Controle Estatístico de Processo – CEP

O objetivo maior do controle estatístico de processo é detectar rapidamente a ocorrência de causas atribuíveis nas mudanças de processo, de modo que a investigação do processo e a ação corretiva possam ser realizadas antes que muitas unidades não conformes sejam fabricadas (MONTGOMERY, 2013).

 

O controle estatístico de processo monitora os resultados de muitas amostras ao longo do tempo, através dos gráficos de controle para verificar se o processo está desempenhando como deveria, ou, alternativamente, se está saindo de controle (SLACK; CHAMBERS; JOHNSTON, 2009).

 

Em qualquer processo de fabricação independentemente de quão bem mantido ele seja, a certa quantidade de variabilidade inerente, ou natural sempre existirá (MONTGOMERY, 2013).

 

Quando somente causas inerentes ou comuns estão atuando sobre o processo, é dito que o mesmo está sob controle estatístico (WERKEMA, 2014).

 

Além das causas inerentes do processo, algumas vezes fatores especiais que estão presentes produzem variabilidade adicional.

 

O mau funcionamento de máquinas, erro de operador, flutuações das condições ambientais e variações nas propriedades das matérias primas estão entre os mais comuns desses fatores (NAVIDI, 2010).

 

Tal variabilidade é, geralmente, muito grande quando comparada as causas comuns, e representa, usualmente, um nível inaceitável do desempenho de processo.

 

Essas fontes de variabilidade que não fazem parte do padrão de causas aleatórias são chamadas de causas atribuíveis ou especiais (NAVIDI, 2010; MONTGOMERY, 2013). A figura 1 ilustra um exemplo de um gráfico de controle com seus elementos.

 

Figura 1 – Exemplo de gráfico de controle

 

Controle estatístico da qualidade

 

O controle estatístico da qualidade é um campo relativamente novo. O Dr. Walter A. Shewhart, dos laboratórios da Companhia Telefônica Bell, foi um dos pioneiros dessa área de estudo.

 

Em 1924, ele desenvolveu e apresentou o gráfico de controle (ou carta de controle), uma das ferramentas básicas de controle estatístico de processo.

 

No Controle Estatístico de Processo (CEP), a média, a amplitude e o desvio padrão são as estatísticas usadas com mais frequência para analisar os dados medidos. Os gráficos de controle são utilizados para monitorar essas estatísticas.

 

Um ponto fora de controle para qualquer uma dessas estatísticas é a indicação da presença de uma causa especial de variação e, portanto, da necessidade de uma investigação imediata a fim de identificá-la.

 

O controle estatístico de processo é uma técnica versátil

 

O CEP é uma das técnicas mais versáteis do Lean Seis Sigma, podendo ser usada em todas as fases do DMAIC.

 

• Definir: usado para definir a linha de base (baseline) ou estado atual do processo.

• Medir: utilizado na análise de sistemas de medição e para determinar a estabilidade do processo antes de realizar o estudo de capacidade.

• Analisar: nessa fase serve para estratificar os dados de saída em função das variáveis de entrada x`s.

• Melhorar: usado para comparar o antes e o depois da implementação de melhorias e para determinar a estabilidade de variáveis críticas que serão avaliadas em experimentos fatoriais.

• Controlar: é usado na gestão do processo após a implementação das melhorias.

 

Por que usar o controle estatístico de processo?

 

É inconcebível inspecionar qualidade em um produto; ele tem de ser feito corretamente já na primeira vez.

 

O processo de fabricação tem, por conseguinte, de ser estável ou capaz de ser repetido e capaz de operar com pouca variabilidade ao redor do alvo ou dimensão nominal.

 

O controle estatístico de processo (CEP) em tempo real é uma ferramenta poderosa para avaliar a estabilidade de um processo e para melhorar a capacidade através da redução da variabilidade.

 

O CEP ajuda a concentrar a atenção na detecção de causas especiais de variação e na melhoria de um processo para executá-lo de forma consistente e previsível para obter maior qualidade, menor custo e maior capacidade efetiva.

 

Além disso, o CEP fornece uma linguagem comum para discutir o desempenho do processo ao longo do tempo.

 

Elementos de um gráfico de controle estatístico de processos

 

Figura 2 – Elementos de um gráfico de controle

 

1. Uma carta de controle permite a análise de séries de dados temporais e a detecção de variações de causa especial por meio de padrões não aleatórios conhecidos como sinais “fora de controle”.

 

Esses sinais não dizem por que o processo está fora de controle, mas eles indicam que algo incomum ocorreu e que vale a pena investigar.

 

Sinais fora de controle baseiam-se na probabilidade de observar determinados eventos ou padrões em dados aleatórios de séries temporais, como uma observação que cai além de ± 3 desvios padrão de curto prazo da média.

 

Figura 3 – Exemplo de gráfico de controle para temperatura

 

2. Ajuda a evitar ajustes desnecessários do processo. Os ajustes desnecessários do processo apenas adicionam mais ruído e desperdiçam esforços.

 

Por exemplo, considere um processo de cozimento de pães. Ligeiras mudanças na temperatura que são causadas pelo termostato do forno fazem parte da variação de causa comum natural do processo.

 

Se você tentar reduzir esta variação natural do processo alterando manualmente o ajuste da temperatura para cima e para baixo, você irá provavelmente aumentar a variabilidade em vez de reduzi-la. Isto é chamado de supercontrole.

 

Quando não há sinais fora de controle, sabe-se que apenas a variabilidade de causa comum está presente e não deve-se ajustar o processo porque ele está sob controle estatístico.

 

3. Sinaliza oportunidades de melhoria. Quando o gráfico de controle dá um sinal fora de controle, sabe-se que a variabilidade de causa especial pode ter mudado o processo e pode-se então tomar medidas para corrigir a situação.

 

Figura 4 – Exemplo de sinal fora de controle

 

Análise de padrões de comportamento para gráficos de controle

 

Um gráfico de controle pode indicar uma condição fora de controle quando um ou mais pontos caírem além dos limites de controle ou quando os pontos plotados exibirem algum padrão não aleatório de comportamento.

 

O problema é reconhecer o padrão de comportamento; isto é, reconhecer os padrões sistemáticos ou não aleatórios no gráfico de controle e identificar a razão para esse comportamento.

 

A habilidade de interpretar um padrão particular de comportamento em termos de causas especiais requer experiência e conhecimento do processo.

 

As regras de decisão mais usadas para detectar padrões não aleatórios de comportamento nos gráficos de controle são:

 

1. Um ponto cair além do limite de ± 3 desvios padrão.

 

2. Oito pontos consecutivos caírem do mesmo lado da linha central.

 

3. Seis pontos consecutivos, todos crescentes ou decrescentes.

 

Figura 5 – Regras de decisão mais usadas para detectar padrões não aleatórios de comportamento

 

Tipos de gráficos de controle

 

Existem muitos tipos de gráficos de controle. O tipo de gráfico usado para avaliar o processo será determinado pelo tipo de dado e tamanho do subgrupo. A figura 6 exibe os gráficos de controle mais utilizados.

 

Figura 6 – Tipos de gráficos de controle

 

Referências

 

MONTGOMERY, D. C. Introduction to Statistical Quality Control. 7th ed. New York, USA: John Wiley & Sons, 2013.

NAVIDI, W. Statistics for Engineers and Scientists. 3rd ed. New York, USA: McGraw-Hill, 2010.

SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 3ed. São Paulo: Atlas, 2009.

WERKEMA, C. Ferramentas Estatísticas Básicas do Lean Seis Sigma Integradas ao PDCA e DMAIC. Rio de Janeiro: Elsevier, 2014.