SINOPSE DO CASE: A FÁBRICA DE ROLAMENTOS1

Fábio Bezerra2
Carlos Rabelo3

1 DESCRIÇÃO DO CASO

Controle de qualidade em fabricas utilizando modelos estatísticos são

fundamentais para o engenheiro, pois funcionam como ferramentas para auxiliar no
raciocínio e analisar informações. Muitas áreas empregam modelos estatísticos para
entender seus sistemas, permitindo ao engenheiro de produção fazer produtos
consistentes, detectar problemas, minimizar desperdícios e predizer a vida do
produto, além de controlar e planejar a produção eficientemente.
Durante processos de fabricação é necessário saber quais são os fatores
que influenciam na produção e quais são suas relações, pois as variáveis afetam na
tomada de decisões. Nesse âmbito, a análise de correlação e de regressão são
ferramentas em que são analisados associações e as suas influências.
Outro detalhe durante os processos de fabricação é a qualidade, um dos
princípios para sobrevivência em um mercado tão exigente. Esta pode ser
proporcionada pelos modelos estatísticos, onde terão sua produção eficaz, com
perdas reduzidas e monitoramento do processo, obtido por meio de planejamento.
Diante desta situação o presente estudo de caso aborda uma fábrica de
rolamentos, onde o responsável do setor da fábrica, decidiu contratar um grupo de
de alunos do 6º périodo do curso de engenharia de produção da faculdade UNDB,
onde os mesmos tiveram como primeiro desafio a missão de apresentar um relatório
sobre a possível existência de relação entre desgaste e carga, assim como os
valores individuais de desgastes para cada uma das quatros espécies a cada nível

1Case apresentado a disciplina Processos de Fabricação, da Unidade de Ensino Superior Dom Bosco
- UNDB
2Aluno(a) do 6º período do curso de Engenharia de Produção da UNDB.
3Professor/Orientador da disciplina de Modelos Estatísticos.
 2

de carga, e quais ferramentas estatísticas diagnosticaram e mensuraram a

proporção de defeitos maior que o especificado pelo fabricante.

2 IDENTIFICAÇÃO E ANÁLISE DO CASO

2.1 Descrição das Decisões Possíveis

Diante do exposto são levantadas algumas questões para análise do

presente estudo de caso, a saber:
1. O primeiro questionamento, quais ferramentas estatísticas mensura
relação entre o desgaste e a carga?
2. De acordo com a ferramenta encontrada no item anterior encontrado os
valores individuais do desgaste para cada um dos quatros espécimes a cada nível
de carga. Continuaríamos na mesma conclusão situação anterior?
3. Baseados nos dados em quantas amostras seriam encontrados uma
proporção de defeitos maior que o especificado pelo fabricante?

2.2 Argumentos Capazes de Fundamentar Cada Decisão

2.2.1 O primeiro questionamento, quais ferramentas estatísticas mensura

relação entre o desgaste e a carga?

Através das ferramentas estatísticas diagrama de dispersão e gráfico de

controle pode-se mensurar que a relação entre desgaste e a carga, portanto a
correlação entre as duas variáveis é muito forte tendo como média amostral
0,975097 , ou seja, o grau de relação entre as médias do desgaste e o peso das
cargas é muito forte, quanto maior o peso da carga maior é o desgaste dos
rolamentos, sendo assim duas variáveis diretamente proporcionais.
Para analisar a relação entre as amostras do problema foi utilizado o
diagrama apresentado abaixo que demonstra uma reta linear com uma boa
aproximação entre X e Y, logo a relação entre as duas variáveis é positiva e quando
X aumenta Y também aumenta.
 3

Gráfico diagrama de dispersão: correlação entre média amostral de

desgaste e nível de carga.

400
f(x) = 0.28x + 28.33
350 R² = 0.95
MEDIA AMOSTRAL DE DESGASTE
300

250

200
Medias amostral de
150 desgaste
Linear (Medias
100 amostral de desgaste)
50

0
600 700 800 900 1000 1100 1200 1300 1400
NIVEL DE CARGA

Fonte: Autor

O Gráfico de Dispersão é utilizado para pontuar dados em um eixo

vertical e horizontal com a intenção de exibir quanto uma variável é afetada por
outra.
Cada linha na tabela de dados é representada por um marcador cuja
posição depende dos seus valores nas colunas determinados nos eixos X e Y.
Múltiplas escalas podem ser utilizadas no eixo Y para quando você quiser comparar
diversos marcadores com faixas de valores significativamente diferentes. Uma
terceira variável pode ser configurada para corresponder a cor ou ao tamanho (por
ex., um gráfico de bolhas) dos marcadores, então adicionar outra dimensão ao
gráfico.
A relação entre duas variáveis é chamada de correlação. Se os
marcadores estão próximos a formar uma linha reta no gráfico de dispersão, as duas
variáveis possuem uma alta correlação. Se os marcadores estiverem igualmente
distribuídos no gráfico de dispersão, a correlação é baixa, ou zero. Entretanto,
mesmo se a correlação pareça estar presente, esse pode não ser o caso. Ambas as
variáveis podem estar relacionadas a uma terceira variável, então expandir a sua
variação ou uma pura coincidência pode causar uma aparente correlação.
 4

2.2.2 De acordo com a ferramenta encontrada no item anterior encontrado os

valores individuais do desgaste para cada um dos quatros espécimes a cada nível
de carga. Continuaríamos na mesma conclusão situação anterior ?

Tomando como base a ferramenta encontrada no item anterior não

continuaremos com a mesma conclusão, pois a ferramenta utilizada anteriormente, o
diagrama de dispersão, o mesmo foi utilizado para medir de forma geral os dados
entre o desgate e os níveis de carga, já neste item foi utilizado afim de analisar a
relação entre as variáveis de forma individual, onde foi utilizado a ferramenta direta
de correlação, como a seguir:

1 – Correlação das cargas e níveis Y1

Y1 X Y1 X
145 700 Y1 1

0,04220
250 1000 X 7 1
150 1300

O grau da relação entre os desgastes do rolamento y1 e o peso das

cargas é fraco. Apenas 0,18% da variação de y(desgaste) é explicado pela variação
de x(peso/carga). Os considerados 99,82% da variação dos desgastes no rolamento
é explicados por outra(s) fatores diferentes do peso da carga.

2 – Correlação das cargas e níveis Y2

Y2 X Y2 X
105 700 Y2 1
0,777713
195 1000 X 8 1
180 1300

O grau da relação entre os desgastes do rolamento y2 e o peso das

cargas é forte.
 5

Ou seja 60,48% da variação de y(desgaste) é explicado pela variação de

x(peso/carga). E 39,52% da variação dos desgastes no rolamento é explicados por
outra(s) fatores diferentes do peso da carga.

3 – Correlação das cargas e níveis Y3

Y3 X Y3 X
260 700 Y3 1
0,969548
375 1000 X 6 1
420 1300

O grau da relação entre os desgastes do rolamento y3 e o peso das

cargas é muito forte.
Portanto 94,00% da variação de y(desgaste) é explicado pela variação de
x(peso/carga). E 6,00% da variação dos desgastes no rolamento é explicados por
outra(s) fatores diferentes do peso da carga.

4 – Correlação das cargas e níveis Y4

Y4 X Y4 X
330 700 Y4 1
480 1000 X 0,9866661 1
750 1300

O grau da relação entre os desgastes do rolamento y4 e o peso das

cargas é muito forte.
Ou seja 97,35% da variação de y(desgaste) é explicado pela variação de
x(peso/carga). E 2,65% da variação dos desgastes no rolamento é explicados por
outra(s) fatores diferentes do peso da carga.

2.2.3 Baseados nos dados em quantas amostras seriam encontrados uma

proporção de defeitos maior que o especificado pelo fabricante?

Segundo Cochran (1985), “encontra-se a fórmula para o cálculo do

tamanho da amostra, em que se considera a população de onde ela será sorteada
 6

como finita. Se o tamanho da população é desconhecido, ou, se é,

consideravelmente, muito grande, pode-se fazer uma simplificação, que
imdeatamente leva à seguinte fórmula”:

Fórmula para definir o tamanho da amostra:

Fonte: UNB

Podemos definir o erro permissível como 0.05, ou seja, adimite-se que a

proporção de peças pode variar 5 pontos percentuais para mais ou para menos,
o nível de confiança mais utilizado é de 95% isso significa que se o processo
amostral for repetido muitas vezes espera-se que a margem de erro ±5% seja
satisfeita em 95% das vezes. Por fim, o percentual de defeitos de peças é de
p^=0.06 como abordagem conservadora.
A proporção de defeitos foi encontrada através do estimador pontual para

¿ x
p, também denominado proporção amostral, definido como p , considerando
n
os dados da questão, x= 12; n = 200. Encontramos a nova proporção de defeitos de
6% maior do que a especificada pelo fabricante de 4%.

12
p¿ =0,06 ou 6%.
200

Portanto através do cálculo foram encontradas uma proporção de defeitos

maior em uma amostra de 87 peças, ou seja maior do que a especificada pelo
fabricante.
 7

2
1,96 ¿ x 0,06 x (1 – 0,06)
¿
0,05 ¿ 2
¿
¿
¿
n=¿

Em seguida foram encontrados o número de peças defeituosas para cada

média amostral, tendo como base a amostra de 200 peças e o número de peças
defeituosas 12, utilizando uma regra de três para definir o número de peças
defeituosas das demais amostras como consta no quadro abaixo:

Tabela número de peças defeituosas para cada média amostral:

200 ---- 12 x = 13 200 ---- 12 x = 20 200 ---- 12 x= 23

210 ---- x 325 ---- x 375 ---- x
Fonte: Autor

Em seguinda foi definido em tabela os fatores do Controle Estatístico de

Processos (CEP) sendo uma ferramenta da qualidade utilizada nos processos
produtivos (e de serviços) com objetivo de fornecer informações para um diagnóstico
mais eficaz na prevenção e detecção de defeitos/problemas nos processos
avaliados e, consequentemente, auxilia no aumento da produtividade/resultados da
empresa, evitando desperdícios de matéria-prima, insumos, produtos, etc.

Tabela de Fatores CEP:

A B C D E
Médi
1 1 2 3 4 a
2 n 200 210 325 375 277,5
3 d 12 13 20 23
4 p 0,060 0,062 0,062 0,061 0,245
Fonte: Autor

Para elaboração do gráfico de controle foi necessário algumas

informações.

1 – Média das proporções, devemos utilizar a seguinte fórmula: P= (1/m) Spi.

P= 1/4*(0,060+0,062+0,062+0,061) P= 0,0612
 8

2 – Número médio, usamos a fórmula: NP= P*n

NP= 0,0612*227,5 NP= 16,981

3 – Para calcular o LSC usamos a fórmula abaixo, lembrando que:

LSC= 16,981 + [3* raiz de 16,981* (1 – 0,0612)

LSC= 28,587

4 – Para cáculo do LIC ausaremos a fórmula:

LIC= 16,981 – [ 3*raiz de 16,981* (1 – 0,0612)

LIC= 5,375

Todos os valores encontrados foram agrupados na seguinte tabela abaixo

para que posteriormente fosse feito o gráfico de controle.

Tabela relação amostras x defeitos

A B C D
1 Peças com defeito LSC LIC Numero medio
2 12 28,587 5,375 16,981
3 13 28,587 5,375 16,981
4 20 28,587 5,375 16,981
5 23 28,587 5,375 16,981
Fonte: Autor

O Gráfico de Controle, segundo Reis (2001), “é uma comparação gráfica

do desempenho de um processo com um limite de controle, obtendo o resultado
através da distribuição dos pontos no gráfico conforme os padrões aleatórios e
dentro dos limites de especificação”.

Gráfico de Controle
 9

35

30

25

20 Peças com defeito

Valores
LSC
15 LIC
Numero medio
10

0
1 2 3 4

Fonte: Autor
Segundo Carburon e Morales (2006), “os gráficos de controle são
utilizados no registro de tendências e desempenho sequencial ou temporal de um
processo, mostrando a variação ao longo do tempo de uma característica de
controle de qualidade. Os gráficos são formados por três linhas paralelas principais,
que são: a linha inferior do gráfico é referente ao Limite Inferior de Controle (LIC), a
linha central é referente a Média (LC), e a linha superior é referente ao Limite
Superior de Controle (LSC)”.

2.3 Descrição dos critérios e valores (explícitos e/ou implícitos) contidos em

cada decisão possível.

1. Planejamento: É um instrumento administrativo, que proporciona

perceber a veracidade, avaliar os caminhos, edificar um referencial futuro,
estruturando o modo adequado e reavaliar todo o processo a que o planejamento se
destina. Tornando-se, portanto, o lado racional da ação. Tratando-se de um método
de deliberação abstrato e explícito que escolhe e organiza ações, antecipando os
resultados esperados. Esta medida busca alcançar, da melhor forma possível,
alguns objetivos pré-definidos.
2. Correlação: Aponta a força e a direção de uma relação linear e
proporcionalidade entre duas variáveis estatísticas, refere-se ao deslocamento de
duas ou mais variáveis em conseqüência fornecida pela função em estudo. A
correlação essencialmente ocorre quando dois elementos tem harmonia em
 10

variação, esta simetria é dependente, ou seja, a estabilização de um depende da

posição do outro.
3. Confiabilidade: Está intuitivamente relacionada à probabilidade de um
produto realizar sua função por um período de tempo distinto. Em outras termos,
podemos definir confiabilidade como uma proporção da capacidade de um produto
funcionar bem durante um período de tempo especificado, sob circunstâncias de uso
pré-estabelecidas.

REFERÊNCIAS

ARTIGOS. Controle estatítico do processo. Disponível em: <

http://www.administradores.com.br/artigos/negocios/controle-estatistico-de-
processos/50827/> . Acesso em 05 de Mai 2017.

CARBURON, J.; MORALES, D. Aplicação do Controle Estatístico de Processo

em uma Indústria do setor metal-mecânico: um estudo de caso. In: SIMPEP, 13,
2006, Bauru, São Paulo, 2006.

Cochran, W. G. (1985). Sampling Techniques, 3rd Edition, John Wiley & Sons, New
York.

EBAH. Planejamneto Estatistico. Disponível em:

<http://www.ebah.com.br/content/ABAAAenaEAE/planejamento-estatistico>. Acesso
em: 29 de Abr de 2017.

PORTAL LACTION . Confiabilidade . Disponível em:

<http://www.portalaction.com.br/confiabilidade>. Acesso em: 29 de Abr de 2017.

REIS, Marcelo Menezes. Um modelo para o ensino do Controle Estatístico da

Qualidade. 2001. Tese (Doutorado em Engenharia de Produção) – Programa de
Pós-Graduação em Engenharia de Produção, UFSC, Florianópolis.

TIBC. O que é um gráfico de disperção. Disponível em:

<https://docs.tibco.com/pub/spotfire_web_player/6.0.0-november-2013/pt-
BR/WebHelp/GUID-780960FA-1DCE-4E59-8EB7-54F7144DB362.html> . Acesso em
07 de Mai 2017.
11