Ferramentas da Qualidade

Roteiro 1. 2. 3. 4. 5. 6. 7. 8. Estratificao Folha de Verificao Grfico de Pareto Grfico Seqencial Diagrama de Causa-e-efeito Fluxograma Grfico de Controle Referncias

Ferramentas do Controle da Qualidade Principais ferramentas de resoluo de problemas de Controle Estatstico do Processo CEP (Ishikawa):
1. 2. 3. 4. 5. 6. 7. Histograma Folhas de verificao Diagrama de Pareto Diagrama de causa-e-efeito Fluxograma Diagrama de disperso Grfico de controle

Comentrios Nem todos os problemas podem ser resolvidos por essas ferramentas, mas pelo menos 95% podem ser, e qualquer trabalhador fabril pode utiliz-las efetivamente. (Ishikawa) Essas ferramentas deveriam ser amplamente para toda a organizao; ensinadas

O grfico de controle mais eficaz quando integrado em amplo programa de CEP.

Ferramentas da Qualidade Auxiliam nas etapas de:

Gerao e organizao de idias; Anlise de dados; Definio de estratgias e planos de ao; Definio e priorizao de aes

Podem ser usados com:

Dados quantitativos; Dados qualitativos.

Cuidados Erro comum:

Procurar um problema que se ajuste ferramenta.

Raciocnio correto:
Procurar as ferramentas que ajudam a resolver o problema.

Importante:
Os dados precisam ser analisados para gerarem informaes teis e conseqentemente ao (deciso)

A Importncia da Informao Existem casos em que:

A empresa no coleta dados; A empresa coleta dados e no analisa; A empresa coleta dados e analisa superficialmente ou de forma incorreta; A empresa coleta, analisa e no atua; A empresa coleta, analisa e atua.

Estratificao

Estratificao Agrupamento de elementos com caractersticas iguais ou muito semelhantes, baseando-se em fatores apropriados (fatores de estratificao);
As principais causas de variabilidade so os possveis fatores de estratificao;

Objetivos Encontrar padres que auxiliem na compreenso dos mecanismos causais e nas variaes de um processo.
Diviso dos dados em subgrupos homogneos internamente (estratos) e heterogneos entre si; Permitir melhor entendimento do problema.

Elementos com mesmas caractersticas tendem a ter causas e solues comuns.

Tipos de Estratificao Tempo:

Os resultados relacionados com o problema so diferentes de manh, tarde ou noite?

Local:
Os resultados so diferentes nas diferentes linhas de produo?

Indivduos:
Os resultados so diferentes dependendo do operador do processo?

Tipos de Estratificao Sintoma:

Os resultados diferem em funo dos diferentes defeitos que podem ocorrer?

Tipo:
Os resultados so diferentes dependendo do fornecedor da matria-prima?

Exemplo Medidas de dureza de molas de ao:

450 440 430 420 Dureza (HB) 410 400 390 380 370 360 2 4 6 8 10 12 14 Tempo 16 18 20 22 24 LIE LSE

3 medidas acima do LSE, indicativo de problema no processo de produo

Grfico estratificado por fornecedor:

450 440 430 420 Dureza (HB) 410 400 390 380 370 360 0 5 10 Tempo 15 20 25
Fornecedor A B C

450 L 440 430 Dureza (HB) L 420 410 400 390 380 370 A B Fornecedor C

Todas as medidas acima do LSE correspondem ao fornecedor A

Ordenando por fornecedor

450 440 430 420 Dureza (HB) 410 400 390 380 370 360 0 5 10 Tempo 15 20 25 L
C6 A B C

Folha de Verificao

Folha de Verificao Planilha ou formulrio para registro de dados;

Itens a serem verificados definidos previamente; Coleta fcil e concisa de dados;

Utilizao de dados histricos ou correntes sobre operao do processo em investigao; ponto de partida de todo procedimento de transformao de opinio em dados e fatos.

Usos Facilitar e organizar o processo de coleta e registro dos dados; Facilitar uso posterior dos dados; Dispor os dados de forma mais organizada; Verificar o tipo e a freqncia do defeito; Verificar a localizao do defeito.

Vantagens Permite percepo rpida da realidade e imediata interpretao da situao; Auxilia na diminuio de erros e confuses; Resumo orientado no tempo valioso na pesquisa de tendncias ou padres significativos.

Importante:
Deve-se conhecer a estratificao dos dados antes da construo da Folha de Verificao; Deve-se registrar sempre:
Local da coleta; Data da coleta; Responsvel pelo trabalho.

Caractersticas:
Permite organizao imediata dos dados, sem necessidade de rearranjo; Otimiza posterior anlise dos dados.

Tipos de Folha de Verificao (1) Para distribuio de freqncia de um item de controle:

Estuda distribuio dos valores de um item de controle associado ao processo; Permite classificao dos dados no instante de sua coleta

Especificao

Desvio -7 -6 -5 -4 -3 -2 -1

Verificaes 10

15

20

Freqncia

8,300 1 2 3 4 5 6 7

X X X X X X X X X X

X X X X X X X X

X X X X X X X

X X X X X

X X X X X

X X X X X

X X X X X X X X X X X

1 3 6 9 11 8 7 3 2 1

Total

51

Para classificao de defeito:

Permite anlise da freqncia de cada tipo de defeito; Possibilita estratificao dos dados.

Para localizao de defeitos:

Tambm denominado diagrama de concentrao de defeitos (Montgomery).

 Permite determinar se a localizao fornece informao til sobre causas potenciais de defeitos; Permite registro da localizao fsica de noconformidades, defeitos, acidentes, etc. Possui geralmente um tipo de croqui ou vista ampliada, permitindo a marcao da localizao do defeito;

Para identificao de causas de defeitos:

Amplia a possibilidade de classificao; Permite estratificao mais detalhada dos fatores constituintes de um defeito

Produto Produto 1 Produto 2 Produto 3 Total

1 X

Causa 2 3 4 X X X X 1 1 2

X 1

Exemplo Folha de controle sobre defeitos relativos a tanques em indstria aeroespacial

Dados resumidos mensalmente Identificao de tantos tipos de defeitos quanto possvel Objetivo:
investigar os tipos de defeitos Resumo orientado no tempo Pesquisar tendncias ou padres significativos

Exemplo

Planejamento Definir objetivo da coleta de dados; Determinar o tipo a ser usado; Incluir campos para registro de:
nomes dos departamentos envolvidos; pessoas responsveis pelo preenchimento (QUEM) Origem dos dados (turno, data coleta, instrumento de medida, etc.

Instrues simplificadas para preenchimento

Planejamento Conscientizao das pessoas envolvidas (PORQUE) Certificar-se que todos os fatores de estratificao de interesse tenham sido includos:
Mquinas, Operadores Turnos; Matrias-primas; Etc.

Validar o formato e o planejamento (rodada de teste)

10

Diagrama de Pareto

Princpio de Pareto Tcnica que busca separar os problemas vitais (poucos) dos triviais (muitos)
20% de problemas 80% de impacto 80% de problemas 20% de impacto

Problemas Poucos e vitais:

Representam um pequeno nmero de problemas que, no entanto, resultam em grandes perdas.

Muitos e triviais:
So um grande nmero de problemas que resultam em perdas pouco significativas.

11

Objetivo Identificar as causas dos poucos problemas vitais; Focar na soluo dessas causas; Eliminar uma parcela importante das perdas com um pequeno nmero de aes.

Diagrama de Pareto Distribuio de freqncias organizados por categorias: de dados

Marca-se a freqncia total de ocorrncia de cada defeito vs. o tipo de defeito Uma escala para freqncia absoluta e outra para a freqncia relativa acumulada.

Diagrama de Pareto Identifica-se rapidamente os defeitos que ocorrem com maior freqncia Os defeitos mais freqentes no so necessariamente os defeitos mais importantes.

12

Exemplo Defeitos em tanques

Stat > Quality Tools > Pareto chart

Exemplo Grfico Pareto

180 160 140 Quantidade 120 % 100 80 60 40 20 0 Defeito
s y s a to m ivo la to m r te to r a es s arte quin en uge es lcu S pra en ge Pa pos intu utro m r A d Pe P O P en m am na M esti Fe r ss re Co v Dim ce Ca Re Pro Count 36 34 29 17 13 6 5 4 4 3 3 2 2 8 Percent 22 20 17 10 8 4 3 2 2 2 2 1 1 5 Cum % 22 42 60 70 78 81 84 87 89 91 93 94 95 100

180 100 80 60 40 20 0 Defeito

Dim

160 140 Quatidade 120

100 80 60 40 20 0
es s en e rt Pa y a to os ivo ula em ra tr uin en es lc ug Sp m Ou q Pe rr Ad M sti Fe ve Re 34 29 17 13 6 5 4 22 20,5 17,5 10,2 7,8 3,6 3,0 2,4 13,3 42,2 59,6 69,9 77,7 81,3 84,3 86,7 100,0 s

80 60 40 20 0

Count Percent Cum %

36 21,7 21,7

Outros: 95%

Outros: 85%

Estratificando por ano

120 100 80 Quantidade Count 80 60 40 20 0
s ta re f or ni inc da s es s r te en Pa im D s da ica M a u in q v Re to en tim es rru Fe m ge lc Pe u la m da ge ra na er re r te Ca Pa O u s tr o

100

50 40 30 20 10 0

100 80 60 40 20 0
re or in c s ta es da s da ica nif M a uin q o iv es Ad O r ut os

40 20 0

s en Dim
15 13,0 100,0

es

rt Pa

Count Percent Cum %

21 18,3 18,3

20 17,4 35,7

18 15,7 51,3

17 14,8 66,1

13 11,3 77,4

5 4,3 81,7

3 2,6 84,3

3 2,6 87,0

Count Percent Cum %

16 31,4 31,4

13 25,5 56,9

11 21,6 78,4

4 7,8 86,3

7 13,7 100,0

Defeitos em 1988

Defeitos em 1989

60

100

13

Defeitos com Conseqncias Diversas Se h defeitos com conseqncias srias, misturados com outros de menor importncia, pode-se:
Usar ponderao para modificar as contagens de freqncias; Acompanhar a anlise do diagrama de Pareto de freqncia com uma grfico de Pareto de custo ou de impacto

Grfico de Pareto Ponderado Causas Quando o Pareto for para causas, pode-se ponderar pelas:
Probabilidade de ser a causa principal; Facilidade de atuao

Fator de ponderao=probabilidade x facilidade

Ponderaes Probabilidade de ser a principal causa do problema:

1,0 : muito provvel 0,5: moderadamente provvel 0,1: pouco provvel

Facilidade de atuao:
1: difcil de atuar 50: dificuldade de atuao moderada 100: fcil de atuar

14

Exemplo
Causa Probabilidade Facilidade Atuao Fator de Ponderao

Causa A Causa B Causa C Causa D

0,90 0,10 0,30 0,90

50 80 100 80

45,0 8,0 30,0 72,0

Causa D

Causa A

Causa C

Causa B

10

20

30 40 50 Fator de Ponderao

60

70

80

Grfico de Pareto Ponderado Defeitos Quando o Pareto for para defeitos, pode-se ponderar a freqncia dos defeitos pela:
Criticidade do defeito; Custo do defeito.

Fator ponderador=freqncia x criticidade x custo

15

Outros Critrios Mtodo REI

Resultado Exeqibilidade Investimento

Mtodo GUT
Gravidade Urgncia Tendncia

Mtodo REI
Resultado (R) Resultado que a alternativa proporciona: Elimina todas as dificuldades: Peso: 5 Elimina parcialmente: Peso: 3 Elimina totalmente: Peso: 1 Exeqibilidade (E) Facilidade de implantao da alternativa: Fcil de ser implantada: Peso: 5 Dificuldade intermediria: Peso: 3 Difcil de ser implantada: Peso: 1 Investimento (I) Custo de implantao da alternativa: Baixo custo de implantao: Peso: 5 Custo intermedirio: Peso: 3 Alto custo de implantao: Peso: 1 P=RxExI Prioridade (P)

Mtodo GUT
Gravidade (G) Urgncia (U) Tendncia (T) Situao no caso de no ser efetuada nenhuma ao: Situao deteriorar Peso: 5 Situao estvel Peso: 3 Situao melhorar Peso: 1 P=GxUxT Prioridade (P) Prejuzo que a situao poder Urgncia na tomada de causar: deciso: Muito importante Peso: 5 Moderadamente importante Peso: 3 Pouco importante Peso: 1 Imediata Peso: 5 A mdio prazo Peso: 3 Pode ser adiada Peso: 1

Aplicaes Noindustriais Muito utilizado em mtodos de melhoria de qualidade

16

Comentrios Grficos de Pareto sobre causas de problemas:

Se no aparecerem diferenas claras, reagrupar os dados

Se a categoria outros apresentar freqncia elevada, significa que as categorias no foram adequadas;

Comentrios Comparao dos grficos de Pareto antes e depois permitem avaliar o impacto de mudanas efetuadas no processo. Nem sempre eventos mais freqentes ou de maior custo so os mais importantes.
Ex. Um acidente fatal vs. 100 cortes nos dedos

Exerccio Anlise do processo de preenchimento de aplices de seguro:

2 modelos diferentes de formulrio 4 operadores trabalharam no preenchimento 5 tipos de problemas com os formulrios

Pede-se:
Identificar os problemas vitais e triviais Considerar estratificao na anlise

Banco de dados: seguro

17

 Comandos Minitab
Stat > Quality Tools > Pareto Chart

Grfico global
600 100 500 80 Quantidade 400

Estratificao: turno
C Turno = M 300 250 Quantidade 60 200 150 100 50 0 C B D A E Defeito B D Turno = T A E
Defeito _1 C B D A O ther

300 40

200 100 0 Defeito Count Percent Cum %

20

0 C 269 48,3 48,3 B 104 18,7 67,0 D 87 15,6 82,6 A 84 15,1 97,7 E 13 2,3 100,0

Estratificao: operador
Operador = A Operador = B 100 200

C Operador = A

Other
Q uantidade

200

Operador = B 200 150

82 56 40 38 33 6

100 50
22 16 20 2

Defeito _1 C B D A O ther

150

80 Q uantidade

150 100 100 80 60

60 % 100 40 50 20

50

40 20

Count

0 Defeito Count Percent Cum %

0 C 82 41,2 41,2 B 40 20,1 61,3 D 38 19,1 80,4 A 33 16,6 97,0 Other 6 3,0 100,0

0 Defeito Count Percent Cum %

0 C 56 48,3 48,3 B 22 19,0 67,2 A 20 17,2 84,5 D 16 13,8 98,3 Other 2 1,7 100,0

Operador = C 200

Operador = D

0
Operador = C 200 200 Operador = D

150
Q uantidade

150 Q uantidade

150 100 100 80 60 50 40 20 0 Defeito Count Percent Cum % 0 C 66 52,0 52,0 B 24 18,9 70,9 A 17 13,4 84,3 D 17 13,4 97,6 Other 3 2,4 100,0 %

65

66 18 16 24 2 17 17

100

80 60

50
14

50

40 20

0 C B D A

3
0 Defeito Count Percent Cum % C 65 56,5 56,5 B 18 15,7 72,2 D 16 13,9 86,1 A 14 12,2 98,3 Other 2 1,7 100,0

Other

Defeito

100

100

18

Grfico Seqencial

Grfico Seqencial Grfico de dados ao longo do tempo; Ferramenta simples; de construo e atualizao

Pontos marcados em grfico medida de sua disponibilidade;

Exemplo Exemplo e comandos minitab

19

Construo de Grfico Seqencial Obter dados quantitativos ordenados no tempo; Escolher escala da unidade de tempo; Escolher escala para os dados quantitativos;
Quantidade de erros, reclamaes, quebras, etc.

Marcar os pontos e lig-los atravs de uma linha

Uso Monitoramento da mdia esperada ao longo do tempo; Pesquisar tendncias, que presena de causas especiais;
Paradas de mquinas; Quantidades produzidas; Quantidades de refugos Outras variveis no tempo

poderia

indicar

Utilizao comum em ocorrncias de:

Observa-se o aspecto global do grfico; Indicativo de processo fora de controle:

Algo diferente de uma nuvem de pontos distribuda ao acaso, em torno de um valor constante e com amplitude aproximadamente constantes;

Em estado de controle estatstico:

Todas as causas especiais foram bloqueadas; A variabilidade existente deve-se s causas comuns
Variao natural do processo

20

Exemplo Produo de dispositivos para medir radiao

Varivel: Filter 20 dispositivos, em grupos de 2 Planilha: radon
Stat > Quality Tools > Run Chart

Interpretao Testes para Aleatoriedade Se h apenas causas comuns de variao (processo sob controle) os dados exibiro comportamento aleatrio:
Nmero de rodadas (runs) observadas est prximo do nmero esperado de rodadas; Os testes para padro aleatrio so no significativos

Run Chart of Filter

27,5 25,0 Filter 22,5 20,0 17,5 15,0 1 2 3
6 6,00000 2 0,50000 0,50000

5 6 Sample

8
5 6,33333 3 0,13455 0,86545

10

Number of runs about median: Expected number of runs: Longest run about median: Approx P-Value for Clustering: Approx P-Value for Mixtures:

Number of runs up or down: Expected number of runs: Longest run up or down: Approx P-Value for Trends: Approx P-Value for Oscillation:

n observado n esperado

Todos os teste no significantes:

Apenas causas comuns atuam no processo.

21

Testes de Aleatoriedade Rodada (run):

Um ou mais pontos consecutivos do mesmo lado da mediana

H0: dados esto em seqncia aleatria vs H1: dados no esto em seqncia aleatria
Se n observado > n esperado Se n observado < n esperado H1: mistura H1: cluster

Cluster Grupo de pontos em uma rea do grfico

Indica variao devido a causas especiais Sugerem problemas de medio ou de amostragem

Run Chart of Membrane

45 40 Membrane 35 30 25 20 1 2 3
3 6,00000 5 0,02209 0,97791

5 6 Sample

8
5 6,33333 3 0,13455 0,86545

10

Number of runs about median: Expected number of runs: Longest run about median: Approx P-Value for Clustering: Approx P-Value for Mixtures:

Number of runs up or down: Expected number of runs: Longest run up or down: Approx P-Value for Trends: Approx P-Value for Oscillation:

Teste significante para clustering:

Causas especiais afetam o processo. Deve-se investigar as possveis fontes.

22

Mistura Ausncia de pontos prximos linha central

Indica combinao de duas populaes Processos operando em nveis diferentes

Oscilao Dados flutuando rapidamente para cima ou para baixo;

Indica que o processo no est estvel.

Tendncia Pontos que movem-se para cima ou para baixo

Movimentos sustentados por fontes de variao sistemticas; Podem indicar que o processo est se tornando fora de controle
Mquina desajustando-se Rotao peridica de operadores

23

Run Chart of N Clientes

80000

75000 N Clientes

70000

65000

60000 1 2 3 4 5 6 7 8 9 Observation 10 11 12 13 14 15

Number of runs about median: Expected number of runs: Longest run about median: Approx P-Value for Clustering: Approx P-Value for Mixtures:

2 8,46667 8 0,00025 0,99975

Number of runs up or down: Expected number of runs: Longest run up or down: A pprox P-Value for Trends: A pprox P-Value for Oscillation:

3 9,66667 8 0,00001 0,99999

Teste significante para tendncia:

Podem alertar que o processo est se tornando fora de controle.

Tendncia ascendente ou descendente:

Possveis causas especiais:

Desgaste de ferramentas ou matrizes de uso contnuo; Mudana gradual de condies ambientais:
Temperatura, umidade, etc.

Mudana gradual em parmetros do processo; Deteriorao gradual de equipamentos

24

 Mudana brusca (salto) no nvel mdio da caracterstica de qualidade:

Possveis causas especiais:

Mudana nas condies operacionais do processo; Uso de matria-prima diferente Utilizao de mtodos diferentes.

Variaes peridicas formando ciclos que se repetem:

Possveis causas especiais:

Alterao sazonal na matria-prima; Ocorrncia de eventos peridicos:
Ambientais, fsicos, qumicos, etc.

Alterao brusca na amplitude de variao:

Possveis causas especiais:

Aumento na amplitude:
Operador inexperiente; Matria-prima com maior variao

Diminuio na amplitude:
Operador mais experiente; Matria-prima mais homognea

25

 Alterao gradual na amplitude de variao:

Possveis causas especiais:

Aumento na amplitude:
Diminuio habilidade operador (fadiga, etc.) Matria-prima de pior qualidade Ausncia de mtodo de manuteno de qualidade;

Diminuio na amplitude:
Situaes opostas.

Pontos outliers:

Possveis causas especiais:

Erros de clculo, de medio, de transcrio de dados; Instrumentos de medio descalibrados; Descontrole temporrio dos parmetros do processo; Defeito repentino nos equipamentos (correo imediata) Amostras coletadas de processos diferentes (mistura de dados).

Diagrama de Causa-e-efeito

26

Diagrama de Causaeefeito Representa a relao entre o efeito e suas possveis causas; Utilizado para identificar, explorar e ressaltar as possveis causas de um problema ou condio especfica Ferramenta til na eliminao de causas potenciais

Outros Nomes Diagrama de espinha de peixe; Diagrama de Ishikawa; Diagrama 6M

Causas Primrias Causas Secundrias

Espinha Dorsal

Caracterstica

Causas Tercirias

Fatores (causas)

Problema (efeito)

27

Diagrama de Ishikawa

Construo do Diagrama Defina o problema a ser analisado; Forme equipe para a anlise
Em geral, as causas potenciais so descobertas em brainstorming;

Desenhe a caixa de efeito e a linha central; Especifique as principais categorias de causas potenciais e coloque-as em caixas ligadas linha central;

Construo do Diagrama Identifique as causas possveis e classifique-as nas categorias do passo anterior. Crie novas categorias, se necessrio Ordene as causas para identificar aquelas que parecem mais provveis de causar impacto sobre o problema Adote aes corretivas

28

Causas 6M As principais causas podem ser agrupadas em 6 categorias:

Mtodo; Modeobra; Material; Mquina; Meio Ambiente; Medida. 4M (para alguns autores)

Detalhamento
Mtodo:
Instruo Procedimento

Mquina:
Deteriorao Manuteno

Mo-de-obra:
Fsico; Mental.

Meio Ambiente:
Intempries; Clima.

Material:
Fornecedor; Prprio.

Medida:
Instrumento; Inspeo.

Diagrama de Causa-e-efeito

29

 Em reas administrativas, mais adequado:

Polticas; Procedimento; Pessoal; Planta (layout). 4P

6M e 4P so apenas sugestes; Deve-se usar qualquer classificao que auxilie as pessoas a pensarem criativamente.

Exemplo Causas dos defeitos em tanques

Planilha: causa-e-efeito
Stat > Quality Tools > Cause-and-effect

Exemplo Acidentes de Trabalho

Planilha: causa acidentes
Meio A mbiente Material Mo de obra

C ondies climticas
A az rm 1

F ormao

Local de trabalho

Em

en

io u se an

o eg pr

Mtodos

e ag m

P erigosos

Terceirizados

Defeitos nos tanques

Dificuldade de operao P lano de manuteno F alta de manuteno P rocesso operacional Tempo de v ida elev ado

Mquinas

30

Medidas

Material

Pessoal

Especificaes incorretas Garantia imperfeita

Defeituoso a partir do fornecedor Tipo da tinta de base Danificado no manuseio Viscosidade da tinta de base Viscosidade da pintura

Atitudes imprprias

Treinamento insuficiente

Inspetores no atendem especificaes

Superviso inadequada

Defeitos nos tanques

Taxa de fluxo de pintura Manuseio de materiais Poeira Planejamento Ferramenta errada Temperatura ambiente muito alta Seqncia errada de trabalho Ferramenta gasta Velocidade da pintura com spray Acabamento da superfcie Muita atividade

Mquinas

Mtodos

Mquinas

Causas de Custos da M Qualidade

Comentrios O diagrama deve ser construdo por pessoas realmente envolvidas no processo; A tcnica de brainstorming auxilia o levantamento completo das possveis causas; Deve-se expressar de forma mensurvel os efeitos e as causas (sempre que possvel);

31

Comentrios Diagrama muito detalhado pode servir como um eficiente auxiliar para localizar e reparar defeitos A construo de um diagrama de causa-e-efeito como uma experincia de grupo tende a levar as pessoas envolvidas a atacar o problema e no a atribuir culpas

Fluxograma

Grfico de Controle

32

Razes para Uso So uma tcnica comprovada para melhoria da produtividade; So eficazes na preveno de defeitos; Evitam o desajuste desnecessrio do processo; Fornecem informao de diagnstico; Fornecem informao sobre a capacidade do processo;

Referncias

Bibliografia Recomendada Minitab Corp. (meio eletrnico) Meet Minitab para Windows Verso 15. Montgomery, D. C. (LTC) Introduo ao Controle Qualidade Estatstico da

Werkema, M. C. C. (QFCO) Ferramentas Estatsticas para o Gerenciamento de Processos

33