Ferramentas da Qualidade

Neste artigo resolvi escrever sobre as ferramentas da qualidade que frequentemente utilizamos na resolução de problemas, sejam eles do segmento industrial ou de serviços. Muitas vezes grandes problemas podem ser resolvidos através da aplicação de ferramentas simples, mas eficientes.

 

As ferramentas da qualidade são técnicas utilizadas com a finalidade de definir, mensurar, analisar e propor soluções para os problemas que interferem no bom desempenho dos processos de trabalho (MALIK; SCHIESARI, 1998).

 

Na implantação e consolidação do processo de gestão de qualidade e produtividade de uma instituição, podem ser empregadas inúmeras ferramentas, tais como: Metodologia do Programa 5S, Método PDCA, Diagrama de Pareto, Fluxograma, Gráficos de dispersão, Diagrama de controle, Folha de verificação, Diagrama de causa e efeito, Histograma e Brainstorming (PERTENCE; MELLEIRO, 2010).

 

As ferramentas da qualidade fazem parte do controle estatístico de processo?

 

Sim, algumas das ferramentas da qualidade citadas acima fazem parte do controle estatístico de processo (CEP) que é uma poderosa coleção de ferramentas de resolução de problemas útil na obtenção da estabilidade do processo e na melhoria da capacidade através da redução da variabilidade (MONTGOMERY, 2013).

 

O CEP pode ser aplicado a qualquer processo. Suas sete principais ferramentas são:

 

1. Histogramas
2. Folha de controle
3. Gráfico de Pareto
4. Diagrama de causa-e-efeito (Ishikawa)
5. Diagrama de concentração de defeito
6. Diagramas de dispersão
7. Gráfico de controle

 

Conforme Montgomery (2013) duas unidades produzidas por um processo de fabricação nunca são idênticas. No entanto, é extremamente difícil observar algum padrão de variabilidade quando os dados de uma determinada medição de qualquer característica de qualidade de um produto são organizados em tabelas.

 

Como contornar esse problema e observar os padrões de variabilidade?

 

Uma forma de contornar esse problema é a reorganização dos dados por grandeza em uma distribuição de frequências.  O gráfico das frequências observadas versus a característica de qualidade do produto medida é chamado de histograma.

 

Para Lucinda (2010) o histograma é um gráfico de colunas que mostra a distribuição de um conjunto de dados dentro de uma determinada faixa de valores. Nesse gráfico mostra-se a distribuição dos dados, a tendência central desses valores e a dispersão dos mesmos, conforme ilustrado na figura 1.

 

Figura 1 – Exemplo de histograma da altura de homens brasileiros. Fonte: O autor (2019)

 

No estudo da distribuição de um item de controle de interesse associado a um processo, geralmente são utilizados histogramas. No entanto, coletar e registrar um grande volume de dados para, posteriormente, construir um gráfico que represente a distribuição dos dados obtidos é uma duplicação de esforços bastante trabalhosa.

 

Reduza o esforço utilizando uma folha de controle para coleta de dados

 

Esse problema pode ser eliminado com uma folha de controle para coleta dos dados, que permite a classificação dos mesmos no instante em que são coletados, de forma que no encerramento das medições o histograma já esteja construído (WERKEMA, 2014). A figura 2 apresenta um modelo de folha de controle.

 

Figura 2 – Modelo de folha de controle. Fonte: O autor (2019)

 

Qual ferramenta utilizar para priorização das melhorias?

 

Na maioria das vezes não se pode atuar em todos os defeitos ou problemas de um determinado processo ou serviço, sendo necessário utilizar ferramentas de priorização.

 

De acordo com Slack, Chambers e Johnston (2009) o gráfico de Pareto é uma técnica relativamente direta, que envolve classificar os itens de informação nos tipos de problemas ou causas de problemas por ordem de importância.

 

A análise de Pareto é baseada no fato que frequentemente poucas causas explicam a maioria dos defeitos. O gráfico de Pareto foi originariamente criado para estudar as perdas na indústria, organizando-as por ordem de frequência, da mais frequente para a menos frequente.

 

Dessa forma, esse gráfico estabelece prioridades em que as causas das perdas devem ser resolvidas, podendo também ser utilizado em serviços e na implantação de melhorias (VIEIRA, 2014). Um exemplo do gráfico de Pareto para identificação das principais causas de devolução de produtos em uma indústria é ilustrado na figura 3.

 

 

Figura 3 – Exemplo do gráfico de Pareto. Fonte: O autor (2019)

 

Alguma das ferramentas da qualidade analisa as relações de causa e efeito?

 

Sim, a partir da identificação das principais causas de um problema, essas causas precisam ser analisadas para identificar o que as ocasionaram. Uma das ferramentas utilizadas para esse fim é o diagrama de causa e efeito ou diagrama de Ishikawa.

 

O diagrama de causa e efeito organiza as ideias em categorias para pesquisar as raízes de um problema e se tornou excessivamente usado em programas de melhoria (SLACK; CHAMBERS; JOHNSTON, 2009).

 

Esse diagrama é construído com uma linha horizontal primária que lista o efeito ou o sintoma à direita. As categorias principais de causas possíveis são organizadas como ramos, acima e abaixo dessa linha, à esquerda.

 

Os ramos característicos são mão de obra, medidas, material, meio ambiente, máquina e método. No entanto, políticas, procedimentos, planta, tempo e outras categorias podem ser utilizadas. Causas possíveis específicas tornam-se sub-ramos detalhados, como na figura 4 (BLOCH; GEITNER, 2014).

 

Figura 4 – Exemplo de diagrama de causa e efeito. Fonte: O autor (2019)

 

Qual ferramenta da qualidade utilizar se a localização do problema for importante?

 

Em alguns casos a localização do problema ou defeito é importante e um diagrama de concentração de defeitos pode ser utilizado. Esse diagrama é uma figura da unidade, mostrando todas as vistas relevantes, onde os vários tipos de defeitos são desenhados.

 

O diagrama é analisado para determinar se a localização dos defeitos na unidade fornece alguma informação útil sobre as causas potenciais dos defeitos.

 

Quando um número suficiente de unidades é utilizado na elaboração de um diagrama de concentração, frequentemente surgem padrões, e a localização desses padrões contém, geralmente, muita informação sobre as causas dos defeitos (MONTGOMERY, 2013). A figura 5 retrata um modelo de diagrama de concentração de defeitos de uma caixa de embalagem.

 

Figura 5 – Modelo de diagrama de concentração de defeitos. Fonte: O autor (2019)

 

Qual ferramenta da qualidade utilizar para analisar as relações potenciais entre duas variáveis?

 

Em alguns problemas deseja-se conhecer as relações potenciais entre duas variáveis. O diagrama de dispersão é um gráfico útil para a identificação dessas relações. Os dados são coletados aos pares sobre as duas variáveis (y_i, x_i) para i = 1, 2, …, n. Assim, y_i é plotado versus x_i.

 

A forma de um diagrama de dispersão em geral indica que tipo de relação pode existir entre duas variáveis (MONTGOMERY, 2013).

 

Um diagrama de dispersão somente identifica a existência de um relacionamento, não necessariamente a existência de uma relação de causa e efeito.

 

Uma relação muito forte entre um conjunto de dados é uma importante evidência de relação de causa e efeito, mas não uma prova positiva (SLACK; CHAMBERS; JOHNSTON, 2009).

 

O diagrama da figura 6 ilustra um exemplo da relação entre a altura e o peso de um grupo de pessoas do sexo masculino.

 

Figura 6- Diagrama de dispersão para a altura contra o peso. Fonte: O autor (2019)

 

Qual o maior objetivo do controle estatístico de processo?

 

O objetivo maior do controle estatístico de processo é detectar rapidamente a ocorrência de causas atribuíveis ou especiais 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 7 ilustra um exemplo de um gráfico de controle com seus elementos.

 

Figura 7 – Carta de controle para valores individuais. Fonte: O autor (2019)

 

As ferramentas da qualidade formam a base de qualquer programa de melhoria e deveria ser de conhecimento de todos que atuam nessa área.

 

É de extrema importância saber para que serve cada ferramenta e como aplicá-la, pois somente assim será possível obter bons resultados.

 

Quais os resultados obtidos com o uso das ferramentas da qualidade?

 

 Se utilizadas corretamente, as sete ferramentas poderão trazer os seguintes resultados as organizações:

 

• Elevar os níveis de qualidade por meio da solução eficaz de problemas;
• Diminuir os custos, com produtos e processos mais uniformes;
• Executar projetos melhores;
• Melhorar a cooperação em todos os níveis da organização;
• Identificar problemas existentes nos processos, fornecedores e produtos;
• Identificar causas raízes dos problemas e solucioná-los de forma eficiente, etc.

 

 

Referências

 

BLOCH, H. P.; GEITNER. F. K. Análise e Solução de Falhas em Sistemas Mecânicos. 4ed. Rio de Janeiro: Elsevier, 2014.

LUCINDA, M. A. Qualidade: Fundamentos e práticas para cursos de graduação. Rio de Janeiro: Brasport, 2010.

MALIK, A. M.; SCHIESARI, L. M. C. Qualidade na gestão local de serviços e ações de saúde. São Paulo: Faculdade de Saúde Pública da USP; 1998.

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.

PERTENCE, P. P; MELLEIRO, M.M. Implantação de Ferramenta de Gestão de Qualidade em Hospital Universitário. Revista da Escola de Enfermagem da USP, v.44, n.4, p. 1024-1031, Mar 2010.

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

VIEIRA, S. Estatística para a Qualidade. 3ed. Rio de Janeiro: Elsevier, 2014.

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