ESTATSTICA APLICADA

PRODUO

PROF. WALTER NIKKEL

2007

Sumrio
1.

Conceitos Importantes .......................................................................... 3

2.

Tipos de Causas de Variao ............................................................... 7

3.

Definies Estatsticas ........................................................................ 13

4.

Clculos Estatsticos........................................................................... 14

5.

Interpretao de Dados ...................................................................... 18

6.

Teorias do Controle Estatstico do Processo ...................................... 26

7.

Controle do Processo ......................................................................... 27

8.

Grficos de Controle ........................................................................... 31

9.

Pr-Controle........................................................................................ 52

10.

Capabilidade do Processo .................................................................. 56

11.

Anlise da Capabilidade da Mquina.................................................. 60

12.

Capabilidade dos Meios de Medio .................................................. 64

Anexos..................................................................................................75
Exerccios.............................................................................................86
Questes para Avaliao....................................................................112
Glossrio de Smbolos........................................................................113
Referncias bibliogrficas..................................................................114

1. CONCEITOS IMPORTANTES
O objetivo principal do Controle de Qualidade deve ser a preveno de produtos
defeituosos.
Objetivo principal: produzir produtos com defeito zero.
Produto defeituoso: uma unidade de um produto que contm um ou mais defeitos.
Defeito: uma falha individual que no atende a uma especificao de Engenharia
(tambm chamado de no conformidade).
Produto: o resultado de um processo.
Processo: combinao de mquinas, ferramentas, materiais, pessoas, mtodos e ambiente
de trabalho que produz um produto ou servio.
O processo transforma uma entrada (insumo) em sada (produto final) atravs de uma ou
mais tarefas:

PROCESSO
Ex.: fabricao de latas e alumnio
Entrada: (barra bruta de alumnio)
Processo: (conformao da barra de alumnio por puno)
Produto: lata de alumnio.

Numa organizao podem ser identificados diversos tipos de processos, tais

como: processos de aquisio de material, processos administrativos, processos de
seleo e qualificao de pessoal, processo de produo, processo de vendas, processo de
medio e ensaio, entre outros.
O processo ser eficiente quando for executado em conformidade com padres e
procedimentos previamente estabelecidos, isto , conforme planejado.
O processo ser eficaz quando seu produto final for adequado ao uso a que se
destina e for isento de defeitos.

Gerenciar um processo consiste em :

1) conhecer bem todas as tarefas do processo
2) observ-lo constantemente, mantendo-o sob controle.
3) melhor-lo continuamente, buscando eliminar possveis causas de deficincias.
O Controle Estatstico de Processo tem como objetivo principal a melhoria
contnua do processo atravs da reduo das variaes.Mas, para o trabalho de melhoria
necessrio antes obter o processo sob controle estatstico.

O objetivo melhoria, no jogo com estatstica.

Controle: um processo cclico de retro-alimentao (feedback), atravs do qual
medimos o desempenho real, comparando-o com o padro, e agimos sobre a
diferena.Quanto mais rpida a resposta corretiva ao desvio indesejvel, mais uniforme a
qualidade produzida.
Controle Estatstico de Processo (CEP): um mtodo preventivo, atravs do qual
identifica-se tendncias e variaes significativas, a partir de dados estatsticos.
Controle Estatstico da Qualidade ( CEQ): Aplicao de tcnicas estatsticas para medir
e aprimorar a qualidade de processos. O CEQ inclui CEP, ferramentas de diagnstico,
planos de amostragem e outras tcnicas estatsticas.

PREVENO X DETECO
A abordagem tradicional em manufatura tem sido o conceito de deteco.
O Controle de Qualidade tinha a responsabilidade de rejeitar os itens no
conformes com as especificaes da Engenharia.
Era uma estratgia de deteco de problemas aps a produo do produto,
envolvendo altos custos de inspeo, retrabalho, perda de material, etc. Esta situao
pode ser comparada a uma fbrica escondida que absorve recursos sem produzir nada que
possa ser vendido.
Recursos dispendidos que no agregam valor ao produto so desperdcios ou
perdas.
A estratgia da preveno de problemas mais eficaz para evitar a produo de
peas no conforme.

Esta preveno possvel atravs de determinaes das alteraes indesejveis no

processo, antes da produo de produtos inaceitveis. So realizadas medies seletivas
e peridicas, durante a produo, tanto dos parmetros do processo como das
caractersticas do produto.
As tcnicas estatsticas nos oferecem um mtodo eficaz para avaliar os dados
coletados, atravs destas medies, de forma lgica e sistemtica. Obtemos informaes
confiveis para o ajuste do processo. Este controle chamado de Controle Estatstico do
Processo e feito pelas pessoas que operam o processo de produo. O lema : Fazer
certo pela primeira vez.

O controle do processo pode ser descrito como um sistema de retroinformao

(feedback).
Processo a combinao total de pessoal, mquinas e equipamentos, materiais,
mtodo de trabalho, meio de medio e ambiente de trabalho, cuja atuao conjunta
produz o resultado (agrega valor). O controle do processo s faz sentido quando concorre
para a melhoria do desempenho desse processo.

As informaes sobre o desempenho real do processo podem ser obtidas

analisando-se o resultado do mesmo ao longo do tempo de produo. Estas informaes
podem ser obtidas atravs de parmetros do processo tais como temperatura, presso,
concentrao, etc., ou atravs de medies de caractersticas do produto que est sendo
produzido. Quando estas informaes so obtidas e interpretadas corretamente, indicam
se h ou no necessidade de uma ao para corrigir o processo.
A ao no processo uma ao de preveno porque realizada uma correo no
processo antes da produo de peas no conformes (fora das especificaes).
A ao no resultado se torna desnecessria com o controle estatstico do
processo bem realizado.

2. TIPOS DE CAUSAS DE VARIAO

uma lei da natureza que dois elementos nunca so exatamente iguais. Isto porque os
processos so influenciados por variaes que afetam o resultado do produto.
Nunca duas peas ou dois produtos so exatamente iguais. Dimenses de peas
apresentam variaes dentro de certos intervalos. Conjuntos como motores, automveis,
etc., apresentam pequenas variaes de performance.As diferenas entre os produtos
podem ser enormes ou quase imperceptveis, mas sempre presentes.
As causas de variao podem ser de dois tipos:

CAUSAS COMUNS
Fazem parte da natureza do processo e seguem padres normais de
comportamento. So causas de variao inerentes ao processo.
As causas comuns referem-se a muitas fontes pequenas de variao dentro de um
processo que se encontra sob controle estatstico (processo estvel). So causas aleatrias
que agem de forma constante.
A eliminao das causas comuns impossvel para um dado processo, sendo por
isso consideradas como parte natural do processo de fabricao. Entretanto, possvel,
mas onerosa, a reduo do efeito das causas comuns. A reduo das causas comuns de
variao, normalmente, exige a substituio do processo existente por um processo
diferente, sendo necessrio investimento de capital. Por isto, a responsabilidade pelas
causas comuns de variao est com a alta gerncia.

Exemplos de causas comuns:

Vibrao normal de uma mquina em boas condies.

Variao normal das caractersticas da matria prima.
Folgas normais entre os componentes da mquina.
Pequenas variaes de temperatura e umidade.
Pequenas flutuaes na energia eltrica.
Desgaste normal da ferramenta de corte.

CAUSAS ESPECIAIS OU ATRIBUVEIS

Referem-se a quaisquer fatores de variao, que no podem ser explicados
adequadamente atravs de uma distribuio simples de resultados, como seria o caso se o
processo estivesse sob controle estatstico.So de certa forma imprevisveis. Quando
detectadas, devem ser eliminadas rapidamente, para que no prejudiquem o desempenho
do processo.
Exemplos de causas especiais:

Quebra da ferramenta de corte.

Falha de um rolamento da mquina.
Material fora de especificao.
Operador inexperiente.
Queda da energia eltrica.

As causas especiais (causas no aleatrias) referem-se a fatores que causam

grandes variaes. Geralmente so fatores acidentais.
A primeira etapa do controle estatstico de processos (CEP) colocar o processo
sob controle estatstico. Isto significa tornar o processo estvel atravs da eliminao das
causas especiais de variao. Portanto, em um processo sob controle estatstico a variao
causada apenas pelas causas comuns.
As variaes so o maior inimigo da qualidade. O ideal que todas as peas
fossem iguais. Elas durariam mais, funcionariam melhor e o consumidor ficaria mais
satisfeito. Como isso impossvel, necessita-se trabalhar continuamente, para tornar as
variaes cada vez menores.
A variao das caractersticas qualitativas do produto pode ser descrita por uma
distribuio de freqncia. Esta distribuio pode ser caracterizada atravs de:

Localizao (valor tpico).

Disperso (diferena entre valores mnimos e mximos).

Forma (o padro da variao se simtrico, em forma de pico, etc.).

AES NO LOCAL E AES NO SISTEMA

H uma importante correlao entre os dois tipos de variao que j vimos e os
tipos de aes que as reduzem.
As causas especiais de variao podem ser detectadas com tcnicas estatsticas
elementares. Estas causas de variao no so comuns a todas as operaes. A descoberta
de uma causa especial de variao e sua eliminao, comumente responsabilidade do
pessoal diretamente envolvido com a operao, embora muitas vezes a gerncia esteja em
melhor posio para executar esta correo. A eliminao de uma causa especial de
variao requer uma ao no local.
A grandeza das causas comuns de variao pode ser indicada com tcnicas
estatsticas elementares, mas geralmente a sua eliminao requer anlise mais detalhada.
A correo das causas comuns de variao responsabilidade da gerncia, embora outras
pessoas diretamente envolvidas com a operao possam estar em melhor posio para
identific-las e pass-las chefia para a devida correo. Em geral, a reduo de uma
causa comum de variao requer uma ao no sistema.

AES NO LOCAL
So comumente necessrias para eliminar causas especiais de variao.
Podem ser executadas pelo pessoal envolvido com o processo.

10

AES NO SISTEMA
So comumente necessrias para reduzir a variao devida s causas comuns.
Para execuo quase sempre exigem ao gerencial.

PROCESSO SOB CONTROLE ESTATSTICO

O objetivo do controle do processo gerar decises economicamente viveis para as
aes necessrias ao processo. Isso significa balancear os riscos de agir quando a ao
no necessria (super-controle) com os riscos de no agir quando a ao necessria
(subcontrole). Estes riscos devem ser contudo considerados diante das duas fontes de
variao anteriormente mencionadas causas especiais e causas comuns.
Diz-se que um processo est operando sob controle estatstico quando a nica fonte
de variao de causas comuns. Mas, um estado de controle estatstico no condio
natural de um processo de fabricao. , ao invs disto, um empreendimento, uma
condio obtida atravs de eliminao, por meio de esforo determinado, das causas
especiais. A funo fundamental do controle de processo , por conseguinte, fornecer
um sinal estatstico quando h ocorrncia de causas especiais de variao e, evitar falsos
sinais estatsticos quando estas causas no esto presentes. Isto permitir aes adequadas
que eliminaro aquelas causas especiais e evitaro seu reaparecimento.

11

PROCESSO CENTRADO NO ALVO

Mesmo que um processo no tenha variaes especiais, ou seja, estiver sob controle
estatstico, e as variaes devido s causas comuns forem pequenas, ainda assim este
processo pode gerar produto fora de especificao, se o processo no estiver centrado no
alvo, que geralmente o centro da especificao.

12

3. DEFINIES ESTATSTICAS
a) Elemento (x)
a unidade considerada para o estudo estatstico. Ex.:objeto, indivduo, pea, conjunto.

b) Populao
o conjunto de todos os elementos existentes ou que sero obtidos em um processo
qualquer. Ex.: todas as peas produzidas em torno durante um determinado perodo.

c) Lote
uma parte da populao delimitada por um tempo, ou por um pedido, etc.

d) Amostra
o conjunto de todos os elementos (ou itens) extrados de uma populao para estudo
(processo qualquer), aleatoriamente. Ex.: o conjunto de parafusos retirados de uma caixa .

e) Tamanho da Amostra
o nmero de elementos (ou itens) existentes na amostra, geralmente indicada pela letra
n. Ex.: nmero de parafusos retirados de uma caixa n=20.

f) Amostragem(N)
o nmero de amostras consideradas para o estudo. Ex.:10 grupos de 20 elementos cada:
(amostragem)

N=10 amostras

(amostra)

n=20 elementos

(total

de

elementos)

N.n=10x20N.n=200

13

4. CLCULOS ESTATSTICOS
Quando coletamos dados devemos apresent-los de uma forma clara e precisa.
Veremos a seguir, os parmetros que mais so utilizados na apresentao.

Medidas de Tendncia Central

a) Mdia
Por exemplo vamos calcular a mdia da amostra de 9 elementos de bateria, cujos pesos
em gramas esto relacionados abaixo:

x1
35

x2
34

x3
37

x4
33

x5
35

x6
34

x7
35

x8
36

x9
37

b) Mediana
o valor central;
No exemplo, temos a seqncia crescente de 9 elementos:
33 34 34 35 35 35 36 37 37 = 35 (elemento central)
Neste caso, n=9 (mpar), ento, basta tomar o valor central. Se a seqncia for par, tomase a mdia dos dois elementos centrais, ou seja, supondo n=8:
33 33 34 34 35 35 36 37
= (34+35)/2=34,5
c) Moda
Moda de um conjunto de dados (Valores) = Valor do conjunto que aparece mais vezes,
isto , o valor no qual esteja associado a freqncia absoluta mais alta.

Exemplo:

14

Moda -

10

12

18

- Freqncia maior

Alis, na prtica, ocorre o mesmo: se a maioria das pessoas comea a ouvir os clssicos,
dizemos que a msica clssica est na moda. Se a maioria comea a usar chapu, os
chapus entraram na moda.

Medidas de Disperso
a) Amplitude
a diferena entre maior valor (X mx) e o menor valor (X mn) da amostra .
R=X mx. X mn.
R=37-33, portanto R=4

b) Desvio Padro

b.3) Desvio Padro estimado para a populao do Processo

15

Na prtica (em distribuies normais) podemos utilizar o mtodo aproximado que

apresenta maior facilidade para o clculo.

c) Varincia
A varincia o desvio padro elevado ao quadrado: 2
A varincia utilizada para avaliar o efeito resultante de vrias causas de variao. A
varincia resultante a soma das varincias parciais:
T2 = 12 + 22 + . . . n2
Observao:

a amplitude mdia de sub-grupos, convenientemente escolhidos de

elementos da amostra. O valor tabelado de dn, a ser usado, ser o correspondente ao

nmero de elementos do sub-grupo.
Tabela 1- Valores de dn ou d2
N

10

11

12

dn

1.128

1.693

2.059

2.326

2.534

2.704

2.847

2.970

3.078

3.173

3.258

Onde n o tamanho da amostra.

Tcnica de Amostragem
Freqentemente precisamos, na prtica, tirar concluses vlidas sobre um grande
grupo de indivduos ou objetos. Ao invs de examinar todo o grupo (chamado populao)
o que pode ser difcil, caro ou mesmo impossvel pode-se cogitar de estudar apenas
uma pequena parte (amostra) desta populao.
O objetivo inferir certos fatos acerca da populao, a partir de resultados
observados a amostra; tal processo denomina-se inferncia estatstica. O processo de
obteno ou extrao e amostras chamado amostragem.

16

EXEMPLO 1
Podemos querer tirar concluses sobre as cores de 200 peas (populao de uma caixa)
escolhendo uma amostra de 20 peas.
EXEMPLO 2
Podemos querer tirar concluses sobre a porcentagem de peas defeituosas fabricadas em
uma indstria durante uma semana de seis dias, examinando apenas 20 peas cada dia e,
durante diferentes perodos do dia. Nesse caso, o conjunto de todas as peas fabricadas
(1000), durante a semana, constitui a populao, enquanto que as 120 peas selecionadas
para estudo constituem a amostra ou amostras.

17

5. INTERPRETAO DE DADOS
a) Distribuio de Freqncias
Quando um conjunto de observaes de certo fenmeno no estiver
adequadamente organizado, o pesquisador no ter condies de obter todas as
informaes necessrias.
O que se faz para obter informaes de interesse sobre o fenmeno em estudo,
agrupar as observaes em tabelas ou grficos convenientemente construdos. Ao se
agrupar os dados de mesmo valor absoluto, obtm-se uma distribuio de freqncia. O
tipo de tabela ou grfico utilizado funo do tipo de varivel que representa o fenmeno
de interesse.
Com as observaes do fenmeno pode-se construir uma tabela onde os valores
da varivel em estudo (Xi), esto dispostos em correspondncia com suas freqncias (f)
respectivas.
Coleta de dados:
O que se objetiva com a coleta de dados a anlise e a obteno de informaes
para ao atravs do uso de mtodos estatsticos.
Os dados devem ser obtidos na forma para simplificar a anlise subsequente. A
primeira regra bsica planejar e elaborar os planos para coleta de dados. Para isso,
necessrio registrar, alm das observaes e suas caractersticas, tambm a data, o nome
do observador, o plano de amostragem, os instrumentos de medio utilizados, o mtodo,
etc.
Os dados coletados devero ser apresentados mediante a utilizao de um
histograma de freqnciais, que uma representao grfica onde cada classe
representada por um retngulo, cuja base igual amplitude de classe correspondente e a
rea proporcional a freqncia da classe.
Toda vez que se tiver amostras coletadas, possvel distribu-las de vrias
maneiras, considerando, por exemplo, a cor, a dimenso, o peso e o brilho.
O histograma de freqnciais tem por finalidades identificar o tipo de distribuio
amostral, identificar anormalidades nos processos, comparar os resultados com
18

especificaes ou padres e identificar e separar os fatores contribuintes, obtendo dessa

forma, concluses necessrias para aes e decises no processo.

Construo de histograma de freqnciais

Para se construir um histograma de freqncias, preciso distribuir os dados coletados
em classes e determinar o nmero de elementos por classe. Isso se faz calculando a
amplitude de cada amostra, o nmero de classes e a amplitude de tolerncia.

Amplitude de classe (h)

A amplitude de cada classe dada por h=R/k
R = representa a amplitude total das observaes, definida como a diferena entre o valor
maior e menor observado.
R = Xmx Xmin.

Nmero de classes (k)

k = representa o nmero de classes, pode ser determinado atravs da frmula emprica de
Sturges: k = 1+3,32 logn, onde n representa o nmero de observaes.
Considere 100 valores de cargas em kgf aplicadas em um mancal:
9,5
9,0
10,0
12,0
12,0
11,5
13,0
10,0
9,0
11,5
13,0

12,5
12,5
10,5
10,5
12,5
9,0
8,0
7,0
7,0
11,5
9,0

14,5
12,5
8,0
13,5
15,5
9,5
10,0
7,5
10,0
8,0
11,0

13,0
14,0
15,0
11,5
13,5
11,5
9,0
15,5
12,5
10,5
9,0

12,5
13,5
9,0
12,0
12,5
11,5
13,0
13,0
9,5
14,5
10,5

12,0
12,0
13,0
15,5
17,0
14,0
15,0
15,5
11,0
8,5
7,0

13,0
14,0
11,0
14,0
9,5
11,5
10,0
11,5
10,0
10,0
10,0

k=1+3,32 log 100=7,64

utilizamos 7 classes

17 7
h = --------- = 1,42
7

utilizamos uma amplitude de classe de 1,5

Classes (k)

8,5
12,0
10,0
7,5
11,0
13,0
13,5
10,5
10,0
12,5
12,0

10,5
10,0
14,0
11,5
11,5
13,0
11,5
9,5
12,0
12,5
12.0

10,5
14,5
11,0
11,0
16,5
15,0
8,5
9,5
8,5
11,0
10,5

Freq. (f)

19

1
2
3
4
5
6
7

7,0
8,5
10,0
11,5
13,0
14,5
16,0

8,4
9,9
11,4
12,9
14,4
15,9
17,5

8
14
22
27
17
10
2
100

Como que voc sabe que uma distribuio normal? Voc pode ver isso no
histograma e observando se a forma da curva se assemelha a de um sino ou no. Se o
formato for o de um sino, voc pode fica seguro que o processo tem a distribuio
normal, ou seja, apresenta variaes apenas do tipo aleatrio, (no h variaes
especiais). Mas se o polgono de freqencias no se apresentar em forma de sino, ento,
diversos tipos de problemas podem estar ocorrendo:
a. mesmo no existindo variaes especiais agindo sobre o processo, a distribuio
que no do tipo normal (de Gauss ) e, portanto, o aspecto do polgono de
freqncia no de forma de sino.
b. o processo est afetado por variaes do tipo especial. Exemplo disso mais de
um sistema trabalhando, duas ou mais mquinas, dois ou mais operadores
produzindo matrias primas diferentes, desregulagens, etc.
Quando a distribuio normal, o histograma vai mostrar uma curva com aspecto de
sino, o que permite concluir que os problemas do tipo a e b no esto presentes.

20

b) Distribuio Normal

O polgono de freqncia formado por segmentos de reta que unem o centro de

cada barra e podendo se aproximar bastante de uma curva contnua denominando curva
de freqncia e que tem a curva normal em forma de sino.
Tambm possvel acumular as freqncias das classes, de modo a se obter o
polgono de freqncia acumulada.

O Controle Estatstico de Processo detm-se ao estudo das variaes que o

processo apresenta, sejam elas comuns ou especiais. As primeiras so inerentes ao
processo e o que se pode fazer apenas diminu-las de modo a minimiz-las no conjunto
formado por: mquina, mo de obra, mtodo, material, meio ambiente e meio de
medio. A mudana de um ou mais destes itens pode alterar as variaes aleatrias ou
comuns.

21

Essas variaes aleatrias so especficas e nicas em processos estveis e tm

caractersticas diferentes para cada processo. Entretanto, na maioria das aplicaes
industriais, o que se encontra, para anlise estatstica, um tipo de distribuio que
representa matematicamente essas variaes: a distribuio normal.
Seu aspecto grfico, voc j sabe, a forma de um sino e, para sua construo, so
necessrios dois parmetros: a mdia () e o desvio padro ().
A curva terica simtrica na relao mdia.

A curva normal se estende desde menos infinito at mais infinito e, por ser uma
curva de probabilidade, a rea limitada pela mesma representa a probabilidade de se
encontrar todas as observaes e, portanto, igual a 1. A mdia () coincide com o ponto
mximo e a distncia de at o ponto onde muda a concavidade da curva, ou seja, o
ponto de inflexo, a medida do desvio padro (). A mdia pode ser representada
tambm por

ou , quando se trata de amostras/

22

A rea sob a curva normal costuma ser dividida em zonas de probabilidades, cada
uma das quais com a mesma base, ou seja, o mesmo desvio padro.

Clculo das reas sob a curva normal

Ao se conhecer a mdia () e o desvio padro () da distribuio, sabe-se tambm que,
para a distribuio normal, a rea sob a curva simtrica, (50% para cada lado da mdia
(). Pode-se, ento, utilizando as propriedades da distribuio normal, calcular a rea
(probabilidade) sob a curva, em qualquer trecho.

23

Comentrios
Se X1 = LIT (Limite Inferior de Tolerncia) e X2=LST ( Limite Superior de
Tolerncia) essas reas representaro a porcentagem de produtos fora da especificao.
Como se proceder ao clculo do fator z? O % determinado atravs da tabela no
Anexo III.
Veja: Se se quiser determinar a % abaixo da especificao, utiliza-se:
z (abaixo) = ( - LIT) /
Se se quiser determinar a % de peas ou produtos acima da especificao, utilizase:
z(acima) = (LST - ) /

Como as variaes especiais afetam a curva normal

24

As variaes casuais, chamadas de causas especiais, contribuem para o aumento das

variaes do processo. Como este composto por mquina, mo de obra, meio ambiente,
matria-prima, meio de medio e mtodo, qualquer desarranjo em um ou mais desses
elementos vo afet-lo drasticamente.
Exemplos dessas ocorrncias so as mudanas de temperatura, ferramenta gasta,
fadiga do operador e at a participao de dois ou mais operadores ou mquinas no
mesmo produto.
Ao ocorrer o fenmeno, a curva de distribuio de freqncia fica alterada devido ao
desequilbrio imposto ao processo, perde o formato de sino (curva normal) e pode
adquirir os seguintes aspectos:

Os estimadores estatsticos no devem ser utilizados nos casos em que no

ocorrer a forma de sino. necessrio detectar as variaes casuais, elimin-las e,
logo aps, realizar novas coletas. Feito isso, o polgono de freqncia deve ser
construdo outra vez.

25

6. TEORIA DO CONTROLE
ESTATSTICO DO PROCESSO
A primeira teoria do Controle Estatstico da Qualidade foi desenvolvida na segunda
metade do sculo XX pelo Dr. Walter Shewart, dos Laboratrios Bell. Foi ele quem
estabeleceu a distino entre variao controlada e no controlada, devidas
respectivamente s causas comuns e especiais e, para isso, criou um instrumento simples,
porm eficaz, para separar causas especiais de causas comuns a Carta ou Grfico de
Controle.
As Cartas de Controle tm sido utilizadas com sucesso em vrias situaes que
envolvem Controle do Processo. Elas chamam a ateno para causas especiais de
variao quando estas surgem, e refletem a magnitude das causas comuns de variao que
devem, necessariamente, ser reduzidas pela ao gerencial.
Diversos tipos de Cartas de Controle foram desenvolvidos tanto para analisar
Atributos (valores discretos) quanto Variveis (valores contnuos). Elas apresentam trs
funes bsicas:
1) Mostrar se um processo est sendo operado sob Controle Estatstico (sem causas
especiais de variao) ou assinalar a presena de causas especiais de variao para as
devidas aes corretivas/preventivas.
2) Manter o estado de Controle Estatstico mediante o uso dos limites de controle do
processo como base para aes imediatas (eliminao das causas especiais).
3) Melhorar o desempenho do processo atravs da reduo da variao devido s causas
comuns. o que se identifica como melhoria da Capacidade do Processo, que a
melhoria da capacidade de produzir dentro dos limites de especificao.

O objetivo final do uso de Cartas de Controle o aperfeioamento

do processo atravs da reduo da influncia das causas comuns.
As Cartas de Controle estabelecem uma linguagem comum, na forma documentada,
para as comunicaes do desempenho do processo entre o pessoal da produo
(operador da mquina, supervisor) e o pessoal de apoio (mecnicos, engenheiros de
produo, inspetores da qualidade, etc).
Por distiguirem as causas especiais das causas comuns de variao, as Cartas de
Controle do indicao segura sobre se os problemas devem ser corrigidos no local
(causas especiais) ou se requerem ao gerencial (melhoria da capacidade do processo
atravs da reduo das causas comuns). Isso reduz a confuso, a frustrao e o custo de
no direcionar adequadamente os esforos para resolver o problema.

26

7. CONTROLE DO PROCESSO
7.1 Introduo
Os mtodos vistos at agora agrupam os dados de um perodo passado, ou seja,
aqueles que so expressos de forma esttica. Entretanto, indispensvel para o
pesquisador obter informaes sobre o comportamento do processo em perodo
especfico de tempo de uma forma dinmica e com projees futuras.
Quaisquer mudanas no material, no trabalhador, na mquina, enfim, no processo,
devero ser detectadas rapidamente para que as aes corretivas sejam tomadas. Isto
possvel conseguir atravs dos grficos de controle.

7.2 Definio
Grficos de controle so recursos utilizados para se alcanar o estado de controle do
processo atravs de tcnicas estatsticas.
Veja a seguir o histograma obtido a partir de uma coleta de dados feita em 15 horas,
num total de 75 valores (1 amostra de 5 dados a cada hora).

Neste histograma impossvel ver o que acontece com o processo no transcorrer

do tempo. Para tanto, preciso construir um outro tipo de grfico.
Deve-se usar os mesmos dados do histograma e proceder da seguinte maneira:
1. Achar a mdia dos 5 valores ( );
2. Achar a amplitude (R);
3. O eixo horizontal mostrar as horas e o eixo vertical mostrar a amplitude e a
mdia.

27

Este grfico mostra que os valores estavam baixos no princpio e que h uma
tendncia de subida com o decorrer do tempo, fato que no observado no histograma.

7.3 Escolha do tipo de grfico adequado

H duas classes principais de grficos de controle:
a. Controle de variveis:
aquele que se baseia em caractersticas mensurveis e em escala ccontnua. Existem 4
tipos principais:
__

X, R (mdia, amplitude)
__

X, S (Mdia, desvio padro)

, R (mediana, amplitude)
X, Rm (valor individual, amplitude mvel)
b. Controle de atributos
aquele que se baseia na verificao da presena ou ausncia de um atributo, isto ,
caractersticas no mensurveis. So quatro os tipos principais:

porcentagem de peas defeituosas p (de amostras no necessariamente de

mesmo tamanho)
nmero de peas defeituosas np ou pn (de amostras de tamanho constante)
nmero de no conformidades - c (de amostras de tamanho constante)

28

frao de no conformidades por unidade - u (amostras podem ter tamanho

varivel)

7.4 Finalidade dos Grficos

Os grficos so utilizados para se conhecer e controlar o processo.
a. Conhecimento do processo, quando se deseja conhecer ou saber se o processo
est ou no controlado, ou seja, se apresenta ou no variaes do tipo especial;
b. Controle do processo, quando se deseja manter o processo sob controle
estatstico, ou seja, apresentando apenas variaes comuns, ao longo do tempo.

7.5 Limite de Tolerncia e de Controle

Limite de tolerncia : Informa se o
processo est produzindo ou no
dentro do especificado no desenho,
pela engenharia do produto.
Limite de controle : Informa se o
processo esta sob controle
estatstico, ou em outras palavras,
se apresenta apenas variaes
aleatrias.
Normalmente, os limites de
controle so:
LIC = mdia - 3 desvios padro
LSC = mdia + 3 desvios padro

7.6. Melhoria da Qualidade do Processo

O guru da Qualidade J.M. Juran focaliza na melhoria de projeto por projeto
segundo a trilogia:

Planejamento da qualidade
Controle de qualidade
Aprimoramento da qualidade

29

De forma anloga, W.E. Deming estabeleceu um ciclo contnuo para a melhoria

do processo, que foi aperfeioado pelos japoneses originando o ciclo PDCA (Plan, Do,
Chek, Act):

O ciclo PDCA a base para a melhoria contnua de qualquer processo (ou subprocesso).

30

8. GRFICOS DE CONTROLE
Os Grficos de Controle so comumente usados para alcanar um estado de controle
estatstico, monitorar um processo e determinar a aptido do processo (capacidade
qualitativa ou capabilidade).

8.1 Conceitos Bsicos dos Grficos de Controle

As amostras coletadas so apenas dados utilizados para se chegar informao
sobre a populao. Em outras palavras, estima-se a mdia e o desvio padro da
populao, atravs das amostras.
Estimativa da mdia da populao:
=
(para carta X, Rm)
=
(para carta , R ou , s)
Estimativa do desvio padro da populao: Tanto R (amplitude da amostra)
como s (desvio da amostra) so estimadores vlidos da da populao mas, somente se
os subgrupos so tomados ao acaso de uma populao estvel. Para o nmero de
elementos do subgrupo (n) igual a 2 no h diferena em usar o s ou R, mas para um n=3,
por exemplo, o s mais confivel, pois a amplitude considera apenas os dois pontos
extremos e ignora a informao contida no ponto central. A desvantagem da utilizao do
s a dificuldade de clculo (necessita-se de calculadora com funo estatstica ou
computador). Sempre que possvel, deve-se usar s.

Limites de Controle:
Os limites de controle so estabelecidos a partir da mdia +/- 3 desvios padro do
parmetro considerado.

Determinao dos Limites de Controle:

1)

, R (Ver anexo I)

Grfico :

Grfico R:

+ A2

LSCR = D4

- A2

LICR = D3

Desvio padro estimado do processo:

= /d2

31

2)

, s (Ver anexo I)

Grfico :

Grfico s:

+ A3

LSCs = B4

- A3

LICs = B3

Desvio padro estimado do processo:

= /c4

3) , R (medianas, ver anexo II)

As frmulas so parecidas com as do , R. As diferenas so o uso de
de A2 e de no lugar de .

no lugar

8.2 Benefcios das Cartas de Controle

Quando adequadamente usadas, as cartas de controle podem:

Ser usadas pelos operadores para o controle do processo.

Auxiliar a manter o funcionamento normal do processo tornando previsveis

qualidade e custos.

Permitir que o processo atinja: melhor qualidade, menor custo unitrio, maior
capacidade de produzir.

Fornecer uma linguagem comum na anlise do desempenho do processo.

Separar as causas especiais das causas comuns de variao direcionando: ao no

local, ao gerencial.

32

8.3 Vantagens das Cartas de Controle

importante resumir algumas vantagens que podem advir do uso de Cartas de
Controle:

A Carta de Controle uma simples e eficiente ferramenta para alcanar o estado

de Controle Estatstico. Ela pode ser utilizada no local de trabalho pelo prprio
operador. Ela fornece ao pessoal envolvido na operao, informao confivel de
quando agir e de quando no agir no processo.

Quando um processo est sob Controle Estatstico, seu desempenho em atender

especificaes previsvel. Assim ambos, fornecedor e cliente, podem confiar nos
nveis de qualidade, e ambos podem confiar nos custos estveis necessrios para
alcanar aqueles nveis de qualidade.

Estando o processo sob Controle Estatstico, seu desempenho pode ainda ser
melhorado, reduzindo-se sua variao. Os efeitos dos aperfeioamentos propostos
ao sistema podem ser antecipados, e os efeitos reais mesmo decorrentes de
modificaes sutis podem ser identificados pelas informaes das Cartas de
Controle.

As melhorias do processo so:

Aumenta a porcentagem do resultado que atende s expectativas do cliente

(melhora a qualidade);

Diminui o refugo e o retrabalho (melhora o custo unitrio);

8.4 Variveis Versus Atributos

Grficos para dados variveis exigem medies em uma escala contnua, tais como
comprimento, peso, pH ou resistncia. Grficos para atributos exigem somente uma
classificao de medies descontnuas tais como boa ou m. Isso no pode ser desconsiderado nunca. que os dados variveis contm mais informaes que atributos e,
conseqentemente, so preferidos para Controle Estatstico do Processo e essenciais para
diagnsticos.
Grficos para atributos sero teis desde que a taxa de defeitos seja alta o bastante
para aparecer no grfico com um tamanho de subgrupo razovel. O que ocorre que as
exigncias atuais de qualidade competitiva em muitas indstrias so to altas que os
grficos de atributos so inteis .

33

8.5 O Uso dos Grficos de Controle

As amostras geralmente consistem em mais de uma medio individual, e por isso
so chamadas de subgrupos. Os grficos de variveis so geralmente baseados em
subgrupos de 4 a 10 indivduos, os grficos de atributos num mnimo de 50. So medidos
25 subgrupos e colocadas na ordem de produo.
Uma linha central esboada em cada grfico utilizando a mdia dos parmetros j
relatada.( e ou )
Os limites de controle so estabelecidos a partir de mdia +/- 3 desvios-padro. H o
limite superior de controle (LSC) e o limite inferior de controle (LIC). A faixa entre os
limites de controle define a variao aleatria no processo. Os pontos fora dos limites de
controle indicam uma ou mais causas determinveis (especiais) de variao.
Depois que uma causa determinvel de variao descoberta e eliminada, novos
limites de controle calculados a partir de mdias e amplitudes de 25 novos subgrupos
quase sempre resultam em uma aptido de processo substancialmente aprimorada. Um
processo que tem apenas causas comuns ou aleatrias de variao est sob controle
estatstico.
Como foi dito anteriormente os subgrupos devem ser formados na seqncia de
produo. Se assim no for, os grficos no sero reais.
Grficos de Controle tem um papel importante na aceitao do produto. Afinal, o
controle estatstico verifica a estabilidade do processo e a homogeneidade do produto.
Os passos para a construo de um grfico de controle esto listados na seqncia.
1.

Tome 25 subgrupos. (o tamanho de cada um depender do tipo de grfico que

se queira reproduzir);

2.

Registre quaisquer mudanas no processo durante a coleta dos dados. (material,

operrio, ferramenta, etc);

3.

Calcule limites de controle preliminares a partir desses dados e, por ltimo,

4.

Inscreva os pontos de cada subgrupo no grfico.

A maioria dos processos industriais no est sob controle quando analisados pela
primeira vez. Alguns pontos fora dos limites de controle freqente e as razes para estas
causas determinveis podem ser descobertas e eliminadas. medida que as correes
vo sendo feitas no processo, novos dados devem ser coletados, limites de controle
recalculados e novos dados colocados nos grficos com os limites revisados .
O clculo dos limites de controle a partir de 10 e no de 25 subgrupos prtica
comum, especialmente quando as operaes de produo so curtas. Infelizmente, os
valores calculados tm uma preciso consideravelmente menor.
Mesmo quando no se sabe de nenhuma mudana no processo, uma boa idia
recalcular os limites de controle para todos os novos conjuntos de subgrupos.

34

8.6 Justificativa para o uso de mdias

Teorema do Limite Central
O que acontece quando a medio
dos indivduos no obedece a uma
distribuio normal?
O teorema do limite central diz que
se coletarmos amostras de tamanho
n de uma populao com mdia ,
ento, medida que o valor de n vai
aumentando, a distribuio das medias das amostras se aproxima de
uma distribuio normal, sendo =
, independentemente da forma da
distribuio dos valores individuais.

Pode-se mostrar que:

(i)
A mdia em torno da qual devem variar os possveis valores de a
prpria mdia da populao .
(ii)
O desvio padro com que se dispersam os possveis valores de
vezes
menor que o desvio padro da populao de onde retirada a amostra.
Assim,

Distribuio amostral de

- populao normal

35

Por outro lado, se a distribuio da populao no for normal, mas a amostra for
suficientemente grande, resultar, do teorema do limite central, que, no caso de
populao infinita, a distribuio amostral das mdias ser aproximadamente normal.
Na prtica, uma amostra para a qual j se possa aproximar a distribuio de
mdias por uma normal no necessita ser muito grande, especialmente quanto mais
simtrica ou prxima da normalidade for a distribuio da populao. Em muitos casos,
uma amostra de quatro ou cinco elementos j suficiente.

x=

Distribuio amostral de

- populao no-normal e amostra suficientemente grande

Quando a distribuio dos indivduos normal, com desvio padro

das mdias das amostras tem um desvio padro
, sendo:

x=

Exemplo para n=4

x=

, a distribuio

36

As mdias so mais sensveis s mudanas indesejveis que medidas individuais.

Considere um processo no qual para itens individuais 5 e a mdia dos indivduos
100. A amplitude 3 dos indivduos 15, portanto, as linhas do limite de controle sero
100+15=115 e 100-15=85. Uma mudana no processo =de 100 para 105 mudar as
linhas do limite 3 para 120 e 90. A chance de um processo modificado cair fora das
linhas do primeiro limite cerca de 2,3%. Detectar a mudana com uma certeza de 95%
exigir, em mdia, 130 subgrupos de um indivduo cada. Lembrar que o primeiro limite
o limite de controle estabelecido (original).
Se so usados subgrupos de quatro indivduos, as linhas-limite sero 100 +/- 3/
=100 +/- (3x5) / 2 = 107,5 e 92,5. Para a mesma mudana de mdia, de 100 para 105, a
chance da mdia do subgrupo de quatro indivduos cair fora das linhas do primeiro limite
mais ou menos 16%. Agora, detectar a mudana com certeza de 95% exigir, em
mdia, apenas dezessete subgrupos.

Mudana indesejvel do processo para Limites de Controle em +/- 3 desvios padro

37

8.7 Procedimento para implantao do Controle Estatstico do

Processo
Para implantar o Controle Estatstico do Processo necessrio trabalhar com alguns
recursos da Teoria do Controle de Qualidade, tais como a anlise de Pareto e o grfico de
disperso, entre outros.
Passos:
1. Escolha a caracterstica a ser colocada no grfico. Esta uma questo de opinio, mas
use as seguintes orientaes :
a) D maior prioridade s caractersticas que esto apresentando defeito na produo
e onde os controles de ajuste esto mais disponveis para o operrio. Uma anlise
de Pareto pode estabelecer prioridades para as causas.

38

b)

Identifique as variveis e condies de processo que esto contribuindo para as

caractersticas finais do produto. Por exemplo, pH., concentrao de sal e
temperatura de soluo para galvanizao so variveis de processo que poderiam
contribuir para a uniformidade da galvanizao. A seleo de tais variveis
geralmente subjetiva e por vezes baseada em opinies. A objetividade
necessria. Um passo til fazer um grfico de disperso dos dados quanto s
variveis suspeitas versus a caracterstica do produto final.

c)

Escolha caractersticas que oferecero os tipos de dados necessrios para

diagnstico do problema. Atributos oferecem informaes resumidas, mas podem
precisar ser suplementadas por variveis para diagnosticar as causas e determinar
a ao.

2. Escolha o tipo de grfico de controle.

3. Decida a linha central a ser tomada e a base de clculo dos limites de controle. A linha
central pode ser a mdia dos dados passados ou pode ser uma mdia desejada ( isto , um
valor padro). Os limites so geralmente estabelecidos em +/- 3, mas outros mltiplos
podem ser escolhidos para diferentes riscos estatsticos. Os grficos que usam limites 2 ,
ou mesmo 1,5, so mais econmicos que grficos que usam os limites 3
convencionais. Isto verdade se for possvel decidir sem demora e sem gastos que nada
est errado com o processo quando um ponto (apenas por acaso) fica fora dos limites de
controle, isto , quando o custo por um problema que no existe baixo. De um outro
ponto de vista, ser mais econmico usar grficos com limites de 3 e 4 se o custo da
procura do problema for muito alto.
4. Escolha a freqncia de subgrupos (os indivduos dentro do subgrupo devem ser
consecutivos). A taxa de mudana no processo (desgaste de ferramenta ou deteriorao
de uma soluo qumica) determinar o tempo mximo a ser permitido entre subgrupos.

5. Escolha do tamanho do subgrupo. Normalmente n=5.

6. Estipule o sistema para a coleta de dados. As medies devem proporcionar leituras

confiveis e imediatas. Os instrumentos de registro direto so os melhores, pois que os
resultados so obtidos o mais rpido possvel. Adiar o registro dos dados para o final do
dia anular o valor dos grficos.
7. Calcule os limites de controle e oferea instrues especficas sobre interpretao de
resultados e atitudes a serem tomadas.

39

8.8 Tipos de grficos de controle

Tipos de
dados

Parmetros

Uso
tpico

Vantagens

Desvantagens

Comentrios

Mdia e
amplitude
ou desviopadro do
subgrupo

Processos
onde
predomina
o uso da
mquina

Uma tima
viso da
variao
estatstic
a de um
processo

Clculos
complexos,
resposta
demorada,
relao
indireta entre
limites de
controle e
tolerncia

Selecionar
cuidadosamente
o tamanho do
subgrupo,
freqncia e
nmero de
subgrupos
usados para o
estabeleciment
o e
restabelecimen
to de limites
de controle

Medida
individual
e amplitude
do subgrupo

Onde
apenas uma
observao
por lote
disponvel

Mais
rpidos,
mais
fceis de
serem
completado
s e
explicados
.
Comparvei
s
diretament
e
tolerncia

No to
sensveis
quanto
grficos

Frao noconforme

np

Nmero de
noconformes
Frao de
noconformidad
es por
unidade

Os dados
so
geralmente
mais
fceis de
se obter
do que os
dados de
variveis.
Os
clculos
so mais
fceis que
no grfico

Atributos no
so to teis
para trabalho
de diagnstico
quanto os
dados
variveis

Nmero de
noconformidad
es

Apenas
dados de
atributos
disponvei
s ou para
monitorar
qualidade
de uma
unidade
complexa
com mais
de uma
caracters
tica de
interesse

Varivei
s

e R/s

X e Rm

e R

Atributo
s
medida que a
qualidade
melhora, os
subgrupos
ficam maiores.
Consequentemen
te, todos os
grficos de
atributos
devem tornarse obsoletos.

, R.

40

8.9 Grficos de Controle para Variveis

Grficos de controle para mdia e amplitude,

e R:

Para tamanho do subgrupo, n>10, use desvio-padro S em vez de amplitude

R.
No controle da qualidade atravs deste grfico, deve-se controlar o valor
mdio de desempenho do processo e tambm a sua variabilidade. O controle
do valor mdio efetuado pelo grfico das mdias ( ), enquanto que o
controle da variabilidade pelo grfico dos desvios padro (s) ou pelo grfico
das amplitudes (R). Na prtica, mais comum o uso do grfico das amplitudes
ao invs do grfico dos desvio padro no controle da variabilidade. A grande
vantagem nesse caso a facilidade da determinao da amplitude.

Valores de fora dos limites de controle so evidncia de uma mudana

geral afetando todas as peas depois do primeiro subgrupo fora dos limites.
Estude o registro mantido durante a coleta de dados, a operao do processo e
a experincia do operrio, tentando descobrir uma varivel que poderia ter
feito com que os subgrupos sassem de controle. Causas tpicas so mudana
no material, pessoal, ajuste de mquinas, desgaste de ferramentas, temperatura
ou vibrao.
Valores de R fora dos limites de controle so evidncia de que a
uniformidade do processo mudou. Causas tpicas so mudana de pessoal,
aumento de variabilidade de material ou desgaste excessivo no maquinrio do
processo. Em caso de aumento repentino em R, isto seria um alerta quanto a
um acidente iminente no maquinrio.

Grfico de Controle para Medidas Individuais e Amplitude, X e Rm:

Ele no to sensvel como o grfico . Ao contrrio dos limites de controle
para mdias, os limites de controle para mdias individuais podem ser
comparados diretamente com limites de tolerncia.

41

8.10 Interpretao de Grficos de Controle

PROCESSO FORA DE CONTROLE ESTATSTICO
1. Pontos fora dos limites de Controle
Quando surge uma situao de um ponto fora dos limites de controle, deve-se procurar
algo no processo que tenha causado o problema. Quanto antes se detectar o problema,
mais fcil ser encontrar a causa e corrigir o processo.

2. Corrida: pontos abaixo ou acima da linha mdia.

a) 7 consecutivos
b) 10 em 11
c) 12 em 14
Esta situao caracteriza desvio do processo. Deve ser centralizado antes de
prosseguir.

3. Seqncias crescentes ou decrescentes: tendncia. (7 pontos consecutivos

crescentes ou decrescentes).
Procurar causas como:
Ferramenta gasta
Fadiga do operador

42

4.

Aproximao da linha central. Reduo das variaes aleatrias devido

melhoria estvel no processo. Novos limites devem ser determinados para se
manter a melhoria.

5. Pontos fora de um dos limites.

Quando diversos pontos comeam a cair fora de um dos limites sem aparente
tendncia, salto ou ciclo, existem provavelmente duas populaes diferentes.
preciso procurar causas como algumas peas de fornecedor diferente, operador
substituto, etc.

6. Ciclos
Quando um grfico apresenta seqncias acima e seqncias abaixo
periodicamente, necessrio procurar causas de natureza peridica como incio
do ajuste, rotao de operadores, perodo de aquecimento, etc.

7. Saltos no nvel
Uma mudana brusca no nvel indica mudanas bruscas no processo. As causas
geralmente so novo operador, novo ajuste, mudana de material, etc.

43

8. Duas populaes
A existncia de poucos pontos prximos da linha central denuncia a
probabilidade de estarem existindo duas populaes. necessrio separar os
dados como em 2 mquinas, 2 fornecedores, operadores, etc.

TESTES DE NELSON
Nelson desenvolveu oito testes para deteco de causas especiais, aplicveis em
grficos de controle da mdia e de medidas individuais. O grfico de controle dividido
em seis zonas de igual largura (um desvio-padro), no espao entre o limite superior e
inferior de controle, chamadas de zonas A, B, C, C, B e A, localizadas simetricamente em
relao linha mdia. A figura seguinte mostra essa diviso.
A falha em um nico teste evidenciar a presena de causas especiais. Os testes so
os seguintes:
1. Um nico ponto alm da zona A, ou seja, acima do limite superior ou abaixo do
limite inferior de controle;
2. Sete pontos consecutivos na mesma metade do grfico, ou seja, todos acima ou
todos abaixo da linha mdia (corrida);
3. Sete pontos consecutivos constantemente aumentando ou diminuindo no grfico
(tendncia);
4. Quatorze pontos consecutivos alternando-se para cima e baixo no grfico;
5. Dois em trs pontos consecutivos na zona A;
6. Quatro em cinco pontos consecutivos na zona A ou B;
7. Quinze pontos consecutivos na zona C (acima ou abaixo da linha mdia);
8. Oito pontos consecutivos de ambos os lados da linha mdia, nenhum deles na
zona C.

44

Seguem-se alguns comentrios a respeito desses testes:

a. Todos os oito testes esto baseados nas propriedades da distribuio normal e,
portanto, somente devem ser aplicados aos grficos de controle da mdia ou
medidas individuais ou, ainda, aos grficos de controle de atributos, desde que
seja vlida a aproximao da distribuio binomial ou de Poisson pela distribuio
normal;
b. Os testes 1, 2, 5 e 6 devem ser utilizados, separadamente, para a metade superior
ou inferior do grfico de controle;
c. Os testes 3, 4, 7 e 8 podem ser empregados para o grfico de controle inteiro;
d. A probabilidade de um falso sinal de presena de causa especial de variao
menor que 1,0% em cada um desses testes.

A figura seguinte mostra graficamente exemplos desses oito testes.

45

46

8.11 Grficos de Controle para Atributos

Devido a caractersticas prprias do processo, em certos casos a distribuio dos
dados obtidos do processo ser dos tipos contvel e no mensurvel.
Nos casos em que no possvel realizar medies das caractersticas do processo,
preciso recorrer aos grficos de controle por atributos. Eles so utilizados especialmente
quando se verifica uma ou mais de uma das seguintes condies:
a) o nmero de caractersticas a controlar em cada pea elevado;
b) em lugar de mensuraes, s vivel empregar calibradores tipo passa-no-passa;
c) a mensurao da caracterstica antieconmica diante do custo de cada pea;
d) a verificao de qualidade feita por simples inspeo visual.

Grficos de Controle para Frao No-Conforme:

Frao no-conforme, p, a taxa de itens no-conformes em relao ao
nmero total de itens num subgrupo. Ela pode descrever uma nica
caracterstica de qualidade, duas ou mais caractersticas consideradas
coletivamente. Uma distino feita entre uma no-conformidade (por
exemplo, um defeito) e uma unidade no-conforme (por exemplo, uma
unidade defeituosa). Uma no-conformidade um exemplo nico de noconformidade com alguma exigncia; uma unidade no-conforme um
nico item contendo uma ou mais no-conformidades.
Quanto melhor a qualidade, tanto maior o tamanho do subgrupo
necessrio para detectar falta de controle.
O grfico p dever ser utilizado quando desejarmos controlar a
porcentagem ou poro defeituosa na amostra.
As peas, de acordo com o critrio estabelecido so classificadas em
perfeitas ou defeituosas.
Admitindo-se que o processo seja mantido sob o controle estatstico, a
probabilidade de se produzir uma pea defeituosa mantm-se constante.
Em conseqncia, a distribuio estatstica dentro da qual o grfico p
trabalha a binomial.
Passos para a construo do grfico p de controle:
1. Proceda coleta de dados obtendo o nmero de dados que voc precisa (no
mnimo N=20 e n=50). Isto lhe dar o nmero de peas inspecionadas (n) e o
nmero de defeituosas (np).
2. Calcule a frao defeituosa para cada subgrupo com auxlio da equao.

47

3. Ache a mdia da frao defeituosa.

4. Calcule os limites de controle.

5. Construa o grfico desenhando os
limites de controle e inscreva no grfico
os pontos que representam os valores
mdios das amostras.

Observao: se n no for constante, usar .

Resultados de N=25 amostras de tamanho n=50 peas

Amostra
np
Frao defeituosa p = np/n
1
1
0,02
2
2
0,04
3
3
0,06
4
3
0,06
5
5
0,10
6
7
8
9
10

4
4
1
2
2

0,08
0,08
0,02
0,04
0,04

11
12
13
14
15

4
4
4
5
4

0,08
0,08
0,08
0,10
0,08

16
17
18
19
20

4
5
1
5
2

0,08
0,10
0,02
0,10
0,04

21
22
23
24
25

0
5
3
3
4

0,00
0,10
0,06
0,06
0,08

Total

60

48

Calcula-se LSC e LIC:

Neste caso, o que se tem :

O grfico de controle ser, ento, como na figura que segue:

49

Ainda que alguma amostra fique abaixo do limite inferior de controle, indicando uma
frao no-conforme significativamente baixa, isto pode significar que h alguma causa
determinvel resultando em melhor qualidade. Estes pontos tambm podem ocorrer
devido ao fato de o inspetor aceitar algumas unidades no-conformes por engano.

Grficos de Controle para Nmero de Unidades No-Conformes, np

O valor np uma contagem direta do nmero de unidades no-conformes
num nmero ou quantidade de elementos discrepantes (ou defeituosos) em
uma amostra de tamanho n constante.
O grfico np pode ser utilizado quando se deseja controlar o nmero ou
quantidade de elementos discrepantes (ou defeituosos) em uma amostra de
tamanho n constante.
Passos para a construo do grfico np de controle:
1- Colete os dados e registre o nmero de produtos defeituosos np.
2 - Ache a mdia de produtos defeituosos p.

3 - Calcule os limites de controle

4 - Construa o grfico inscrevendo os pontos que representam o nmero de defeituosos

(np) em cada amostra.

Exemplo: Mecanismo levantador de vidro,

defeituoso
sub-grupo
n

sub-grupo
tamanho n

nmero de
defeituosos np

subgrupo n

sub-grupo
tamanho n

1
2
3
4
5
6
7
8
9

100
100
100
100
100
100
100
100
100

1
6
5
5
4
3
2
2
4

16
17
18
19
20
21
22
23
24

100
100
100
100
100
100
100
100
100

nmero
de
defeituo
sos np
5
4
1
6
15
12
6
3
4

50

10
11
12
13
14
15

100
100
100
100
100
100

6
2
1
3
1
4

25
26
27
28
29
30

100
100
100
100
100
100

3
3
2
5
7
4

O que se tem :

51

9. PR-CONTROLE
O pr-controle um algoritmo simples para controlar um processo baseado nos
limites de tolerncia (no limites de controle). Zonas de ateno so designadas dentro da
faixa de tolerncia.

Um novo processo (nova preparao, matria-prima, operador, etc.) qualificado

tomando-se amostras consecutivas de indivduos at que cinco sucessivas caiam dentro
da zona central (que no exige ateno). isto que d a segurana de que a distribuio
limitada o suficiente e prxima o bastante do centro para produzir um produto dentro da
tolerncia.
Uma vez qualificado o processo, ele monitorado pela coleta de amostras
peridicas consistindo em dois indivduos cada (chamado A, B). Este pequeno tamanho
de subgrupo e a informao imediata que ele proporciona diretamente ao operador do
processo, constitui um ciclo de feedback muito rpido. Toma-se uma atitude somente se
ambos, A e B, estiverem na zona de ateno.
O poder estatstico do Pr-Controle reside na regra do produto de probabilidades
independentes: P (A,B) = P (A) x P (B). Assim, o risco de um sinal falso brutalmente
reduzido pelo uso de uma amostra de tamanho dois. O tamanho da amostra (dois) um
meio-termo entre a diminuio do risco de um sinal falso e a longa espera para a tomada
de deciso. A extenso das zonas de ateno um meio termo entre a sensibilidade e a
oscilao. A freqncia de amostragem um meio termo entre o custo e o esforo de
amostras mais freqentes e o risco de produzir itens fora da tolerncia. A freqncia de
25 pares A, B entre ajustes usuais de processo assegura uma mdia de produo fora de
tolerncia de 1%, ou menos.
A maioria dos processos exige ajustes peridicos para permanecer dentro das
especificaes. Uma experincia subseqente mostrou que a freqncia normalmente

52

recomendada de seis pares A,B entre os ajustes suficiente para garantir que
praticamente no haja nenhum item fora de tolerncia.

9.1 Exigncias para uso

O pr-controle eficiente para qualquer processo em que o operador pode medir a

caracterstica de qualidade de interesse (dimenso, peso, resistncia, etc.). possvel,
ento, ajustar o processo para mudar dada caracterstica e fazer com que ele tenha ou um
resultado contnuo (por exemplo, papel) ou um resultado discreto (por exemplo, peas de
uma mquina).
No h exigncias adicionais e no h suposies bsicas em relao aptido do
processo ou distribuio de freqncia da caracterstica de qualidade. Isto quer dizer
que a populao de indivduos no precisa ser normal e o processo no precisa estar sob
controle estatstico.

9.2 Riscos ou erros

O risco o risco de um alarme falso numa condio operacional normal.
O risco o risco de no se detectar uma mudana indesejvel do processo.
Exemplo 1: anlise clnica
REALIDADE

NEGATIVO
DECISO

(NO DOENTE)

(PELO RESULTADO DA
ANLISE)

POSITIVO (DOENTE)

NO DOENTE

DOENTE

CONFIANA
(1 )

RISCO TIPO 2
()

RISCO TIPO 2
()

AO
(1 )

O exemplo acima, de fcil compreenso, a anlise clinica de amostra de

sangue, por um laboratrio, no caso de suspeita de doena.
H quatro possibilidades:
1) Realidade: pessoa no doente
Resultado da anlise: negativo
Neste caso temos um resultado esperado que chamamos de CONFIANA.
2) ) Realidade: pessoa no doente
Resultado da anlise: positivo

53

Neste caso o laboratrio cometeu um erro , que um alarme falso.

3) ) Realidade: pessoa doente
Resultado da anlise: positivo
Neste caso tambm temos um resultado esperado que chamamos de AO,
porque exige uma ao (remdio, por exemplo)
4) ) Realidade: pessoa doente
Resultado da anlise: negativo
Neste caso o laboratrio cometeu um erro , que no indicar a doena
existente

Exemplo 2: Grficos ou cartas de pr-controle

REALIDADE

DECISO
(pelas evidncias no
grfico)

EM CONTROLE
FORA DE
CONTROLE

PROCESSO EM
CONTROLE

PROCESSO FORA
DE CONTROLE

CONFIANA
(1 )

RISCO TIPO 2
()

RISCO TIPO 2
()

AO
(1 )

As cartas de pr-controle devem indicar o que acontece com o respectivo

processo. Mas, tambm existem os riscos e .
O tpico dos riscos e est neste assunto das cartas de pr-controle do
processo, mas este conceito pode tambm ser aplicado para qualquer carta de
controle.
Grfico de Pr-controle:
Quando no grfico de pr-controle as duas medies estiverem na faixa amarela
(sinal amarelo duplo) o processo deve ser ajustado. Mas, existe certa
probabilidade, que depende do processo, de se obter este sinal amarelo duplo,
sem que o processo tenha sado fora de controle (mudana indesejvel). Temos,
neste caso, um erro do tipo (alarme falso).
Por outro lado, quando na realidade o processo sofreu uma mudana
indesejvel, que gostaramos que fosse detectada pela carta de pr-controle
atravs de um sinal amarelo duplo, existe certa probabilidade, que depende do
nvel da mudana indesejvel, de no se obter o sinal amarelo duplo. Temos
ento um erro do tipo , ou seja, na realidade, o processo deve ser ajustado
mas a carta de pr-controle no evidencia isto.
Grfico de Controle:
No grfico de controle uma condio de Ao pode ser detectada por vrios
critrios:
a) Ponto fora de limite de controle
b) Corrida

54

c) Tendncia
d) Outros (ver testes de Nelson)
Pelo critrio Ponto fora de limite de controle a probabilidade de acontecer o
erro nos grficos de controle (com os limites de controle em LC +/- 3,0 )
de 0,135% para cada limite de controle (total de 0,27%), ou seja, h
0,135% de probabilidade de um ponto do processo estar alm de um
determinado limite de controle com um processo bom (sem mudana
indesejvel).

__
9.3 Comparao dos grficos X e R, e pr-controle
Esta comparao apresentada na tabela que segue:

Comparao do Grfico do Controle e o Pr-Controle

Item

Grficos

e R

Finalidade

Descobrir a proporo da
variao motivada por causas
aleatrias e determinveis

Regras de
deciso

Subgrupo

alm do limite de
controle

Pr-Controle
Evitar fabricao de
peas no conforme
2 amarelos
consecutivos

Tamanho do
Subgrupo

> 2, geralmente 4 ou 5

Sempre 2

Qualificar
um processo

Tomar 25 subgrupos, calcular

limites de controle, demonstrar
estado de controle estatstico

Produo de 5 verdes
sucessivos

Efeito de um
indivduo
fora de
tolerncia
num subgrupo

Isto geralmente detectado

atravs do grfico R ou s

Fora da tolerncia
vermelho; portanto,
pare

55

10. CAPABILIDADE DO PROCESSO

Capabilidade vem do ingls capability. Significa capacidade qualitativa.
Para determinar a Cababilidade de Processo, necessrio que o processo esteja
sob controle estatstico, ou seja, sujeito apenas s variaes aleatrias (causas comuns).
Verificada esta condio, avaliamos, ento, a capabilidade do processo de
fabricao de cumprir as exigncias qualitativas impostas a ele a longo prazo.
Vale lembrar que o processo de fabricao como um todo, composto por
Mquina, Meio de Medio, Matria-Prima, Mo de Obra, Meio Ambiente e Mtodo e
que todos devem estar sob controle.

11.1 Controle X Capacidade

Observando a folga entre limites naturais e a especificao (tolerncia) podemos avaliar

se o processo ou no capaz e sob controle (estvel).

a) Caso 1 Processo sob controle e capaz

No h pontos fora dos limites de controle;
Limites de controle dentro dos limites de tolerncia.

Aes Recomendadas:

56

Deixar como est, mais econmico;

Utilizar controle X-R ou X-S ou pr-controle.

b) Caso 2 Processo sob controle, mas incapaz

Variaes devido a causas comuns (aleatrias) dentro dos limites de controle;
Limites de controle fora dos limites de tolerncia.
Aes Requeridas:
Estudo das fontes/razes das variaes;
Novas mquinas/ mtodos/ materiais/ treinamento/ etc.;
Reviso das especificaes;
Investigar alternativa para uso das peas no conforme.

c) Caso 3 Processo capaz, mas fora de controle

Limites de controle dentro dos limites de tolerncia;
Processo instvel;
Variaes fora dos limites de controle devido a causas especiais (fatores casuais);
As causas das variaes esto dentro do processo.
Aes Requeridas:
Investigar causas especiais e elimin-las;
Utilizar condies especiais de trabalho enquanto o processo estiver fora de
controle.

d) Caso 4 Processo incapaz e fora de controle

Verdadeiro causador de problemas e perdas;
Somatrio das caractersticas dos casos 2 e 3.
Aes requeridas:
Ao gerencial na condio de estudos, anlise e soluo de problemas.
Analisar e eliminar, atravs de tcnicas de anlise e soluo de problemas, as
variaes devido s causas especiais e comuns(aleatrios).

10.2 Definio de Cp e Cpk (ndices de Capabilidade)

Cp
Considera o comportamento da disperso dos valores medidos em relao a tolerncia.

57

onde; T=tolerncia; = valor estimado para o desvio padro.

Sendo que o resultado deve ser, pelos padres adotados, maior que 1,33, que quer dizer
que o processo est com 33% de rea no ocupada pela disperso dos dados. Veja
grfico abaixo:

Cpk
Considera, alm do comportamento da disperso dos valores medidos, a sua posio
dentro da tolerncia.

Observaes: O menor dos resultados de Cpk vlido. Se o Cpk for menor que o
respectivo Cp, o processo no est centrado.
Sendo que o resultado deve ser, pelos padres adotados, maior que 1,33, que quer dizer
que o processo est com 33% de rea, de um dos lados, no ocupada pela disperso dos
dados. Veja grfico abaixo:

No clculo de Cpk para processos com valor de caracterstica limitada em zero,

considera-se apenas:

58

No clculo de Cpk para processos com valor de caracterstica com limite sueperior de
tolerncia (infinito) considera-se apenas:

10.3 Verificao da Capabilidade do Processo

a) Diferente da capabilidade mquina, a coleta de amostras para capabilidade de
processo deve concluir todas as variaes normais do processo sendo que
estas devem estar sob controle;
b) Todas as ocorrncias, causas e providncias tomadas durante a coleta das
amostras devero ser anotados num relatrio de ocorrncias;
c) So tomadas 25 amostras de 5 unidades, normalmente, em intervalos
peridicos;
d) Vale ressaltar a importncia de utilizao de um meio de medio qualificado
e capaz;
e) Tambm, necessrio que o operador esteja habilitado a operar a mquina,
verificar o processo e utilizar o meio de medio;
f) Da mesma forma, deve-se observar, que se as peas a medir so sujas, mal
acondicionadas ou at deformadas e com muitos desvios de forma, o resultado
no ser real.

59

11. ANLISE DA CAPABILIDADE DE

MQUINA
Na utilizao de um equipamento fabril deve ser verificado antes, se as caractersticas
de um componente a ser produzido possam ser fabricados seguramente.
O objetivo de uma anlise de capabilidade de mquina verificar:
se ela produz com regularidade
se ela pode ou no produzir as caractersticas dentro de tolerncias prestabelecidas.
A anlise de capabilidade de mquina um exame de curto prazo, para poder
verificar se h influncias, condicionadas mquina, sobre o processo de fabricao.
Indica o grau de disperso da distribuio populacional das peas fabricadas pela
mquina, em relao a tolerncia.
O mtodo estatstico, aqui apresentado, para verificao da capabilidade de
mquina relacionado a caractersticas de peas produzidas em grande escala.

11.1 Definies de Cm e Cmk

Cm
Fornece a dimenso da ocupao da tolerncia pr-estabelecida pela disperso dos
valores medidos.

Observao: O clculo do ndice Cm somente conveniente em processos

monitorveis.

Cmk
Considera em relao ao ndice Cm, ainda a posio da mdia dentro do campo de
tolerncia.

60

Observao: O menor dos dois valores considerado na avaliao. O clculo do ndice

Cmk conveniente, para processos monitorveis e no monitorveis .

Planejamento da anlise
a) Escolha das caractersticas a avaliar
decisivo para o resultado.
A classificao deve ser nas seguintes propriedades:

especificaes de clientes (cliente).

funes crticas (Engenharia).
operaes de fabricao crticas (Planejamento Tcnico).
exames crticos (Segurana de Qualidade).
dependncias recprocas, examinar a mais importante.
influncia ao processo posterior.

b) Documentao dos Parmetros

As condies secundrias (dados de regulagem da mquina, do processo e
ambientais) relacionveis ao resultado devem ser sempre comprovveis e
para isso anotadas no formulrio.
c) Amostra
Conforme o processo so tomadas 50 peas (ideal 100 ou at mais).
d) Retirada de amostras

Para a retirada de amostras, a mquina dever estar em ciclo normal

de produo, devidamente aquecida e estabilizada.
Produzir 100 peas em seqencia direta.
No so permitidos quaisquer tipos de ajustes e interrupes durante a
retirada das amostras.
No so permitidas mudanas (ferramental, mo de obra, material,
mtodo ou local) durante a retirada das amostras.
As peas devem ser numeradas na seqencia de produo.

e) Exame das amostras

O examinador deve ser treinado e conhecer o meio de medio.

61

O meio de medio dever estar analisado e aprovado quanto a sua

capacidade e estabilidade (anexar documento comprobatrio).

f) Avaliao de regularidade
Anotar os valores na seqencia das peas em grupos de 5 na tabela.
g)Grfico dos valores individuais

Marcar os pontos dos valores individuais na respectiva carta.

Unir os pontos dos valores individuais.
Verificar se a carta dos valores individuais demonstra uma distribuio
regular ou sem regularidade (catica).
Se a distribuio for desordenada, uma avaliao estatstica
impossvel; a mquina incapaz.

Nota:
Providncias corretivas devem ser tomadas e depois iniciada nova anlise.
No ocorrendo nenhuma melhoria, a mquina incapaz.
Quando identificvel uma tendncia, providncias para sua eliminao ou
minimizao das causas devem ser tomadas e a anlise deve ser repetida.
Para processos com tendncia, bem como no monitorveis, devem ser
aplicados outros mtodos de clculo.

h) Grfico de e S
Calcular e S para cada grupo de 5 medidas.
Marcar os pontos nas cartas e S.
Observar a variao do registro grfico das cartas e S. Ela deve ser
contnua e isenta de influncias sistemticas.
Nota: Uma tendncia se apresenta muitas vezes mais ntida na carta do que
na carta de valores individuais.
i) Determinao da Estabilidade

Calcular o limite inferior de controle (LIC) e o limite superior de controle

(LSC) para as mdias e desvio padro S.
Marcar com retas nas cartas e S os limites calculados acima.
As mdias da amostra podem ser consideradas estveis quando no
ultrapassarem os limites de controle (LIC e LSC)
Se o maior desvio padro (S mx) verificado dos grupos de 5 peas for
menor que o LSC, para desvios padres; ento, os desvios padres podem
ser considerados estveis.

62

Quando detectadas e eliminadas as causas, a anlise de capacidade de

mquina deve ser repetida desde o incio.

j) Clculo dos ndices da capabilidade (Cm; Cmk)

Depois da confirmao da estabilidade dos valores medidos deve ser

verificado o ndice da capabilidade.
O ndice Cm fornece a dimenso da ocupao da tolerncia
preestabelecida pela disperso dos valores medidos.
O ndice Cmk considera em relao ao ndice Cm, ainda a posio da
mdia dentro do campo de tolerncia.

11.2 Processos com tendncia natural

Por exemplo, reafiao, troca de ferramentas aps poucas operaes.
O clculo dos ndices Cm e Cmk no indicado.
A capacidade obtida quando todas as caractersticas da amostra se encontram
dentro de uma faixa de amplitude de 0,6 x Tolerncia (campo de 60%). Isto
significa um Cmk 1,67.
Caso especial: Caractersticas limitadas em zero.
Vlido um campo de 0,6.T(campo de 60%) que parte da linha zero.
Nota: Devem ser documentadas as causas da tendncia natural.

63

12. CAPABILIDADE DOS MEIOS DE

MEDIO
12.1 Avaliao do sistema de medio
Para que as leituras obtidas atravs do meio de medio sejam verdadeiras e
significativas, necessrio que os valores encontrados sejam reais e tenham a exatido
adequada.
O equipamento de medio deve ser capaz de medir fraes iguais ou menores
que um dcimo(1/10) da tolerncia.
preciso, tambm certificar-se de que o meio de medio esteja perfeitamente
calibrado e aferido conforme normas vigentes e aps, devemos controlar a repetibilidade
e reprodutibilidade do meio de medio.
Toda medio, atravs de equipamentos est sujeita a variaes. H necessidade
de coletarmos dados do instrumento usado, para sabermos se ele exato e estvel.
As variaes podem ser peridicas (desgaste, deteriorao ou condies
ambientais) ou aleatrias (construo, mecanismo, engrenagens, alavancas, etc.).
Os fatores (exatido, repetibilidade, reprodutibilidade, estabilidade, e linearidade)
influenciam diretamente no desempenho do meio de medio.
Algumas tcnicas estatsticas auxiliam na avaliao desses fatores.

Sistema de Medio
Esta primeira etapa, anterior anlise de estabilidade do processo, reflete bem a
preocupao com a medio. No adianta tomar aes em cima de informaes que no
so verdadeiras.
O ato de colher medidas de determinadas caractersticas do processo/produto pode
e deve ser encarado agora sob a concepo de uma nova etapa do processo produtivo.
Esta etapa a qual estamos nos referindo chama-se Sistema de Medio e tem por
objetivo analisar todos os fatores que possam influenciar o Processo de Medio.

64

Ilustraes de variao de medio

a) Exatido
a diferena entre a mdia das medies, repetidas da mesma caracterstica e o
valor real desta caracterstica (verdadeira medida).
Importa notar que o valor se refere a um padro e pea de ajustagem cadastrados
no controle peridico dos meios.

b) Repetibilidade
Resultados de medies verificados sob as seguintes condies:

medies repetidas em pequenos intervalos

processo de medio definido
mesma pea
mesma posio da pea
mesmo operador (avaliador)
mesmo meio de medio
mesmo lugar (laboratrio, seo da fbrica)

65

c) Reprodutibilidade
Resultados de medies sob as seguintes condies:

processo de medio definido

mesma pea
diferentes operadores
diferentes locais (laboratrios, seo da fbrica)

d) Preciso
Verificam-se as divergncias dos valores reais em um certo perodo e sob as
seguintes
condies:

processo de medio definido

mesmo meio de medio
mesmo padro
mesmo lugar (avaliador)

66

Exatido x Preciso: analogia com um alvo

Observao: conceito vlido tambm para processos.

Obs.: O alvo corresponde ao valor verdadeiro.

67

12.2 Anlise de capabilidade dos meios de medio

As condies de anlise e aprovao dos meios de medio devem ser definidas
junto com o fabricante (fornecedor).
Meios de medio inadequados apresentam valores incorretos na avaliao de um
processo, de uma mquina ou de peas.
Condies preliminares para anlise de capabilidade

Uma nica grandeza fsica deve ser medida ( direta, de preferncia).

Padro e peas no devem alterar-se durante a medio (necessrio objetos

homogneos para a medio).

Restries para anlise de capabilidade

So duas as restries: a medio de uma grandeza fsica como funo de outras
grandezas e a medio de vrias grandezas fsicas.
Execuo das anlises de capabilidade
A execuo das anlises de capabilidade deve seguir rigorosamente a preparao,
coleta de dados, anlise matemtica e grfica de cada um dos mtodos estatsticos que
sero apresentas na seqncia.
importante que voc observe a ordem com que as anlises de capabilidade sero
apresentadas.
Mtodo 1 Determinao dos ndices de capabilidade (Cgm e Cgmk)
A anlise de capabilidade de meios de medio obtida atravs de medies
repetidas com um padro calibrado no local de uso do meio atravs de um
operador qualificado.
O que deve ser observado?
recomendado que o valor nominal do padro esteja dentro do campo de
operao do meio de medio e, de preferncia, deve ser fixado no centro de
tolerncia da caracterstica.
Os resultados da anlise so expressos pelos ndices Cgm e Cgmk (Capability
Gauge Measurement).
Cgm: ndice de capabilidade do meio de medio, que indica qual a faixa ocupada
pela disperso em exatamente 20% da tolerncia .
Ideal : Cgm >/= 1,33

68

Cgmk: indica a posio da mdia observada nas medies em relao ao valor

real do padro, associada disperso das medies.
Ideal: Cgmk Cgm >/= 1,33

Preparao
Os passos da preparao so sete:

observar nos relgios comparadores ou outros mostradores (sujeira,

ponteiro torto ou preso, etc.);

a menor diviso do mostrador deve ser igual ou menor que 5% da

tolerncia examinada;

revisar e limpar o meio de medio, principalmente as partes mveis;

identificar a posio de medio;

esclarecer ao operador o propsito do evento;

se necessrio, treinar o operador antes de iniciar as medies;

regular e ajustar.

Execuo
O que fazer durante a execuo?

devem ser realizadas 50 medies na mesma pea ou padro utilizado;

medir sempre o mesmo ponto e posio da pea ou padro utilizado;
as medies devem ser feitas pelo mesmo operador, no local definitivo do
meio de medio;
no ajustar/regular durante as medies/anlise;
os valores devem ser anotados em formulrio apropriado, em grupos de
n=5;
calcular as mdias e desvio padro s de cada grupo.

Avaliao Bsica
O Sw estimado atravs da frmula

69

Os ndices de capabilidade Cgm e/ou Cgmk devem ser calculados com as

frmulas constantes no formulrio com o nvel de confiabilidade 99,7% (6
desvios padro).

Caractersticas Limitadas em Zero

Para este caso, oportuna somente a verificao do Cgmk atravs de uma anlise
no valor limite superior de tolerncia (LST).

Caractersticas Limitada Unilateralmente

Quando especificado somente um valor mnimo (LIT), isto , quando os valores
medidos devem ser maiores, uma verificao de Cgm e Cgmk impossvel.
Para assegurar que no haja nenhuma caracterstica abaixo do valor mnimo,
deve-se considerar uma distncia mnima do LIT de 3 (trs) vezes o desvio
encontrado.
O novo valor limite LIT Corr. Resulta de LIT+3.Sw:

Mtodo 2 Repetibilidade e reprodutibilidade (R&R)

Observe atentamente que antes da realizao desta anlise necessrio comprovar
a capacidade Cgmk >/= 1,33 conforme Mtodo 1.

70

Se o ndice Cgmk verificado por >/= 1,33, ento Voc deve ainda fazer a
verificao do R&R.
So as trs razes mais importantes para a existncia desse tipo de erro
(repetibilidade e reprodutibilidade):

falha no projeto do meio de medio;

falha de treinamento adequado do operador;
utilizao no adequada do meio de medio.

Preparao
Na preparao, preciso, ento:

observar os relgios comparadores e outros mostradores (sujeira, ponteiro

preso ou torto, etc.).
a menor diviso do mostrador deve ser igual ou menor que 5% da
tolerncia examinada.
revisar e limpar o sistema de medio, principalmente as partes mveis.
calibrar/ajustar o meio de medio conforme instrues.
separar e numerar 10 (dez) peas quaisquer do tipo escolhido que possuam
a caracterstica a ser medida.

Nota: Se possvel, separar peas cujas medidas da caracterstica ocupem toda a

faixa
entre LST e o LIT .

Identificar a posio de medio em cada pea.

Esclarecer aos operadores o propsito do evento.

Os operadores devem ser aqueles que utilizam o meio de medio no seu

dia a dia.

Se necessrio, treinar operadores antes de realizar as medies.

Execuo

Reajustagens durante a anlise no so admitidas.

Os resultados de cada operador no devem ser divulgados para os

outros operadores.

Todos os resultados das medies devem ser anotadas nas respectivas

colunas do formulrio apropriado.

Utilizar, no mnimo, dois (2) operadores.

Realizar duas ou trs medies por operador.

71

Entregar aleatoriamente as peas ao operador para evitar tendncias ou

memorizaes.

Se possvel, fazer as medies em diferentes horrios.

Todas as medies devem ser feitas na mesma posio da pea

(determinada anteriormente).

Observar e anotar o comportamento dos avaliadores durante as

medies.

Clculos:
1. Calcular a amplitude R (diferena) entre a primeira e a segunda leitura de
cada operador ou inspetor.
2. Calcular o desvio padro S das amplitudes R de cada operador (SA, SB e
SC).
3. Calcular as mdias X 1

X 2 das leituras de cada operador.

4. Calcular a mdia das mdias de cada operador

X A , X B e X c .

5. Calcular o desvio padro da Repetibilidade

S RPT =

S A + S B + SC

(para duas leituras por operador).

3 2

6. Calcular o desvio padro da Reprodutibilidade que o desvio padro S

entre as trs mdias das mdias:
SRPD = desvio padro entre

A,

B,

C.

7. Calcular o desvio padro total:

2
2
S T = S RPT
+ S RPD

8. Calcular o ndice RR
RR =

6S T
x100(%)
T

9. Avaliao do resultado:

72

0 20% bom
20 30% regular
maior que 30% reprovado

CONSTRUO DOS GRFICOS DE CONTROLE PARA VARIVEIS

INSTRUES:
1) Calcular para cada amostra:
a) Grfico , R: e R
b) Grfico , S: e S
c) Grfico , R: e R
d) Grfico X, Rm: Rm
O Rm a amplitude mvel entre dois valores consecutivos (entre o 1. e o 2., entre o
2. e o 3. e, assim sucessivamente).
2) Calcular para cada grfico:
a) Grfico , : e
b) Grfico , S: e
c) Grfico , R: e
d) Grfico X, Rm: e m
e) Cuidado: quando os valores so agrupados dois a dois,

N 1

3) Calcular para cada grfico os limites de controle, conforme as frmulas dos

ANEXOS I e II. Usar o n da tabela conforme o nmero de elementos de cada
amostra. Para o grfico X, Rm usar n = 2 no caso de agrupamento 2 a 2.
Cuidado: Usar a tabela especfica para cada tipo de grfico de controle.
4) Anotar os valores das mdias e dos limites de controle nos campos que ficam no
canto superior esquerdo de cada grfico.
5) Escolher uma escala adequada para cada grfico. Os valores inteiros devem
coincidir com as linhas grossas do grfico. Escolher escala adequada significa
colocar os limites de controle perto das laterais do grfico sem contudo
ultrapass-las.
6) Traar as linhas das mdias e dos limites de controle.
7) Plotar os pontos nos grficos.
73

No caso do grfico das medianas ( , R) todos os valores devem ser plotados.

Circundar depois o ponto da mediana, que o ponto do meio (quando n mpar).
8) Unir os pontos de cada grfico.
9) Analisar os grficos.
^
10) Calcular o desvio padro estimado da populao (produo).
Observao: como a primeira etapa do CEP colocar o processo sob controle
estatstico (eliminao das causas especiais de variao), que significa pelo
menos 25 amostras consecutivas em controle, deve-se calcular o apenas
quando o processo estiver sob este controle, na prtica.
11) Calcular os ndices de capabilidade Cp e Cpk.
Observao: somente possvel calcular os ndices de capabilidade conhecendose as especificaes de engenharia (limites de tolerncia).
12) Calcular o percentual de peas no conforme (fora da faixa de tolerncia).

74

ANEXO 1
FATORES E FRMULAS

TABELA DE FATORES E FRMULAS PARA

CARTAS DE CONTROLE
Carta

e R

Carta

e S

Carta das Amplitudes ( R )

Carta das Carta dos desvios-padro (S)
Carta das
Mdias
Mdias
Observae
( )
( )
s na
Divisores
Diviso
re
s
Amostra
para
Fatores
para
Fatores
Fatores para
Fatores
para
Estimativ
para
Estimativ
para
Limites
de Controle
Limites
de
Controle
a do
Limites
a do
Limites
Desviode
Desviode
Padro
Controle
Padro
Controle
n
A2
d2
D3
D4
A3
c4
B3
B4
2
3
4
5

1.880
1.023
0.729
0.577

1.128
1.693
2.059
2.326

3.267
2.574
2.282
2.114

2.659
1.954
1.628
1.427

0.7979
0.8862
0.9213
0.9400

3.267
2.568
2.266
2.089

6
7
8
9
10

0.483
0.419
0.373
0.337
0.308

2.534
2.704
2.847
2.970
3.078

0.076
0.136
0.184
0.223

2.004
1.924
1.864
1.816
1.777

1.287
1.182
1.099
1.032
0.975

0.9515
0.9594
0.9650
0.9693
0.9727

0.030
0.118
0.185
0.239
0.284

1.970
1.882
1.815
1.761
1.716

11
12
13
14
15

0.285
0.266
0.249
0.235
0.223

3.173
3.258
3.336
3.407
3.472

0.256
0.283
0.307
0.328
0.347

1.744
1.717
1.693
1.672
1.653

0.927
0.886
0.850
0.817
0.789

0.9754
0.9776
0.9794
0.9810
0.9823

0.321
0.354
0.382
0.406
0.428

1.679
1.646
1.618
1.594
1.572

16
17
18
19
20

0.212
0.203
0.194
0.187
0.180

3.532
3.588
3.640
3.689
3.735

0.363
0.378
0.391
0.403
0.415

1.637
1.622
1.608
1.597
1.585

0.763
0.739
0.718
0.698
0.680

0.9835
0.9845
0.9854
0.9862
0.9869

0.448
0.466
0.482
0.497
0.510

1.552
1.534
1.518
1.503
1.490

21
22
23
24
25

0.173
0.167
0.162
0.157
0.153

3.778
3.819
3.858
3.895
3.931

0.425
0.434
0.443
0.451
0.459

1.575
1.566
1.557
1.548
1.541

0.663
0.647
0.633
0.619
0.606

0.9876
0.9882
0.9887
0.9892
0.9896

0.523
0.534
0.545
0.555
0.565

1.477
1.466
1.455
1.445
1.435

Extrado da publicao STM STP-15D, Manual on the Presentation of Data and Ccntrol Chart Analysis, 1976, pp.134-136.

75

ANEXO 2
TABELA DE FATORES E FRMULAS PARA
CARTAS DE CONTROLE (cont.)
Cartas de Medianas * / **
Carta das
Medianas
Observae
s na
Amostra

Carta de Individuais *

Carta das Amplitudes ( R )

Fatores
para
Limites
de
Controle
A2

FATORES E
FRMULAS

Divisores
para
Fatores para
Estimativ
Limites de Controle
a do
DesvioPadro
d2
D3
D4

Carta de
Individua
is
(X)
Fatores
para
Limites
de
Controle
E2

Carta de Amplitudes (R)

Divisores
para
Fatores para
Estimativ
Limites de Controle
a do
DesvioPadro
d2
D3
D4

2
3
4
5

1.880
1.187
0.796
0.691

1.128
1.693
2.059
2.326

3.267
2.574
1.282
2.114

2.660
1.772
1.457
1.290

1.128
1.693
2.059
2.326

3.267
2.574
2.282
2.114

6
7
8
9
10

0.548
0.508
0.433
0.412
0.362

2.534
2.704
2.847
2.970
3.078

0.076
0.136
0.184
0.223

2.004
1.924
1.864
1.816
1.777

1.184
1.109
1.054
1.010
0.975

2.534
2.704
2.847
2,970
3.078

0.076
0.136
0.184
0.223

2.004
1.924
1.864
1.816
1.777

* Da publicao ASTM STP-15D, Manual on the Presentation of Data and Ccntrol Chart Analysis, 1976, pp.134136.

** A2

so fatores derivados da ASTM STP-15D, Data and Efficiency Tables contidas no Introduction to
STATISTICAL Analysis de W.J. Dixon e F.J. Massey Jr. 3 edio; p.488 McGraw-Hill Book Company, NY.

76

ANEXO 3
DISTRIBUIO NORMAL PADRO

Pz= porcentagem do resultado do processo alm de um limite nico da especificao que est a z unidades de desvio padro da
mdia do processo (para um processo sob controle estatstico e normalmente distribudo). Por exemplo: z=2,17, Pz=0,0150 ou
1,5%.
lzl

x.x0

x.x1

x.x2

x.x3

x.x4

x.x5

x.x6

x.x7

x.x8

x.x9

4.0

.00003

3.9
3.8
3.7
3.6
3.5

.00005
.00007
.00011
.00016
.00023

.00005
.00007
.00010
.00015
.00022

.00004
.00007
.00010
.00015
.00022

.00004
.00006
.00010
.00014
.00021

.00004
.00006
.00009
.00014
.00020

.00004
.00006
.00009
.00013
.00019

.00004
.00006
.00008
.00013
.00019

.00004
.00005
.00008
.00012
.00018

.00003
.00005
.00008
.00012
.00017

.00003
.00005
.00008
.00011
.00017

3.4
3.3
3.2
3.1
3.0

.00034
.00048
.00069
.00097
.00135

.00032
.00047
.00066
.00094
.00131

.00031
.00045
.00064
.00090
.00126

.00030
.00043
.00062
.00087
.00122

.00029
.00042
.00060
.00084
.00118

.00028
.00040
.00058
.00082
.00114

.00027
.00039
.00056
.00079
.00111

.00026
.00038
.00054
.00076
.00107

.00025
.00036
.00052
.00074
.00104

.00024
.00035
.00050
.00071
.00100

2.9
2.8
2.7
2.6
2.5

.0019
.0026
.0035
.0047
.0062

.0018
.0025
.0034
.0045
.0060

.0018
.0024
.0033
.0044
.0059

.0017
.0023
.0032
.0043
.0057

.0016
.0023
.0031
.0041
.0055

.0016
.0022
.0030
.0040
.0054

.0015
.0021
.0029
.0039
.0052

.0015
.0021
.0028
.0038
.0051

.0014
.0020
.0027
.0037
.0049

.0014
.0019
.0026
.0036
.0048

2.4
2.3
2.2
2.1
2.0

.0082
.0107
.0139
.0179
.0228

.0080
.0104
.0136
.0174
.0222

.0078
.0102
.0132
.0170
.0217

.0075
.0099
.0129
.0166
.0212

.0073
.0096
.0125
.0162
.0207

.0071
.0094
.0122
.0158
.0202

.0069
.0091
.0119
.0154
.0197

.0068
.0089
.0116
.0150
.0192

.0066
.0087
.0113
.0146
.0188

.0064
.0084
.0110
.0143
.0183

1.9
1.8
1.7
1.6
1.5

.0287
.0359
.0446
.0548
.0668

.0281
.0351
.0436
.0537
.0655

.0274
.0344
.0427
.0526
.0643

.0268
.0336
.0418
.0516
.0630

.0262
.0329
.0409
.0505
.0618

.0256
.0322
.0401
.0495
.0606

.0250
.0314
.0392
.0485
.0594

.0244
.0307
.0384
.0475
.0582

.0239
.0301
.0375
.0465
.0571

.0233
.0294
.0367
.0455
.0559

1.4
1.3
1.2
1.1
1.0

.0808
.0968
.1151
.1357
.1587

.0793
.0951
.1131
.1335
.1562

.0778
.0934
.1112
.1314
.1539

.0764
.0918
.1093
.1292
.1515

.0749
.0901
.1075
.1271
.1492

.0735
.0885
.1056
.1251
.1469

.0721
.0869
.1038
.1230
.1446

.0708
.0853
.1020
.1210
.1423

.0694
.0838
.1003
.1190
.1401

.0681
.0823
.0985
.1170
.1379

0.9
0.8
0.7
0.6
0.5

.1841
.2119
.2420
.2743
.3085

.1814
.2090
.2389
.2709
.3050

.1788
.2061
.2358
.2676
.3015

.1762
.2033
.2327
.2643
.2981

.1736
.2005
.2297
.2611
.2946

.1711
.1977
.2266
.2578
.2912

.1685
.1949
.2236
.2546
.2877

.1660
.1922
.2206
.2514
.2843

.1635
.1894
.2177
.2483
.2810

.1611
.1867
.2148
.2451
.2776

0.4
0.3
0.2
0.1
0.0

.3446
.3821
.4207
.4602
.5000

.3409
.3783
.4168
.4562
.4960

.3372
.3745
.4129
.4522
.4920

.3336
.3707
.4090
.4483
.4880

.3300
.3669
.4052
.4443
.4840

.3264
.3632
.4013
.4404
.4801

.3228
.3594
.3974
.4364
.4761

.3192
.3557
.3936
.4325
.4721

.3156
.3520
.3897
.4286
.4681

.3121
.3483
.3859
.4247
.4641

77

ANEXO 4
CONTROLE ESTATSTICO DO PROCESSO
PEA N / NOME/ MODELO

X:
LIC:

DEPTO.

CARACTERSTICA

ALVO

MAQ. OU EQ. N MOD.

APROVAO:

REVISO:

FREQNCIA

LSC:
MDIAS

R:
LIC:

LSC:
AMPLITUDES

DATA
HORA
1
2
3
4
5

DADOS

X
R
Operador
Caixa n
Lote n

RESULTADO

Dimensional
Visual

78

Legenda para o resultado: A=Aprovado; R= Reprovado

ANEXO 5
CARTA DE CONTROLE PARA ATRIBUTOS
FBRICA

p
np

DEPARTAMENTO

c
u

PEA, NMERO E NOME

OPERAO, NMERO E NOME

Mdia =

LSC =

LIC =

DATA DOS LIMITES DE

CONTROLE CALCULADOS Tamanho Mdio da Amostra:
Freqncia:

Dsiscrepncias

Amostr (n)
Nmero
(np, c)
Proporo
(p, u)

Data
(turno, hora, etc.)
QUALQUER MUDANA NO PESSOAL, EQUIPAMENTO, MATERIAIS, MTODOS, AMBIENTE, OU SISTEMAS DE MEDIO DEVE SER ANOTADA. ESTAS ANOTAES AJUDARO VOC A TOMAR UMA
AO CORRETIVA OU DE MELHORIA DO PROCESSO, CONFORME ASSINALADO PELA CARTA DE CONTROLE.

DATA

HORA

COMENTRIOS

LEMBRETE: Guia para seleo das cartas para atributos:

NMERO
(Simples, mas exige o tamanho da amostra constante).
PROPORO
(Mais complexa, contudo ajusta-se a uma proporo
compreensvel, e pode ser usada com o tamanho da
amostra varivel).

79

Itens no-conforme

No-conformidades

np

Cc

Uu

ANEXO 6

80

ANEXO 7

81

ANEXO 8
Distribuies das Mdias de Amostras

82

ANEXO 9

83

ANEXO 10

DIRIO DE BORDO PARA CARTA DE CONTROLE

Todas as modificaes de pessoas ambiente material mquina ou mtodo devem ser anotados.
Estas anotaes lhe ajudaro nas aes corretivas assinaladas pela carta de controle.
DATA

HORA

COMENTRIO

84

ANEXO 11

REPETIBILIDADE E REPRODUTIBILIDADE DE MEIOS DE MEDIO (RR)

EMPRESA:

REA:

EQUIPAMENTO:

PRODUTO:

CARACTERSTICA:
A

TOLERNCIA:

NOME:

PRIMEIRA SEGUNDA DIFERENA

LEITURA
LEITURA
(R)

NOME:

PRIMEIRA SEGUNDA DIFERENA

LEITURA
LEITURA
(R)

NOME:
PRIMEIRA SEGUNDA DIFERENA
LEITURA
LEITURA
(R)

21,8

22,2

20,4

21,4

20,8

21,3

35,7

34,4

34,0

34,9

34,5

35,4

70,8

69,0

69,8

70,6

68,1

71,9

84,0

83,8

85,0

84,9

84,0

83,8

36,5

35,4

36,6

35,4

34,9

35,9

42,3

45,6

45,4

46,3

45,6

46,8

51,2

50,2

50,4

50,0

51,0

51,6

64,8

64,4

64,8

63,5

63,4

65,8

32,2

33,4

32,3

33,6

33,5

33,9

10

51,8

51,2

10

51,2

51,1

10

51,0

51,2

CI

CII

SOMA

SOMA
AI

AII

SA

MDIA
A

SOMA
BI

BII

SB

MDIA
B

SA =

XA =

S RPT =

X A1 + X A11
=
2

SC

MDIA
SB =

XB =

X B1 + X B11
=
2

SC =

XC =

X C1 + X C11
=
2

S A + S B + SC
=
3 2

2
2
ST = S RPT
+ S RPD
=

RR =

6.ST
=
T

85

Exerccio Resolvido N. 1
1) Dados os nmeros 16, 15, 13, 15, 17, 15, 13, 13, 12, 13, 18, 14, calcular:
a) A mdia:
n

X =

X
i =1

16 + 15 + 13 + 15 + 17 + 15 + 13 + 13 + 12 + 13 + 18 + 14
12

X = 14,5
b) A mediana: 12 13 13 13 13 14 15 15 15 16 17 18
n = 12 (n par)
X = (14 + 15) / 2 = 14,5
c) A amplitude:
R = Xmx Xmn
R = 18 12 = 6
d) O desvio padro:

s=

(X

i =1

s=

X
n 1

(amostra)

37,00
= 1,834
12 1

s = 1,834
Xi
16
15
13
15
17
15
13
13
12
13
18
14

Xi
1,5
0,5
1,5
0,5
2,5
0,5
1,5
1,5
2,5
1,5
3,5
0,5

(Xi )2
2,25
0,25
2,25
0,25
6,25
0,25
2,25
2,25
6,25
2,25
12,25
0,25
37,00

86

Exerccio Proposto N. 1
Em uma amostra de cinco eixos foram obtidos os seguintes dimetros em mm:
32 34 37 37 e 35
Calcular:
a) a mdia
b) a mediana
c) a amplitude
d) o desvio padro

87

Exerccio Resolvido N. 2
Sabendo-se que o peso de pacotes de arroz segue uma distribuio normal, com mdia
= 1000 g e desvio padro = 2g, determinar:
a) % de pacotes com menos de 997 g.

Z abaixo =

LIT X

/ da tabela do anexo III

1,5 1000
Z abaixo = 997
Z abaixo =
2

-6
998g

1000g

+6
1002g

P = 0,0668 ou 6,68%

b) probabilidade de encontrar um pacote com mais de 1002 g.

Z alto =

X LST

1000 1002
= 1
2

Z =1
P = 0,1587
15,87%
(daoutabela
do anexo III)
c) percentagem de pacotes com peso entre 996 e 1005 g.

Z baixo =

996 1000
2

Z baixo = 2

anexo III

P = 0,0228

1000 1005
2
= 2,5
anexo III

Z baixo =
Z baixo

P = 0,062

Total = 1
entre = Total Palto Pbaixo
entre = 1 0,0228 0,0062
entre = 0,971 ou 97,1%

88

Exerccio Resolvido N. 3
Qual dever ser o desvio padro de um lote de eixos para que se tenha 98 % dos dimetros entre
9,5 e 10,7 mm, sendo sua mdia 10,1 mm.
Px = 98 % ou 0,98

Total = 1

X = 10,1 mm

0,98 = 1 Px1 Px2

Z1 =

10,1 9,5
0,6
=

Z2 =

10,7 10,1 0,6

=

Como Z1 = Z2 / olha-se no anexo III qual Z tem P = 0,01.

P = 0,099 / Z = 2,33
Substituindo

0,6
2,33
= 0,2575mm

89

Exerccio Resolvido N. 4
Qual dever ser o desvio padro da dureza de uma pea de ao para que se tenha 95 % das peas
entre 58 e 62 RC com mdia de 60 RC ?
P = 95 % ou 0,95

Total = 1

X = 60 RC

0,95 = 1 Px1 Px2

Z1 =

60-58
2
=

Z2 =

62-60
2
=

Como Z1 = Z2 / olha-se no anexo III qual Z tem P = 0,025.

P = 0,025 / Z = 1,96
Substituindo

2
1,96

= 1,02 Rc

90

Exerccio Resolvido N. 5
Sabendo-se que o dimetro de um eixo segue uma distribuio normal, com mdia X = 10,0 mm
e desvio padro = 0,2 mm, determinar:
a) probabilidade de encontrar dimetros abaixo de 9,9 mm.
< 9,9

z = 9,9-10
0,2
z = 0,5

p/z = 0,5
Pz = 0,3085
Pz = 30,85%

b) porcentagem de dimetros acima de 10,3 mm.

< 10,3

z = 10,3-10
0,2
z = 1,5

p/z = 1,5
Pz = 0,0668
Pz = 6,68%

c) a porcentagem de dimetros entre 9,8 e 10,5 mm.

9,8 < x < 10,5

z = 9,8 - 10
z = 10,5 - 10
0,2
0,2
z= 1
z = 2,5
Pz = 0,1587
Pz = 0,0062
Pz = 15,87 %
Pz = 0,62 %
P = 100 (15,87 +0,62)
P = 83,51%

d) medida do dimetro, acima do qual tem-se 20% dos eixos.

P = 0,20

z=x-

x = z +

z = 0,84

x = 10,168mm

P = 20%

e) a medida do dimetro, abaixo do qual tem-se 3% dos eixos.

P = 3%
P = 0,03
z = 1,88

z=x

x = z
x = 10 1,88 x 0,2
x = 9,624mm

f) sendo os limites de tolerncia 9,6 mm e 10,8 mm e o alvo 10,2 mm, quais so os ndices de
capabilidade Cp e Cpk ?

91

Cp = LST LIT
6

Cpk1 = LIT
3

Cpk2 = LST
3

Cp = 10,8 9,6
6,02

Cpk1 = 10,0 9,6

3.0,2

Cpk2 = 10,8 10,0

3.0,2

Cp = 1

Cpk1 = 0,667

Cpk2 = 1,33

g) se a mdia mudar para 10,2 mm, sem alterao do desvio padro de 0,2 mm, quais so os
novos ndices Cp e Cpk ?
Cp = 1

Cpk1 = LIT
3

Cpk2 = LST
3

Cpk1 = 10,2 9,6

3.0,2

Cpk2 = 10,8 10,2

3.0,2

Cpk1 = 1

Cpk2 = 1

h) se a mdia mudar para 9,9 mm haver eixos fora de tolerncia? Em caso afirmativo, qual a
porcentagem fora de tolerncia?
H uma possibilidade de termos peas abaixo do LIT.
z=x-

z = 9,9 9,6
0,2

z = 1,5
Pz = 6,68%

92

Exerccio proposto N. 2
O comprimento de um pino segue uma distribuio normal, com mdia de 101 mm e desvio
padro de 2 mm. A especificao de engenharia 100 + / 5 mm. Determinar:
a)
b)
c)
d)
e)
f)
g)

A porcentagem de comprimentos acima de 105 mm.

A porcentagem de comprimentos abaixo de 95 mm.
A porcentagem de comprimentos entre 97 e 103 mm.
A medida do comprimento acima do qual tem-se 10 % das peas.
A porcentagem de peas no conforme (abaixo de 95 mm e acima de 105 mm).
Calcular os ndices de capabilidade de Cp e Cpk.
Se a mdia mudar para 100 mm (alvo), sem alterao do desvio padro de 2 mm,
determinar a percentagem de peas no conforme (abaixo de 95 mm e acima de 105 mm).
h) Qual deveria ser o desvio padro, com a mdia 100 mm, para haver apenas 0,5% de peas
no conforme?

93

Exerccio Resolvido N. 6
Resoluo do exerccio do grfico de controle X, R (pg. 98)
1. Calcular a mdia das amostras (X);
n

X'=

X
i =1

Ex. :

65 + 70 + 65 + 65 + 55 350
=
= 70
5
5

2. Calcular a amplitude das amostras (R);

R = (MAIOR VALOR MENOR VALOR) = 85 65 = 20

3. Calcular a mdia das mdias (X);

n

X ''=

X'
i =1

1780
= 71,60
25

4. Calcular a mdia das amplitudes (R);

n

R' =

R
i =1

445
= 17,80
25

5. Calcular os limites de controle para as mdias X;

LICX X A2 . R
LSCX X + A2 . R
Donde: A2 = 0,577 tirvado da tabela no anexo I.
Ex.: LSCX = 71,60 + 0,577 x 17,80 LSCX = 81,87 81,9
LICX = 71,60 0,577 x 17,80 LICX = 61,32 61,3

6. Calcular os limites de controle para as amplitudes R;

LICX D4 . R
LSCX D3 . R
Donde: D4 = 2,114 tirado da tabela do anexo I, bem como D3 = zero, tirado tambm da tabela do
anexo I.
Ex.: LICR 2,114 x 17,8 37,62 37,6
LICR 0 x 17,8 0 = 0

94

7. Preencher o grfico;
8. Anlise do grfico;
O processo no est sob controle estatstico:
a) H uma mdia fora do LSCX
b) As mdias apresentam uma corrida
c) H uma amplitude fora do LSCR

9. Sendo os limites de tolerncia de 0,50 mm e 0,90 mm calcular:

9.1. Os ndices Cp e Cpk;

Para n = 5, d2 = 2,326 (Anexo I).

R 17,8
=7,65
=
d 2 2,326
LST LIT 90 50
Cp =
=
= 0,87

6.7,65
6
LST X 90 71,6
C pk1 =
=
= 0,80

3
.
7
,
65
3

C pk 2 =

X LIT

71,6 50
= 0,94
3.7,65

9.2. O percentual de peas fora de tolerncia (no conforme)

z1 =

LST X

z2 =

X LIT

90 71,6
= 2,40
7,65
71,6 50
= 2,82
7,65

Pz1=0,82%

Pz2=0,24%

P = Pz1 + Pz2 = 1,06%

10. Se a mdia mudasse para o alvo de 0,70 mm determine:
10.1. Os novos ndices Cp e Cpk;

Cp =

LST LIT

90 50
= 0,87
6.7,65

95

C pk1 =
C pk 2 =

LST X

3
X LIT

90 70
= 0,87
3.7,65

70 50
= 0,87
3.7,65

10.2. O percentual de peas fora de tolerncia (no conforme)

z1 = z 2 =

LST X

= 2,61

z = 2,61 na tabela do Anexo III teremos o valor de 0,0045 0,45 %.

Logo a resposta a soma 0,45 + 0,45 = 0,90 %.

Isto mostra que, mesmo o processo no sendo capaz, o percentual de peas fora de
tolerncia

minimizado fazendo-se a mdia coincidir com o alvo.

96

Exerccio Resolvido N. 6

97

Exerccio Proposto N. 3
Construa uma carta de controle X, R para a caracterstica Espessura da camada de cromo de
um processo de cromo duro em uma ferramenta de corte (cortador da corrente de motoserra).
Use o formulrio adequado. Os limites de tolerncia so: LIT: 22 microns e LST: 34 microns e o
alvo 28 microns. Foram coletadas 25 amostras de 5 elementos (n = 5):
AMOSTRA
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

VALORES OBSERVADOS (em microns)

29 27 28 27 29
24 26 28 29 28
28 30 31 30 30
31 32 30 30 30
28 27 28 25 27
30 30 30 31 28
25 27 28 28 29
24 25 27 28 28
28 25 29 32 28
30 27 29 28 31
30 25 28 28 30
25 26 32 29 31
31 29 27 26 29
28 26 29 32 28
22 28 26 23 29
28 26 30 27 29
28 27 26 29 30
28 28 27 30 28
25 25 28 28 28
25 26 27 28 29
23 25 28 28 31
30 30 24 30 25
27 27 29 28 27
29 31 28 29 30
25 29 27 31 31

a) Analise a carta (teste de Nelson)

b) Verifique se processo est sob controle estatstico
c) Verifique se o processo capaz. Se o processo no for capaz, calcule o percentual de
peas no conforme.
d) Calcule os ndices de capabilidade do processo Cp e Cpk.
e) Se o processo for ajustado com a mdia no alvo ainda h peas no conforme? Em caso
positivo, qual o percentual?
f) Quais os novos ndices Cp e Cpk se a mdia estiver no alvo?

98

CONTROLE ESTATSTICO DO PROCESSO

PEA N / NOME/ MODELO

X:
LIC:

DEPTO.

CARACTERSTICA

ALVO

MAQ. OU EQ. N MOD.

APROVAO:

REVISO:

FREQNCIA

LSC:
MDIAS

R:
LIC:

LSC:
AMPLITUDES

DATA
HORA
1
2
3
4
5

DADOS

X
R
Operador
Caixa n
Lote n

RESULTADO

Dimensional
Visual

99

Exerccios Propostos
__
N 4: Carta de Controle X, s
N. 5: Carta de Controle X , R
N. 6: Carta de Controle X, Rm
N. 7: Carta de Controle para atributo (p)
CARTAS DE CONTROLE:
, s; , R; X, Rm (valores individuais); Carta p:
a) Completar as cartas de controle com os respectivos grficos. Indicar bem as mdias e
limites de controle nos grficos (de preferncia com caneta vermelha). Apresentar todos
os clculos.
b) Analisar os grficos e fazer comentrios sobre os resultados obtidos.
c) Calcular os ndices Cp e Cpk.
d) Calcular o percentual de peas fora dos limites de tolerncia. Ilustrar com croquis.
e) Se a mdia mudasse para o alvo, sem alterao da disperso, qual seria o percentual de
peas fora de tolerncia?
Observao: Os itens c) d) e e) somente podem ser calculados se informados os limites de
tolerncia.

100

CARTA X, s ESPECIFICAO 1,00 1,30

101

CARTA DE MEDIANAS X

102

ALVO = 35 CARTA X / Rmvel LIT = 27 LST = 43

103

EXERCCIO CARTA P
O processo cujos dados esto abaixo, e refere produo de aparelhos de TV na Operao
Montagem. Abaixo informamos a data, a quantidade de aparelhos inspecionados e o nmero de
defeitos encontrados. Com os dados abaixo:
a) Construa a carta de controle p.
b) Interprete a carta.
DATA
10 / 04
11 / 04
12 / 04
13 / 04
16 / 04
17 / 04
18 / 04
19 / 04
23 / 04
24 / 04
25 / 04
26 / 04
27 / 04
02 / 05
03 / 05
04 / 05
07 / 05
08 / 05
09 / 05
15 / 05
16 / 05
17 / 05
18 / 05
21 / 05
22 / 05

APS. INSPECIONADOS
80
80
80
80
80
80
80
80
80
80
80
80
80
64
64
64
64
64
64
64
64
64
64
64
64

DEFEITOS
11
9
11
15
17
18
14
13
14
10
5
10
8
14
11
5
12
6
6
8
10
8
11
10
8

104

CARTA DE CONTROLE PARA ATRIBUTOS

FBRICA

p
np

DEPARTAMENTO

c
u

PEA, NMERO E NOME

OPERAO, NMERO E NOME

Mdia =

LSC =

LIC =

DATA DOS LIMITES DE

CONTROLE CALCULADOS Tamanho Mdio da Amostra:
Freqncia:

Dsiscrepncias

Amostr (n)
Nmero
(np, c)
Proporo
(p, u)

Data
(turno, hora, etc.)
QUALQUER MUDANA NO PESSOAL, EQUIPAMENTO, MATERIAIS, MTODOS, AMBIENTE, OU SISTEMAS DE MEDIO DEVER SER ANOTADA. ESTAS ANOTAES AJUDARO VOC A TOMAR
UMA AO CORRETIVA OU DE MELHORIA DO PROCESSO, CONFORME ASSINALADO PELA CARTA DE CONTROLE.

DATA

HORA

COMENTRIOS

LEMBRETE: Guia para seleo das cartas para atributos:

NMERO
(Simples, mas exige o tamanho da amostra constante).
PROPORO
(Mais complexa, contudo ajusta-se a uma proporo
compreensvel, e pode ser usada com o tamanho da
amostra varivel).

Itens no-conforme

No-conformidades

np

Cc

Uu U

105

Exerccio Proposto N. 8
CALCULAR:
A REPETIBILIDADE E REPRODUTIBILIDADE DE SISTEMA DE MEDIO (RR).
EMPRESA:
EQUIPAMENTO:
CARACTERSTICA:
A
1
2
3
4
5
6
7
8
9
10
SOMA

NOME:
PRIMEIRA SEGUNDA DIFERENA
LEITURA LEITURA
(R)
21,8
22,2
35,7
34,4
70,8
69,0
84,0
83,8
36,5
35,4
42,3
45,6
51,2
50,2
64,8
64,4
32,2
33,4
51,8
51,2
A1

A11

MDIA

B
1
2
3
4
5
6
7
8
9
10
SOMA

SA

B1

B11

MDIA

C
1
2
3
4
5
6
7
8
9
10
SOMA

XA =

X A1 + X A11
=
2

NOME:
PRIMEIRA SEGUNDA DIFERENA
LEITURA LEITURA
(R)
20,8
21,3
34,5
35,4
68,1
71,9
84,0
83,8
34,9
35,9
45,6
46,8
51,0
51,6
63,4
65,8
33,5
33,9
51,0
51,2

SB

C1

SC

C11

MDIA
SB =

SA =
A

REA:
PRODUTO:
TOLERNCIA:
NOME:
PRIMEIRA SEGUNDA DIFERENA
LEITURA LEITURA
(R)
20,4
21,4
34,0
34,9
69,8
70,6
85,0
84,9
36,6
35,4
45,4
46,3
50,4
50,0
64,8
63,5
32,3
33,6
51,2
51,1

XB =

SC =

X B1 + X B11
=
2

XC =

X C1 + X C11
=
2

S A + S B + SC
=
3 2
= desvio padro entre X A , X B e X C =

S RPT =

S RPD

2
2
ST = S RPT
+ S RPD
=

RR =

6.ST
=
T

106

Exerccio Resolvido N. 7
Um processo, sob controle estatstico, produz eixos com a caracterstica dimetro com mdia de
100,02 mm e desvio padro de 0,08 mm.
Se houver uma mudana no processo, com deslocamento da mdia para 100,14 mm, sem
alterao da disperso, pede-se calcular:

a. Com uma carta de controle para medies individuais, quantas amostras de um

elemento seriam necessrias para se detectar esta mudana com 95 % de
probabilidade atravs de um ponto fora dos limites de controle?
b. Nas mesmas condies com uma carta de controle para amostras de 5 elementos?
c. Nas mesmas condies com uma carta de controle para amostras de 25
elementos?
Haver peas alm do LSC estabelecido para o processo.
a) Para n = 1 (valores individuais)
LSC = + 3 = 100,02 + 3 x 0,08 = 100.26

100,26 100,14 0,12

=
0,08
0,08
z = 1,5
z=

Pz = 6,68 % (Ao)
(1 0,00668)n = (1 0,95)

n =

log 0,05
= 43,3
log 0,9332

44 amostras
b) Para n = 5

X =

X = 0,036
d=

Observao: a mdia

acompanha a mdia da populao.

2,236
LSC = 100,02 + 3 x 0,036 = 100,128

100,14 100,02
= 3,33
0,036

z = 0,33 (d-3) ou z = 100,14 100,128

0,036
Pz = 37,07%
Pz = 50 % + (50 % 37,07) % = 62,9 % (probabilidade fora do LSC
(1 0,629)n = 0,05

n 3,02 3 amostras de n=5

107

c) Para n = 25

25

=
5

= 0,016

LSC (25) = 100,02 + 3 X 0,016 = 100,068

d = 100,14 100,02 = 7,5 z = d 3
0,016
z = 7,5 3 = 4,5 (sai da tabela)
Considerar 100 % = Pp (probabilidade fora do LSC )
n = 1 amostra
Verificao:
z = 100,14 100,068 = 4,5
0,016
Pz = 0% P=100%

108

Exerccio Resolvido N. 8
Eixos so fabricados com mdia X = 21,10 mm e desvio padro de 0,20 mm.
As respectivas buchas so fabricadas com mdia X = 21,80 mm e desvio padro de 0,30 mm.
Havendo montagem aleatria, calcular:
a. A probabilidade de interferncia entre as duas distribuies, no permitindo a
montagem.
b. Sendo a folga mnima especificada de 0,20 mm, calcular a probabilidade de montagens
com folga menor.
c. Sendo a folga mxima especificada de 0,90 mm, calcular a probabilidade de montagens
com folga maior.

No caso o desvio padro da folga f2 = 12 + 22

f = 21 + 22 = 0,36

Nova distribuio da folga

f=

= 21,8 = 21,1 = 0,70

.

a) Interferncia folga <0 (menor que zero) . . X=0

Z=

X
f
Z = 0,70 0 = 1,94 Pz = 2,62%
0,36
f

109

b) Montagens com folga menor que 0,20mm (X=0,20)

Z=

X = 0,70 0,20 = 1,388

f
0,36

Pz1 = 8,23%

c) Montagens com folga maior que 0,90mm (X=0,90)

Z= Xf

= 0,90 0,70 = 1,55

0,36

Pz2 = 29,12%

Exerccio Proposto N. 9
Para a verificao dos ndices de capabilidade de um micrmetro foi medido vrias vezes um
bloco padro de 10,000 mm. A mdia dos valores encontrados foi de 10,002 mm e o desvio
padro de 0,001 mm. Sendo os limites de tolerncia da pea a ser medida 9,100 mm e 9,150 mm,
determinar os ndices Cgm e Cgmk.

Exerccio Proposto N. 10
Exerccio proposto N. 10
Um processo, sob controle estatstico, produz eixos com a caracterstica dimetro com mdia de
54,20 mm e desvio padro de 0,40 mm.
Se houver uma mudana no processo, com deslocamento da mdia para 53,80 mm, sem alterao
da disperso, pede-se calcular:
a) Com uma carta de controle para medies individuais, quantas amostras de um elemento
seriam necessrias para se detectar esta mudana com 95 % de probabilidade atravs de
um ponto fora dos limites de controle.
b) Nas mesmas condies com uma carta de controle para amostras de 5 elementos?
c) Nas mesmas condies com uma carta de controle para amostras de 25 elementos?

Exerccio Proposto N. 11
Pinos A so fabricados para serem montados em peas com furo B.
As cartas de controle indicam que tanto o pino quanto o furo tem distribuies normais com os
seguintes valores:
Pino A
Dimetro mdio: 26,10 mm
Desvio padro: 0,012 mm

110

Furo B
Dimetro mdio: 26,15 mm
Desvio padro: 0,015 mm
Havendo montagem aleatria, qual a probabilidade de interferncia entre as duas distribuies?

111

CONTROLE ESTATSTICO DO PROCESSO

QUESTES PARA AVALIAO

1. Qual a diferena entre variveis e atributos? Exemplifique.
2. Quais so as medidas de tendncia central de uma distribuio de freqncias?
Exemplificar.
3. Quais so as medidas de disperso de uma distribuio de freqncias? Exemplificar.
4. Qual a diferena entre um processo preciso e exato? Ilustrar.
5. Um instrumento de medio pode ser preciso mas no exato? Explicar.
6. Um processo pode ser exato mas no preciso? Explicar.
7. Explicar porque o CEP previne a produo de produto no conforme. Ilustrar.
8. Explicar causas comuns de variao. Exemplificar.
9. Explicar causas especiais de variao. Exemplificar.
10. O que um processo sob controle estatstico? Como determinado?
11. Um processo sob controle estatstico sempre capaz? Explicar.
12. Um processo pode ser capaz sem estar sob controle estatstico? Explicar e ilustrar.
13. Por que importante ter o processo centrado no alvo ou objetivo? Ilustrar.
14. Se um conjunto de amostras de um processo produtivo tiver todos os valores dentro dos
limites de tolerncia, podemos concluir que todas as peas da produo (populao) esto
dentro dos limites de tolerncia tambm?
15. O que capabilidade de um processo? Como a capabilidade medida?
16. Dar as frmulas do ndice de capabilidade do processo Cp e Cpk. Ilustrar.
17. Exemplificar os ndices de capabilidade Cp e Cpk com valores numricos.
18. Como se mede a capabilidade de um meio de medio? Ilustrar.
19. O que corrida e tendncia em uma carta de controle?
20. Explicar porque uma carta de controle de mdias de amostras mais utilizada que uma
carta para indivduos (valores individuais). Explicar as vantagens e desvantagens da carta
de controle de mdias. Ilustrar.
21. Explicar os riscos ou erros e no controle do processo. Ilustrar.
22. Dois fornecedores fornecem uma pea com uma caracterstica importante dentro dos
limites de tolerncia mas usam toda a faixa de tolerncia (especificao). possvel um
fornecedor apresentar uma qualidade superior nesta caracterstica? Ilustrar.

112

GLOSSRIO DE SMBOLOS
SMBOLOS:
X ou x valor a ser estudado (varivel)
(X barra): mdia dos valores X que constituem um subgrupo
(X barra barra): mdia de um grupo de mdias
(X til): mediana
(X til barra): mdia de um grupo de medianas
n nmero de elementos que constituem o subgrupo ou amostra
N nmero de subgrupos ou amostras consideradas para o estudo
R amplitude (diferena entre os valores mximo e mnimo num subgrupo)
(R barra): mdia de um grupo de amplitudes
S desvio padro de um subgrupo (desvio padro amostral)
- (s barra): mdia de um drupo de desvios padro amostrais
(sigma): desvio padro da populao
(sigma chapu): desvio padro da populao estimado:

desvio padro da distribuio das mdias

B

/d2 para grfico , R

dos subgrupos

mdia da populao
LSC limite superior de controle
LIC limite inferior de controle
LST limite superior de tolerncia
LIT limite inferior de tolerncia
LSE limite superior de especificao (LSE = LST)
LIE limite inferior de especificao (LIE = LIT)
LM linha mdia
Rm amplitude mvel (para grficos de valores individuais)
p porcentagem de unidades no conforme numa amostra
np unidades no conforme
Observao: em alguns casos a barra sobre a letra, representando mdia, substituda pelo sinal
linha. Exemplos: = X; = X.

113

REFERNCIAS BIBLIOGRFICAS
1. BEAUREGARD, Michael R. et al., A Practical Guide to Statistical Quality
Improvement opening up the statistical toolbox, USA, Van Nostrand Reinhold,
1992
2. DATAMYTE HANDBOOK - Introduction to Statistical Quality Control., Allen Bradley
Co. Inc., sixth edition, 1995.
3. DIETRICH, Edgar SPC or Statistics, Quality Magazine, August 2000.
4. BROCKA, Bruce, et al - Gerenciamento da Qualidade, Makron Books do Brasil, 1995
5. CAMPOS, Vicente Falconi TQC: Controle da Qualidade Total (no estilo japons)
Belo Horizonte, MG : Fundao Cristiano Ottoni, 1992
6. FIOD NETO, Miguel - Taguchi e a Melhoria da Qualidade. Uma Releitura Crtica, 1997
7. FORD MOTOR COMPANY, Continuing Process Control and Process Capability
Improvement, 1984.
8. GRANT, Eugene L., Leavenworth, Richard S. Statistical Quality Control. McGrawHill, 1988
9. OAKLAND, John S., Followel, Roy F., Statistical Process Control Oxford, Billing &
Sons Ltd, 1990
10. PANDE, Peter S., NEUMAN, Robert P., CAVANAGH, Roland R. The Six Sigma Way,
McGraw-Hill, 1998. Editado em portugus por Qualitymark Editora Ltda, 2001.
11. PYZDEK, Thomas The Complete Guide to the CQE, Quality Publishing, 1996.
12. RAMOS, Alberto W. Controle Estatstico de Processo para Pequenos Lotes,
Editora Edgard Blcher Ltda, 1995.
13. SLIFKER, J.F. & Shapiro, S.S. Selection and Parameter Estimation, Technometrics,
1980.
14. SUZAKI, Kiyoshi - The New Manufacturing Challenge techniques for continuous
improvement, New York, The Free Press, 1987

114