Universidade de Caxias do Sul - UCS

CARVI Campus Universitrio da Regio dos Vinhedos

Introduo a Engenharia de Produo
Tcnicas Estatsticas de Processos
21/06/2006
Introduo
A Estatstica uma !erramenta empregada em vrios setores" inclusive o
industrial" para medir a varia#ilidade existente em $uais$uer processos% &ara tanto"
utili'am-se de tcnicas estatsticas como o Controle Estatstico de &rocesso (CE&)"
*odelos de Regresso" +elineamento de experimentos" ou simples tcnicas
descritivas%
Este tra#alho demonstra algumas tcnicas $ue so indispensveis para a
medi,o" controle e melhoria de determinados processos industriais%
!"eti#os
- uso de tcnicas estatsticas nas empresas tem como o#.etivos redu'ir custos e
aumentar a competitividade no mercado% /ais tcnicas permitem $ue" por meio de
pe$uenas amostras" h a possi#ilidade de se inter!erir no comportamento do lote em
produ,o" tomando as a,0es $ue evitem a ocorr1ncia de pro#lemas" atravs da
preven,o%
Contro$e Estatstico de Processo %CEP&
Condi'es (ara se i)($antar u) Contro$e Estatstico de Processo*
/reinar a e$uipe para lan,ar e interpretar corretamente os dados nos gr!icos2
/er concludo os estudos so#re Capacidade de 3nspe,o" cu.os resultados
devem indicar $ue a capacidade 4aceitvel5" numa escala 4aceitvel"
marginal e inaceitvel52
+isponi#ili'ar todas as planilhas de registro de dados nos locais apropriados ou
pr6ximos a eles2
Varia!i$idade
7ual$uer processo de produ,o est su.eito 8 varia,o" por mais $ue o processo
se.a 4per!eito5% Um produto ou servi,o sempre esta su.eito 8 varia#ilidade% 9o
Controle Estatstico de 7ualidade" a varia#ilidade tem causas aleat6rias" inerentes ao
processo (ou comuns) e causas especiais (ou identi!icveis) $ue podem ser
identi!icadas% 7uando o processo dito so# controle estatstico" ele opera apenas so#
as causas inerentes" $ue so causas essencialmente inevitveis" as $uais pouco ou
nada se pode !a'er para eliminar% 7uando o processo dito estar !ora de controle
estatstico" ele opera so# causas especiais (ou identi!icveis)% Estas causas devem ser
desco#ertas e corrigidas para $ue o processo volte ao controle% As causas especiais
podem ocorrer :: devido a; mo de o#ra" mtodo de tra#alho" matria prima"
m$uinas" meio am#iente e meios de medi,o"o $ual !oi conhecido como <*% A !alta
de treinamento de !uncionrios" a !alta de a.uste ou lu#ri!ica,o da m$uina so
exemplos de causas especiais% Convm ressaltar $ue existe o erro de a!irmar-se $ue o
processo est so# controle" $uando ele no est e vice-versa%
Um dos o#.etivos principais do Controle Estatstico de 7ualidade detectar as
causas especiais" investigar e aplicar a,0es para corre,o" para $ue o processo no
produ'a produtos !ora das especi!ica,0es acima do previsto% - o#.etivo a
elimina,o da varia#ilidade (ou de $uase toda) no processo% &ara detectar causas
especiais utili'asse a carta de controle% As cartas de controle so compostas de tr1s
linhas paralelas" a linha central (=C)" o limite superior de controle (=SC) e o limite
in!erior de controle (=3C)% Estes limites devem estar dentro dos limites de
especi!ica,o de engenharia% -s limites das cartas de controle so determinados com
#ase na mdia e no desvio padro da distri#ui,o da caracterstica de $ualidade da
varivel $uando o processo est isento de causas especiais" isto " as medidas
individuais so provenientes de uma mesma popula,o% A teoria estatstica
desenvolvida por She>hart para clculos do limites de controle" para uma estatstica
? $ual$uer" com distri#ui,o normal" calculada a partir dos valores amostrais" e
$ue tenha mdia @(>) e desvio padro s(>) conhecidos" ter uma pro#a#ilidade
pr6xima a um de estar no intervalo de @(>) A Bs(>)" segundo RA*-S (CDDE)%
Conse$Fentemente" tem-se;
=SC G @(>) H Bs(>)
=C G @(>)
=3C G @(>) - Bs(>)
+ndices de Ca(a!i$idade do Processo %C(, C(-&
-s ndices e taxas $ue medem a capa#ilidade" ou se.a" a capacidade de um
dado processo !a#ricar produtos dentro da !aixa de especi!ica,o" surgiu dos estudos
so#re Controle Estatstico de &rocessos (CE&) reali'ados pelo +r% ?alter She>hart
do Iell =a#oratories na dcada de :J% Seu surgimento se con!unde com o pr6prio
nascimento da rea de $ualidade% K $ue o tra#alho inicial reali'ado no Iell
=a#oratories !oi a #ase das principais tcnicas e !erramentas $ue !ariam nascer nas
empresas americanas os departamentos de $ualidade durante a segunda guerra%
-utro su#produto destas tcnicas !oi tam#m o surgimento da American
SocietL !or 7ualitL Control - AS7C (ho.e denominada AS7) % Acontecimento $ue
tam#m um marco no nascimento da rea de estudo e de atua,o pro!issional de
$ualidade% Assim" o Controle Estatstico de &rocesso uma das !erramentas mais
clssicas na rea de $ualidade e com certe'a uma das mais comprovadas e
empregadas no meio prtico% +esde seu surgimento tem sido aplicada aos mais
diversos processos" situa,0es e regi0es em todo o mundo% M tam#m um grande
conhecimento acumulado so#re sua aplica,o" principais #ene!cios e restri,0es%
- o#.etivo do controle estatstico do processo aprimorar e controlar o
processo produtivo por meio da identi!ica,o das di!erentes !ontes de varia#ilidade
do processo% Utili'ando conceitos de estatstica procura-se separar os e!eitos da
varia#ilidade causada pelas chamadas Causas Comuns " ou se.a" 8$uelas inerentes 8
nature'a do processo produtivo" das Causas Especiais " ou 8$uelas derivadas da
atua,o de variveis espec!icas e controlveis so#re o processo% A tcnica
composta de uma !erramenta principal denominada Nr!icos de Controle $ue permite
identi!icar se o processo est so# controle estatstico" situa,o em $ue atuariam
somente causas comuns.
- controle estatstico implantado por meio de um ciclo em $ue se coletam
dados do processo" monitora-se sua situa,o (veri!icando se o mesmo permanece so#
controle estatstico) e posteriormente reali'am-se anlises e propostas de melhorias
para atingir patamares melhores de desempenho% -s ndices de capa#ilidade podem
ser o#tidos diretamente dos dados registrados nas cartas de controle e medem" para
um processo so# controle estatstico" a rela,o entre a !aixa de tolerOncia especi!icada
para uma dada caracterstica de pro.eto do produto e a varia#ilidade natural do
processo produtivo destinado a o#ten,o da$uela caracterstica (a varia#ilidade
devida as causas comuns)% Se a varia#ilidade do processo muito maior
ultrapassando os limites de especi!ica,o possvel estimar a pro#a#ilidade de
produ,o de pe,as !ora da especi!ica,o% Se esta pro#a#ilidade muito alta pode-se
in!erir $ue o processo no capa' de produ'ir 8$uela caracterstica mesmo $ue pe,as
con!ormes possam estar sendo o#tidas% *udan,as signi!icativas neste processo ou
mesmo 8 ado,o de processos alternativos podem ento ser necessrias para tornar
este processo capa' estatisticamente%
Estes ndices so de extrema importOncia para o pro!issional $ue tra#alha no
desenvolvimento de produto por duas grandes ra'0es% 9as !ases iniciais de pro.eto" a
avalia,o de sries hist6ricas dos ndices de capa#ilidade o#tidos de pe,as similares
pode permitir $ue os processistas e pro.etistas escolham processos e especi!ica,0es
dos produtos coerentemente ade$uadas" garantindo a o#ten,o de caractersticas do
produto por meio de processos altamente capa'es estatisticamente% -utra importante
aplica,o destes ndices no desenvolvimento de produto durante a homologa,o do
processo% 9esta etapa os ndices podem ser utili'ados para avaliar a capa#ilidade do
processo" identi!icando processos pro#lemticos 8 tempo de corre,0es antes da
entrada em linha de produ,o%
+ndices e Ta.as de Ca(a!i$idade de Processo
A#aixo se apresenta os ndices de capa#ilidade apresentados por 37A (CDDP)% Alm
destes existe uma grande $uantidade de ndices propostos na literatura para as mais
diversas aplica,0es%
+ndices
Ca(a!i$idade %C(& %Conhecido co)o Ca(a!i$idade de /01uina&* +e!inido como
o intervalo de tolerOncia dividido pela capa#ilidade do processo" ou se.a" < ve'es o
desvio padro estimado considerando a aus1ncia de causas especiais% Ele
independente da centrali'a,o do processo o desvio padro estimado considerando
processos estveis2

2ese)(enho %P(&* 3ntervalo de tolerOncia dividida pelo desempenho do processo"

ou se.a" pelo desvio padro estimado pelas leituras individuais% /am#m
independentemente da centrali'a,o%

3u(erior de Ca(a!i$idade %CP4&* varia,o superior da tolerOncia dividida por B

ve'es o desvio padro estimado pela capa#ilidade do processo%

In5erior de Ca(a!i$idade %CP6&* varia,o in!erior da tolerOncia dividida pela
disperso superior real do processo%

Ca(a!i$idade %C(7&; o ndice $ue leva em conta a centrali'a,o do processo e
de!inido como o mnimo entre C&U e C&=%
Ta.as
Ta.a de Ca(a!i$idade %CR&* inverso de Cp% K igual a CQCp2
Ta.a de 2ese)(enho %P(&* o inverso de &p% K igual a CQ&p2


Eta(as !0sicas (ara a )edio de Ca(a!i$idade de Processo
So #asicamente duas as etapas para a condu,o de um estudo de capa#ilidade do
processo;
C% Veri5icao do Contro$e Estatstico do Processo* nesta etapa so preparados os
gr!icos de controle para a coleta de dados (sem os limites) e estes so entregues para
a produ,o% Estes dados so ento levantados e a partir de uma anlise gr!ica (ou
mesmo utili'ando testes estatsticos) veri!ica-se a exist1ncia de causas especiais
atuando no processo% Se existirem causas especiais atuando deve-se identi!ic-las e
elimin-las at $ue o processo este.a so#re controle estatstico%
:% A#a$iao dos +ndices* uma ve' garantido o controle estatstico do processo
identi!ica-se todos os dados $ue comp0em o perodo so#re controle do processo%
Estes dados so ento utili'ados para a gera,o dos ndices%
2E %2esign o5 E.(eri)ents& Introduo
+entro da indRstria" em especial no desenvolvimento de produto" muitas ve'es
necessrio o#ter in!orma,0es so#re produtos e processos empiricamente% 9este
momento o tra#alho das pessoas envolvidas com o pro#lema assemelha-se ao de
pes$uisadores ou cientistas $ue precisam pro.etar experimentos" coletar dados e
analis-los% Experimentos so empregados para resolver pro#lemas de !a#rica,o"
decidir entre di!erentes processos de manu!atura" di!erentes conceitos de produto"
entender a in!lu1ncia de determinados !atores" etc% Alm disso esta tare!a torna-se
cada ve' mais importante na medida $ue se intensi!ica a #ase tecnol6gica dos
produtos e as exig1ncias governamentais e de clientes aumentando a necessidade de
emprego de experimentos durante todas as etapas do ciclo de vida do produto%
- &lane.amento de Experimentos (em ingl1s +esign o! Experiments" +-E)
uma tcnica utili'ada para se plane.ar experimentos" ou se.a" para de!inir $uais dados"
em $ue $uantidade e em $ue condi,0es devem ser coletados durante um determinado
experimento" #uscando" #asicamente" satis!a'er dois grandes o#.etivos; a maior
preciso estatstica possvel na resposta e o menor custo% K" portanto" uma tcnica de
extrema importOncia para a indRstria" pois seu emprego permite resultados mais
con!iveis economi'ando dinheiro e tempo" parOmetros !undamentais em tempos de
concorr1ncia acirrada% A sua aplica,o no desenvolvimento de novos produtos
muito importante" onde uma maior $ualidade dos resultados dos testes pode levar a
um pro.eto com desempenho superior se.a em termos de suas caractersticas
!uncionais como tam#m sua ro#uste'%
9o entanto" deve-se !icar claro $ue esta !erramenta no su#stitui o
conhecimento tcnico do especialista da empresa so#re o assunto e nem mesmo trata-
se de uma 4receita de #olo5 de como reali'ar um plane.amento% - domnio do
pro#lema de !undamental importOncia% - conhecimento do especialista so#re o
pro#lema con.ugado com a tcnica (em casos especiais somando-se ainda o auxlio
de especialistas em plane.amentos de experimentos) $ue ir permitir #ons
plane.amentos de experimentos" ou se.a" plane.amentos mais rpidos (menos pontos)"
de menor custo e $ue possi#ilitem aos seus ideali'adores responderem" #aseado em
in!er1ncia estatstica" a resposta a seus pro#lemas%
Apesar de novas" as principais tcnicas de plane.amento de experimentos .
existiam e potencialmente poderiam estar sendo sistematicamente aplicadas na
indRstria desde muitos anos% &orm" a grande maioria destas tcnicas re$uer uma
$uantidade exaustiva de clculos tornando !undamental o emprego dos recursos de
in!ormtica% Um !ator $ue tem impulsionado a aplica,o industrial do plane.amento
de experimentos so as !erramentas computacionais de anlise estatstica e solu,0es
corporativas $ue cada ve' mais !acilitam a reali'a,o das anlises e manuten,o e
gerenciamento de dados% 9este sentido a tend1ncia $ue tais tcnicas tornem-se cada
ve' mais pr6ximas de aplica,0es prticas e" portanto" cada ve' mais utili'adas%
K preciso estar claro tam#m $ue" em estatstica" &lane.amento de
Experimentos designa toda uma rea de estudos $ue desenvolve tcnicas de
plane.amento e anlise de experimentos% M atualmente todo um arsenal de tcnicas"
com vrios nveis de so!istica,o e uma $uantidade no menor de livros so#re o
assunto% 9esta pgina so listados os tipos mais conhecidas e de aplica,o mais
!re$Fente na indRstria%
/ipos de &lane.amento
/ratamento em pares2
/ratamento em #locos2
7uadrado =atino2
7uadrado Nreco-=atino2
7uadrado Miper-Nreco-=atino2
Experimentos Satoriais2
Eta(as (ara o desen#o$#i)ento de u) P$ane"a)ento de E.(eri)entos;
Coleman T *ontgomerL (CDDB) prop0em as seguintes etapas para o
desenvolvimento de um &lane.amento de Experimentos na 3ndRstria;
Caracteri'a,o do pro#lema2
Escolha dos !atores de in!lu1ncia e nveis2
Sele,o das variveis de resposta2
+etermina,o de um modelo de plane.amento de experimento2
Condu,o do experimento2
Anlise dos dados2
Conclus0es e recomenda,0es2
8ERRA/E9TA3 :;3ICA3 2E <4A6I2A2E
+urante a etapa inicial se conhece" esta#ili'a" e se a.usta o processo% +urante o
monitoramento" necessrio identi!icar e eliminar as causa especiais $ue a!etam o
processo% &odem-se utili'ar algumas !erramentas $ue a.udam a identi!icar as causas
especiais e a.ustar os processos%
- con.unto de tcnicas estatsticas de uso consagrado para melhoria da
$ualidade" compreende; !luxograma" diagrama causa e e!eito" diagrama de &areto"
histograma" !olha de coleta de dados" diagrama de disperso e carta de controle%
A= 8o$ha de co$eta de dados*
- o#.etivo desta !erramenta gerar um $uadro claro dos dados" $ue !acilite a
anlise e tratamento posterior% &ara tanto" necessrio $ue os dados o#tidos
correspondam 8 necessidade da empresa% /r1s pontos so importantes na coleta de
dados; ter um o#.etivo #em de!inido" o#ter conta#ilidade nas medi,0es e registrar os
dados de !orma clara e organi'ada% As !olhas de coleta de dados no seguem nenhum
padro preesta#elecido" o importante $ue cada empresa desenvolva o seu
!ormulrio de registro de dados" $ue permita $ue alm dos dados se.a registrado
tam#m o responsvel pelas medi,0es e registros" $uando e como estas medi,0es
ocorreram% -utro !ator imprescindvel $ue os responsveis tenham o treinamento
necessrio para a correta utili'a,o desta !erramenta%
:= >r05ico de Pareto*
Este mtodo utili'ado para dividir um pro#lema grande em vrios pro#lemas
menores% Ele parte do princpio de &areto $ue de!ende $ue os pro#lemas so causados
por muitas causas triviais" ou se.a" $ue contri#uem pouco para a exist1ncia dos
pro#lemas" e os pouco vitais" $ue so os grandes responsveis pelos pro#lemas% +esta
!orma" separando-se os pro#lemas em vitais e triviais pode-se priori'ar a a,o
corretiva%
K representado por #arras dispostas em ordem decrescente" com a causa
principal vista do lado es$uerdo do diagrama" e as causas menores so mostradas em
ordem decrescente ao lado direito% Cada #arra representa uma causa exi#indo a
relevante causa com a contri#ui,o de cada uma em rela,o 8 total%
C= 2iagra)a de causa e e5eito*
Este diagrama" tam#m chamado de diagrama de lshiUa>a ou espinha-de-
peixe" utili'ado para mostrar a rela,o entre causas e e!eito ou uma caracterstica de
$ualidade e !atores% As causas principais podem ainda serem rami!icadas em causas
secundrias eQou tercirias%
Esta !erramenta !oi desenvolvida em CDVB por 3shiUa>a na Universidade de
/6$uio% Ele usou isto para explicar como vrios !atores poderiam ser comuns entre si
e estar relacionados%
2= 8$u.ogra)a*
Esta tcnica utili'ada para representar se$Fencialmente as etapas de um
processo de produ,o" sendo uma !onte de oportunidades de melhorias para o
processo" pois !ornece um detalhamento das atividades concedendo um entendimento
glo#al do !luxo produtivo" de suas !alhas e de seus gargalos% -s diagramas de !luxo
so ela#orados com uma srie de sm#olos com signi!icados padroni'ados% K
importante $ue os tra#alhadores $ue con!eccionem ou manipulem este tipo de
diagramas conhe,am a sim#ologia utili'ada pela empresa%
- o#.etivo do !luxograma e sua importOncia esto no !ato de constituir o mais
poderoso instrumento para simpli!ica,o e racionali'a,o do tra#alho" permitindo um
estudo acurado dos mtodos" processos e rotinas% Assim como o organograma o
instrumento gr!ico capital para estudo da estrutura de uma empresa" o !luxograma o
para estudo do seu !uncionamento%
E= ?istogra)a*
- histograma um instrumento $ue possi#ilita ao analista uma visuali'a,o
glo#al de um grande nRmero de dados" atravs da organi'a,o destes dados em um
gr!ico de #arras separado por classes%
K uma !erramenta de Sistema de 7ualidade utili'ada para analisar um
determinado pro#lema% Um histograma tem como #ase a medi,o de dados% Como
exemplo podemos destacar; dimens0es de pe,as" varia,0es de temperatura e outros
dados% =ogo o histograma se utili'a de dados na !orma de variveis (valores
numricos) e revela $uanto de varia,o existe em $ual$uer processo% - histograma
tpico tem !orma de uma curva superposta a um gr!ico de #arras% Esta curva
chamada normal" sempre $ue as medidas concentram-se em torno da medida central
e" de modo geral" um nRmero igual de medidas situa-se de cada lado deste ponto
central% Amostras aleat6rias de dados so# controle estatstico seguem este modelo"
chamado de curva do sino% -utras !ormas ocorrem" como WacRmuloW de dados em
pontos a!astados da medida central% Este tipo de distri#ui,o chamada WinclinadasW%

8= 2iagra)a de 2is(erso*
- diagrama de disperso uma tcnica gr!ica utili'ada para desco#rir e
mostrar rela,0es entre dois con.untos de dados associados $ue ocorrem aos pares% As
rela,0es entre os con.untos de dados so in!eridas pelo !ormato das nuvens de pontos
!ormadas%
-s diagramas podem apresentar diversas !ormas de acordo com a rela,o
existente entre os dados%
>= >r05ico de contro$e*
- gr!ico de controle uma !erramenta utili'ada para avaliar a esta#ilidade do
processo" distinguindo as varia,0es devidas 8s causas assinalveis ou especiais das
varia,0es casuais inerentes ao processo% As varia,0es casuais repetem-se
aleatoriamente dentro de limites previsveis% As varia,0es decorrentes de causas
especiais necessitam de tratamento especial% K necessrio" ento" identi!icar"
investigar e colocar so# controle alguns !atores $ue a!etam o processo%
Existe uma grande variedade de gr!icos de controle entendendo a sua
aplica,o a todos os tipos de caractersticas mensurveis de um processo%
Conc$uso
+escrevi neste tra#alho algumas das tcnicas estatsticas $ue so mais Rteis
para os processos industriais modernos" no podendo descartar a importOncia das
!erramentas computacionais $ue os auxiliam% &orm convm lem#rar $ue estas
tcnicas no so as Rnicas e talve' para alguns processos podem no ser as mais
importantes e utili'veis%
Re5er@ncias :i!$iogr05icas
?ERXE*A" *% C% C%2 ANU3AR" S% (CDD<)% -timi'a,o estatstica de processo;
como determinar a condi,o de opera,o de um processo $ue leva ao alcance de uma
meta de melhoria% Ielo Mori'onte; Sunda,o Cristiano -ttoni%
37A % Sundamentos de controle estatstico de processo CE&% CDDP%