerar e ter acesso às sugestões (em quadros, fl ip-charts etc.). Com isso, cada nova ideia gerada abre novos portais neurais para uma série de novas ideias que surgem a partir dela. Para isso, a diversidade e quanti- dade de participantes é desejável; • Preparação de ideias: após um primeiro momento livre para gerar o maior número de sugestões possíveis, as ideias devem ser classifi cadas. É possível se orientar por meio dos 5 Ms (homem, máquina, material, método, ambiente) ou pe- las necessidades específi cas que o modelo de negócio exige. Aqui, as linhas de afi - nidade entre as ideias devem ser traçadas ou separadas por cores. As sugestões também podem ser estruturadas e apresentadas pelo diagrama de causa e efeito; • Documentação e implementação: na etapa fi nal da dinâmica, as ideias e sugestões são discutidas, ponderadas e, então, analisadas suas viabilidades téc- nicas e econômicas. O resultado da discussão deve ser formalizado e distribuído com base em um protocolo. A implementação das sugestões pode ocorrer por meio de um procedimento planejado em um plano de ação bem estruturado. Processos sistemáticos Os di agramas sistemáticos ou tipo árvore são usados para determinar os caminhos necessários para se atingir objetivos específicos, definindo a causa raiz do problema e tornando o plano de ação visível e acessível. Os processos sistemáticos para montagem de um diagrama de árvore para auxiliar a gestão da qualidade ajudam a traduzir a voz do cliente, as necessidades e desejos das partes interessadas e atéavaliações de autodesempenho. Devem ser utilizados após a coleta de dados da voz do cliente para analisar os seus requisitos e determinar quais características de qualidade devem ser melhoradas, especialmente quando os requisitos do cliente são complexos, am- plos ou vagos. Para isso, deve- se listrar os requisitos do cliente para o produto CONTROLE ESTATÍSTICO DE PROCESSOS 31 SER_ENGPROD_CEP_UNID1.indd 31 03/05/2021 12:17:35 ou serviço em suas próprias palavras, colocando cada requisito em uma caixa na primeira camada de um diagrama de árvore. A partir daí, deve-se atentar ao primeiro requisito e fazer perguntas para tornar o requisito mais específi co. Perguntas como: • O que isso realmente signifi ca para o cliente? • O que isso signifi ca para cada subsistema ou etapa de nosso processo? • Como podemos medir isso? Com essas primeiras perguntas respondidas, é possível passar para a próxi- ma camada da árvore com uma nova série de questões, tais como: • É necessário atender a cada uma dessas características para que o cliente esteja satisfeito de que o requisito inicial foi atendido? Se o requisito pode ser al- cançado sem atender a uma característica, essa característica deve ser removida; • Atender a todas essas características seria sufi ciente para o cliente fi car satisfeito de que o requisito inicial foi atendido? Se as características não forem sufi cientes, decide-se o que está faltando e adiciona-se. E, assim, sucessivamente, repetindo as etapas, camada a camada, para cada resposta da camada seguinte até atingir as características em um nível de deta- lhe que sejam signifi cativas para a organização e possam ser medidas. Não é ne- cessário que cada galho da árvore tenha o mesmo comprimento. O importante é verifi car se todas as carac terísticas no fi nal de cada ramo são mensuráveis. Se sim, pode-se defi nir metas para cada medida, estruturando um plano de ação. Os processos sistemáticos de construção de um diagra- ma de árvore, possibilita a redução do tempo das análises e otimiza o processo de busca de soluções de problemas. Assim como, pode ser aplicado para mostrar de forma gráfi ca, fácil e direta o desdobramento de processos, transformando-os em ações e ajustes nas especifi ca- ções de projetos e instruções de trabalho. Matrizes de decisão As ma trizes de decisões são p rocessos que auxiliam listar possibilidades de soluções para situações, avaliar resultados atingidos, quantifi car, e ponderar CONTROLE ESTATÍSTICO DE PROCESSOS 32 SER_ENGPROD_CEP_UNID1.indd 32 03/05/2021 12:17:35 dados e informações que auxiliaram o gestor da qualidade no processo de to- mada de decisão. Afinal, inúmeras decisões são buscadas todos os dias e, mui- tas vezes, acabam sendo muito complexas. Essas matrizes buscam transformar dados em indicadores que podem ser fundamentais em muitas situações, como por exemplo, na seleção de um fornecedor, na definição de gatilhos que alertem a necessidade de promoção de seus liderados, na priorização de tarefas, entre tantas outras necessidades cotidianas de uma empresa ou de um gerente. Assim, tendo um problema e buscando a sua resolução, é importante enten- der se os processos envolvidos ocorrem sempre do mesmo modo ou não. Nesse cenário, as matrizes de decisão podem ser ferramentas aliadas e interessantes para melhoria contínua desses processos. Desde as mais populares, usadas pela área de marketing, como a matriz SWOT, que busca avaliar as forças (S), fraquezas (W), oportunidades (O) e ameaças (T) de um modelo de negócios, passando pe- las matrizes de inovação que buscam estabelecer a simplificação de projetos sem perdas de oportunidades, até as matrizes de decisão, também chamadas de ma- trizes de gravidade, como a que vem sendo muito usada na melhoria de processo, a eficiente matriz GUT, que avalia gravidade (G), urgência (U) e tendência (T) de um problema, estabelecendo uma ordem de priorização para busca de soluções. Imagine a seguinte situação: você é contratado como consultor para definir um plano de ações e a ordem de execução desse plano em um restaurante que está com seis problemas relatados pelo seu contratante. Os problemas são: • Porta de entrada está emperrando para trancar; • 20% dos clientes reclamaram de falta de vagas de estacionamento; • Dois dos cinco garçons estão em aviso-prévio; • Fornecedores indicaram reajuste dos preços para o próximo mês; • Clientes tendo que aguardar muito tempo até desocupar uma mesa; • 10% dos clientes reclamaram que a comida estava fria. Com essas informações, faz-se necessário quantificar a priorização desses problemas, visando a otimização dos recursos. Para isso, as matrizes de de- cisões se apresentam como uma fácil, rápida e ótima ferramenta gerencial da qualidade. Uma boa opção, nesse caso, seria a aplicação da matriz GUT, pois se trata de uma ferramenta de gestão utilizada para priorização de tarefas por meio da identificação da gravidade, urgência e da tendência de comportamento de cada problema dos casos em estudo, ajudando o processo de tomada de CONTROLE ESTATÍSTICO DE PROCESSOS 33 SER_ENGPROD_CEP_UNID1.indd 33 03/05/2021 12:17:36 decisão quanto ao que se deve fazer primeiro. Assim, cada um dos problemas listados deve ser pontuado de um a cinco para cada um dos três critérios – gra- vidade (G), urgência (U) e tendência (T), sendo que: • Gravidade analisa o seu real tamanho e potencial de gerar impactos nega- tivos na empresa, podendo ser devastador (5) ou, por outro lado, sequer causar arranhões (1); • Urgência leva em consideração quanto urgente a questão precisa ser prio- rizada para evitar prejuízos maiores, definindo se é algo que precisa ser resol- vido “para ontem” (5) ou que ainda pode esperar um momento mais oportuno para ser trabalhado (1); • Tendência pondera a probabilidade do problema se agravar com o passar do tempo se nada for feito, verificando se pode piorar rapidamente (5), em curto prazo (4), em longo prazo (2) ou se não irá mudar (1). No Quadro 6, é apresentada a matriz de decisões GUT para esse caso do restaurante. Problema Gravidade (G) Urgência (U) Tendência (T) Gxuxt 1 1 2 1 2 2 3 2 3 18 3 3 4 2 24 4 4 4 4 64 5 3 4 4 48 6 4 5 4 80 QUADRO 6. MATRIZ DE DECISÕES GUT PARA O CASO DO RESTAURANTE COM SEIS PROBLEMAS É importante observar que na elaboração de uma matriz GUT, como a apre- sentada no Quadro 6, só se torna consistente se ela for elaborada por uma equipe multidisciplinar. No gerenciamento da qualidade, as decisões devem ser colegiadas para que todas as partes interessadas possam indicar suas necessi- dades e para todos se sentirem comprometidos com as decisões tomadas. No exemplo, os seis problemas foram listados, a equipe discutiu a pontuação de cada um quanto à gravidade, urgência e tendência e, por fim, fez-se o produto CONTROLE ESTATÍSTICO DE PROCESSOS 34 SER_ENGPROD_CEP_UNID1.indd 34 03/05/2021 12:17:36 entre as pontuação de cada uma deles (GxUxT), destacando-se o sexto problema listado – 10% dos clientes reclamaram que a comida estava fria – com 80 pontos como sendo o de maior prioridade para resolução. Assim como, a matriz de de- cisões deixou claro quais as próximas prioridades de resolução entre os demais problemas, para as quais devem ser posicionados recursos disponíveis e plane- jados os cronogramas de execução. No caso, após a implantação das ações para o problema 6, a ordem de prioridades seria: problemas 4, 5, 3, 2 e 1. Gráfico do programa de decisão do processo (PDPC) O gráfi co do programa de decisão do processo, muito conhecido como PDPC, por ser o acrônimo da expressão em inglês Process Decision Program Chart, é defi nido como uma ferramenta de gestão da qualidade que auxilia o plane- jamento sistemático dos planos de desenvolvimento. As suas saídas principais são os planos de ação para prevenção ou resolução dos obstáculos que surgem durante o plano de trabalho.Seu uso é indicado para antes de implementar um plano, especialmente quando o plano é grande e complexo, buscando reduzir as probabilidades de estouros do cronograma e dos investimentos. Esses gráfi cos lembram muito o diagrama de árvore, entretanto, trata-se de um desdobramento dele. Assim, os seguintes passos são estabelecidos para sua completa elaboração: 1. Deve-se obter ou desenvolver um diagrama de árvore do plano proposto. Esse deve ser um diagrama de alto nível mostrando o objetivo, um segundo ní- vel de atividades principais e um terceiro nível de tarefas amplamente defi nidas para realizar as atividades principais; 2. Para cada tarefa no terceiro nível, pense no que pode dar errado. Um brainstorming é muito recomendado; 3. Reveja todos os problemas potenciais e elimine aqueles que são imprová- veis ou cujas consequências seriam insignifi cantes. Mostre os problemas como um quarto nível vinculado às tarefas. Algumas organizações formalizam esse ní- vel como “mapeamento de risco”; 4. Para cada problema potencial, faça um novo brainstorming de possíveis contramedidas ou planos de contingências. Essas podem ser ações ou mudan- ças no plano que evitariam o problema ou ações que iriam remediá-lo quando CONTROLE ESTATÍSTICO DE PROCESSOS 35 SER_ENGPROD_CEP_UNID1.indd 35 03/05/2021 12:17:36 ocorresse. Mostre as contramedidas como um quinto nível, delineado em nu- vens ou linhas irregulares; 5. Decida quão prática é cada contramedida. Use critérios como custo, tempo necessário, facilidade de implementação e eficácia. Marque as contramedidas pouco práticas com um X e as práticas com O. O Diagrama 2 mostra uma organização possível de um gráfico PDPC, em que o retângulo azul indica um dos galhos do diagrama de árvore original, os retân- gulos alaranjados são as questões com potenciais de dar errado, os quadrados verdes indicam o mapeamento final de riscos que demandam planos de ação e os círculos vermelhos indicam cada um desses planos de contingência (contra- medidas) marcados com X ou O, conforme sua praticidade. DIAGRAMA 2. LAYOUT TÍPICO DE UM PROGRAMA DE DECISÃO DO PROCESSO – PDPC Fonte: Shutterstock. Acesso em: 19/02/2021 Essas perguntas podem auxiliar o processo de identificação dos problemas: • Quais entradas devem estar presentes? • Existem entradas indesejáveis associadas às boas entradas? • Quais resultados você está esperando? O X O O O O O OX CONTROLE ESTATÍSTICO DE PROCESSOS 36 SER_ENGPROD_CEP_UNID1.indd 36 03/05/2021 12:17:36 • Outros resultados podem acontecer também? • O que isso deve fazer? • Há algo mais que possa ser feito “em vez de” ou “além de”? • Isso depende de ações, condições ou eventos? • São controláveis ou incontroláveis? • O que não pode ser alterado ou é infl exível? • Isso permite alguma margem de erro? • Que suposições foram feitas? • Isso poderia estar incorreto? • Qual tem sido a experiência da empresa em situações semelhantes? • Como isso é diferente? Diagrama de setas O diagrama de setas mostra a ordem necessária das tarefas em um projeto ou processo, o melhor cronograma para todo o projeto e possíveis problemas de cronograma, recursos e suas soluções. Ele permite calcular o caminho crítico do projeto. Esse é o fl uxo de etapas críticas em que atrasos devem afetar o tempo de todo o projeto e onde a adição de recursos pode acelerar o projeto. Ele é indicado para situações onde se faz necessário agendar e monitorar tarefas dentro de um projeto ou processo complexo com etapas e recursos inter-rela- cionados. Assim como quando se conhece as etapas do projeto ou processo, sua sequência e o tempo despendido para cada etapa, desde que essa cadeia seja otimizada. Ainda em casos quando o cronograma do projeto é crítico, com sérias consequências para a conclusão com atraso do projeto ou ainda na busca por vantagem signifi cativa para concluí-lo antecipadamente. Como nas demais ferramentas, é indicado para a elaboração de um diagra- ma de setas a participação de representantes de todas as áreas impactadas pela tarefa em questão. Não sendo necessário recursos especiais além de materiais como: notas adesivas ou cartões, canetas de marcação, grande superfície de es- crita (quadro ou páginas de fl ip-chart). Os passos para sua elaboração podem ser descritos como: 1. Listar todas as tarefas necessárias no projeto ou processo. Um méto- do conveniente é escrever cada tarefa na metade superior de um cartão ou CONTROLE ESTATÍSTICO DE PROCESSOS 37 SER_ENGPROD_CEP_UNID1.indd 37 03/05/2021 12:17:36 nota adesiva. No meio do cartão, desenhe uma seta horizontal apontando para a direita; 2. Determinar a sequência correta das tarefas. Faça três perguntas para cada tarefa: a) Quais tarefas devem acontecer antes que essa possa começar? b) Quais tarefas podem ser realizadas ao mesmo tempo que essa? c) Quais tarefas devem acontecer imediatamente após essa? Pode ser útil criar uma tabela com quatro colunas – tarefas anteriores, essa tarefa, tarefas simultâneas, tarefas seguintes; 3. Traçar um diagrama da rede das tarefas. Se estiver usando notas adesivas ou cartões, organize-os em sequência em uma folha grande de papel. O tempo deve fluir da esquerda para a direita e as tarefas simultâneas devem ser alinha- das verticalmente. Deixe um espaço entre os cartões; 4. Entre cada duas tarefas, desenha-se círculos para eventos. Um evento marca o início ou o fim de uma tarefa. Assim, eventos são os nós que separam tarefas; 5. Procurar três situações de problemas comuns e as redesenhar usando simulações ou eventos extras. Uma tarefa fantasma é uma seta desenhada com linhas pontilhadas usada para separar tarefas que, de outro modo, iniciariam e parariam com os mesmos eventos ou para mostrar a sequência lógica. Tarefas fantasmas não são tarefas reais, somente estudos; 6. Quando a rede estiver completa, rotular todos os eventos em sequência com os números dos eventos nos círculos. Pode ser útil rotular todas as tarefas em sequência, usando letras; 7. Determinar os tempos das tarefas. O tempo da tarefa é a melhor estima- tiva do tempo que cada tarefa deve exigir. Use uma unidade de medição (horas, dias ou semanas) em toda a consistên- cia. Escreva a hora na seta de cada tarefa; 8. Determinar o caminho crítico. O caminho crítico é o caminho mais longo do início ao fim do projeto. Mar- que o caminho crítico com uma linha grossa ou cor diferente das demais. Calcule o comprimento do ca- minho crítico: a soma de todos os tempos de tarefa no caminho. CONTROLE ESTATÍSTICO DE PROCESSOS 38 SER_ENGPROD_CEP_UNID1.indd 38 03/05/2021 12:17:36 No processo de elaboração de um diagrama de setas, é importante o envolvi- mento de uma equipe de pessoas com amplo conhecimento sobre o projeto ou sobre os detalhes do processo. O modo mais fácil de construir o diagrama ao definir a sequência pela primeira vez é encontrar o caminho com a maioria das tarefas. Desenhe esse caminho primeiro e, em seguida, adicione outros caminhos paralelos. Quanto mais eficientes forem os controles, melhores devem ser as capacida- des dos gestores da qualidade em medir o progresso dos processos em relação ao que foi planejado, aplicando ajustes na duração, sequência e recursos usados nas atividades, se necessário. Os gráficos de setas organizam de modo visual esse acompanhamento que deve ser atualizado ao longo de todo o trabalho, de modo que o gerente tenha em mãos dados fidedignos sobre a sua execução e possa acompanhar e ajustar o cronograma. No Diagrama 3, é exemplificada a utilização de um diagrama de setas para ava- liação do cronograma de atividades de um caso simples de concepção de uma linha de biscoitos artesanais. Notem que as atividades somam um total de 20 semanas, mas com a utilização da análise do diagrama de setas, encontra-se um caminho crítico de 18 semanas. Sendo, então, um artifício gerencial muito relevante para o processode tomada de decisões em organizações produtivas e de serviços. Biscoitos artesanais Atividade Descrição Dependências Duração da atividade (semanas) A Layout da embalagem - 1 B Definição da matéria-prima A 3 C Testes de qualidade e qualificação da embalagem B 3 D Definição dos ingredientes C 4 E Dosagem dos ingredientes e produção D 3 F Definição do empacotamento C e E 2 G Estocagemw F 2 H Distribuição G 2 DIAGRAMA 3. MODELO DE UM DIAGRAMA DE SETAS, CONFORME EXEMPLO DE CASO A B1 3 4 2 3 3 2 2G C H D E F CONTROLE ESTATÍSTICO DE PROCESSOS 39 SER_ENGPROD_CEP_UNID1.indd 39 03/05/2021 12:17:36 Os diagramas de setas são muito utilizados no mundo empresarial e, algu- mas vezes, com outros nomes, tais como diagrama de rede de atividades e dia- grama de nó. Todavia, em atividades mais extensas e complexas, apenas a aná- lise visual dos caminhos críticos não se faz suficiente e mais técnicas devem ser empregadas para reduzir as probabilidades de falhas de dimensionamento de recursos para cada atividade. Derivações do diagrama de seta são muito utiliza- das em diversas organizações, como o respeitado PERT. EXPLICANDO PERT é o acrônimo da expressão em inglês Program Evaluation and Re- view Technique (técnica de avaliação e revisão de programas), introduzido no final da década de 1950, que considera um projeto como um elemento independente dentro de uma organização. Atualmente, os estudos de risco de projetos partem do conceito do PERT e avaliam mais profundamente projetos anteriores, criando uma abordagem estatística entre probabilida- des e consequências de risco. Tratando os prazos dos projeto como faixas de tempo e não mais como uma data específica. CONTROLE ESTATÍSTICO DE PROCESSOS 40 SER_ENGPROD_CEP_UNID1.indd 40 03/05/2021 12:17:36 Sintetizando Nesta unidade, foram apresentados conceitos que devem permitir ao profis- sional, que irá atuar como agente da qualidade nas mais diversas organizações, identificar e aplicar as melhores práticas de ferramentas básicas e gerenciais da qualidade. Para todas as ferramentas da qualidade apresentadas foram esta- belecidas as bases estatísticas e conceituais que são essenciais para o controle estatístico de processos. Entre as ferramentas básicas da qualidade foi conceituado o gráfico de Pa- reto, que utiliza, em um ambiente de produção, a abordagem estatística de que ao se resolver apenas 20% dos falhas, pode-se solucionar 80% dos problemas de um processo. Os histogramas, que são gráficos de distribuição de frequências usados para analisar quantas vezes as saídas de um processo estão padroni- zadas, atendendo aos requisitos estabelecidos. O diagramas causa e efeito que é uma ferramenta de grande apelo visual, cuja finalidade principal é explorar e indicar todas as causas possíveis de um problema específico. O diagrama de dispersão, como ferramenta básica para verificar a interrelação entre variáveis. E os gráficos lineares e de controle que podem ser utilizados para monitorar va- riáveis críticas que definem se um processo está ou não sob controle estatístico, ao definir limites superiores e inferiores de controle. Das ferramentas gerenciais da qualidade, os diagramas de relacionamentos e de afinidades foram apresentados como ferramenta que auxiliam na organi- zação de um grande número de dados, normalmente utilizadas no final de uma seção de brainstorming. Os processos sistemáticos, os gráficos do programa de decisão do processo e o diagrama de setas, foram apresentados como artifí- cios muito usados para definir os caminhos críticos e passos necessários para se atingir determinados objetivos. Por fim, abordamos as matrizes de decisão, de extrema utilidade para definição das prioridades e do grau de urgência de resolução de uma lista de problemas. Todas essas ferramentas têm a finalidade de auxiliar o gestor de qualidade no processo de tomada de decisão. CONTROLE ESTATÍSTICO DE PROCESSOS 41 SER_ENGPROD_CEP_UNID1.indd 41 03/05/2021 12:17:36 Referências bibliográficas CHIAVENATO, I. Gestão da produção: uma abordagem introdutória. 3. ed. São Paulo: Manole, 2014. COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R. Controle estatístico da qualidade. São Paulo: Atlas, 2004. MACHADO, S. S. Gestão da qualidade. Inhumas: IFG; Santa Maria: Universi- dade Federal de Santa Maria, 2012. MONTGOMERY, D. Introdução ao controle estatístico da qualidade. Rio de Janeiro: LTC, 2014. PALADINI, E. P.; CARVALHO, M. M. (Coords.). Gestão da qualidade: teoria de casos. Rio de Janeiro: Campus, 2012. SAMOHYL, R. W. Controle estatístico de qualidade. Rio de Janeiro: Else- vier, 2009. SILVA, E. B. Gestão da qualidade. Londrina: Editora e Distribuidora Educa- cional S.A., 2017. CONTROLE ESTATÍSTICO DE PROCESSOS 42 SER_ENGPROD_CEP_UNID1.indd 42 03/05/2021 12:17:36 INSPEÇÃO POR AMOSTRAGEM E CONTROLE ESTATÍSTICO 2 UNIDADE SER_ENGPROD_CEP_UNID2.indd 43 03/05/2021 12:41:27 Objetivos da unidade Tópicos de estudo Conhecer as principais técnicas estatísticas para inspeção por amostragem; Aprender sobre causas de variações, estabilidade e capacidade de processo; Conhecer os gráficos de controle para variáveis e para atributos; Aprender sobre a avaliação da capacidade de um processo. Inspeção por amostragem Curvas características de operação Distribuições de Poisson Distribuição binomial Distribuição hipergeométrica Planos de amostragem: NBR 5426 e NBR 5429 Controle estatístico de processo Manufatura enxuta: causas de variações Gráfico de controle para variáveis Gráfico de controle para atributos Estabilidade e capacidade de processo CONTROLE ESTATÍSTICO DE PROCESSOS 44 SER_ENGPROD_CEP_UNID2.indd 44 03/05/2021 12:41:27 Inspeção por amostragem As bases estatísticas para avaliação das distribuições de probabilidade são fundamentais para consolidação das ferramentas de controle estatístico de processos. O conhecimento e a defi nição de um plano de inspeção por amos- tragem é o alicerce para se modelar matematicamente variáveis críticas de um bem de consumo, ou na busca da melhoria contínua da quantidade de produ- tos ou processos. Inúmeros acontecimentos ao longo dos processos produtivos podem ser modelados a partir de distribuições de probabilidade, logo é importante en- tender os detalhes e limitações dos tipos mais usados de inspeções, de acordo com as formas de amostragem. Além disso, é preciso reconhecer que os pa- râmetros das distribuições, de forma geral, não são conhecidos, sendo assim, ajustes nos planos amostrais são corriqueiros. Nesse sentido, faz parte de todo esse processo estatístico realizar algumas aproximações usando embasamen- to estatístico. Como profi ssional atuante na área de qualidade e que, naturalmente, apli- cará conceitos estatísticos em suas análises, um dos seus maiores desafi os para a análise de um processo será identifi car o tipo de distribuição que mais se aproxima do comportamento das variáveis, intrínsecas à qualidade, a se- rem avaliadas. Só após essa identifi cação e ajuste é que o processo pode ser analisado de forma consistente. A partir desse ponto, inicia-se o processo de tomada de decisão como base nos resultados. A inspeção de um lote demanda a alocação de recursos da forma o mais otimizada possível. Logo, um plano de amostragem deve ser ajustado conforme a estabilidade do seu processo. Quanto mais estável ele for, menor a quantidade neces- sária de amostras e menos rigorosos os testes podem ser. Na Figura 1, pode-se observar o trabalho de um profi ssional que está fazen- do os testes de validação sobre uma amostra oriunda da linha de produção de uma indústria da área de alimentos: CONTROLE ESTATÍSTICO DE PROCESSOS 45 SER_ENGPROD_CEP_UNID2.indd 45 03/05/2021 12:41:27 Figura 1. Profi ssional inspecionando amostra de carne na indústria de alimentos. Fonte: Shutterstock. Acesso em: 13/04/2021. Curvas característicasde operação A caracterização das distribuições de probabilidade de não conformidades é uma atividade que requer ajustes diários em um sistema produtivo, se a intensão for a aplicação consistente de ferramentas estatísticas para o controle de processos. A intensão é modelar matematicamente, da maneira mais precisa possível, as variá- veis a serem avaliadas em um produto, ou algum item de percepção de quantidade de um bem de consumo, serviço ou processo. Para isso, alguns acontecimentos ao longo das linhas e postos de trabalho que defi nem os processos produtivos podem ser modelados, usando distribuições de probabilidade. Nesse sentido, é de extrema relevância o conhecimento dos parâmetros das distribuições para, se necessário, serem realizadas aproximações com base em artifícios estatísticos. A análise de um produto ou processo é um grande desafi o. Por isso, identifi car a curva de distribuição que melhor descreve o comportamento do processo e as variáveis dos níveis de qualidade entregues possibilitam uma análise racional dos resultados que, a partir dela, se desdobrará em planos de ação que buscam a me- lhoria contínua. Para essa identifi cação, o processo precisa ser analisado levando em consideração as variáveis críticas que devam ser monitoradas, as técnicas esta- tísticas que podem ser utilizadas para ajudar o processo de tomada de decisão e os critérios de aceitação ou rejeição dos itens produzidos. CONTROLE ESTATÍSTICO DE PROCESSOS 46 SER_ENGPROD_CEP_UNID2.indd 46 03/05/2021 12:41:34 Uma alternativa eficaz para definir métricas e quantificar um plano de amos- tragem é a chamada curva característica de operação (muitas vezes chamada, nas empresas, de curva CO ou curva CCO). Seu objetivo é traçar um diagrama que cruza as variáveis da fração de itens não conformes (p) com a probabilidade de que aquele lote seja aceito (Pa). Observando uma típica curva CO no Gráfico 1, nota-se que quanto maior a quantidade de defeitos, menor a probabilidade de aceitação de acordo com a relação: n! (d!(n - d)! Pa = P{d ≤ c} = c d = 0 ∑ ∙ pd ∙ (1 - p)n - d Em que: • n é o número de amostras do plano amostral; • c é o número de aceitação de defeitos; • d é o número de defeituosos de uma amostra aleatória. Vamos a um exemplo. Se em um processo é definido um plano amostral no qual a cada 500 itens (n) sejam aceitos três defeitos (c), a probabilidade de aceita- ção do lote para diferentes valores de p se dá conforme mostrado no Gráfico 1. Para esse exemplo, se 2% dos itens não estiverem conformes (p valendo 0,02), a probabilidade de aceitação do lote estará em torno de 85%. É importante salientar que, conforme a fração de defeitos (p) aumenta, reduz-se a probabilidade de acei- tação (P) e vice-versa. GRÁFICO 1. CURVA CARACTERÍSTICA DE OPERAÇÃO PARA N = 500 E C = 3 0% 0 0,01 Pr ob ab ili da de d e ac ei ta çã o (P a) Fração de defeitos do lote (p) 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 1,0 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% n = 500 c = 3 CONTROLE ESTATÍSTICO DE PROCESSOS 47 SER_ENGPROD_CEP_UNID2.indd 47 03/05/2021 12:41:35 Os pontos azuis indicados na curva do Gráfico 1 foram plotados utilizando a relação da probabilidade de aceitação para p valendo 0,02, da seguinte forma: (1) 500! 0!(500!) 500! 1!(499!) 500! 2!(498!) 500! 3!(497!) Pa = P{d ≤ 3} = ∙ (0,02)0 ∙ (0,98)500 + ∙ (0,02)¹ ∙ (0,98)499 + ∙ (0,02)2 ∙ (0,98)498 + ∙ (0,02)3 ∙ (0,98)497 = 0,85 Assim, como foi calculado o valor de Pa para p valendo 0,02 e c valendo 3, po- de-se calcular a fração de defeitos do lote para infinitas frações entre zero e um. Porém o fundamental para o profissional que atua na área de produção e na avaliação estatística da qualidade do processo é o entendimento do que seria o nível de qualidade aceitável (NQA) de uma determinada peça, produto ou serviço. Esses itens podem ser avaliados comparando curvas CO. Nesse sentido, é fun- damental a observação do que acontece com as curvas à medida que se altera o número de aceitação. No Gráfico 2, pode-se verificar esse efeito, onde, para um mesmo tamanho de lote, nota-se que aumentando o número de aceitação, ocorre o deslocamento da curva para a direita: GRÁFICO 2. CURVAS CO COMO FUNÇÃO DO NÚMERO DE ACEITAÇÃO n = 89, c = 2 n = 89, c = 1 n = 89, c = 0 0.01 Fração de defeituosos do lote, p Pr ob ab ili da de d e ac ei ta çã o, P a 0.04 0.4 0.02 0.2 0.050.03 0.06 0.6 0.07 0.08 0.8 1.0 Fonte: MONTGOMERY, 2016, p. 476. (Adaptado). CONTROLE ESTATÍSTICO DE PROCESSOS 48 SER_ENGPROD_CEP_UNID2.indd 48 03/05/2021 12:41:35 É comum que o profi ssional da área de qualidade, que busca controlar es- tatisticamente o processo, tenha interesse em pontos específi cos da curva CO, enquanto clientes ou fornecedores podem se interessar pelo nível de qualidade dos itens ou serviços, assim como pelos processos envolvidos que resultem em alta probabilidade de aceitação. Em uma mesma situação, um fornecedor pode esperar uma probabilidade de 0,90 do ponto de aceitação, por exemplo. Isso indicaria as falhas aceitáveis de seu processo, no qual haveria 90% de chance de que seus envios fossem aceitos. Por outro lado, o cliente poderia se interessar por um outro nível de qualidade, o cha- mado NQA (nível de qualidade aceitável), que, por exemplo, poderia ser de 98%. Logo, a busca por esse ponto de equilíbrio para atender as mais variadas ne- cessidades, assim como as técnicas de negociação, são constantes no dia a dia de um gestor da qualidade que busca ajustar os parâmetros de seus controles estatísticos de processos. CITANDO Os riscos associados à escolha de um plano de amostragem, quanto à aceitação de um lote de má qualidade ou rejeição de um lote de boa qualidade, estão associados ao tamanho da amostra e ao número de acei- tação adotado. [...] Contudo há sempre o risco de uma tomada de decisão errada, em que se rejeita um lote de boa qualidade ou aceita-se um lote defeituoso (CHAVES et al., 2010, p. 312). Distribuições de Poisson Como muitas outras ferramentas estatísticas e métricas de probabilidade, a distribuição de Poisson foi originalmente aplicada ao mundo dos jogos. Em 1830, o matemático francês Siméon Denis Poisson desenvolveu uma distribuição para indicar a probabilidade de um jogador ga- nhar um jogo de azar como o bacará. Porém as gran- des aplicações da ferramenta estatística de Poisson tornaram-se evidentes vários anos depois, duran- te a Segunda Guerra Mundial, quando um esta- tístico britânico, R. D. Clarke, a usou para analisar ataques de bombas na cidade de Londres. CONTROLE ESTATÍSTICO DE PROCESSOS 49 SER_ENGPROD_CEP_UNID2.indd 49 03/05/2021 12:41:35 Ele refinou a distribuição de Poisson como um modelo estatístico e traba- lhou para assegurar ao governo britânico que as bombas alemãs caíram alea- toriamente, ou puramente por acaso, e que seus inimigos não tinham informa- ções suficientes para alvejar certas áreas da cidade. Desde então, a distribuição de Poisson tem sido aplicada em uma ampla gama de campos de estudo, incluindo medicina, astronomia, negócios e es- portes. Em alguns casos, o gestor do processo está preocupado com o nú- mero de defeitos de um tipo específico em um item, conjunto de peças ou serviços. Um produto é aceitável se o seu número de defeitos não for muito grande. O número de pixels de uma TV 4K que não funciona (sendo a tela de 75”) é um bom exemplo. Se apenas alguns pixels não estiverem funcionando nesse apa- relho, o olho humano não será capaz de detectá-los e a tela terá boa qualidade, mas se muitos falharem, a tela não será aceitável (sendo que na verdade, todo monitor de tela plana sempre tem alguns pixels não funcionais). O gráfico CO é baseado na observação de que se os defeitos estão ocorren- do completamente ao acaso, então a distribuição de probabilidade do número de defeitos por unidade de produção tem