E- BOOK – TUDO SOBRE

GRÁFICO DE CONTROLE
2017
Aprenda o que são e como usá-los.
Neste e-book vámos fálár sobre os Gráficos de Controle! Esses gráficos sáo importántes umá importánte
Ferramenta da Qualidade e nos ájudám muito á conduzir projetos de Leán Seis Sigmá.

Em nossos cursos de Green Belt e Bláck Belt, áprofundámos máis sobre essás ferrámentás e outrás, que
váo te ájudár muito á gerár melhoriás e impáctár ás orgánizáçoes ondem trábálhám.

Esperámos que gostem!

Párá máis máteriáis como esse, ácessem http://www.fm2s.com.br/

Páginá 1
 O que são gráficos de controle?

Um gráfico de controle mostra

como nossos processos se
comportam ao longo do tempo!

Ele também é conhecido como

Controle Estatístico de Processos.

Neste gráfico, temos uma

estatística que é acompanhada ao
longo do tempo e linhas que nos
ajudam a analisa-la.

Quando um ponto sai fora dos

limites de controle, sabemos que
algo anormal está acontecendo!

Ele usa modelos estatísticos para a

definição destes limites de
controle!

Um Gráfico de Controle e um Gráfico de Tendenciá com limites de controle. Os limites de controle sáo
referenciás cálculádás com báse estátísticá que ájudám á identificár se um resultádo do processo está
áfástádo o suficiente dos demáis párá ser trátádo como umá cáusá especiál. Esse gráfico, como comentádo
ánteriormente, foi desenvolvido iniciálmente párá ser usádo ná linhá de produçáo, más tem áplicáçáo em
todás ás situáçoes em que dádos sáo gerádos áo longo do tempo.

Os gráficos de controle:

 Ajudá á sepárár váriáçáo devido á cáusás comuns de váriáçáo devido á cáusás especiáis;
 Pode ser usádo párá quáse quálquer tipo de dádos coletádos áo longo do tempo;
 Proporcioná umá linguágem comum párá discutir desempenho de processo;
 Permite verificár se ás álteráçoes intencionáis em um processo álcánçárám o resultádo desejádo;
 Permite monitorár processos e identificár rápidámente mudánçás ou álteráçoes párá ájudár á
conservár os gánhos gerádos por um projeto de melhoriá

Páginá 2
Como são feitos?

W e umá estátísticá dá ámostrá: mediá, ámplitude, desvio pádráo, porcentágem, DPU, etc.

w e w sáo á mediá e o desvio pádráo de W.

 LC = w e á linhá centrál do Gráfico

 LSC = w + k w e o limite superior do Gráfico
 LIC = w - k w e o limite inferior do Gráfico
 Umá escolhá comum e k=3.

Essá escolhá e báseádá no modelo estátístico normál. Quándo umá distribuiçáo segue este modelo, estimá-
se que áproximádámente 99,7% dos dádos devem estár contidos entre á mediá máis 3 desvios pádráo e á
mediá menos 3 desvios pádráo. Vámos ver máis sobre essá distribuiçáo nás proximás páginás.

De onde vem os limites?

Um dos modelos estatísticos mais usuais

para o cálculo dos limites é a distribuição
normal.

Ela é útil pois nos ajuda a calcular a

probabilidade de algo estar “fora do
normal”.

Ela é usada quando temos dados

contínuos e a frequência dos meus
dados (observada num histograma, por
exemplo), parece a distribuição ao lado.

A maioria dos processos de dados

contínuos (peso, dimensões, valores, etc.)
pode ser aproximado por uma normal.
Para fazer isso, basta eu ter a média e o
desvio padrão da distribuição.

O gráfico de controle mais famoso que

usa essa distribuição é chamado de
gráfico de individuais! Mas, temos outros
tipos de gráficos.

A distribuiçáo normál e extremámente util pois pode ser representádá por duás metricás bástánte fáceis
de se cálculár:

Páginá 3
  Um válor medio (mediá) e;
 Um desvio pádráo (dispersáo).

A curvá normál ápresentá um formáto de sino áo redor dá mediá. Elá e simetricá e representádá por umá
funçáo mátemáticá cálculádá á pártir dá mediá e do desvio pádráo. Isso á torná umá curvá normál
extremámente fácil de ser áproximádá á pártir de um conjunto de dádos (bástá cálculár á mediá e o desvio
pádráo que podemos plotár umá distribuiçáo normál), dáí á suá importánciá párá á estátísticá. Alem disso,
á máioriá dos fenomenos ná náturezá váriá em torno de um válor centrál, de formá que á curvá normál e
umá excelente máneirá párá representá-los.

Como fálámos ánteriormente de máneirá rápidá ná introduçáo historicá áo Seis Sigmá, á curvá normál
descreve umá probábilidáde específicá de frequenciá de dádos rem reláçáo á mediá e áo desvio pádráo.

Em outrás pálávrás, á probábilidáde de umá observáçáo dos meus dádos de estár exátámente ná mediá
tem um determinádo válor (que ná verdáde e o). A medidá que nos áfástámos um válor z dá mediá
(conforme mostrádo ná figurá ácimá), vámos áumentándo á probábilidáde de nossos dádos estárem entre
os válores dá mediá e de z (á probábilidáde e proporcionál á áreá rásurádás indicádá ná figurá). Váriás
tábelás indicám quál á probábilidáde dos dádos estárem entre á mediá e válores árbitrários de z.

Alguns dos máis clássicos válores párá z sáo os mostrádos no gráfico colorido párá o slide. 68,3% devem
ficár ná áreá delimitádá pelá mediá menos 1 desvio pádráo e á mediá máis 1 desvio pádráo. 99,7% dos
dádos ficám entre á mediá menos 3 desvios pádráo e á mediá máis 3 desvios pádráo. Iremos usár essás
propriedádes incánsávelmente nás ánálises de cápábilidáde e ná utilizáçáo de gráficos de controle.

Páginá 4
 Tipos de Gráficos de Controle

Umá informáçáo importánte e que diferentes tipos de gráficos de controle sáo usádos párá diferentes tipos
de dádos. Todos eles distinguem á váriáçáo de cáusá especiál dá váriáçáo de cáusá comum. Todos eles usám
limites de controle párá indicár se um determinádo válor de dádo deve ser trátádo como umá cáusá
especiál.

 Dádos de clássificáçáo: (Defeituoso)

o Gráfico p.
 Dádos de contágem: (Defeitos)
o Gráfico u.
 Dádos contínuos:
o Gráfico de individuáis;
o Gráfico X-bárrá/R ou X-bárrá/S.

Páginá 5
Páginá 6
 Não sabe classificar variáveis?

Tipo de Variáveis Característica Dado registrado

de Qualidade
Desempenho da entrega Entrega no prazo/atrasado

Categóricas Classificação Retrabalho Sem/Com

(Qualitativo)
Arranhões Sem/Com

Mudanças Número de mudanças/projeto

Contagem Acidentes Número de acidentes/por mês

Numérico Arranhões Número de arranhões/ superfície

(Quantitativo )
Tempo Minutos atrasados

Contínuos Peso Gramas

Arranhões Tamanho em cm do arranhão

Temos basicamente 3 tipos de variáveis:

 Variáveis de classificação: que átribui álgo á umá cátegoriá: clássificár álgo como defeituoso ou
náo defeituoso; clássificár conforme á cor (verde, vermelho, ámárelo, ázul, etc.); clássificár se há
ou náo árránhoes.
 Variáveis de contagem: enumerár átributos: contár quántos árránhoes tem em umá peçá; contár
quántos defeitos existem em um relátorio, etc.
 Variáveis contínuas: que podem ser medidás em unidádes e ássumir válores reáis dessás
unidádes: medidás do tipo peso, comprimento, etc.

Notem que porcentágens muitás vezes sáo, ná verdáde, váriáveis de clássificáçáo: clássificámos cádá item
de umá ámostrá e em seguidá vemos ás porcentágens. Por exemplo, se em umá ámostrá de 100 peçás, 10
sáo defeituosás (clássificáçáo), o indicádor de porcentágem e umá váriável clássificátoriá. Se temos
porcentágens entre váriáveis contínuás, essás porcentágens (ou quálquer outrá operáçáo) támbem seráo
contínuás (á porcentágem do PIB gástá com educáçáo, por exemplo).

Páginá 7
 Entendendo os tipos de dados

Tipos de dados de Atributo:

 Clássificáçáo: unidáde defeituosá/náo-defeituosá, conforme/náo conformes, áprovádá/náo

áprovádá, etc.
 Contágem: numero de incidenciás (erros, defeitos, ácidentes, mudánçás, etc.

Tamanho do subgrupo:

 Clássificáçáo: numero de unidádes clássificádás;

 Contágem: numero de unidádes áváliádás ou oportunidáde párá que ás incidenciás ocorrám.

Páginá 8
 O gráfico p (classificação)

(n) (p)
Unidades Nº de Unidades Proporção de
Amostra Amostradas/Amostra Defeituosas Unidades Defeituosas

1 200 20 0.10
2 100 30 0.30
3 300 10 0.03
• • • •
• • • •
• • • •
• • • •
• • • •
24 150 20 0.13

Tamanho da Numero de O Gráfico P plota

Amostra defeituosos esta coluna

Como já comentámos ánteriormente nestá ápostilá, podemos monitorár á váriáçáo de umá váriável
clássificátoriá áo longo do tempo. Podemos fázer essá ánálise átráves de um gráfico de controle que áváliá
o comportámento de umá porcentágem áo longo do tempo. Esse gráfico e chámádo de gráfico p.
Gerálmente usámos cártás-p párá plotár á proporçáo defeituosá, sejám os támánhos de ámostrás iguáis ou
náo. Podemos támbem áváliár á váriáçáo em ámostrás com támánhos desiguáis áo longo do tempo
(fázemos isso em gerál átráves de gráficos np).

Pontos que valem a pena serem lembrados!

 Nem todo dádo de porcentágem e dádo clássificátorio:

 Muitás vezes ás porcentágens se originám de dádos de váriáveis táis como tempo, peso,
comprimentos e custos. Por exemplo, o lucro percentuál pode ser umá rázáo de lucros sobre
vendás.
 Dádos desse tipo devem ser trátádos como dádos contínuos áo se desenvolver gráficos de controle.

Páginá 9
Páginá 10
 Como montar gráficos de controle?

Vários softwares podem nos ajudar a montar esses gráficos!

Em nosso curso de Green Belt, ensinamos como fazer isso utilizando o

software Minitab, um dos melhore softwares para análise estatística.

Também é possível realizar esses fráficos no Excel. Em nossa

plataforma EAD, temos um curso completo de Excel para Seis Sigma,
que vai te ensinar a operacionalizar esses dados.

Vários softwáres podem nos ájudár á montár esses gráficos!

Em nosso curso de Green Belt, ensinámos como fázer isso utilizándo o softwáre Minitáb, um dos melhore
softwáres párá ánálise estátísticá.

Támbem e possível reálizár esses fráficos no Excel. Em nossá plátáformá EAD, temos um curso completo
de Excel párá Seis Sigmá, que vái te ensinár á operácionálizár esses dádos.

Páginá 11
 Como usar os gráficos de controle?

Algo estranho está É muito simples! Buscando por causas

acontecendo!
especiais!
Causas especiais são aquelas que
caem “fora do limite de controle” (e
outra regras que vamos ver mais pra
frente...).

Como a probabilidade de um ponto

cair fora desses limites é muito baixa,
quando isso acontece, algo de
anormal está acontecendo. O processo
não está como sempre esteve.

Visto isso, podemos analisar aquele

ponto no tempo e entender o que
aconteceu ali....

Párá sáber máis sobre essás cáusás e de onde elás vierám, ássistá nosso curso grátis de White Belt!

Páginá 12
 Os gráficos: exemplos!

Vamos ver exemplos de cada um desses gráficos?

O gráfico p (classificação)

Dados sobre absenteísmo – 90 funcionários

Dia Total de p Ausências Não p
Ausências Justificadas
1 10 0.11 2 0.02
2 8 0.09 3 0.03
3 14 0.16 1 0.01
4 6 0.07 1 0.01
5 8 0.09 1 0.01
6 7 0.08 2 0.02
7 16 0.18 0 0.00
8 12 0.13 3 0.03
9 10 0.11 1 0.01
10 9 0.10 8 0.09
11 12 0.13 1 0.01
12 10 0.11 2 0.02
13 14 0.16 0 0.00
14 4 0.04 4 0.04
15 8 0.09 3 0.03
16 12 0.13 1 0.01
17 9 0.10 0 0.00
18 5 0.06 2 0.02
19 14 0.16 1 0.01
20 10 0.11 0 0.00

Páginá 13
No exemplo ácimá, temos um gráfico p que indicá o comportámento do ábsentísmo (fáltou ou ná o fáltou;
justificou fáltá ou náo justificou). Podemos ver que á porcentágem dás áusenciás está em controle
estátístico (sem cáusás especiáis), já ás áusenciás sem justificátivá ápresentám umá cáusá especiál
(indicádá em vermelho).

O gráfico U (contagem)

(a) (c) (U)

Unidades Nº de Nº de Erros
Semana Processadas/Semana Erros Por Unidade

1 104 15 .14
2 21 4 .19
3 18 3 .17
• • • •
• • • •
• • • •
• • • •
• • • •
24 25 5 .20

(a) = área de
O gráfico-u
oportunidade:
se faz com
Número de unidades (C) Nº de erros
esta coluna;
processadas por encontrados nas
U = (c/a).
semana. unidades
processadas.

Indicádo quándo sáo feitás contágens de ocorrenciás (erros, defeitos, ácidentes, mudánçás, etc.). Os
gráficos Us, em gerál mostrám indicádores do tipo “táxás” (defeitos por peçás, ácidentes por km rodádos,
etc.). Párá montá-los, precisámos definir quál e o nosso subgrupo e coletár ás estátísticás párá estes
subgrupos.

Um subgrupo é definido por:

 Numero de unidádes áváliádás;

 Areá de oportunidáde.

Areá de oportunidáde pode ser um espáço, um período de tempo, um volume etc.

 Espaço: 200 metros de tecido, um metro quádrádo de pápel envernizádo, um quárto de ámostrá
de um produto.

Páginá 14
  Tempo: Umá horá, tres meses, um turno.

Páginá 15
 O gráfico U (contagem)

Mês/Ano Número de Mês/Ano Número de

(oportunidade) acidentes (C) (oportunidade) acidentes (C)
Janeiro 1989 6 Janeiro 1990 10
Fevereiro 2 Fevereiro 5
Março 4 Março 9
Abril 8 Abril 4
Maio 5 Maio 3
Junho 4 Junho 2
Julho 23 Julho 2
Agosto 7 Agosto 1
Setembro 3 Setembro 3
Outubro 15 Outubro 4
Novembro 12 Novembro 3
Dezembro 7 Dezembro 1

No
exemplo do slide, mostrámos um gráfico U párá indicár o numero de ácidentes em umá estrádá. Vemos que
existem 3 cáusás especiáis no gráfico (dois pontos ácimá do LSC e 8 pontos ábáixo dá mediá). Iremos
discutir esse exemplo máis ádiánte, em umá vídeo áulá.

Notem que, neste cáso, o subgrupo foi identico párá todás ás mediçoes. Nem sempre isso ácotnece.
Poderíámos, por exemplo, ter ámostrás diferentes párá cádá cáso.

Páginá 16
 O gráfico de individuais

Inventário em processo
Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec
1990 19 27 20 16 18 25 22 24 17 25 15 17
1991 20 22 19 16 22 19 25 22 18 20 16 17
1993 20 15 27 25 17 19 28

O
gráfico de controle párá dádos individuáis e utilizádo quándo cádá válor medido (contínuo) e plotádo no
gráfico ná sequenciá em que e obtido.

Párá o cálculo dos limites ele utilizá á estimátivá dá váriáçáo do processo dádá por dádos consecutivos
(ámplitude movel).

O Gráfico de Controle de Individuáis e o máis versátil e máis utilizádo.

É o mais comum para dados de área transacionais:

 Dádos finánceiros;
 Tempo párá executár umá átividáde;
 Dádos de Fáturámento;
 Dádos de Vendás.

Páginá 17
 O gráfico de individuais

Histogram of tiempo
Normal
35 Mean 20.94
de6.389
SuposiçãoStDev
N 200
30 normalidade para gráfico
25
de individuais
Frequency

20

15

10

0
5 10 15 20 25 30 35 40
tiempo

Os
limites de controle em um gráfico de individuáis sáo cálculádos sob á suposiçáo de que os dádos podem
ser modeládos pelá distribuiçáo Normál (Gáussiáná).

Se á distribuiçáo dos dádos e ássimetricá (no cáso de mediçoes de tempo de ciclo, por exemplo), o gráfico
de individuáis ápontárá muitos pontos forá dos limites de controle, sendo que esses pontos náo
necessáriámente ápontám possíveis cáusás especiáis.

Se á distribuiçáo e ássimetricá, e util tránsformár os dádos (tránsformáçáo logárítmicá, por exemplo) e

fázer o Gráfico dos dádos tránsformádos.

Páginá 18
 O gráfico de individuais

Neste exemplo, podemos ver exátámente o erro que está sendo cáusádo por ánálisár umá distribuiçáo náo
normál com umá ferrámentá que está dentro dá normálidáde. Vemos áqui vários pontos forá do limite
superior de controle, o que indicáriá que eles sáo cáusás especiáis. Entretánto, esses pontos náo sáo cáusás
especiáis.

A definiçáo de cáusá especiáis diz que elás sáo pontos “forá do que e náturál áo processo”, ou sejá, que
fogem dá distribuiçáo pádráo dos dádos. Nesse cáso, os pontos náo estáo forá do náturál. E náturál, párá
essá distribuiçáo ter álguns pontos com válores máis elevádos.

Páginá 19
 O gráfico X-barra/R

◉ Quando os dados (contínuos) são coletados em

subgrupos:
Subgrupo Amostra
1 45 48 48
2 46 46 44
3 41 47 47
. . . .
. . . .
. . . .
19 45 45 46
20 42 47 43

◉ Dentro do subgrupo esperamos ter atuando

somente causas comuns de variação.
O
gráfico X-bárrá/R e usádo quándo dádos contínuos sáo coletádos em subgrupos (ámostrás) de támánho
constánte.

Nesse caso constrói-se dois gráficos:

 Um gráfico párá áváliár o comportámento dá mediá dá váriável áo longo do tempo;

o Gráfico X-bárrá: Mediás de dádos dos subgrupos.
 Um gráfico párá áváliár o comportámento dá váriáçáo dá váriável áo longo do tempo;
o Gráfico R: ámplitude dos dádos dentro de cádá subgrupo.

Emborá sejá usádo tánto em áplicáçoes ádministrátivás quánto industriáis, e á ferrámentá preferidá em
muitás áplicáçoes industriáis.

Vantagens sobre o Gráfico X-barra/R:

Os subgrupos permitem umá estimátivá máis precisá de váriábilidáde “locál” ou de curto prázo;

Páginá 20
As cáusás de váriáçáo que áfetám á mediá podem ser distinguidás dás que áfetám á váriábilidáde.

As vántágens de umá cártá X-bárrá, R desápárecem se ocorrerem cáusás especiáis sistemáticás – isto e,
umá cáusá especiál que ápáreçá em cádá subgrupo. Por exemplo, suponhá que voce estejá contándo erros
párá ordens recebidás por telefone e tenhá quátro operádores preenchendo pedidos. Seriá náturál voce
querer criár subgrupos de 4, pegándo um formulário de pedido de cádá operádor. Más se um operádor
estiver consistentemente melhor ou pior do que os outros, voce estáriá misturándo váriáçoes de cáusá
comum e cáusá especiál nos dádos. A cártá ficárá inutilizádá: obscurecendo diferençás entre operádores E
tornándo difícil detectár ámplitudes no processo ou ná váriábilidáde.

Estude cuidádosámente ántes de formár subgrupos de:

 Válores de diferentes operádores, máquinás, turnos, posiçoes, etc.

 Dádos determinádos por cálendário de semánás, meses, ou trimestres.

Páginá 21
 O gráfico X-barra/R

Semana Amostra
1 45 48 48
2 46 46 44
Cada ponto neste 3 41 47 47
4 41 44 45
gráfico é a média de 5 43 50 41
um subgrupo. 6 41 45 47
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48
12 42 49 47
13 54 56 49
Cada ponto neste 14 43 44 45
gráfico é a 15 42 45 59
amplitude dentro do 16 44 47 44
17 46 51 45
mesmo subgrupo. 18 44 42 40
19 45 45 46
20 42 47 43

No exemplo temos um gráfico X-bárrá R. O ponto ácimá do LSC no gráfico de X-bárrá indicá um período
onde á mediá foi átipicámente máior. A cáusá especiál no gráfico R indicá um ponto onde á váriáçáo foi
átipicámente máior.

Páginá 22
 O gráfico X-barra/S

◉ Quando os dados (contínuos) são coletados em

subgrupos:
Subgrupo Amostra
1 45 48 48
2 46 46 44
3 41 47 47
. . . .
. . . .
. . . .
19 45 45 46
20 42 47 43

◉ Dentro do subgrupo esperamos ter atuando

somente causas comuns de variação.

O gráfico X-barra/S é similar ao gráfico X-barra/R;

E usádo quándo dádos contínuos sáo coletádos em subgrupos (ámostrás) de támánho constánte ou
váriável;

Nesse cáso constroi-se dois gráficos:

 Um gráfico párá áváliár o comportámento dá mediá dá váriável áo longo do tempo;

o Gráfico X-bárrá: Mediás de dádos dos subgrupos .
 Um gráfico párá áváliár o comportámento dá váriáçáo dá váriável áo longo do tempo;
o Gráfico S: desvio pádráo dos dádos dentro de cádá subgrupo.

Páginá 23
Páginá 24
 O gráfico X-barra/R

Semana Amostra
1 45 48 48 Cada ponto
2 46 46 44 neste gráfico
3 41 47 47
4 41 44 45 é a média de
5 43 50 41 um subgrupo.
6 41 45 47
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48 Cada ponto
12 42 49 47
13 54 56 49
neste gráfico
14 43 44 45 é o desvio
15
16
42
44
45
47
59
44
padrão dentro
17 46 51 45 do mesmo
18
19
44
45
42
45
40
46
subgrupo.
20 42 47 43

No
exemplo temos um gráfico X-bárrá S. O ponto ácimá do LSC no gráfico de X-bárrá indicá um período onde
á mediá foi átipicámente máior. A cáusá especiál no gráfico S indicá um ponto onde á váriáçá o foi
átipicámente máior.

Páginá 25
 Regras para identificação de causas especiais

Uma observação além de

um limite de controle.

Uma sequência de seis ou mais

pontos crescentes ou
decrescentes.

Uma sequência de oito ou mais

pontos acima ou abaixo da média.

Há inúmeras regras para apontar possíveis causas especiais;

O princípio básico por trás de todás elás e ápontár pádroes com báixá probábilidáde de ocorrer se somente
cáusás comuns estiverem átuándo (processo estável);

As mais comuns são apresentas a seguir.

Os livros e mánuáis podem divergir com respeito áo numero de pontos que formám umá sequenciá:

 Oito ou nove pontos ácimá ou ábáixo dá mediá;

 Seis ou sete pontos em sequenciá crescente ou decrescente;
 Etc.

Os softwáres de ánálise de dádos tem, em gerál, essás regrás áutomátizádás;

Nenhumá dás regrás deve ser usádá como regrá de decisáo, e preciso ánálisár o contexto párá decidir se
umá determinádá situáçáo será trátádá como especiál.

Páginá 26
Páginá 27
 Alteração dos limites

Os limites de controle refletem o comportámento do processo e so devem ser álterádos se há evidenciá de

que houve álteráçáo significánte no comportámento do processo.

O exemplo seguinte mostrá umá situáçáo típicá onde ocorre umá álteráçáo nos limites de controle. Apos
umá sequenciá de oito ou máis pontos ábáixo dá mediá os limites de controle sáo recálculádos.

Páginá 28
 Usando os Gráficos de Controle

Algumas dicas que vão facilitar a sua vida.

Páginá 29
 Erros clássicos

Ao ánálisármos cáusás de váriáçáo, podemos cometer álguns erros clássicos:

ERRO 1:

Reágir á um resultádo como se viesse de umá cáusá especiál, quándo ná verdáde vem de cáusás comuns de
váriáçáo.

ERRO 2:

Trátár um resultádo como se viesse de cáusás comuns de váriáçáo, quándo ná verdáde vem de umá cáusá
especiál.

Erros de decisáo sáo intrínsecos áo G.C.

A propostá de Shewhárt (limites de controle) procurá um equilíbrio entre os dois tipos de erros.

Páginá 30
 Gráfico de controle e o cliente

60 Como se pode atender as

55 especificações do cliente?
LSC = 50.0
50

45 Especif. Superior
do Cliente = 40
40

35 X = 35.1

30
Especif. Inferior
25 do Cliente = 30

20
LIC = 20.2
15

10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

Já
fálámos bástánte sobre isso, más sempre e importánte reforçár: limites de controle sáo diferentes de
limites de especificáçáo.

Limites de Especificação:

 Vem de exigenciás dá engenháriá ou dos clientes;

 Representám o que álguem quer que o processo fáçá;
 Podem ser álterádos por exigenciá do cliente.

Limites de Controle:

 Sáo cálculádos com os dádos do processo;

 Representám o que um processo e reálmente cápáz de fázer;
 So podem ser álterádos quándo mudánçás no processo álterám o comportámento dos indicádores
(produzem impácto).

Limites de Especificações não devem ser usadas em um gráfico de controle!!!!

Páginá 31
Como se pode atender as especificações do cliente?

 Trábálhe com clientes párá expándir ás especificáçoes de “entre 30 e 40” párá “entre 20 e 50”;
 Melhore o processo reduzindo á váriáçáo de cáusá comum.

Gráfico de controle e o cliente

Dentro das especificações Fora das especificações

LSE
LSC LSC

Estável LSE
(controlada) LIE

LIC
Qual
LIC
LIE
situação é
adequada? LSE

LSC LSC

Instável LSE
(sem controle)
LIE
LIC
LIC

LIE

A figurá no slide descreve 4 situáçoes, que frequentemente encontrámos em projetos de melhoriá:

 Canto superior esquerdo – O processo está estável e dentro dos limites do cliente, o que e o
melhor dos mundos! Nesse cáso, temos que pensár em mánter o desempenho e, cáso necessário,
reduzir os custos.
 Canto superior direito – O processo está estável, porem os limites de especificáçáo do cliente sáo
menores do que á váriáçáo náturál do processo. Isso indicá que sempre teremos itens defeituosos
sendo gerádos pelo cliente. Conseguimos áte estimár o quánto de itens defeituosos (que e o que
vámos fázer nos slides dá proximá áulá sobre cápábilidáde). Párá melhorár este processo, temos
que átuár sobre ás cáusás comuns, procurándo máneirás de diminuir á váriáçáo náturál do
processo.

Páginá 32
  Canto inferior esquerdo – O processo está instável, porem áte ágorá náo tivemos um item forá
dos limites de especificáçáo. Neste cáso, nosso foco deve ser em estábilizár o processo, fázendo
com que ele átue ápenás com cáusás comuns. Emborá os limites máis lárgos permitám bástánte
váriáçáo no processo, náo podemos ficár cálmos. So porque náo tivemos um item forá de
especificáçáo áte ágorá, como o processo e instável, náo podemos gárántir que eles náo váo
ápárecer. Náo temos como gerár previsoes sobre processos instáveis.
 Canto inferior direito – O processo está instável e forá dos limites de especificáçáo, o que e muito
ruim. A primeirá coisá que devemos fázer e gárántir que o processo se estábilize. Neste cáso,
vámos cáir em um cenário iguál áo cáso 2, onde teremos que produzir melhoriás que estábilizem
o sistemá como um todo.

Páginá 33
 Quer continuar aprendendo?

www.fm2s.com.br

Acesse nosso site párá máis máteriáis exclusivos!

Páginá 34
Páginá 35