GRÁFICOS DE CONTROLE PARA MONITORAMENTO ESTATISTICO DO PROCESSO DE ACONDICIONAMENTO DE EMBUTIDOS

Prévia do material em texto

GRÁFICOS DE CONTROLE PARA 
MONITORAMENTO ESTATISTICO DO 
PROCESSO DE ACONDICIONAMENTO 
DE EMBUTIDOS 
 
Matheus Fernando Moro (UFSM ) 
morosmi@hotmail.com 
Camila Candida Compagnoni dos Reis (UFSM ) 
camilacompagnoni@gmail.com 
Sandrine de Almeida Flores (UFSM ) 
sandrinetuty@gmail.com 
Andreas Dittmar Weise (UFSM ) 
mail@adweise.de 
 
 
 
Os gráficos de controle estatísticos de processo são importantes para 
verificação de falhas, pois os processos precisam estar ocorrendo 
dentro dos limites de controle especificados. Os gráficos de controle 
tradicionais tipo Shewhart não sãoo eficazes se o tamanho da mudança 
é pequena, assim os gráficos CUSUM e EWMA surgem com 
alternativa. Diante disso, o objetivo desse trabalho é aplicar os 
gráficos de Shewhart (X-S), Soma Acumulada (CUSUM) e o de Média 
Móvel Exponencialmente Ponderada (EWMA) na análise do peso do 
pacote de salsicha do tipo hot dog de uma indústria frigorifica. Os 
dados são fornecidos pela empresa e os gráficos são elaborados no 
software Statistica® 10. Os resultados de cada gráfico são 
comparados, com objetivo de encontrar o melhor método para 
monitorar o processo, ainda é desenvolvido um diagrama de causa e 
efeito para organizar as causas do problema. Conclui-se que tanto os 
gráficos CUSUM como EWMA tem como pontos positivos detectar 
mais rapidamente pequenos desvios e dão informações sobre a 
tendência do processo, sendo indicados para o monitoramento deste 
processo, porém, o gráfico de controle EWMA tem a vantagem, de 
antecipação do alarme quando há variabilidade no processo devido a 
causas especiais. 
 
Palavras-chave: Controle Estatístico do Processo; Gráficos de 
Controle; Desempenho de processo. 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
 
 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
2 
 
1. Introdução 
A revolução industrial é considerada o marco da administração da produção, trouxe novos 
sistemas e processos industriais, exigindo novas técnicas gerenciais especificadas para a 
indústria. Com o aprimoramento da tecnologia novos conhecimentos e técnicas precisaram ser 
aprendidos, pois a qualidade dos produtos é cada vez mais exigida, além de primordial para 
que a organizações se mantenham competitivas no mercado, aquém disso, as regulamentações 
existentes são cada vez mais cautelosas, exigidas e fiscalizadas (PEINADO; GRAEMI, 2007). 
Na percepção de Campos (1992, p. 2) “[...] um produto ou serviço de qualidade é aquele que 
atende perfeitamente, de forma confiável, de forma acessível, de forma segura e no tempo 
certo às necessidades do cliente [...]”. Para o autor, a qualidade é resultante de uma série de 
fatores que vão desde um perfeito projeto do produto até a entrega dele para o cliente, que 
deve ser feita no prazo certo, no local certo e na quantidade certa. Assim, ferramentas e 
técnicas são utilizadas nos mais diversos ramos industriais e até mesmo de serviços, buscando 
melhores índices de qualidade dos produtos e/ou serviços oferecidos, considerando o controle 
dos processos envolvidos. 
O Controle Estatístico do Processo (CEP) é uma técnica poderosa para monitorizar, gerir, 
analisar e melhorar o desempenho do processo por métodos estatísticos. Os gráficos de 
controle estatísticos de processo são importantes para verificação de falhas, pois os processos 
precisam estar ocorrendo como planejado, isto é, dentro dos limites de controle especificados. 
Estes gráficos são utilizados nas operações produtivas, podendo destacar problemas que estão 
afetando o sucesso da produção (BITTENCOURT, 2014). 
Os gráficos de controle tradicionais tipo Shewhart não são eficazes se o tamanho da mudança 
é pequena, 2σ a 1,5σ, ou menos. Os gráficos CUSUM e EWMA são uma alternativa para 
pequenas mudanças. Esses dois gráficos auxiliam na tomada de decisão, pois se fundamenta 
nos resultados apresentados por certo número de amostras, e não em observações isoladas de 
amostras, ou seja, a análise deste gráfico é em função do resultado atual e dos resultados 
anteriores (Cruz et al., 2009). 
Diante disso, o objetivo desse trabalho é aplicar conceitos de controle estatístico de processos 
(CEP) na análise do peso do pacote de salsicha do tipo hot dog de uma indústria frigorifica 
catarinense. Os gráficos de Shewhart (X-S), Soma Acumulada (CUSUM) e o de Média Móvel 
Exponencialmente Ponderada (EWMA) são aplicados, analisados e os resultados comparados, 
com objetivo de estabelecer o controle estatístico no processo, ainda é desenvolvido um 
diagrama de causa e efeito para organizar as causas do problema. 
O presente artigo está estruturado da seguinte forma: imediatamente após a introdução, consta 
o referencial teórico que embasou esse estudo, contemplando os tipos de gráficos de controle 
utilizados para variáveis. Na sequência, visualizam-se os materiais e métodos adotados na 
pesquisa e os resultados e discussões onde se pode visualizar os gráficos desenvolvidos. Por 
fim encontra-se exposto a conclusão a partir do estudo realizado. 
 
2. Gráficos de controle para variáveis 
Os gráficos de controle são utilizados para verificar, visualmente, as conformidades e não 
conformidades de processos e produtos. Por meio deles, possibilita-se identificar pontos 
estratégicos na linha de produção, que se destacam por alterações fora do normal, sendo que 
quando detectado possibilita a compreensão das causas especiais que envolvem o processo 
industrial (SAMOHYL, 2009). Dividem-se em gráficos de controle para variáveis e gráficos 
de controle para atributos, onde neste segundo o valor da variável em estudo é determinado 
através de uma classificação ou contagem. 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
3 
De forma corroborativa, utiliza-se de gráficos de controle para variáveis no monitoramento de 
processos quando a característica estudada “é uma variável que pode ser mensurada e 
expressa em um valor na escala contínua” (WALTER et al., 2013, p. 272), ou seja, o valor é 
determinado através de algum tipo de medição. Nos gráficos de controle para variáveis, é 
adequado que se descreva a característica estudada por meio de sua medida de tendência 
central e de sua variabilidade, representando os resultados em gráficos de controle 
apropriados. 
Em sua maioria, os gráficos de controle compõem-se por linhas horizontais sendo elas uma 
Linha Central (LC) que representa o alvo da característica (ou a média da vaiável) e as linhas 
de Limite Inferior de Controle (LIC) e Limite Superior de Controle (LSC), e dos pontos que 
representam as amostras (ou médias das amostras dos subgrupos) (SAMOHYL, 2009). 
Assim, medidas obtidas no processo são plotadas no gráfico, de modo que, quando fora dos 
limites de controle, considera-se que há existências de causas especiais que afetam o processo, 
de modo que o mesmo não pode ser considerado sob controle estatístico. 
2.1 Gráfico de Controle de Shewart 
Dentre os diferentes gráficos de controle estatísticos o mais utilizado é o tradicional gráfico de 
Shewhart, fato que pode ser justificado devido à simplicidade de uso e interpretação e por 
detectar com eficácia grandes mudanças (WALTER et al., 2013; HENNING et al., 2014). Osgráficos de controle para variáveis podem ser expressos por três tipos: para controlar a média 
do processo usualmente utiliza-se o gráfico de controle para as médias – gráfico 
(MONTGOMERY, 2004), já para o controle da variabilidade do processo, utiliza-se o gráfico 
de controle para o desvio padrão – gráfico S, e o gráfico para amplitude – gráfico R 
(WALTER et al., 2013). 
Os gráficos de controle de Shewart são demonstrações gráficas de ordem de amostras, que 
estão passando pelo controle estatístico de processos, baseando-se em uma Linha Central 
(LC) como valor médio do processo analisado, observa-se a localização do Limite Superior de 
Controle (LSC) e o Limite Inferior de Controle (LIC), pois essa situação equivale a um teste 
de hipótese se os pontos encontram-se entre os limites estabelecidos, assim não se rejeita a 
hipótese de estar sob controle (MONTGOMERY, 2004; MINGOTI; YASSUKAWA, 2008). 
Nas Equações 1, 2 e 3 CARPINETTI (2012) define os limites. 
 ; (1) 
LC = ; (2) 
 
(3) 
Contudo, sabe-se que para construir o gráfico s é preciso calcular o desvio padrão para todos 
os subgrupos amostrais, pois o monitoramento da variabilidade é realizado dentro de cada 
subgrupo. Portanto, os gráficos – S apresentam limites de controle que variam de acordo 
com o tamanho da amostra de cada subgrupo, quanto menor o tamanho da amostra, mais 
extensos serão os limites de controle (MONTGOMERY, 2004; BITTENCOURT, 2014). 
De acordo com Montgomery (2004) e Samohyl (2009), utiliza-se os gráficos X e S quando: 
a) O tamanho da amostra n é maior que 10 ou 12, já que nesses casos o gráfico R tende a 
superestimar o desvio-padrão; e 
b) O tamanho da amostra n é variável. 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
4 
Por isso nesse trabalho iremos construir apenas os gráficos de média e desvio padrão. Com o 
passar do tempo, foram sendo desenvolvidos conceitos para aperfeiçoar cálculos matemáticos 
e estatísticos envolvidos nos gráficos de controle, a fim de detectar de forma mais veloz e 
precisa as alterações presentes nos processos, minimizando a ocorrência de alarmes falsos e 
alarmes não dados (SAMOHYL, 2009). Assim, os gráficos de CUSUM (somas acumuladas) e 
EWMA (suavização exponencial simples) surgem como aprimoramento do gráfico de 
Shewhart. 
2.1.1 Gráfico de Controle de Soma Acumulada (CUSUM) 
O gráfico CUSUM incorpora a informação presente nas observações anteriores em cada 
observação do gráfico de controle, ou seja, considera o histórico de dados e torna possível 
reconhecer pequenas alterações nos processos. O CUSUM trata da “soma acumulada dos 
desvios das mensurações ao redor da média ou valor nominal do processo como ponto de 
referência” (SAMOHYL, 2009, p. 145). 
O cálculo conta com informações de diferença do valor observado pela média global das 
amostras ( ), somando-se então todas as diferenças encontradas, de modo que Walter et al. 
(2013) apresenta para este cálculo a seguinte equação: 
 ; (4) 
De forma que expressa a soma acumulada de i amostras. Uma vez que tem-se o processo 
sob controle estatístico, a soma acumulada apresenta valor com média próxima a zero. 
No caso de os valores de se afasta da média , a soma acumulada apresenta rapidamente 
valores maiores, servindo de alerta para o desvio do processo. Destaca-se ainda a importância 
de se identificar se a soma acumulada é negativa ou positiva, ou seja, se as leituras observadas 
de são inferiores ao valor nominal (mostrando graficamente um deslocamento para 
baixo) ou superiores ao valor nominal (deslocamento para cima) (SAMOHYL, 2009). 
O CUSUM funciona acumulando desvios de que estão acima e abaixo do alvo, com uma 
estatística C+ e C- chamadas de CUSUM’s unilaterais, superior e inferior. Estas estatísticas 
são calculadas da seguinte forma: 
]; (5) 
 
]; (6) 
 
Onde, = = 0. 
O valor de referência K é escolhido entre o valor-alvo e o valor da média fora de controle 
 que estamos interessados em detectar rapidamente. Desta forma, se a mudança é expressa 
em unidades de desvio padrão como , então K é a metade da magnitude da 
mudança dada pela Equação 7. 
 
(7) 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
5 
Se ou ultrapassar o intervalo de decisão H, o processo será considerado fora de 
controle estatístico. Pra um melhor desempenho do gráfico de soma acumulada, recomenda-se 
que seja utilizado um valor de K igual a 0,5 vezes o valor do desvio padrão (σ) e o H como 
quatro ou cinco vezes o valor do desvio padrão (σ). Após entendimento do exposto, torna-se 
evidente a maior sensibilidade dos gráficos CUSUM no que tange as mudanças nos processos 
em estudo. 
 
2.1.2 Gráfico de controle de Média Móvel Exponencialmente Ponderada - EWMA 
O gráfico da média móvel exponencialmente ponderada, gráfico de controle EWMA, é 
indicado para detecção de pequenas mudanças, são responsáveis por verificar o deslocamento 
no processo. Sob a suposição de normalidade, o EWMA dá-se a linha central e os limites de 
controle, conforme descrito nas Equações 8, 9 e 10 (SOUSA et al., 2014). 
 
(8) 
; (9) 
; 
 
(10) 
Os limites apresentam um L, representando o coeficiente dos limites e é o desvio padrão do 
processo estimado. Contudo, os limites de controle podem variar conforme as observações 
analisadas, sendo que i, o número de ordem da observação, aumenta gera tendência para a 
unidade de (TRENTIN, 2010). 
É importante ressaltar que para ser possível a utilização de qualquer tipo de gráfico de 
controle duas suposições devem ser validadas. A primeira suposição é a da independência das 
amostras, ou seja, as amostras não devem apresentar nenhum tipo de correlação. A segunda é 
a de que os dados sejam normalmente distribuídos (MONTGOMERY, 2004; SAMOHYL, 
2009; CARPINETTI, 2012). 
 
3. Metodologia 
3.1 Classificação da Pesquisa 
Segundo Gil (2008), a utilização de métodos estatísticos, torna a pesquisa com um grau de 
precisão de ordem quantitativa, sendo que possibilita a conclusão quanto à margem de erro de 
um valor encontrado, de forma que este trabalho se enquadre como tal. Uma vez que o 
objetivo deste trabalho concentra-se em empregar os gráficos de controle de Shewhart, 
CUSUM e EWMA pode-se afirmar que se trata de uma pesquisa axiomática normativa, 
segundo a classificação proposta por Bertrand e Fransoo (2002). 
 
3.2 Material de estudo 
A empresa em estudo está situada no estado de Santa Catarina e teve sua fundação em 1934. 
Atualmente conta com 9 mil funcionários e possui um grande mix de produção contando com 
derivados de aves, suínos, gado e leite. O estudo se dará através da variável peso real do 
pacote de 5 kg de salsichas tipo hot dog. Justifica-se a escolha desta variável devido aos 
problemas que a empresa vem apresentando em relação aos mesmos, como perdas de 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
6 
embalagens e retrabalho. As especificações do INMETRO (órgão regulamentador) para esse 
produto embalado são: (a) peso central: 5000g e; (b) limite superior e inferior ± 1,5%. Assim 
o trabalho se justifica, pois é de interesse da empresa trabalhar com índices dentro da meta, 
evitando custos adicionais. 
 
3.3 MétodoO presente trabalho estrutura-se a partir de quatro etapas metodológicas como pode ser 
observado na Figura 1. A primeira etapa trata da coleta de dados junto à empresa. Na 
sequência, tem-se a elaboração dos gráficos de controle. Os resultados obtidos são analisados, 
de forma a confrontá-los no que se refere aos diferentes tipos de gráficos elaborados (Shewart, 
CUSUM e EWMA), finalizando assim com as conclusões cabíveis. 
Figura 1 - Metodologia utilizada na pesquisa 
 
Fonte: Elaborada pelos autores 
A coleta de dados compreendeu o período de 06 de julho de 2015 até 22 de março de 2015, 
totalizando 199 dias de coletas englobando os dois turnos de trabalho e as cinco máquinas 
responsáveis por embalar o produto em estudo. Contudo, os dados foram coletados quatro 
vezes por turno, sempre no mesmo horário. O responsável pela coleta foi um funcionário da 
própria empresa que ocupa o cargo de analista do controle de qualidade, o qual tomava nota 
dos pesos obtidos nas balanças das próprias embaladoras. Em cada horário foi realizada a 
coleta de 25 amostras. Em geral têm-se um número de 7960 amostras da máquina 
embaladora. Para a realização deste trabalho, não se considerou a divisão por turnos de 
trabalho, ou seja, os gráficos foram elaborados por máquinas. 
Em relação à etapa de elaboração dos gráficos de controle, primeiramente é realizado testes de 
normalidade de Anderson-Darling, Shapiro-Wilk e Kolgomorov-Smirnov e de cálculo do 
correlograma para verificação de autocorrelação nas amostras. A partir de então, constroem-se 
gráficos de controle, para a embaladora, gerando quatro gráficos. De forma simplificada, 
pode-se observar a parte de elaboração dos gráficos na Figura 2. 
 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
7 
Figura 2 - Procedimentos e etapas adotadas na elaboração dos gráficos de controles de Shewart, CUSUM e 
EWMA 
 
Fonte: Elaborado pelos autores 
Realiza-se também uma breve discussão das causas especiais e particularidades de cada 
método, e através de um diagrama de Ishikawa, identificam-se as causas e efeitos. Para a 
construção dos gráficos de controle será utilizada o software Statistica 10® e para o diagrama 
de Ishikawa e outras análises será realizado o suplemento do Excel®, Action. 
 
4. Análise e discussão dos resultados 
Para utilizar um gráfico de controle deve-se validar a suposição de normalidade da amostra e 
para isso realizou-se os testes de normalidade de Anderson-Darling, Kolmogorov-Smirnov e 
Shapiro-Wilk (ao nível de α=5%) para a amostra que será utilizada na pesquisa, conforme 
resultados obtidos na Tabela 1. 
Tabela 1 - Testes de normalidade para a 
embaladora
Fonte: Elaborada pelos autores 
Podemos concluir que os dados da embaladora segue a distribuição normal, visto que mesmo 
o teste de Shairo-Wilk tendo encontrado p-valor menor que 5%, os testes de Anderson-
Darling e Kolmogorov-Smirnov encontraram p-valores maiores que α= 5%, diante disso, os 
testes indicam que os dados são normais. 
Na Figura 3 observa-se o correlograma da variável Embaladora, onde se verificou que a 
amostra da embaladora atende o pressuposto de não autocorrelação. 
 
Figura 3 - Gráfico de função de autocorrelação da Embaladora 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
8 
Autocorrelation Function
EMB2
(Standard errors are white-noise estimates)
 Conf. Limit
-1,0 -0,5 0,0 0,5 1,0
0
 15 +,000 ,0112
 14 +,000 ,0112
 13 -,000 ,0112
 12 -,000 ,0112
 11 -,000 ,0112
 10 +,000 ,0112
 9 -,000 ,0112
 8 -,000 ,0112
 7 -,000 ,0112
 6 -,000 ,0112
 5 -,000 ,0112
 4 -,000 ,0112
 3 -,001 ,0112
 2 -,000 ,0112
 1 +,000 ,0112
Lag Corr. S.E.
0
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,01 1,000
 ,00 1,000
 ,00 ,9999
 ,00 ,9988
 ,00 ,9742
 Q p
 
Fonte: Elaborada pelos autores 
Como as amostras seguem a distribuição normal e não são autocorrelacionas é possível 
construir os gráficos de controle. Antes de começarmos a construção dos gráficos é 
interessante realizarmos algumas estatísticas básicas para conhecermos nossas amostras. 
 
4.1 Gráficos de Controle da Embaladora 
Realizando o estudo da Embaladora, observa-se no gráfico de Shewhart (X), na Figura 4, que 
de 11 amostras fora dos limites de controle, 8 delas estão além do LCS. 
 
 
 
 
 
 
 
Figura 4 - Gráfico de controle de média de Shewhart da Embaladora 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
9 
X-bar and S Chart; variable: EMB 2
Histogram of Means
0 10 20 30 40 50 60 70
5,015
5,020
5,025
5,030
5,035
5,040
5,045
5,050
5,055
5,060
X-bar: 5,0325 (5,0325); Sigma: ,02502 (,02502); n: 40,
20 40 60 80 100 120 140 160 180
5,0206
5,0325
5,0443
Histogram of Std.Devs
0
10
20
30
40
50
60
70
80
0,010
0,015
0,020
0,025
0,030
0,035
0,040
0,045
Std.Dv.: ,02486 (,02486); Sigma: ,04421 (,00282); n: 40,
20 40 60 80 100 120 140 160 180
,01639
,02486
,03333
 
Fonte: Elaborada pelos autores 
Quanto mais as medidas estiverem acima do valor alvo do produto em questão (5kg), mais a 
indústria está perdendo, visto que o consumidor paga o valor pelo produto de 5kg e na 
verdade está tendo um acréscimo no peso do pacote, a qual ocasiona uma perda pra empresa. 
Entretanto, pode-se observar uma mudança no comportamento dos pesos analisados próxima 
a quadragésima amostra (Figura 4). Os dados encontravam-se concentrados próximo ao LSC, 
provavelmente alguma ação corretiva deve ter sido tomada, pois a distribuição dos dados 
concentrou-se, após a quadragésima amostra, de forma significativa, próximas ao LIC. 
Entretanto, a partir da amostra cento e sessenta os pesos voltaram a indicar proximidade ao 
LSC, com constatação de uma amostra acima do LSC após a observação 180. 
Considerando o gráfico de Shewhart (S), conforme a Figura 5 temos maior variabilidade do 
processo em relação ao LC, entretanto, também se pode observar 15 amostras fora de 
controle. Ou seja, este gráfico, para a embaladora em estudo, apresenta-se mais sensível para 
o controle do processo do que o gráfico Shewhart (X). 
Figura 5 - Gráfico de controle de desvio padrão de Shewhart da Embaladora 
 
X-bar and S Chart; variable: EMB 2
Histogram of Means
0 10 20 30 40 50 60 70
5,015
5,020
5,025
5,030
5,035
5,040
5,045
5,050
5,055
5,060
X-bar: 5,0325 (5,0325); Sigma: ,02502 (,02502); n: 40,
20 40 60 80 100 120 140 160 180
5,0206
5,0325
5,0443
Histogram of Std.Devs
0
10
20
30
40
50
60
70
80
0,010
0,015
0,020
0,025
0,030
0,035
0,040
0,045
Std.Dv.: ,02486 (,02486); Sigma: ,04421 (,00282); n: 40,
20 40 60 80 100 120 140 160 180
,01639
,02486
,03333
 
Fonte: Elaborada pelos autores 
Da mesma forma que o gráfico de Shewhart (X), apontado na Figura 4, observa-se no gráfico 
a partir do desvio padrão, na Figura 5, que 4,02% das amostras estão acima do LSC. Já abaixo 
do LIC, temos 1,15% para o gráfico da média contra 3,51% para o gráficodo desvio padrão, o 
gráfico demonstra uma grande variabilidade nos dados, referente ao valor de desvio padrão da 
Embaladora 2, que mesmo não sendo alto, há várias amostras fora de controle estatístico. 
Ao analisar o gráfico de CUSUM, na Figura 6, temos uma maior evidencia de pontos acima 
do LSC para os primeiros dados analisados, seguindo esse comportamento de descontrole 
estatístico até aproximadamente a quadragésima quinta observação, onde o gráfico CUSUM 
passa a indicar pontos abaixo do LIC, seguindo assim até próximo à observação 165. Ou seja, 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
10 
quando comparamos este comportamento com os gráficos de Shewhart, temos o alarme do 
descontrole estatístico ocorrendo de forma mais rápida. 
Figura 6 - Gráfico CUSUM para Embaladora 
CuSum X and Moving R Chart; variable: M EMB 2
Histogram of CuSum of Observations
0
20
40
60
80
100
120
-0,15
-0,10
-0,05
0,00
0,05
0,10
0,15
X: 5,0325 (5,0325); Sigma: ,00490 (,00490); n: 1,
20 40 60 80 100 120 140 160 180
-,02450
0,0000
,02450
Histogram of Moving Ranges
0
20
40
60
80
100
120
-0,005
0,000
0,005
0,010
0,015
0,020
0,025
Moving R: ,00553 (,00553); Sigma: ,00418 (,00418); n: 1,
20 40 60 80 100 120 140 160 180
0,0000
,00553
,01806
 
Fonte: Elaborada pelos autores 
Além do mais, através do gráfico que considera as somas acumuladas (Figura 6), tem-se a 
indicação de que o os pesos dos produtos apresentam uma tendência de se distanciar do LC, 
ultrapassando o LSC, elevando a média do processo. Ressalta-se ainda que essa embaladora, 
conforme visto no gráfico CUSUM, apresenta menos de 10% dos dados analisados 
considerados dentro das faixas de limites de controle, indicando uma grande necessidade de 
ações corretivas em relação à mesma. 
O gráfico EWMA para a embaladora em estudo, apresentado na Figura 7, indica 
interpretações similares ao CUSUM, entretanto, mostra a concentração de algumas amostras 
entre o quadragésimo quinto dado e o centésimo oitavo dado, dentro dos limites superior e 
inferior estabelecido. 
Figura 7: Gráfico EWMA para Embaladora 
EWMA X-bar and S Chart; variable: EMB 2
Histogram of EWMA
0 10 20 30 40 50 60 70
5,024
5,026
5,028
5,030
5,032
5,034
5,036
5,038
5,040
5,042
EWMA X-bar: 5,0325 (5,0325); Sigma: ,02502 (,02502); n: 40,
20 40 60 80 100 120 140 160 180
5,0297
5,0325
5,0352
Histogram of Std.Devs
0
10
20
30
40
50
60
70
80
0,010
0,015
0,020
0,025
0,030
0,035
0,040
0,045
Std.Dv.: ,02486 (,02486); Sigma: ,04421 (,00282); n: 40,
20 40 60 80 100 120 140 160 180
,01639
,02486
,03333
 
Fonte: Elaborada pelos autores 
Destaca-se ainda que o LSC para o EWMA é menor do que o LSC do gráfico Shewhart, de 
forma que alarma pontos fora do LSC mais rapidamente do que para o gráfico de Shewhart, 
como pode ser confirmado após a centésima oitava observação. Para essa embaladora o 
gráfico de controle EWMA, indica mais rapidamente o alarme de amostras fora de controle 
estatístico, portanto compreende-se que, para essa máquina, seria melhor a adoção deste 
gráfico para monitoramento do processo. 
 
4.2 Diagrama de Ishikawa 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
11 
A fim de identificar as causas de variação do peso dos pacotes de salsicha foi realizado um 
diagrama de causa e efeito, com base em informações fornecidas por colaboradores da 
indústria em estudo, conforme Figura 8. 
 
Figura 8 - Diagrama de causa e 
efeito
Mão de obra Materiais Método
Medidas Meio ambiente Máquina
Falta de
treinamento
dos operadores
Verificação
da qualidade
da massada
Não utilização
do processo
padrão
de matéria prima
das medidas
Má padronização
na fabricação
e temperatura
na umidade
Variação
das balanças
Má aferição
 
Fonte: Elaborada pelos autores 
O diagrama de Ishikawa foi construído para apresentar os pontos críticos do processo que 
devem ser trabalhados. A variabilidade ocorre por 3 motivos: ajuste ou controle impróprio das 
máquinas, erro de operadores e defeito de matéria prima. 
No item mão de obra verificou-se que todo processo produtivo é dependente do trabalho 
manual de seus colaboradores, o comprometimento destes contribui para melhora na 
produção, com isso deve ter treinamentos adequados e planos de motivação para os 
operadores. 
A Carne Mecanicamente Separada (CMS) é a principal matéria prima da salsicha, sabendo 
que o CMS vem de outras unidades da empresa, dependendo do lote pode influir diretamente 
nas características físicas da massada final, fazendo com que a salsicha sofra oscilação no seu 
peso final. O CMS para por um controle de qualidade, porém, como cada unidade tem um tipo 
de controle, podem acontecer desvios no processo, portanto os fornecedores das matérias 
primas devem ser padronizados para garantir a qualidade padrão do produto final. 
Na produção o ambiente de trabalho é adequado para os funcionários, porém a umidade e 
temperatura no ambiente ocasionam variabilidade do peso do produto. Constatou-se também 
que a aferição da balança pode interferir diretamente no peso do pacote, assim é necessário 
realizar inspeção nas balanças para fazer a calibragem. 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
12 
 
5. Conclusão 
No estudo evidenciou-se que o gráfico de controle é uma ferramenta simples para o 
acompanhamento do peso dos pacotes de salsicha do tipo hot dog no processo, revelando de 
forma eficiente, o comportamento do processo. 
Em relação aos resultados apresentados na seção 4, conclui-se que há grande variabilidade em 
relação ao peso final dos produtos embalados na embaladora em estudo. Como exposto no 
diagrama de Ishikawa, maiores estudos devem ser feitos em torno da variabilidade da matéria 
prima, bem como a verificação periódica da calibragem das balanças. Outro fator que não 
deve ser esquecido para que melhoras possam ser alcançadas, a fim de se obter um processo 
sob controle estatístico, é a falta de treinamento dos operadores. Ainda, pode ser avaliada a 
implantação técnica e econômica de planos de manutenção preventiva, a fim de aumentar a 
padronização do processo, evitando a ocorrência de defeitos nos equipamentos e consequente 
parada da linha de produção. 
No estudo feito para a embaladora o gráfico CUSUM apresenta-se mais eficiente que o 
Shewhart, devido à antecipação de alarme dos descontroles no processo. Entretanto, o EWMA 
ainda adianta-se neste ponto, quando comparado ao CUSUM. Assim, conclui-se que tanto os 
gráficos CUSUM como EWMA tem como pontos positivos detectar mais rapidamente 
pequenos desvios e dão informações sobre a tendência do processo, sendo indicados para o 
monitoramento deste processo, porém, o gráfico de controle EWMA tem a vantagem 
demonstrada, de antecipação do alarme quando há variabilidade no processo devido a causas 
especiais. 
Sugere-se à empresa a utilização do gráfico de controle EWMA para monitorar o processo de 
empacotamento da salsicha, pois este método pode auxiliar na garantia de qualidade de seusprocessos produtivos e com isso a qualidade dos produtos, além da redução de prejuízos e, 
consequentemente, o aumento da produtividade e lucratividade. 
 
REFERÊNCIAS 
 
BERTRAND, Will; FRANSOO, Jan. Operations management research methodologies using quantitative 
modeling. International Journal of Operations & Production Management, v. 22, n. 2, p. 241–264, 2002. 
BITTENCOURT, Helio. Controle Estatístico da Qualidade. Porto Alegre: 2014. 
 
CARPINETTI, Luis César. Gestão da qualidade: conceitos e técnicas. 2. ed. São Paulo: [s.n.], 2012 . 
 
 
XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO 
Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil 
João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. 
. 
 
 
 
 
13 
CRUZ, Augusto; ALVES, Custódio; HENNING, Elisa; SCHMIDT NETO, Arnoldo. Aplicação de gráficos de 
controle de Soma Acumulada (CUSUM) para monitoramento de um processo de usinagem. In: Simpósio 
de Engenharia de Produção, Bauru, 2009. Disponível em: 
<dspace.universia.net/bitstream/2024/542/1/ArtigoXVISIMPEP2009.PDF>. Acesso em: 16 nov. 2015. 
 
GIL, Antônio. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 2008. 
 
HENNING, Elisa; KONRATH, Ana; WALTER, Oolga; SAMOHYL, Robert. Aplicação de um gráfico CUSUM 
binomial no monitoramento de um indicador de água potável. Produção Online, v. 14, n. 1, p. 84-114, 2014. 
 
MINGOTI, Sueli; YASSUKAWA, Fabiane. Uma comparação de gráficos de controle para a média de processos 
autocorrelacionados. Revista Eletrônica Sistemas & Gestão, v. 3, n. 1, p. 55–73, 2008. 
 
MONTGOMERY, Douglas. Introdução ao Controle Estatístico da Qualidade. 4. ed. Rio de Janeiro: LTC, 
2004. 
 
PEINADO, Jurandir; GRAEMI, Alexandre. Administração da produção: operações industriais e de serviços. 
UnicenP, p. 748, 2007. 
 
SAMOHYL, Robert. Controle estatístico de qualidade. Rio de Janeiro: Elsevier, 2009. 
 
SOUSA, Roberta; ALEXANDRE, João; FREITAS, Silvia; RODRIGUES, Marcelo. Um estudo do desempenho 
dos gráficos de controle por grupos na presença de autocorrelação no processo. XXI Simpósio de 
Engenahria de Prodção. Anais...Bauru: SIMPEP, 2014. 
 
TRENTIN, Marcelo. Monitoramento e controle estatístico integrado ao controle de engenharia de processo. 
Tese (Doutorado em Engenharia de Produção). Porto Alegre: Universidade Federal do Rio Grande do Sul, 2010. 
 
WALTER, Olga; HENNING, Elisa; CARDOSO, Marcio; SAMOHYL, Robert. Aplicação individual e 
combinada dos gráficos de controle Shewhart e CUSUM : uma aplicação no setor metal mecânico. Gestão e 
Produção, v. 20, n. 2, p. 271–286, 2013.