FUNDAO EDSON QUEIROZ

Universidade de Fortaleza
Centro de Cincias Tecnolgicas - CCT
Curso de Engenharia Mecnica
Disciplina: Gesto da Qualidade

FERRAMENTAS DA QUALIDADE
Histograma, Diagrama de Disperso e Cartas de Controle

As ferramentas estatsticas so utilizadas na indstria por se ter a conscincia que ao

remover as causas dos problemas se obtm uma maior produtividade e que a resoluo de
problemas utilizando tcnicas grficas e especficas produz melhores resultados do que os
processos de procura no estruturados. Tais tcnicas, que permitem saber onde esto os
problemas, qual a sua importncia relativa e que alteraes iro provocar os efeitos
desejados, podem ser divididas em quatro grupos distintos:

a) Ferramentas bsicas (tambm conhecidas pelas seven QC tools)

Grfico de fluxo
Diagrama de Pareto
Diagrama de Ishikawa ou de Causa e Efeito
Folha de verificao
Histograma
Diagrama de disperso
Carta de controle
b) Ferramentas intermedirias
Tcnicas de amostragem
Inferncia estatstica
Mtodos no paramtricos

c) Ferramentas avanadas
Mtodos de Taguchi (desenho de experincias)
Anlises multi-variveis
Anlise de sries temporais
Tcnicas de investigao operacional
d) Ferramentas de planeamento
Desenvolvimento da funo qualidade (QFD)
Anlise modal de falhas e efeitos (AMFE)
As 7 ferramentas referidas no ponto (a) se revelam de importncia fundamental na
anlise estruturada dos dados e factos disponveis e so de aplicao generalizada a quase
todos os nveis da empresa. Para a resoluo de um determinado problema necessrio,
antes de mais, identific-lo, isto , decidir sobre qual o problema a considerar e caracteriz-
lo convenientemente. A fase de resoluo que se segue passa por listar todas as suas
potenciais causas, selecionar as mais importantes, desenvolver um plano para implementar
efetivamente as solues, implement-las e, sempre que possvel, avaliar o efeito da sua
implementao.
 A fase em que cada uma das 7 ferramentas bsicas a seguir descritas intervm
indicada na figura 1.

1. Diagrama de barras ou histograma

A anlise dos dados coletados ao longo de qualquer processo ir permitir avaliar a

forma como este est a decorrer, bem assim como tirar concluses sobre ele. No entanto,
caso o nmero dos dados coletados seja grande, o seu tratamento e anlise tornar-se- difcil
a menos que se recorra a mtodos que permitam a sua fcil ordenao e apresentao. Os
histogramas apresentam-se como um mtodo de simples elaborao que, atravs da
representao grfica do nmero de vezes que determinada caracterstica ou fenmeno
ocorre (distribuio de frequncia), permitem obter uma impresso visual objetiva sobre a
disperso e localizao dos valores coletados e, caso a amostra seja representativa, da
totalidade da populao. Tais diagramas podem assim ser utilizados para o controle e
melhoria do processo.

A construo dos histogramas passa pelas seguintes fases:

1. recolha dos valores;
2. clculo da amplitude total da amostra;
3. caso necessrio, diviso em classes e clculo da amplitude e limites de cada classe;
4. determinao da frequncia (absoluta ou relativa) de cada valor ou classe;
5. para cada valor da caracterstica, desenhar uma barra cuja altura seja proporcional
frequncia com que esse valor ocorre. As barras correspondentes a valores
consecutivos devem estar todas unidas e todas elas apresentam normalmente
larguras semelhantes.
Exemplo

Construir um histograma que represente o nmero de clientes de um dado restaurante ao

longo de 15 dias.

Histograma de frequncias absolutas

Histograma de frequncias absolutas acumuladas

A forma dos histogramas de frequncias absolutas e de frequncias relativas, assim

como os de frequncias absolutas acumuladas e frequncias relativas acumuladas, so
iguais. A nica diferena reside na escala de valores abrangida. Para o exemplo considerado
anteriormente os valores das frequncias relativas e relativas acumuladas encontram-se j
marcados na tabela de frequncias.

Histograma de frequncias relativas

Histograma de frequncias relativas acumuladas

A utilizao de classes (intervalos de valores) comum quando as variveis so do

tipo contnuo ou quando a amplitude dos valores muito grande. No primeiro dos casos
torna-se muito difcil a contagem da frequncia com que cada valor ocorre, enquanto que no
segundo se corre o risco de perder a definio da forma da distribuio devido ao grande
nmero de valores com frequncias muito semelhantes.
Os intervalos das classes so usualmente de igual amplitude por forma a que a altura
das barras seja proporcional frequncia que representam. Um dos aspectos a ter em conta
no estabelecimento das classes que se dever sempre garantir que o limite inferior da
primeira classe seja menor ou igual ao menor dos valores observados, da mesma forma que
o limite superior da ltima classe dever ser maior ou igual ao maior dos valores observados.
Por outro lado, dever ficar desde logo estabelecido se os limites das classes so inclusivos
ou exclusivos, isto , cada valor s poder pertencer a um nico intervalo, razo pela qual
se os limites superiores das classes forem fechados (i.e. o mximo dos valores encontra-se
includo nesse intervalo), os limites inferiores das classes que a sucedem devero ser
abertos e vice-versa.
 No existem regras exatas sobre a forma de determinar o nmero e a amplitude das
classes a considerar. Como referncia, sendo N o nmero total de dados, poder-se-o utilizar
as frmulas seguintes para a determinao do nmero aproximado de classes:

Sendo depois a amplitude de cada classe calculada atravs da frmula

Outra forma possvel ser determinar o nmero de classes em funo do nmero

total de dados recorrendo tabela seguinte

Como foi referido, estes mtodos permitem estimar um nmero aproximado de

classes a utilizar. A correta amplitude de cada uma (e consequentemente o nmero de
classes) poder tambm ser determinada por simples inspeo dos dados da forma que mais
convenha para estabelecer a amplitude dos intervalos (por exemplo de 5 em 5 ou de 0,02
em 0,02) desde que da no resulte um nmero de classes exageradamente grande ou
pequeno que conduza total perda de definio da forma do histograma.

Exemplo 1

Construir o histograma das frequncias absolutas e frequncias absolutas

acumuladas que represente a variao do dimetro de uma pea

Neste caso existem 90 dados que variam entre 2,502 e 2,545 (amplitude total = 0,043).
Por forma a estabelecer o nmero e a amplitude das classes, de ter em ateno que os
valores 2,502 e 2,545 devem tambm estar includos, pelo que ser razovel que a gama
total coberta pelas classes varie entre 2,500 e 2,550. Ao utilizar as frmulas anteriores para
prever o nmero de intervalos, verifica-se que este pode variar entre 7 (pela tabela) e 9. H
tambm que ter em linha de considerao a melhor forma de estipular a sua amplitude por
forma a que seja lgica a marcao dos seus limites. Por simples inspeo dos valores
apresentados parece apropriado fazer uma diviso em classes com uma amplitude de 0,005.
Mais uma vez importante relembrar a necessidade de definir desde logo a natureza dos
limites inferiores e superiores (i.e. abertos ou fechados). Apresenta-se de seguida a tabela
de frequncias bem como os histogramas de frequncias absolutas e frequncias absolutas
acumuladas construdos a partir desta.

possvel obter informaes teis sobre a populao pela anlise da forma do

histograma. Em seguida apresentam-se algumas das formas mais tpicas bem como
algumas possveis interpretaes para elas conforme se pretende avaliar a centralidade
(Figura 3) ou a disperso (Figura 4).
No que respeito centralidade, podemos considerar os diagramas de tendncia
central representados nas figuras 3a. Neste tipo de representaes (muitas vezes simtricas)
a maior frequncia corresponde ao valor mdio que se encontra centrado relativamente aos
restantes dados. Tendncias no centrais podem ser observadas nos histogramas
representados na figura 3c e 3d. O primeiro destes apresenta uma tendncia assimtrica do
tipo negativo (deslocado para a direita) verificando-se que a diminuio da frequncia
abrupta para a direita e mais lenta para o lado esquerdo. Tendncias assimtricas do tipo
positivo correspondem a histogramas deslocados para a esquerda.

Na figura 3d encontra-se representado um histograma truncado. Neste tipo de

histogramas o valor ou classe qual corresponde a maior frequncia coincide com uma das
extremidades do histograma.
Na figura 3b encontra-se representada um histograma multimodal (i.e. apresenta mais
do que um valor mximo) tambm conhecido como histograma do tipo pente. Estes
histogramas so particularmente importantes uma vez que podem indicar que a esto
representadas duas populaes distintas, cada uma das quais apresentando distribuies
de frequncias que se sobrepem mas que apresentam mximos no coincidentes.
Quando as frequncias dos valores ou classes so mais ou menos idnticas, o
histograma pode ainda tomar um aspecto achatado. Se se estiver a trabalhar com classes,
o ideal neste tipo de situaes ser tentar redefinir os intervalos por forma a conseguir
procurar uma forma no histograma com base na qual seja possvel tirar concluses.
ainda de referir a possibilidade de surgir nos histogramas um pico isolado. Tal
comum quando se verifica uma pequena incluso de dados provenientes de uma distribuio
diferente que podem, por exemplo, ser devidos ocorrncia de causas especiais no
processo conducentes a valores atpicos.
 Em termos de disperso, os valores podem ser bastante concentrados em torno do
valor com maior frequncia (Figura 4a) ou, alternativamente, apresentar uma grande
disperso em torno dele (Figura 4b). Tal como anteriormente referido, importante que o
produto apresente caractersticas o mais uniformes possvel pelo que h que continuamente
tentar reduzir a variabilidade do processo. Desta forma, ser possvel concluir que de todo
o interesse que os histogramas apresentem uma forma semelhante ao da Figura 4a em que
a amplitude dos valores observados pequena. Histogramas semelhantes ao da Figura 4b
querem dizer que existe ainda um grande nmero de causas comuns a afetar o processo,
causas essas que necessrio reduzir e eliminar.
Outra das utilidades dos histogramas consiste na possibilidade de, dados os limites
de especificao (tolerncias), verificar em que medida essas especificaes esto a ser
obedecidas.
 Nos casos retratados nas Figuras 5a e 5b os limites de especificao so obedecidos
pelo, partida, a produo obedece s especificaes pr-definidas. No entanto, enquanto
que na Figura 5a existe uma folga que permite que a eventual ocorrncia de pequenas
variaes no conduza a uma produo fora dos limites, o mesmo no se verifica na Figura
5b. Aqui, uma vez que no existe qualquer margem extra, de todo o interesse tentar reduzir
a variao da caracterstica do produto considerada por forma a evitar produtos fora das
especificaes.
Nas restantes Figuras (5c, 5d e 5e) o histograma no obedece s especificaes pelo
que h que tomar medidas para centrar o processo para valores prximos do valor nominal
timo (Figura 5c) e para reduzir a variao (Figuras 5d e 5e). Juntamente com os
histogramas, existe todo um conjunto de estatsticas amostrais que possvel calcular e que
no s so medidas da centralidade e disperso dos dados como tambm ajudam a
interpretar os histogramas do processo.

1.1 Medidas de tendncia central

As medidas de tendncia central indicam o valor mdio em torno do qual se agrupam

os dados. A mais conhecida destas medidas , sem sombra de dvida, a mdia aritmtica
(X). O seu clculo permite a determinao do valor central relativamente ao qual os dados
que constituem a amostra se distribuem. O clculo da mdia aritmtica pode ser feito por
vrias formas diferentes consoante os dados so do tipo discreto ou contnuo e se se
encontram ou no agrupados em classes. Assim, no caso dos dados no se encontrarem
agrupados em classes, a sua mdia aritmtica determinada simplesmente somando-os
todos e dividindo pelo nmero total de dados (n) de acordo com a seguinte frmula:

Ou, alternativamente por

 Em que fi representa a frequncia relativa de cada valor xi e n o nmero total de
valores cuja mdia se est a calcular. No caso dos valores se encontrarem agrupados em J
classes o clculo da sua mdia aproximado atravs da frmula

Onde fj representa agora a frequncia relativa da classe j cujo ponto mdio (ponto
representativo da classe) Mj. O smbolo utiliza-se precisamente por se considerar o ponto
mdio como representativo da respectiva classe.
A mediana outra das medidas de tendncia central a considerar. Este parmetro
estatstico definido como sendo o valor que, numa srie de n valores observados e
ordenados por ordem crescente os divide em dois grupos com o mesmo nmero de
elementos. Assim, se o nmero total de valores for mpar, a mediana ser o valor central do
conjunto. Por exemplo, para o conjunto de valores

2 2 5 7 7 10 19 30 31

A mediana ser o valor 7 uma vez que sua direita ficam o mesmo nmero de valores
que sua esquerda (i.e. 4).
No caso do nmero total de valores ser par, a mediana ser a mdia aritmtica dos
dois valores que dividem a srie (previamente ordenada) em dois grupos iguais: Assim, para
o conjunto de valores

2 4 4 5 9 10 15 16 16 20

a mediana ser a mdia dos valores 9 e 10, isto 9,5.

Quando estamos em presena de variveis do tipo contnuo ordenadas em classes
h que, numa fase inicial, definir a classe mediana como sendo a que contm o termo central
dos dados. Se f representar a frequncia relativa dessa classe, LI for o seu limite inferior, D
a sua amplitude e fa- a frequncia relativa acumulada da clula que a precede, a mediana
poder ser estimada atravs da frmula

A ltima medida de tendncia central que interessa para j considerar a moda. Esta
indica o valor ou gama de valores na qual a concentrao dos dados mxima.
Quando os dados amostrais so realizaes de uma varivel discreta, a moda ser o
valor dos dados que ocorre com maior frequncia, isto , o valor que mais se repete. Em
ambos os atrs apresentados existem ento duas modas: no primeiro caso estas so 2 e 7
e no segundo 4 e 16.
Se estivermos a tratar com variveis contnuas agrupadas em classes, pode-se, por
aproximao, dizer que a moda coincide com o ponto mdio da classe modal, isto , da
classe com maior frequncia. No exerccio 6 a classe modal seria a classe [2,520;2,525] cujo
ponto mdio (assumido como sendo a moda) 2,5225.
Se um histograma for perfeitamente simtrico verifica-se que mdia, mediana e moda
coincidem. Tal j no acontece no caso de histogramas assimtricos. Se a assimetria for
positiva (histograma deslocado para a esquerda) o que acontece na maior parte dos casos
que a mediana < mdia < moda. Esta situao inverte-se para histogramas com assimetria
negativa.
2. Medidas de disperso

So duas as formas mais simples de medir a variabilidade ou disperso dos dados. A

amplitude (R) consiste unicamente na diferena entre o valor mximo e o valor mnimo dos
n valores observados e permite ter uma ideia da largura da gama de valores observados.

R = xmax xmn

A outra medida do grau de disperso dos n valores xi observados o desvio padro

(s) que pode ser calculado atravs da frmula

Ou

em que n representa o nmero total de dados e f a sua frequncia relativa de ocorrncia.

Se considerarmos por exemplo os valores

2 5 8 1

cuja mdia vale 4 e a amplitude 7, o seu desvio padro ser calculado da seguinte forma

Quanto maior for o desvio padro maior ser a disperso dos valores em torno da mdia.
medida que o nmero de dados aumenta (n>30) torna-se, na frmula do desvio padro,
indiferente dividir por n ou por n-1, pelo que vlido fazer a aproximao de n n-1. Neste
caso o desvio padro da amostra (s) tender para o desvio padro da populao (s).
3. Diagrama de disperso

Na prtica muitas vezes importante verificar se duas variveis (por exemplo

concentrao e pH) esto ou no relacionadas e, caso positivo, qual o tipo de relao que
existe entre elas. Os diagramas de disperso tornam-se uma ferramenta extremamente
poderosa para atingir esse objetivo. Caso exista, essa relao usualmente do tipo causa-
efeito no sendo no entanto possvel, atravs dos diagramas de disperso, identificar qual
das variveis a causa e qual o efeito. A construo destes diagramas passa por recolher
os pares de dados (x, y) entre os quais se pretende analisar a relao, organizar esses dados
numa tabela, encontrar os valores mximos e mnimos para x e para y, marcar as escalas
respectivas por forma a que sejam mais ou menos iguais e marcar os pontos no grfico.
Na anlise destes grficos a primeira coisa a fazer ser verificar se existem ou no
pontos nitidamente afastados do grupo principal (pontos com comportamento atpico). O
afastamento desses pontos poder ser explicado por eventuais erros na medio ou registo
de dados, bem assim como por variaes ocorridas durante o processo. Pontos atpicos
devero ser excludos da anlise, no sem no entanto tentar descobrir a causa de tal
comportamento. Da marcao dos pontos podero surgir uma das trs situaes ilustradas
abaixo:
(a) correlao positiva (em que o aumento de uma varivel conduz ao aumento da
outra),
(b) correlao negativa (em que o aumento de uma varivel conduz diminuio da
outra) e
(c) ausncia de correlao (quando no parece haver qualquer tipo de ligao entre
as variveis consideradas).

Exemplo 6

Verificar se existe algum tipo de relao entre as alturas e os pesos de um grupo de

pessoas
 Por simples inspeo do grfico resultante parece ser bvio que o peso das pessoas
parece aumentar com a sua altura tratando-se, por isso, de uma correlao do tipo positivo.
No entanto, e dado que a altura no a nica condicionante do peso, verifica-se a existncia
de situaes em que uma menor altura implica, no entanto, um maior peso.
As correlaes entre as variveis podem ser de vrios tipos: lineares, quadrticas,
cbicas, logartmicas, etc. Por forma a poder prever o comportamento de uma das variveis
em funo da outra til conseguir encontrar aquilo a que se chama funo ou equao de
ajuste. Trata-se da equao matemtica que melhor ajusta o comportamento e a
dependncia dos dados e que funo do tipo de dependncia que existe entre elas. Por
exemplo, quando o aumento de uma varivel implica o aumento da outra (tal como no
exerccio anterior) a funo de ajuste assume normalmente a equao de uma reta do tipo
y= a + b x em que y representa a varivel dependente (no caso do exerccio anterior y seria
o peso) e x a varivel dependente (no caso do exerccio anterior x seria a altura). Desta
forma, e se conseguirmos uma reta que aproxime a evoluo dos pontos de uma forma
razovel, ser possvel prever y (i.e. o peso de uma pessoa) se soubermos o valor x (i.e. a
sua altura) e vice versa. Tal previso poder ser mais ou menos exata consoante o modelo
se ajusta melhor ou pior aos dados. O coeficiente de correlao (r) um parmetro que
permite avaliar se o ajuste feito ou no bom. Os valores admissveis para r variam entre -
1 e 1 (-1 r 1). Se r assumir valores negativos (-1 r < 0) isso significa que a correlao
do tipo negativo, isto , que o aumento de uma varivel implica a diminuio da outra. Se,
pelo contrrio, r estiver compreendido entre 0 e 1 (0 < r 1) isso querer dizer que a
correlao do tipo positivo. Quanto mais prximo de 1 ou de -1 estiver r, melhor o ajuste.
Se r = 0 (ou prximo dele) isso quer dizer que no h qualquer tipo de correlao.
Voltando ao exemplo 6, se tentarmos passar uma reta pelos vrios pontos veremos
que aquela que melhor os ajusta a que tem por equao

O coeficiente de correlao (r) para este ajuste de 0,9839 pelo que se pode dizer
que se trata de um ajuste bastante aceitvel. Se agora pretendssemos prever o peso de
uma pessoa que mede 1,70 m bastaria substituir este valor na equao acima. O valor por
ela estimado seria de 69,1 kg.
4. Carta de controle

Um dos mtodos mais utilizados para ficar a conhecer, no s a forma como as causas
comuns provocam variaes nos processos mas tambm de identificar a existncia de
causas especiais, consiste na utilizao de cartas de controle e foi desenvolvido nos anos
20 pelo Dr. Walter Shewhart dos laboratrios Bell.
Uma carta de controle trata-se de um mtodo grfico em que se marcam pontos
representativos de vrias fases consecutivas de um processo, permitindo assim seguir a sua
evoluo. O controle estatstico do processo (do ingls, S.P.C.) baseia-se na utilizao das
cartas de controle e o modo de, seguindo essa evoluo, conseguir interpretar as variaes
que ocorrem por forma a se poder decidir se devem ou no ser feitas alteraes.
A primeira fase da construo destes grficos consiste na recolha de uma srie de
dados relativos caracterstica a ser estudada (dimenses, n. de peas defeituosas, n. de
defeitos nas peas produzidas, tempos, etc.). Uma vez que, quer por uma questo de
dinheiro como de tempo, na grande maioria das vezes impossvel fazer o controle de todas
as peas, h que selecionar apenas algumas que sejam representativas das restantes
(amostragem). Para ser feito de forma correta, tal dever seguir um plano e, uma vez que
existem vrios tipos de planos de amostragem disponveis, importante escolher aquele que
d mais e melhor informao. Amostragens bem feitas iro permitir que, verificando apenas
uma pequena quantidade de peas, seja possvel dizer o que se passa com a totalidade
delas. Numa fase seguinte os dados coletados devero ser reunidos e, dependendo do tipo
da carta de controle a usar, convertidos numa forma tal que permita a sua marcao. A
utilizao das cartas de controle frequentemente vista como um processo de
monitoramento. No entanto, para poderem assumir esse papel, tero antes que ser definidos
quais os limites de controle para alm dos quais as caractersticas avaliadas do produto,
processo ou servio no podero passar. de ter em ateno que os limites de controle no
so especificaes limites nem objetivos. De facto, cada caracterstica (por exemplo o
dimetro de um parafuso) tem um valor objetivo em torno do qual, devido s causas comuns,
os valores realmente observados se iro dispor. Consciente de que impossvel que todos
os produtos apresentem esse valor objetivo, o cliente estabelece ainda as especificaes
mximas admissveis (tolerncias) para alm das quais os produtos no devero passar:
limites mximo e mnimo de especificao. Por outro lado, o produtor tem que dispor de
meios que garantam a qualidade e homogeneidade do seu produto. Com esse objetivo marca
nas cartas de controle limites para alm dos quais considera que o seu produto no
suficientemente bom para seguir para o cliente: limite mximo e mnimo de controle. Estes
limites de controle utilizados pelo produtor devero ser inferiores aos admitidos pelo cliente
por forma a evitar que cheguem a estes produtos fora das especificaes
O conjunto de dados coletados que ir constituir a primeira das cartas de controle
tambm utilizado para, atravs de frmulas baseadas na variabilidade natural do processo e
no plano de amostragem, determinar os limites de controle das cartas subsequentes. O
controle e melhoria do processo usando cartas de controle deve ser encarado como um
processo iterativo em que se repetem as fases fundamentais de recolha de dados, controle
e anlise. De facto, calculados os limites de controle com esse primeiro conjunto de dados,
se for evidente a existncia de causas especiais de variao que leve pontos para fora dos
limites ou que tornem evidentes tendncias na variao dos pontos, o processo dever ser
estudado para se conseguir determinar o que o est a afetar e se tomarem depois as devidas
aes para eliminar essas causas especiais. Aps eliminadas, dever-se-o recolher mais
dados e recalcular os limites de controle, fundamentais para interpretar os dados para o
controle estatstico.
A partir do momento em que todas as causas especiais tenham sido eliminadas e o
processo se encontrar em controle estatstico, a carta ir servir de ferramenta de
monitorizao. Sempre que algum ponto saia fora dos limites de controle ou que apresentem
alguma tendncia marcada de variao, o processo dever ser interrompido e a razo de ser
de tal ocorrncia ser investigada uma vez que no vale a pena estar a produzir peas que
provavelmente iro ter defeitos ou estar fora das especificaes. Identificadas as causas
especiais que levaram ocorrncia destes pontos fora de controle o processo dever ser
alterado por forma a contornar os problemas que as originaram. O ciclo recomea novamente
medida que mais dados so coletados, interpretados e usados como base de atuao.
Nesta fase, o processo poder ser interpretado em termos da sua capacidade. Ser
ento possvel prever a performance do processo podendo, quer o produtor quer o cliente,
confiar em nveis de qualidade consistentes e em custos estveis para atingir esse nvel de
qualidade.
Por outro lado, atingido o controle estatstico no se deve ficar por a. Caso a variao
oriunda das causas comuns seja excessiva, o resultado do controle do processo no ir de
encontro s necessidades uma vez que o produto continuar a apresentar pouca
homogeneidade. O processo em si dever ser investigado e corrigido por forma a eliminar
e/ou reduzir essas comuns e, para isso, tipicamente, uma atitude superior a nvel das chefias
dever ser tomada para melhorar o sistema. O objetivo que os produtos se tornem cada
vez mais homogneos e, consequentemente, que os limites de controle se vo tornando
mais estreitos. As cartas de controle, que se apresentam assim como uma ferramenta de
controle e de melhoria do processo, podem ser de dois tipos distintos consoante o controle
que efetuado: controle por variveis ou controle por atributos. Cada um destes tipos de
cartas ser em seguida desenvolvido.

4.1 Cartas de controle por variveis

As cartas de controle por variveis so usadas quando a caracterstica que est a ser
estudada se pode medir. Por exemplo, no caso de se estar a controlar o dimetro de um
veio, o comprimento de uma chapa, o tempo necessrio para completar uma operao, o
peso das garrafas numa linha de enchimento, etc. O processo seguido para elaborar este
tipo de cartas passa por, ao longo do tempo, ir recolhendo amostras da produo, processar
os dados coletados, marcar na carta de controle os pontos correspondentes, analisar o seu
comportamento e generalizar as concluses restante produo.
As cartas de controle por variveis permitem explicar os dados processuais em termos
da localizao central das medidas e da sua variabilidade, razo pela qual cartas de controle
por variveis so sempre construdas aos pares: uma para uma medida de tendncia central
e outra para uma medida de variabilidade. As cartas de controle por variveis mais comuns
so as cartas de controle de mdias (X), de valores individuais (Xi), de medianas (~X), de
amplitudes (R) e de desvios padro (s).
As cartas de controle de mdias e amplitudes so as que aparecem mais
frequentemente e, normalmente, em conjunto. As cartas de controle de desvios padro (s),
menos utilizadas que as cartas de controle de amplitudes (R), aparecem normalmente como
um substituto destas e em conjunto com as cartas de controle de mdias (X). As cartas de
controle por medianas (~X) aparecem normalmente individualmente por substiturem
simultaneamente as cartas de mdias e as de amplitudes. Todas estas cartas so
construdas com base na recolha de amostras ou subgrupos com mais do que um elemento
(o tamanho de amostra mais comum 5). No entanto, sempre que por algum motivo as
decises tenham que ser tomadas com base em valores individuais ou que o prprio
processo no permita a recolha de mais do que um valor de cada vez usam-se as cartas de
controle por valores individuais. Cada um destes tipo de cartas de controle ir ser de seguida
analisado.
4.1.1 Cartas de controle de mdias e amplitudes (/)

Como para qualquer outra, a primeira fase de construo de uma carta do tipo
mdias/amplitudes consiste na recolha de dados que, como j anteriormente referido, para
ser feita de uma forma correta, dever ser baseada num plano. O primeiro passo ser decidir
qual o tamanho das amostras a retirar. Essas amostras devero ser representativas do resto
da produo (populao) e so normalmente constitudas por 4 ou 5 elementos cada.
Uma vez que o objetivo ser detectar as variaes no processo ao longo do tempo,
as amostras devero ser recolhidas suficientes vezes e a tempos apropriados por forma a
poderem refletir as eventuais alteraes que esto a ocorrer (por exemplo: diferenas dos
turnos, variaes de temperatura, lotes de materiais, diferenas entre a produo diurna e
noturna, etc.). Geralmente 25 grupos so suficientes para construir uma carta de controle
pois contm j leituras suficientes que permitam avaliar a variabilidade e localizao do
processo.
Ao elaborar uma carta do tipo / a carta das mdias aparece normalmente na parte
superior e a carta das amplitudes imediatamente abaixo. Na figura 8 pode-se ver um exemplo
deste tipo de cartas.
 Como se pode ver, no eixo das ordenadas marcam-se as escalas das mdias e das
amplitudes, respectivamente, enquanto que na escala das abcissas se vai marcando a sua
evoluo ao longo do tempo. Na maioria das cartas de mdias e amplitudes, aparecem na
parte inferior e verticalmente abaixo das linhas verticais sobre as quais devem ser marcados
os pontos relativos a cada uma das amostras, espaos disponveis para registar os valores
das vrias leituras para cada uma das amostras sequenciais. Dado que se trata de uma carta
de mdias e amplitudes, existe ainda uma clula para marcar o valor da soma das leituras,
a amostra respectiva, bem como a mdia e a amplitude dos seus valores. A mdia e a
amplitude so ento os valores representativos de cada amostra e iro ser marcados nas
cartas respectivas. Para uma amostra (ou subgrupo) constituda por n leituras (por exemplo
5) estas estatsticas sero calculadas por

em que x1, x2, ... so os valores individuais, n o tamanho da amostra e xmx e xmn
representam, respectivamente, o valor mximo e o valor mnimo dos n valores da amostra.
Consideremos, a ttulo de exemplo, um conjunto de amostras constituda cada uma
por 5 leituras. Para a primeira das amostras, os valores das 5 leituras so

14,2; 14,4; 14,0; 14,3 e 14,2.

A mdia destes valores ser calculada por

e a amplitude por

A primeira das colunas na parte inferior do grfico da Figura 8 dever, assim,

apresentar a seguinte aparncia:

Relativamente a esta amostra, dever-se- agora representar na linha vertical

respectiva o valor de 14,2 para a mdia e 0,4 para a amplitude. O mesmo procedimento
dever ser seguido para as restantes amostras.
 Com base nos resultados das 25 amostras recolhidas para a primeira das cartas de
controle sero calculados os denominados limites de controle. Tambm a marcao das
escalas para a carta das mdias e para a carta das amplitudes dever ser feita aps a
obteno de todos os resultados relativos a essas amostras pois s assim se saber a
amplitude das escalas a traar. Uma vez marcados todos os pontos, estes devero depois
ser unidos com linhas por forma a melhor visualizar as variaes e tendncias que esto a
ocorrer.
Numa fase seguinte sero determinados os limites de controle superior (LCS), a linha
central (LC) e o limite de controle inferior (LCI). Cada tipo de carta tem frmulas apropriadas
para a determinao dos limites de controle e da linha central. Para as cartas de controle de
mdias e amplitudes estas encontram-se na Tabela I.

Nestas frmulas, e R representam, respectivamente, a mdia dos valores das

mdias das amostras e a mdia das amplitudes das vrias amostras que constituem a carta
de controle (normalmente 25). Os parmetros A2, D3 e D4 so valores que se encontram
tabelados (Tabela II) e que so funo do tamanho das amostras recolhidas.
 As linhas centrais, e , devero ser marcadas a cheio nas cartas de controle e os
limites de controle superior e inferior a tracejado. Por forma a facilitar a sua identificao, a
cada uma das linhas dever-se- fazer corresponder as iniciais dos limites a que
correspondem.
Caso a variabilidade no processo seja apenas devida a causas comuns, os pontos
representativos das mdias e das amplitudes das amostras no devero sair fora dos limites
de controle e dispor-se-o aleatoriamente em torno do valor mdio. Neste caso esses limites
poder-se-o manter como limites de controle para a carta seguinte. Caso tal no acontea,
i.e. se algum dos pontos ficar fora dos limites de controle ou caso apresentem alguma
tendncia que possa parecer no natural dever-se- tentar investigar se algo est a correr
mal no processo, corrigir e, aps retirar novas amostras, recalcular os limites de controle. A
alternativa ser retirar os pontos que se encontram fora de controle e recalcular os limites
com os restantes pontos. Caso algum dos pontos continue fora dos limites, o processo
dever ser repetido at que tal no acontea. No entanto, se tal no for conseguido ao fim e
2 ou 3 tentativas isso querer significar que a variao a que o processo est sujeito no
apenas devida a causas comuns. Devero tambm existir causas especiais a afetar a sua
performance.
As frmulas e os fatores usados para calcular os limites de controle (Tabelas I e II)
foram determinados de modo a garantir que a variao dentro dos limites de controle
praticamente devida apenas a causas comuns (existem 3 desvios padres entre cada um
dos limites e linha central, num total de 6 desvios padres o que significa que, se o processo
estiver a ser afetado apenas por causas comuns, 99,73% dos pontos devero ficar entre os
limites de controle). Deste modo, qualquer ponto fora dos limites de controle ser de levantar
suspeitas devendo-se prestar especial ateno e tentar averiguar se algo est a correr mal
(ex. Inadvertncia dos operadores, mudana de turno, mquina defeituosa, etc.).
No entanto, no so apenas os pontos fora de controle que devem ser alvo de especial
ateno. Como j se referiu, tambm tendncias no traado dos pontos devero ser foco de
estudo, nomeadamente:
Padres oscilantes;
tendncias continuamente crescentes ou decrescentes (7 pontos seguidos a
aumentar ou a diminuir);
Padres em zig-zag;
Alterao do valor mdio em torno do qual os pontos oscilam;
7 pontos seguidos do mesmo lado da linha central;
2 em 3 pontos acima de + 2s ou abaixo de - 2s;
4 em 5 pontos entre + 2s e + s ou entre - 2s e - s.
As linhas 2s so designadas por limites de vigilncia e, por vezes, so tambm
marcadas nas cartas de controle juntamente com os limites de controle.

Exemplo 7

Traar as cartas de controle de mdias e amplitudes para o conjunto de 25 amostras

representadas abaixo. Determinar para cada uma das cartas os limites de controle e verificar
se o processo est ou no sob controle estatstico.

(continuao)
 Numa primeira fase dever-se-o calcular as mdias e amplitudes para cada uma das
amostras:

O passo seguinte ser calcular o valor mdio das vrias mdias assim como o valor
mdio das amplitudes . Somando todas 25 e as 25 amplitudes tem-se que
e, portanto,

Aplicando agora as frmulas para a determinao dos limites de controle para cartas
do tipo /R temos que, dado que o tamanho da amostra 5, da tabela III A2 =0,577, D3 = 0
e D4 = 2,115 e, portanto:

Carta das mdias:

Carta das amplitudes

Traando as cartas de controle verifica-se que, em qualquer delas, no s no existem

quaisquer pontos fora dos limites de controle como tambm estes no apresentam qualquer
tendncia na sua variao. assim possvel concluir que o processo se encontra sob
controle estatstico no sendo evidente a existncia de causas especiais a afet-lo. As linhas
de controle calculadas sero utilizadas nas cartas de controle seguintes.
 /s)
4.1.2 Cartas de controle de mdias e desvio padro (

Tal como as cartas de /R, as cartas de /s aparecem em conjunto. A principal razo

pela qual se usam muito frequentemente as cartas de amplitudes (R) como medida da
variao do processo o facto da amplitude (R) ser um parmetro bastante fcil de calcular
alm de se mostrar relativamente eficiente para amostras de pequenos tamanhos (n<9).
Apesar de se apresentar como um indicador muito mais eficiente da variabilidade do
processo especialmente para amostras de tamanho superior, o desvio padro (s) , no
entanto, muito menos utilizado que a amplitude. Tal deve-se maior complexidade do seu
clculo e sua menor sensibilidade na deteco da existncia de causas especiais de
variao. Uma vez que se esto a analisar amostras, se apenas um dos pontos apresentar
um valor atpico, este passar muito mais despercebido ao utilizar o desvio padro como
medida de amplitude do que se utilizar R.
Como j visto anteriormente, o desvio padro que caracteriza uma amostra constituda
pelos valores x1, x2, , xn calculado atravs da frmula

em que representa a mdia dos n valores da amostra.

Na tabela III apresentam-se as frmulas utilizadas para o clculo dos limites de
controle nas cartas do tipo /s.

Tabela III
Frmulas a usar na determinao das linhas centrais e limites de controle para as
cartas de controle por mdias e desvios padro.

em que s e X representam, respectivamente, a mdia dos desvios padres e a mdia das

mdias das diversas amostras. A3, B3 e B4 so constantes que variam com o tamanho da
amostra. Estas encontram-se registadas na Tabela IV.
Tabela IV
Parmetros a utilizar nas frmulas de clculo dos limites de controle das cartas de controle
por mdias e desvios padro

A construo e interpretao deste tipo de cartas de controle exatamente anlogo

ao descrito para as cartas de mdias e amplitudes, residindo a nica diferena no fato de,
em vez de se calcular a amplitude R para cada amostra se calcular o seu desvio padro.
Pelas razes atrs descritas, o uso deste tipo de cartas de controle no muito frequente.

)
4.1.3 Cartas de controle de medianas (

As cartas de controle por medianas so uma alternativa utilizao das cartas de

controle por mdias e amplitudes. Este tipo de cartas, mais apropriadas quando as amostras
apresentam um tamanho inferior a 10 e, preferencialmente, mpar, so mais fceis de utilizar
uma vez que no requerem muitos clculos. Por forma a analisar as tendncias na
variabilidade dos valores observados, opta-se na maioria dos casos por traar tambm a
carta de controle por amplitudes (R). As frmulas para determinao dos limites de controle
e linhas centrais para as cartas de controle por medianas e amplitudes encontram-se na
Tabela V.

Tabela V
Frmulas a usar na determinao das linhas centrais e limites de controle para as cartas de
controle por medianas e amplitudes
 e representam, respectivamente, a mdia das medianas e a mdia das amplitudes das
diversas amostras. Os fatores 2, D3 e D4 necessrios para o clculo dos limites de controle
encontram-se na Tabela VI.

Tabela VI
Parmetros a utilizar nas frmulas de clculo dos limites de controle das cartas de controle
por medianas e amplitudes

4.1.4 Cartas de controle de valores individuais e amplitudes mveis (Xi/Rm)

Embora no sejam to sensveis na deteco de variaes como as cartas de controle

por mdias e amplitudes, casos h em que necessrio ou conveniente construir cartas
de controle a partir de leituras individuais de valores. No entanto, dadas as limitaes
inerentes utilizao deste tipo de cartas, sempre possvel ser prefervel utilizar cartas de
mdias e amplitudes mesmo que o subgrupo considerado seja muito pequeno.
Dado o interesse em analisar a forma como a amplitude vai variando ao longo do
processo, e uma vez que dentro do grupo (n=1) esta nula, o que se faz calcular a
diferena entre duas leituras consecutivas. Ao valor absoluto desta diferena chama-se
amplitude mvel. No final da carta o nmero de amplitudes mveis ir ser inferior em uma
unidade ao nmero de leituras.
O procedimento seguido na elaborao das cartas de controle exatamente anlogo
ao anteriormente descrito: ao longo do processo vai-se fazendo a recolha de amostras cada
uma das quais constituda apenas por uma nica leitura. Os valores lidos/medidos so ento
marcados na carta de controle de valores individuais. Na carta de amplitudes mveis vo-se
marcando os valores absolutos das diferenas entre cada valor e o coletado imediatamente
antes. As frmulas para determinao dos limites de controle e linhas centrais para as cartas
de controle por medianas e amplitudes encontram-se na Tabela VII.
Tabela VII
Frmulas a usar na determinao das linhas centrais e limites de controle para as cartas de
controle por valores individuais e amplitudes mveis

i e m representam, respectivamente, a mdia dos valores coletados e a mdia das diversas

amplitudes mveis. Os fatores E2, D3 e D4 necessrios para o clculo dos limites de controle
encontram-se na Tabela VIII.

Tabela VIII
Parmetros a utilizar nas frmulas de clculo dos limites de controle das cartas de controle
por valores individuais e amplitudes mveis
4.2 Cartas de controle por atributos

As cartas de controle por atributos so usadas quando se pretendem avaliar

caractersticas do tipo qualitativo como por exemplo conformidade, cor, brilho ou existncia
de defeitos. Os critrios de avaliao no caso dos atributos podem ser do tipo passa/no
passa, conforme/no conforme, alto/baixo, bom/mau, etc. Estas cartas de controle so muito
aplicadas na prtica quer deteco de unidades defeituosas quer deteco de defeitos.

Para a deteco de unidades defeituosas podemos ter:

Cartas do tipo np (usadas para nmero de unidades defeituosas);
Cartas do tipo p (usadas para proporo ou fraco de unidades defeituosas);

As cartas de controle usadas na deteco de no conformidades so:

Cartas do tipo c (usadas para o nmero de defeitos);
Cartas do tipo u (usadas para o nmero de defeitos por pea).

As cartas de controle por atributos podem ter um aspecto semelhante ao da carta

apresentada na Figura 9. Esta carta pode ser utilizada para funcionar quer como carta np, p,
c ou u dependendo do tipo e quantidade de dados coletados.

Figura 9 Carta np de unidades defeituosas

O procedimento a seguir na elaborao de cartas de controle por atributos

exatamente anlogo ao j visto para cartas de controle por variveis. Assim, h que recolher
amostras com um determinado tamanho, das unidades recolhidas contar aquelas que
apresentam a caracterstica em questo (por exemplo, quantas delas so no conformes),
tratar os resultados obtidos por forma a poder marcar os pontos no grfico, determinar os
limites de controle e, depois dos pontos marcados, verificar a existncia de pontos fora dos
limites de controle ou que apresentem tendncias na sua evoluo. Ao contrrio da situao
anterior em que as cartas surgiam sempre aos pares devido necessidade de avaliar no
s a centralidade como tambm a variabilidade dentro da amostra, as cartas de controle por
atributos surgem sempre individualmente.
A seguir iremos analisar as diferenas entre cada um dos tipos de cartas de controle
acima mencionados.
4.2.1 Cartas do tipo np e do tipo p

Quando se pretende controlar o nmero de peas defeituosas na linha de produo

poder-se- utilizar uma carta do tipo np ou do tipo p. A nica diferena entre estes dois tipos
de cartas reside no facto de, para o caso das cartas do tipo np, em que se conta o nmero
de unidades defeituosas, o tamanho da amostra recolhida ter de ser constante. De facto, s
se todas as amostras tiverem o mesmo nmero de elementos que ser possvel comparar
o nmero de peas defeituosas que cada uma delas tem.
Se o tamanho da amostra recolhida for varivel, como a base de comparao j no
ser a mesma, no poderemos falar em termos de nmero de unidades defeituosas mas sim
em termos da proporo de unidades defeituosas e a carta de controle a utilizar dever ser
do tipo p.
Na tabela IX apresentam-se as frmulas a utilizar para a determinao dos limites de
controle para ambas as cartas.

Tabela IX
Frmulas a usar na determinao das linhas centrais e limites de controle para as cartas de
controle do tipo np e do tipo p
Exemplo 8
Determinar os limites de controle para o conjunto de dados representados abaixo e, por
simples inspeo, avaliar se o processo se encontra ou no em controle estatstico.

Uma vez que neste caso o tamanho da amostra constante (n=100) ser mais
apropriado utilizar uma carta de controle do tipo np para o nmero de unidades defeituosas.
Em 2500 unidades, o nmero total de unidades defeituosas de 68. A percentagem
mdia de unidade defeituosas ser

e o nmero mdio de unidades defeituosas

 Aplicando agora as frmulas cima para a determinao dos limites de controle teremos
que

Dado no fazer sentido ter um limite de controle inferior negativo considera-se, neste
tipo de casos, que o LCI vale 0. Desta forma, para o processo se encontrar em controle
estatstico, o nmero de peas defeituosas em cada uma das amostras recolhidas ter que
estar entre 7 (arredonda-se para o inteiro imediatamente inferior) e 0) o que, por anlise dos
valores da tabela, de facto acontece.

4.2.2 Cartas do tipo c e do tipo u

Quando se pretende controlar o nmero de defeitos que ocorrem podem-se utilizar

cartas do tipo c ou do tipo u. A diferena entre estes dois tipos de cartas precisamente o
mesmo que entre as cartas np e p. As cartas do tipo c utilizam-se quando se pretende
controlar o nmero de defeitos em amostras de tamanho constante. Se, pelo contrrio,
ocorrer variao do tamanho da amostra, dever-se-o contar o nmero de defeitos por pea
inspecionada e as cartas a usar sero do tipo u.
Na tabela X apresentam-se as frmulas a utilizar para a determinao dos limites de
controle para ambos os tipos de cartas.

Tabela X
Frmulas a usar na determinao das linhas centrais e limites de controle para as cartas de
controle do tipo c e do tipo u

O problema da dimenso da amostra no constante surge aqui novamente na

determinao dos limites da carta u. Tal como no exemplo 10, esse problema pode ser
contornado ou calculando os limites de controle para cada caso, ou trabalhando com um
tamanho mdio para a amostra.
Exemplo 10
Determinar os limites de controle para o conjunto de dados representados abaixo e, por
simples inspeo, avaliar se o processo se encontra ou no em controle estatstico.

Como o tamanho da amostra varivel, ter-se- que construir uma carta do tipo u
para o que , antes de mais, necessrio determinar o nmero de defeitos por montagem
inspecionada.

Se considerarmos um tamanho mdio para a amostra de 3 (i.. 2,6) e um nmero mdio

de defeitos por amostra de 7, os limites de controle superior e inferior para a carta de controle
sero, respectivamente 11,6 e 2,4. Por anlise da ltima coluna da tabela acima possvel
verificar que todos os pontos se encontram nesta gama e que, portanto, no nenhum fora de
controle.
Ter-se-ia chegado mesma concluso caso se tivesse considerado o tamanho da
amostra como varivel.
4.3. Capacidade do processo

Uma vez determinado que o processo se encontra em controlo estatstico (processo

estvel), h ainda a questo de saber se ele ou no capaz de satisfazer as necessidades
do cliente (seja ele interno ou externo). A capacidade do processo uma medida que
permite, caso o histograma do processo apresente uma distribuio normal e caso ele se
encontre em controlo estatstico, avaliar a sua variao devido unicamente existncia de
causas comuns. O planeamento do estudo da capacidade deve ser baseado num mnimo de
20 subgrupos, cada um dos quais com 3 ou mais medies por forma a incluir no s a
variao das corridas, como tambm como a variao entre as corridas. Desta forma
conseguir-se- avaliar a repetibilidade e reprodutibilidade do processo em estudo.
As amostras devem ser recolhidas ao longo de vrios turnos, com uma cadncia
descontnua por forma a no excluir quaisquer alteraes do processo resultantes da
utilizao de diferentes materiais, operadores, mquinas, tempos de medio, etc. Depois
de coletados, registados e tratados os valores, determinam-se os chamados ndices de
capacidade do processo Cp e Cpk:

em que LSE e LIE representam, respectivamente, os limites superior e inferior de

especificao e si uma estimativa do desvio padro da totalidade dos valores feita atravs
da frmula

onde d2 uma constante que depende do tamanho da amostra considerada tal como se
mostra na Tabela XI

Tabela XI- Variao da constante d2 com o tamanho da amostra

 O ndice Cp relaciona a disperso dos valores com a tolerncia especificada, isto ,
mede a variabilidade do processo. Por outro lado, o Cpk compara simultaneamente o seu
acerto ou regulao (medida central) e a sua variabilidade relativamente tolerncia.
A capacidade do processo ser considerada satisfatria se quer o Cp quer o Cpk
forem superiores a 1,33. Nesta situao garante-se que a disperso dos valores est toda
contida nos 4s da curva de disperso normal e que, para alm disso, o processo se
encontra centrado em torno do valor ptimo. Se algum destes parmetros for inferior a 1,33,
devero ser tomadas aes (usualmente a nvel da gerncia) para trazer o processo para
prximo dos valores ptimos desejados bem assim como para reduzir a sua variabilidade.

Referncia
Controle da Qualidade Total, Volume I, Feigenbaum, A.V., Makron Books, So Paulo
(1994).
Controle da Qualidade Total, Volume III, Feigenbaum, A.V., Makron Books, So Paulo
(1994).
Mtodos Estatsticos para Melhoria da Qualidade, Kume, H., Editora Gente, Rio de Janeiro
(1993).
Statistical Process Control (SPC) - Reference Manual, Chrysler Corporation, Ford Motor
Company and General Motors Corporation (1995).