Ferramentas Estatística Da Qualidade - Prof. Robson - V7 - 2020

Técnicas de Controle da
Produtividade e Qualidade
Todos os direitos reservados ao autor
Versão I – Rev. 0 – Jan / 2015

Professor Engº Robson Donizeth Gonçalves da Costa
Agradecimentos ao prof. Engº Sergio Botassi dos Santos, M.Sc., D.Sc. Por
contribuir com parte deste material
Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 1
OBJETIVOS
 Geral:
Apresentar ferramentas quantitativas para garantia e controle
da qualidade em serviços de engenharia, utilizando o
software MS-Excel®.
 Específicos:
 Compreender os princípios da garantia e controle da qualidade

de forma quantitativa;
 Conhecer metodologia para garantia da qualidade -
Planejamento de Experimentos;
 Aplicar técnica estatística de Analise de Variância para a
garantia da qualidade;
 Conhecer princípios do Controle Estatístico para o Controle da
Qualidade;
 Aplicar técnica 3-sigma para controle estatístico de processos.

PLANO DE AULA:
Assunto Recursos Audiovisuais Duração (h)
Apresentação do Módulo: Bibliografia, Objetivos e Método Avaliatório Datashow 0,25
Introdução a Gestão Quantitativa da Qualidade Datashow 0,50
Princípios Estatísticos para quantificação da qualidade Datashow 0,25
Funções estatísticas básicas e aplicação em gestão quantitativa da qualidade Datashow/Computador 0,75
Resolução de Estudos de Caso de Funções Estatísticas Datashow/Computador 1,50
Planejamento de experimentos - DOE Datashow 1,50
Aplicação de planejamento de experimentos - Estudo de Caso Resolvido Datashow 1,00
Análise de Variância - ANOVA Datashow 1,00
Estudos de caso aplicado para ANOVA Fator único Datashow/Computador 1,00
Estudos de caso aplicado para ANOVA Fatorial Duplo Datashow/Computador 1,00
Resolução da Primeira Lista de Atividades Computador 2,00
Fundamentos de Controle da Qualidade Datashow 0,50
Princípios do Controle Estatístico de Processos – CEP Datashow 1,00
Gráficos de Controle da Qualidade Datashow 3,00
Definição dos Limites de Controle e de Especificação Datashow 0,75
Cálculo da capacidade e desempenho do processo Datashow/Computador 1,00
Resolução da Segunda Lista de Atividades Computador 3,00
Duração Total Estimada: 20h efetivas

BIBLIOGRAFIA
RECOMENDADA
 MONTGOMERY, D. C. Estatística Aplicada e Probabilidade para Engenheiros.
Ed. LTC, 2009.
 ABNT. Guia sobre técnicas estatísticas para a ISO 9001. NBR ISO 10017, 2005.
 ABNT. Sistemas de gestão da qualidade - Requisitos. NBR ISO 9001, 2008.
 MONTGOMERY, D. C. Introdução à Controle Estatístico de Processos. Ed. LTC,
2004.
 BRUNI, A. L.; PAIXÃO, R. B. Excel Aplicado à Gestão Empresarial. Ed. Atlas,
2008.
 Ministério das Cidades. Regimento do Sistema de Avaliação da Conformidade
de Empresas e Serviços e Obras da Construção Civil. PBQP-H, 2012.
 CARLBERG, C. Administrando a Empresa com Excel. São Paulo: Makron
Books, 2005.
 LEOPOLDINO, E. A. Introdução à Pesquisa Operacional: Métodos e modelos
para análise de decisões. 3ª Edição. Ed. LTC. Rio de Janeiro, 2004.

MÉTODO AVALIATÓRIO
Princípios:
A avaliação será baseada na capacidade do
aluno de compreender e desenvolver os temas
abordados nesse módulo.
7 9
2 5 10 Critérios Objetivos:
1º) Desempenho nas listas de exercícios;
2º) Desempenho nos exemplos;
3º) Assiduidade;
4º) Presença física (eliminatória).
Critérios Subjetivos:
1º) Participação pró-ativa nas atividades;
2º) Respeito ao colega (silêncio nas horas devidas);
3º) Presença mental;
4º) Critério de desempate: “Agradar” o professor.

Afinal, O que é Qualidade?
Capacidade de se atender a
necessidade de alguém ou de algo.
 Respeito a requisitos normativos (ex.: NBR, ISO);
Atender a  Interesses sociais (ex.: leis e regulamentos);
Necessidade  Necessidades coletivas (ex.: tendências de
(referência)… mercado);
 Necessidades individuais (ex.: projetos em geral).
Lembre-se: Atender a necessidade não é absoluto,

mas sim relativo.
Atender a necessidade = Agregar Valor
Formas de atendimento da Qualidade
O Propósito da qualidade pode ser atingido de duas
formas:  Qualidade do Processo:
 Racionalização dos recursos;
 Padronização das rotinas;
 Confiabilidade e previsibilidade dos
resultados;
 Foco na produtividade e melhoria
contínua.
 Qualidade do Produto:
 Satisfação do cliente;
 Alto desempenho (uso racional e
durável);
 Confiabilidade e segurança.

Para se manter um Sistema de Gestão da
Qualidade é fundamental se respeitar:
 Garantia da Qualidade:
Ações planejadas para se assegurar os
padrões de qualidade.
Princípios:
- Produto deve ser adequado à finalidade pretendida;
- Erros devem ser eliminados antes de acontece-lo.
 Controle da Qualidade:
Permitir de forma preventiva que processos
resultem em produtos e serviços conformes.
Princípio:
- Capacidade de previsibilidade dentro de limites aceitáveis.
É preciso mensurar a
Qualidade
Deve-se ter medidas quantitativas para
avaliar os atributos de um produto ou serviço.
Elas se dividem em 2 grandes grupos:
 Medidas Objetivas (diretas):
 Básicas: quando é feita a partir de
medições diretas (ex.: deformação).
 Compostas: quando é proveniente de uma composição de
medidas básicas (ex.: módulo de elastividade).
 Medidas Subjetivas (inferencial):
Realizadas normalmente a partir de processos
empíricos que visam transformar medidas qualitativas
em quantitativas (ex.: estado de conservação).
FUNÇÕES
ESTATÍSTICAS
BÁSICAS

Funções Estatísticas
INTRODUÇÃO
O que é estatística?
“Estatística é a ciência que se ocupa do levantamento e

tratamento de informação”.
A Estatística divide-se em 2 ramos distintos:

• Estatística Descritiva:
Responsável pelo estudo das características de uma
dada população conhecida. (Ex.: produtividade média Total dos
das equipes de trabalho); trabalhadores
• Estatística Indutiva:
Infere-se os resultados de um grupo a partir da amostra
Total de
de uma dada população ou universo, enunciando as amostra
Insumos
consequentes leis. (Ex.: controle de qualidade dos
insumos).
INTRODUÇÃO
Qual a importância das ferramentas estatísticas no gerenciamento
qualidade?
Elas são fundamentais no planejamento, inspeção, controle e análise de
registros da qualidade, como também de dados de maneira geral.
O Sistema de Avaliação da Conformidade (SiAC) do PBQP-H explicita a

importância e obrigatoriedade do uso de técnicas estatísticas para medição e
análise da conformidade do produto e do sistema de gestão da qualidade.
8 Medição, análise e melhoria
8.1. Generalidades
A empresa construtora deve, de maneira evolutiva, planejar e
implementar os processos necessários de monitoramento, medição,
análise e melhoria para:
a) demonstrar a conformidade do produto;
b) assegurar a conformidade do Sistema de Gestão da Qualidade, e;
c) melhorar continuamente a eficácia do Sistema de Gestão da
Qualidade.
Isso deve incluir a determinação dos métodos aplicáveis, incluindo
técnicas estatísticas, e a abrangência de seu uso.
INTRODUÇÃO
Qual a importância das ferramentas estatísticas no gerenciamento
qualidade?
8.4 Análise de dados
A organização deve determinar, coletar e analisar dados apropriados para
demonstrar a adequação e eficácia do sistema de gestão da qualidade e para
avaliar onde melhorias contínuas do sistema de gestão da qualidade podem
ser realizadas. Isso deve incluir dados gerados como resultado do
monitoramento e das medições e de outras fontes pertinentes.
A análise de dados deve fornecer informações relativas a:
a) satisfação dos clientes;
b) conformidade com os requisitos do produto;
c) características e tendências dos processos e produtos, incluindo
oportunidades para ações preventivas, e;
d) fornecedores.
[...], a utilidade das técnicas estatísticas segue a variabilidade

observada no comportamento e na realização de praticamente todos
os processos, mesmo sob condições de uma aparente estabilidade. [...]
NBR ISO 10017 - Guia sobre técnicas estatísticas para a ISO 9001.

Medidas de Posição
Ao lidar com grande quantidade de dados numéricos em um determinado evento, é
interessante obter algum tipo de número que possa representá-los a fim de facilitar futuras
comparações.
Foram realizadas 10 medidas para avaliar o grau de absorção de água em

piso cerâmico, com os seguintes resultados:
2% 2% 3% 3% 3% 4% 4% 4% 5% 5%
Se você tivesse que representar os resultados acima por um único número,

qual seria?
Uma forma intuitiva de representar esse grande volume de dados numéricos pode
ser por meio de medidas que permitam avaliar onde há maior concentração
(“posição”) de valores em uma dada distribuição numérica.
Essas medidas normalmente são denominadas de Medidas de Posição.
• Média Aritmética
• Moda
• Mediana
Média Quociente da soma dos valores da variável pela quantidade

Aritmética deles.
Função: MÉDIA
Retorna a média aritmética de um conjunto de dados numéricos.
Sintaxe no Excel: =MÉDIA(núm1; núm2; ...)

Ex.: Média de: 1, 2, 3, 4, 5 , 6
Moda Valor que ocorre com mais frequência em uma série de dados.
Função: MODO
Retorna o valor que ocorre com mais freqüência em uma matriz ou intervalo de
dados.
Sintaxe no Excel: =MODO(núm1; núm2; ...)

Ex.: Moda de: 1, 2, 3, 4, 5 Moda de: 1, 1, 3, 4, 5 Moda de: 1, 1, 3, 3, 5
Mediana Refere-se ao valor central de uma série em ordem crescente

ou decrescente.
Função: MED
Retorna a mediana dos números indicados. Se houver uma quantidade par de
números no conjunto, MED calculará a média dos dois números do meio.
Sintaxe no Excel: =MED(núm1; núm2; ...) Ex.: Mediana de: 1, 2, 3, 4, 5
Exemplo:
Uma grande empresa de âmbito nacional resolveu
realizar uma pesquisa junto aos seus principais clientes
pelo Brasil, para verificar o nível de satisfação quanto aos
serviços prestados pelas suas redes regionais. A partir
dessas informações, pretendeu-se compará-las entre si
por meio do cálculo da média, moda e mediana.
A partir dos resultados obtidos, pergunta-se: Em qual região do país a empresa
possui os clientes mais satisfeitos?
Medidas de Dispersão
Para a interpretação de dados estatísticos é fundamental que se conheça não só uma
medida de posição, mas também medidas de variabilidade.
Imagine os três conjuntos de dados abaixo, representando a mesma medida de referência:

X: 70 70 70 70 70
Y: 68 69 70 71 72 Média X = Média Y = Média Z = 70
Z: 5 15 50 120 160
Isso demonstra que uma medida de posição não é suficiente para representar
estatisticamente um conjunto de dados.
As principais medidas de dispersão são:
•• Amplitude
Amplitude total
total
•• Variância
Variância
•• Desvio
Desvio
Padrão
Padrão
•• Coef.
Coef. de
de Variação
Variação
Amplitude total É a diferença entre o maior e o menor valor observado. Possui a

desvantagem de não considerar valores intermediários.
Função: MÁXIMO e MÍNIMO

Retorna o maior e o menor valor, respectivamente, de um conjunto de dados
numéricos.
Sintaxes no Excel : =MÁXIMO(núm1; núm2; ...) =MÍNIMO(núm1; núm2; ...)
Variância É a diferença quadrática média entre cada um dos valores e a média

aritmética de um conjunto de observações.
Função: VARP Função: VAR
Calcula a variância com base na Calcula a variância com base uma

população total. amostra.
Sintaxe no Excel : =VARP(núm1; núm2; ...) Sintaxe: =VAR(núm1; núm2; ...)

Desvio Padrão Equivale à raiz quadrada da variância. Possui unidade similar
à população de dados.
Função: DESVPADP Função: DESVPAD

Calcula o desvio padrão com base Calcula o desvio padrão com base
na população total. em uma amostra.
Sintaxe: =DESVPADP(núm1; núm2; ...) Sintaxe: =DESVPAD(núm1; núm2; ...)
Coeficiente de O desvio padrão, quando utilizado comparativamente, por si só

Variação não diz muita coisa. Ele possui maior destaque se relacionado
com uma medida de posição (média).
Baixa dispersão: CV15%
Assim, tem-se: Média dispersão*: 15%<CV<30%
Alta dispersão: CV30%
Obs.: A distribuição estatística normal pode ser adimitida para representar o comportamento do concreto
quando CV 30%
Não há função específica para obter o coeficiente de variação no Excel.
Exemplo: Uma indústria faz retirada de amostras de um determinado insumo vendido por 3
fornecedores para verificação da qualidade do mesmo. Adotando o valor 1 como péssimo e
10 como ótimo, determine a média aritmética e todas as medidas de dispersão apresentadas.
Que considerações podem ser feitas a partir dos resultados obtidos?
Deve-se avaliar a
qualidade do produto.
Deve-se avaliar a
qualidade do processo.
(Trecho da norma NBR 10017:2005)
 Qualidade do Produto: Capacidade em atender aos requisitos técnicos.

 Qualidade do Processo: Capacidade em fornecer produtos com baixa
dispersão de qualidade técnica (semelhantes);
HISTOGRAMA
Forma gráfica de se resumir a distribuição de CLASSE

dados agrupados por frequência em
números reais.
 Classe: intervalo de valores onde se deseja
verificar a quantidade de resultados contidos
no mesmo;
 Frequência: Número de vezes em que os
resultados encontram-se contidos em
determinada amplitude.
Com o histograma é possível:
 Verificar se há alguma concentração de resultados dentro do intervalo
de estudo;
 Avaliar se existe alguma correlação entre a frequência e classe;
 Adotar um padrão de comportamento para predição de futuros
resultados.

HISTOGRAMA
Passos Básicos para Criação do Histograma:

 Coletar dados de forma aleatória (recomenda-se no mínimo 50 valores)
referente a variável que se deseja estudar.
 Definir um número de intervalos (classe k) da variável em que se deseja
estudar para se realizar a contagem de frequências.
 Calcule a amplitude total dos dados coletados (R).

 Calcule a amplitude de cada classe: h = R / k
 Adote intervalos de classe partindo do menor valor dos dados e
acrescente gradativamente h até alcançar o maior valor.

Determinação do Histograma a partir do Excel:
 Selecionar o comando
“Análise de Dados”*
(menu>Dados).
- Intervalo de entrada: faixa onde estão

registrados os dados.
- Intervalo de bloco: faixa de valores de
seleção dos dados (classes). São os
números que constarão no eixo das
abscissas.
- Intervalo de saída: determina o lugar
onde serão mostrados os resultados.
- Porcentagem acumulada: apresenta as frequências acumuladas.
- Resultado do gráfico: apresenta o gráfico escolhido.
* Caso não esteja disponível deve-se instalar o Suplemento: “Ferramentas de Análise” dentro de “Opções do Excel”.

HISTOGRAMA
Exemplo de Aplicação:
Uma empresa resolveu realizar o monitoramento de duas de suas principais
equipes de assentamento de piso cerâmico a partir de amostragens. Monte o
histograma e conclua a respeito dos resultados encontrados.
25 120%
40 120% Freqüência
Equipe B
35 Equipe A 100% 20 % cumulativo 100%
30 Freqüência 80%
Freqüência
80% 15
Freqüência
25
% cumulativo 60%
20 60%
10
15 40%
40%
10 5 20%
20%
5
0 0%
0 0%
0,77 0,80 0,83 0,86 0,89 0,92 0,94 0,97 1,00 1,03 1,06 Mais
Produtividade (m2/h)
Produtividade (m2/h)
Considerações:
 Equipe B apresenta maiores dispersões de produtividade que a Equipe A (ou seja, ela é
menos previsível);
 Equipe B apresenta maior potencial de produtividade, embora com menor confiabilidade
de reprodutibilidade;
 Equipe A, embora maior possibilidade de produtividade abaixo de B, apresenta
resultados mais confiáveis.
GRÁFICO DE PARETO
• Diagrama que permite a análise das
principais origens de um fenômeno,
avaliando quantitativamente a
representatividade das mesmas na forma
agrupada (gráfico de percentual acumulado). Efeitos
• O gráfico de Pareto é extremamente útil em acumulados
análise de projetos para tomada de

decisões.
Causas do fenômeno
em ordem decrescente
• Curiosidade: Vilfredo Pareto, competente economista e engenheiro do século

XVIII, foi convidado por um dono de uma grande empresa na Itália para traçar as
metas de atuação da corporação. Após um árduo levantamento, chegou a
seguinte conclusão: “80% do nosso trabalho é direcionado para apenas 20% dos
nossos clientes”. A partir daí foi generalizado uma série postulados, dentre eles:
“Um número pequeno de causas é responsável pela maior parte do problema”
“Poucos vitais e muitos úteis”
GRÁFICO DE PARETO
 Utilizando o Excel:
• O gráfico de Pareto pode ser criado a partir do comando: análise de
dados>histograma.
Esta maneira é utilizada quando há um conjuto de dados significativos que
necessitam ser agrupados para posteriormente avaliar os efeitos dos mais
significativos
 Exemplo:
Avaliar as equipes de maior produtividade do primeiro trimestre a partir do gráfico de
Pareto
GRÁFICO DE PARETO
 Utilizando o Excel:
• Quando os resultados já foram previamente tratados (agrupados) e deseja-se somente
criar o gráfico:
Neste caso a variável que se deseja avaliar deve
Gastos no mês
Classe de Custos Custos realizados % Acumul estar agrupada em ordem descrescente de valor.
Pessoal R$ 2.600.450,00 73,3%
Materiais R$ 606.892,00 90,4%
1º) Selecionar com o mouse os dados das duas
Equipamento R$ 110.394,00 93,5% séries, incluindo as classes de custos;
Viagens R$ 92.956,00 96,1%
Hora-extra R$ 55.903,00 97,7%
2º) Selecionar a opção: gráfico de colunas;
Contas de consumo R$ 49.000,00 99,1%
Despesas gerais R$ 18.000,00 99,6%
3º) Selecione a série de dados %Acumulado no
Aluguel R$ 15.400,00 100,0% gráfico e a configure como “eixo secundário” e
Total R$ 3.548.995,00 altere o tipo de gráfico para “linha”.
R$ 3.000.000,00 120%
Dica: Caso esteja com dificuldade de
selecionar a série do gráfico: R$ 2.500.000,00 100%
- Vá até o comando “seleção atual” R$ 2.000.000,00 80%
(dentro do menu: formatar); Após a R$ 1.500.000,00

Custos realizados
60%
- Lá fica disponível todos os elementos configuração do R$ 1.000.000,00

% Acumul
40%
do gráfico para seleção e formatação. gráfico, tem-se: R$ 500.000,00 20%
R$ 0,00 0%

GRÁFICO DE PARETO
Exemplo de Aplicação:
Para a construção de um grande shopping foi adotado a solução estrutural via pré-
moldados de concreto. Durante o processo de controle da qualidade das peças
estruturais, utilizando como referência os requisitos da NBR 9062*, chegou-se a
uma determinada etapa da obra com um levantamento das principais não-
conformidades dos produtos. Determine o gráfico de Pareto e defina as
recomendações que deverão ser feitas para o fornecedor de pré-moldados.
Controle de Qualidade - Pré-moldados Recomendação:

60 120%
98% 100% As principais patologias que o
50 93% 100%
80%
87% fornecedor deve se preocupar em
Quantidade de NC
Acumulado de NC
40
64%
80%
reduzir são:
30 60% - Tolerância dimensional (TD),
20
39%
40% - Peças empenadas (E),
10 20%
- Fissuras (F),
0 0%
equivalente a maioria das não-
TD E F M R AC PE conformidades.
Não-conformidades
* ABNT. Projeto e Execução de Estruturas de Concreto Pré-Moldado: NBR 9062. Rio de Janeiro, 2006.

Planejamento de
Experimentos

Planejamento dos Experimentos
Introdução
A cultura do “imediatismo” onde grandes e pequenos projetos vem sendo
“forçados” a cumprir com cronogramas cada vez mais enxutos,
demandam por procedimentos de execução com pequenas chances
desperdício, exigindo gradualmente aumento da eficiência, eficácia,
racionalização dos processos e melhoria do desempenho.
Processos Prazos e Qualidade do Desempenho

Racionalizados Produto satisfeitos atendido
O Planejamento dos Experimentos possui como premissa analisar a qualidade do

produto/processo previamente para garantir o seu desempenho, preocupando-se
em racionalizar recursos (tempo, insumos, equipe e equipamentos).
Introdução
O cenário atual da construção está exigindo não somente
redução de custo na execução, mas também garantia de um
razoável nível de desempenho em seu uso.
NBR 15.575 – Edificações Habitacionais – Desempenho
Primeira norma brasileira que define os requisitos que deverão ser atingidos para que
o uso da edificação (habitabilidade, segurança e sustentabilidade) seja adequado.
Como atestar o O Planejamento de

desempenho no uso da experimentos visa avaliar de
edificação de forma forma criteriosa quais fatores
antecipada ainda na fase são importantes para atingir o
de projeto e construção? desempenho desejado de um
produto ou processo.
Item 6 – NBR 15.575 – Avaliação do Desempenho:
[…] Para atingir essa finalidade é realizada uma investigação sistemática baseada em
métodos consistentes, capazes de produzir uma interpretação objetiva sobre o
comportamento esperado do sistema em condições de uso definidas. […]
Introdução
DEFINIÇÃO (segundo NBR ISO 10.017):
Refere-se às investigações planejadas para comprovar
estatisticamente efeitos avaliados por meio de experimentos.
Ex.: Uma construtora irá implar um sistema de gestão da qualidade onde
pretende definir procedimentos operacionais para as principais atividades fins da
obra. Dentre as várias atividades ela resolveu iniciar por uma que possui maior
impacto na obra (vedações em alvenaria).
Quais são os principais fatores Planejar testes
Avaliar quais fatores
(equipe, processo e produtos) preferencialmente em campo
merecem ser priorizados
que influenciam na execução da para avaliar se os fatores
para que sejam
alvenaria a partir de um estudados interferem na
customizados.
referencial de qualidade? qualidade do produto.
P D
A C
Tomar providências para a Avaliar os resultados
Realizar os testes
melhoria do processo de provenientes dos testes a
respeitando as definições
execução e padronizar o partir de técnicas estatísticas
planejadas
método construtivo. (ANOVA)
Introdução
O Planejamento de Experimentos (também conhecido por DOE – Design
of Experiments) segundo a ISO 10017 pode ser utilizado no cumprimento
dos seguintes requisitos da ISO 9001:
 Realização do Produto (item 7):
 Levantar e avaliar os requisitos do cliente (verificar as
necessidades)
 Verificar se os requisitos do produto atendem as expectativas do
cliente.
 Avaliar a qualidade dos insumos;
 Medição, Análise e Melhoria (item 8):
 Garantir que os produtos e processos alcancem os resultados
planejados;
 Implantar melhorias nos processos e produtos.
Em síntese: A partir do DOE tem-se condição de avaliar se os processos e produtos

atenderão os requisitos dos clientes e ainda procurar garantir que haja uma melhora
contínua dos processos e produtos.

Introdução
Exemplos de aplicação do DOE:
• Avaliação técnica de novos insumos a serem utilizados nos procedimentos

operacionais da construtora.
• Realizar levantamento e avaliar os principais fatores que interferem na

produtividade das equipes de trabalho.
• Quantificar e avaliar os principais motivos de reclamações pós-entrega de um

imóvel a partir de pesquisas com clientes, apontando as possíveis causas e
soluções recomendadas.
• Identificar os principais motivos de desperdícios de matérias-primas no

processo produtivo, apontando ainda se há interações entre os motivos.
• Avaliar a viabilidade técnica do uso de material reciclado proveniente da

própria linha de produção.

Benefícios
O DOE é uma ferramenta de engenharia importante para
melhorar um processo de fabricação, mas tem também
extensiva aplicação no desenvolvimento de novos
processos. A aplicação dessas técnicas bem cedo na
melhoria do processo pode resultar em:
• Melhor rendimento do processo (aumento da eficiência);

• Variabilidade reduzida e conformidade mais próxima da padrão (qualidade);
• Redução nos tempos de projeto e de desenvolvimento;
• Redução nos custos de operação (racionalizar o uso de recursos).
No planejamento de novos processos os benefícios são:

• Redução dos insucessos quando os processos estiverem sendo aplicados;
• Avaliação de materiais alternativos que podem ser aplicados no processo;
• Determinação dos parâmetros-chave do projeto que têm impacto sobre o
desempenho (qualidade) do produto.
TERMINOLOGIA
 Características de Qualidade:
Todas as características do produto que o cliente
percebe como importantes (Ex.: durabilidade).
 Variáveis de Resposta:
Aspectos do produto que podem ser medidos e que
permitem quantificar as características de qualidade
(Ex.: Vida útil).
Voz do Cliente Voz do Engenheiro
Relação entre a demanda de
Características Variáveis de
qualidade (cliente) e as de Qualidade Resposta
variáveis de resposta
Aspectos que Mensuráveis,
(engenharia) podem ser vagos quantitativas

TERMINOLOGIA
 Parâmetros do Processo:
Todas as variáveis da linha de produção que podem ser alteradas e
que possam promover um efeito sobre as variáveis de resposta.
• Fatores controláveis (manipulados):
São aqueles parâmetros do processo que foram selecionados para serem
estudados a vários níveis no experimento (Ex.: Testar tipos de matéria-prima
diferentes).
• Fatores constantes:
São os parâmetros do processo que não entram no experimento e que são
mantidos seguramente constantes durante o experimento (Ex.: Mesma equipe).

TERMINOLOGIA
• Fatores não controláveis (Ruídos): São as variáveis que não
podem ser controladas pela equipe técnica (Ex.: produtividade
das equipes ao longo do tempo, oscilações climáticas, etc.).
São responsáveis pelo erro experimental ou variabilidade residual.
• Níveis:
Correspondem às quantidades de valores dos fatores controláveis.
Exemplo:
Necessidade do Cliente: Produto + durável.
Variável de Resposta (identificada pelo especialista): Aumento da resistência.
Fatores Controláveis: Tipo de matéria-prima (Material A e B ->2 níveis), Processo Alterado.
Fatores Constantes: Mesma equipe técnica.
Fatores Não Controláveis: Desempenho da equipe, Condições ambientais, etc.

CONCEPÇÃO
Um experimento planejado é um teste, ou uma série de testes, no qual são feitas
mudanças propositais nas variáveis de entrada de um processo, de modo a
podermos observar e identificar mudanças correspondentes na resposta.
O processo pode ser visualizado como uma combinação de máquinas, métodos e

pessoas, que transforma um material de entrada em um produto (saída).
Processo ou
Entradas Saídas
Produto
Parâmetros do Processo
(Fatores Controláveis e
Constantes) Fatores de Ruído Variáveis Respostas
Definem o ajuste ótimo Responsáveis pela variabilidade Mensura os efeitos decorrentes dos
não controlável Fatores Controláveis e Ruídos.
“Quanto menor for o efeito dos ruídos sobre a variável resposta melhor será
o planejamento dos experimentos”.
ETAPAS DE UM EXPERIMENTO
Ouvir a voz do Cliente
Ouvir a voz do Especialista (Engenheiro, Arquiteto, etc.)
Planejamento Final e Execução do Experimento
Análise
Otimização

1 - Ouvir a voz do Cliente (O quê):

• Pesquisa de Mercado;
• Identificar as Características de Qualidade (C.Q.) de
interesse;
• Identificar a importância relativa dessas C.Q.
2 - Ouvir a voz do Especialista (Como):

• Definir variáveis de resposta associadas às C.Q.;
• Identificar outras variáveis de resposta de
interesse (em geral associadas a custos/produt);
• Identificar todos os parâmetros do processo;
• Identificar o intervalo de variação de todos os
parâmetros do processo.
2 - Ouvir a voz do Especialista (Como):

• Identificar os Fatores Controláveis (que podem afetar
as Variáveis Respostas);
• Definir o número de níveis para cada FC;
• Definir possíveis interações entre os FC;
• Identificar as restrições experimentais:

 Número máximo de ensaios (testes);
 Equipamento e mão de obra disponíveis;
 Tempo disponível, etc;
• Escolher o modelo estatístico do experimento.

3 - Planejamento Final e Execução do Experimento

• Escrever a matriz experimental (listagem dos testes);
• Definir a ordem dos ensaios (aleatorização);
• Definir os procedimentos de ensaio (padronização);
• Criar planilhas de coleta de dados;
• Executar o experimento e anotar resultados.

4 – Análise (Tratamento dos dados)

• Realizar a análise de variância (ANOVA);
• Fazer gráficos dos efeitos dos fatores principais;
• Fazer gráficos das interações significativas.
5 - Otimização
• Modelar individualmente cada Variável
Resposta. Ou seja; achar uma relação entre
FC e VR => VR = f (FC);
• Otimizar, isto é, achar o ajuste dos FC que
minimiza ou maximiza a função acima;
• Verificar a consistência da solução.

Estudo de Caso: Uma construtora resolve implantar
uma série de melhorias em seus procedimentos
operacionais e para tanta irá aplicar o Planejamento de
experimentos para avaliar a etapa de Execução de
Vedações Verticais Externas
Título do DOE: Avaliação do Sistema de Vedação Vertical Externa

(SVVE) com enfoque na Alvenaria de Bloco Cerâmico.
Dados gerais do processo de execução

Tipo: Cerâmico
Bloco
Dimensões: 14x19x29 (cm)
Alvenaria
Argamassa 1:2:8 (cimento:cal:areia média) – Esp.: 1cm
Processo Execução manual tradicional
Argamassa 1:2:5 (cimento:cal:areia média) – Esp.: 2cm
Revestimento
Chapico 1:3 (cimento:areia grossa)
Externo
Pintura Texturizada hidrófuga

1º) Ouvir a voz do cliente:
• Pesquisa de Mercado:
Os diretores da empresa diagnosticaram que essa etapa da
obra é uma das que mais está gerando desperdícios e
aparecimento de patologias após finalizada, durante uso.
• Características de Qualidade:
Designação Tipo Importância Relativa

1) Redução de desperdício Maior-Melhor 2
2) Durabilidade Maior-Melhor 1
3) Planicidade Maior-Melhor 1
1) Redução de desperdício: Constatou-se que o consumo de insumos estava variando

muito (cimento e blocos);
2) Durabilidade: A empresa já teve que recuperar várias fachadas que apresentaram
patologias ainda dentro do prazo de garantia;
3) Planicidade: Superfícies irregulares com desaprumo.

2º) Ouvir a voz do especialista:
 Variáveis Resposta: (mensura as Características de Qualidade)
Caract. da Qualidade Variáveis de Resposta

Designação Designação Tipo Import. Alvo (Meta)
Volume de argamassa de Menor-
2 14,6 - 21,2
assentamento (litros/m )
2 Melhor
Desperdício
Maior-
Consumo de blocos Melhor
1,5 24 a 29
Desl.<h/300 e Menor
Resistência à ação do calor e Maior-
Durabilidade 1 quant. possível de
choque térmico* Melhor
patologias. **
Menor-
Planicidade Desaprumo Melhor
0,5 <= 0,2% ***
* Requisito de Desempenho 14.1.1 da NBR 15.575: Parte 4 (SVVIE). Considera-se ainda a Parte desta norma.
** Ensaio para verificação: Anexo E - Parte 4 da NBR15.575.
*** Adotado mesmo limite da NBR 15812: Alvenaria estrutural - Blocos cerâmicos Parte 2: Execução e controle de obras. Rio de
Janeiro, 2010.

2º) Ouvir a voz do especialista:
 Parâmetros do Processo: (Reunião com o principais envolvidos nesta
etapa da obra)
Designação Intervalo de Variação Limites

Normativos
Argamassa de assentamento (kg/m3) 230 - 350 -
Processo Produto
Tipo de Cimento Disponível no mercado -

Tipo de areia fina, média, grossa -
Dimensões efetivas (L, H e C) em mm * +10 até -10 +/- 5mm*
Planeza das faces e desvio ao esquadro (mm)* +6 até -6 +/-3mm*
Junta de assentamento (cm) 1,0 a 2,0 -
Tempo de execução (min) 45 a 75 -
Junta vertical com e sem -
Dimensões Efetivas Desvio em relação ao esquadro Planeza das faces

 Parâmetros do Processo:
• Fatores Controláveis (FC): (seleção feita após definição das prioridades
econômicas e técnicas)
 Tipo de cimento;
 Dimensões efetivas;
 Juntas de assentamento.
• Definição dos níveis dos FC’s: (avaliando a viabilidade econômica

da execução dos testes)
Fatores Nº Níveis Níveis Unidade

Tipo de cimento 3 CPII-F, CPIV, CPIII Tipo
Dimensões efetivas (L, H e C) 4 +10, +5, -5, -10 mm
Junta de assentamento 2 1,0 a 2,0 cm

• Listar possíveis interações entre os FC’s:
- Dimensões efetivas x Junta de assentamento
• Listar restrições experimentais:

Descrição Valor Tipo
Tempo dos Ensaio 1 mês Operacional
Quantidade de Corpos-de-prova* 3 CP / Combinação Operacional
Custo do projeto R$ 18.000,00 Econômico-Financeira
* Cada CP terá área de alvenaria de 1x1 (m) e será realizado durante a construção do estande de vendas permanente de um
empreendimento.
• Definir o modelo estatístico:

- Um Projeto Fatorial Cruzado completo:
A quantidade de experimentos será igual ao produto do número de
níveis de todos os fatores controláveis. Então:
N = 3 x 4 x 2 = 24 Combinações
3º) Planejamento final e Execução:
• Matriz experimental e ordem dos ensaios:
Fatores Controláveis
Ordem Aleatória dos
Combinação
Cimento Dim. efetivas Junta Ensaios
1 CPII-F +10 1,0 14
2 CPII-F +5 1,0 19
3 CPII-F -5 1,0 8
4 CPII-F -10 1,0 12
5 CPII-F +10 2,0 23
6 CPII-F +5 2,0 20
7 CPII-F -5 2,0 5
8 CPII-F -10 2,0 9
9 CPIV +10 1,0 24
10 CPIV +5 1,0 1
11 CPIV -5 1,0 18
12 CPIV -10 1,0 6
13 CPIV +10 2,0 4
14 CPIV +5 2,0 15
15 CPIV -5 2,0 17
16 CPIV -10 2,0 13
17 CPIII +10 1,0 21
18 CPIII +5 1,0 11
19 CPIII -5 1,0 7
20 CPIII -10 1,0 10
21 CPIII +10 2,0 2
22 CPIII +5 2,0 22
23 CPIII -5 2,0 3
24 CPIII -10 2,0 16
3º) Planejamento final e Execução:
• Procedimentos de ensaio:
- Fixar parâmetros do processo não incorporados no experimento (Fatores
Constantes);
- Utilizar equipamentos aferidos (calibrados) para medição de volume, peso, etc.
- Observar sempre a mesma sistemática de ensaios, mesmas máquinas, operadores,
etc;
• Método de Ensaio: Verificação do comportamento de SVVE exposto à
ação de calor e choque térmico (Anexo E, NBR 15.575:4)
Termopar
O CP deve ser submetido a 10 ciclos de ação do calor e
da água:
- ação do calor: após atingida a temperatura superficial
de (80 ± 3)°C, mantê-la durante 1 h;
- ação da água: imediatamente após a supressão da
radiação, resfriar a face exterior do CP por meio de jatos
de água aspergidos sobre toda sua superfície, até se
atingir temperatura superficial igual a (20 ± 3)°C.

4º) Análise:
 Utilizar a metodologia de Análise de Variância dos resultados (ANOVA).
Com a ANOVA é possível:
- Verificar se a variação dos Fatores de Controle (FC`s) interferem nas
Variáveis Respostas (VR`s);
- Quais FC`s produzem efeitos distintos e iguais sobre a VR`s.
5º) Otimização:
• Avaliar qual(is) combinação(ões) dos FR`s que otimizam o
processo de execução.
• Análise comportamental da variação dos FC`s em relação às
VR`s.

FERRAMENTA PARA ANÁLISE DOS RESULTADOS
Após realizados vários experimentos para tentar avaliar se existe correlação
entre FC e VR, agora faz-se necessário comprovar estatisticamente se é
possível confirmar essa afirmação:
Fatores
Controláveis ? Variáveis
Respostas
Ou seja, deve-se avaliar a seguinte indagação:
 Existe correlação significativa entre os fatores
que eu estou experimentando (FC) com as
variáveis respostas, a qual mensura a qualidade?
A resposta a esta pergunta deve ser avaliada a partir de dois aspectos:
 Expressividade estatística; e
 Significância técnica.

 Significância Técnica:
Situação ocorrida quando a Variável Resposta é modificada a partir da
alteração dos FC`s a ponto de haver uma alteração tecnicamente
reconhecida como expressiva. Normalmente essa análise é avaliada a partir
de especificações técnicas.
Exemplo:
Ao se avaliar um novo processo de soldagem na fabricação de treliças
metálicas verificou-se que as dimensões das peças podem variar em até
3mm. Pergunta-se: essa variação é aceitável tecnicamente?
 Expressividade Estatística:
A estatística permite avaliar o nível de interferência numérico de um FC
sobre a VR, sem haver um preocupação técnica com essa relação.
Parte-se do princípio que toda VR oscila de valor naturalmente,
considerando que nenhum produto fabricado ou serviço prestado consiga
gerar resultados idênticos. Assim é preciso distinguir as fontes de variação
de VR quando houver alteração dos FC`s.
Para tanto existe uma ferramenta estatística conhecida pela sigla em inglês
ANOVA – Analise de Variância - que avalia a capacidade dos Fatores
Controláveis em interferir na Variável Resposta a partir da dispersão dos
resultados de ensaios.
Nível 1 VR1
Ruídos
Fatores Nível 2 Variáveis VR2
…
Controláveis Nível n
Respostas ...
VRn
Variância Provocada:
 Pelos Níveis de FC`s

Variáveis Qual é mais
 Pelos Ruídos
Respostas expressivo?

Exemplo: Experimento de Deming do Funil (adaptado)
Meta: Maior concentração de esferas no centro do alvo (VR)

Verticalidade do Funil, densidade da esfera e inclinação do
FC`s:
plano do alvo.
Após vários experimentos,

otimiza-se os FC`s
Vários testes com Mesmo com os ajustes dos FR`s

resultados dispersos há ainda pequenas dispersões
 Deming então propos tentar corrigir essas pequenas dispersões alterando a
posição do funil a partir de onde se estacionou a esfera anterior.
 Não surtiu efeito. Pelo contrário, os resultados tenderam a se dispersar mais.
 Chegou-se a conclusão então que essas dispersões são inerentes do processo.
TIPOS DE PLANEJAMENTO DE EXPERIMENTOS
O DOE é classificado pela quantidade de fatores controláveis
considerados no experimento. Será abordado nesse módulo somente
o primeiro tipo:
• DOE - Fator Único (One-way ANOVA):

A análise de variância avaliará somente o efeito de 1 Fator de Controle
sobre 1 Variável Resposta.
O Fator Controlável poderá ter mais de um nível, da seguinte forma:
• FC a níveis fixos (Ex.: 5 valores de temperatura);
• FC a níveis aleatórios (Ex.: 3 lotes de fabricação escolhidos ao
acaso);
• DOE – Multifatorial* com 2 Fatores (Two-way ANOVA):
A análise de variância avaliará o efeito de 2 Fatores de Controle sobre 1
Variável Resposta. Realiza a combinação de todos os níveis dos 2 FC’s sobre a
Variável Resposta. A cada combinação pode haver repetição de testes.
Há análise de interação entre os dois fatores (Ex.: Efeito da temperatura
em conjunto a umidade sobre o concreto)
* Maiores detalhes para ANOVA Multifatorial consultar livro de Montgomery – Estatística Aplicada e Probabilidade para Engenheiros

DOE de Fator Único (One-way ANOVA)
O método ANOVA considera que o efeito dos ruídos deve ser o menor o
possível para que não atrapalhe na verificação do efeito dos níveis do fator
de controle sobre a Variável Resposta.
É adotado um Modelo Linear para correlacionar os efeitos dos Níveis

dos Fatores de Controle sobre a Variável Resposta:
Efeito dos Níveis do FC sobre a VR
Variável Resposta Efeito do Ruído sobre a VR
Média Global
A partir do modelo acima podemos ter duas Hipóteses:
: O efeito dos Níveis do FC pode ser significativo sobre a VR;
: O efeito dos Níveis do FC não é significativo sobre a VR;

O método ANOVA se baseia na variância dos valores da variável resposta
proveniente das alterações nos níveis do Fator de Controle...
Média Quadrática dos Níveis do FC
Média Quadrática dos Ruídos (Erros experimentais)
... em relação as alterações decorrentes dos Ruídos.
Ou seja, quanto maior for a relação acima mais o efeito dos níveis se torna
significativo em relação ao efeito dos ruídos, e por conseguinte, mais distante a
hipótese deixa de ser verdadeira.
Quanto maior for a Mais provável será os efeitos

relação das variâncias dos FC`s sobre a VR.
 É necessário comparar a relação acima com um valor tabelado da “distribuição F”.

O Excel quando aplicado fornece esse valor automaticamente.
Exemplo Resolvido* com Auxílio do Excel:
Um fabricante de papel para sacos pardos está interessado em melhorar

a resistência do seu produto à tensão. Para tanto, resolveu estudar o
efeito da concentração de polpa de madeira de lei nos teores de 5% a
20%.
Eles decidem fabricar 6 corpos de prova para cada teor de 5%, 10%, 15% e 20%.
Os testes foram feitos em ordem completamente aleatória com os seguintes
resultados:
Tabela – Resultados dos testes de Resistência à tensão (em psi).
Observações
Concentração de Madeira de Lei Caracterização do Modelo:
5% 10% 15% 20% • Possui 1 fator de controle com 4 níveis
1 7 12 14 19
(Modelo Fator Único);
2 8 17 18 25
3 15 13 19 22
• Possui 1 Variável de Resposta
4 11 18 17 23 (Resistência à Tensão);
5 9 19 16 18 • Possui 6 observações ou repetições por
6 10 15 18 20
Nível.
* Exemplo adaptado do livro: Estatística aplicada e Probabilidade para Engenheiros – Douglas Montgomery.

Exemplo Resolvido com Auxílio do Excel:
 Ir no Menu “Dados”:
 Clicar no Comando Análise de Dados*:
 Aparecerá dentre as várias opções uma

denominada Anova: fator único.
* Esse comando no Excel 2003 encontra-se no menu “Ferramentas”.

Os resultados de cada nível podem estar

agrupados em colunas ou linhas. Nesse
exemplo está em colunas.
Nível de precisão do modelo. Ele aponta Se no intervalo de entrada foi selecionado a descrição dos
a probabilidade do efeito do FC não ser níveis, deve-se selecioná-lo. Caso contrário a primeira
significativo sobre a população. linha será considerada com resultados da Variável
Quanto menor possível for esse valor Resposta.
mais representativa será a análise para
a população, porém mais exigente será
Resultado na mesma planilha, em local selecionado.
o modelo.

Resumo das estatísticas por Nível (5%, 10%,

15%, 20%) do Fator de Controle “Teor de
poupa de madeira de lei”.
Média Quadrática dos Níveis
Relação entre a Média Quadrática dos

Níveis pelo Ruído
Valor tabelado para comparar com o valor F

calculado (associado com o a: quanto maior
for a, menor será o Fcrítico)
Média Quadrática dos Ruídos Como F >> F crítico, então:

A probabilidade do efeito dos níveis
do FC sobre a VR não ser O efeito dos níveis do FC é significativo
significativo na população é de sobre a Variável Resposta.
aproximadamente 0,0004%
(praticamente impossível).
• Realizando o Gráfico das médias, máxima e mínimas, tem-se:
Concentração Máxima Mínima Média

5% 15 7 10
10% 19 12 15,67
15% 19 14 17
20% 25 18 21,17
É possível distinguir quais os níveis (concentração de

madeira de lei) que produzem o mesmos efeito na
resistência à tensão?

• Comparação Múltipla de Médias:
Permite diferenciar o efeito dos níveis de um Fator de Controle sobre a

Variável Resposta. Ou seja, consegue verificar a seguinte questão:
Há Níveis que provocam efeitos distintos na Variável Resposta?
 Avalia-se a diferença entre médias dos níveis,

tomadas duas a duas, e compara-se com o valor:
O valor de L, conhecido por Mínima Diferença Significativa, refere-se ao intervalo
de valores da variável resposta onde não se consegue distinguir se a variação é
decorrente do FC ou dos ruídos.
Passos:
 Listar as médias de cada nível em ordem crescente ou decrescente e compará-
las duas a duas, consecutivamente.
 A diferença das médias, tomadas duas a duas, será significativa se for maior que
a Mínima Diferença Significativa (L). Caso contrário, o efeito dos respectivos
níveis serão provavelmente semelhantes na Variável Resposta.
Continuando o Exemplo Resolvido anterior...
1º Passo: Cálculo da Mínima Diferença Significativa (L).

Cálculo da Mínima Diferença Significativa (L) entre Médias:
MQE= 6,508
n= 6
L= 3,124
2º Passo: Ordenar de forma crescente as médias e calcular a diferença entre elas.
3º Passo: Comparar a diferença de

médias com “L”.
L=3,12
10,0 15,7 17,0 21,2

Resistência à tensão Média
Nível 5% Nível 10% Nível 15% Nível 20%

EXERCÍCIO 1
Um engenheiro industrial desenvolveu um modelo estocástico (origem em eventos
aleatórios) de simulação que prevê a produtividade mensal de um equipamento de
solda de vigas metálicas em função do intervalo de tempo entre manutenções
preventivas. Se esse intervalo for muito curto, as máquinas estarão constantemente
em manutenção e a produtividade será baixa. Se o intervalo for muito longo, haverá
quebras, exigindo manutenção corretiva, mais demorada, novamente prejudicando
a produtividade. Os resultados da simulação aparecem a seguir:
Faça a análise da variância (p/ alfa=5%), encontre os intervalos que promovem a

mesma produtividade, e conclua a respeito do intervalo ótimo para as intervenções
da manutenção produtiva a partir do gráfico das médias.
DOE de Fatorial Duplo
Nesta análise trabalha-se com dois fatores de controle, testando todas as
combinações possíveis de seus níveis, a fim de avaliar seus efeitos sobre
uma variável resposta de interesse.
Essa análise requer maior cautela, pois necessita verificar se existe efeito de
interação entre os níveis dos dois fatores.
Exemplo 1: Um pesquisador resolveu avaliar os possíveis efeitos conexos entre
dois fatores de controle (consumo de cimento e adição mineral) na resistência à
compressão do concreto de forma simplificada, conforme a seguir:
Resist. Compr. Fator Adição Mineral
Fator Cimento Adiçãobaixa Adiçãoalta Análise dos Efeitos dos FC’s: Verificar a alteração
Cimentobaixo 20 30 média entre níveis do respectivo fator.
Cimentoalto 40 50
Neste exemplo fica nítida a representatividade de cada fator

de forma individual, mesmo havendo a presença do outro.
Nessa situação considera-se baixa a interação entre FC`s.
Exemplo 2: Em um segundo projeto o pesquisador Resist. à Compr. Fator A/C
Fator Cimento A/C(baixa) A/C(alta)
resolveu avaliar os possíveis efeitos conexos entre os
Areia(baixo) 55 30
fatores de controle: quantidade de areia e relação a/c na Areia(alto) 40 50
resistência à compressão do concreto.
Ao analisar, por exemplo, o efeito médio da
alteração da quantidade de areia na resistência à
compressão, tem-se:
Esse efeito, conforme observado, é bem inferior

ao consumo de cimento e adição.
Isso significa que ele é baixo?
Análise separada
por A/C
Conclui-se para este caso que o efeito entre os FC`s é mais significativo em
conjunto, do que quando eles agem isoladamente.
O Modelo Linear contempla além dos efeitos principais dos FC`s ainda o
efeito da interação entre eles sobre a Variável Resposta:
Efeito dos Níveis dos FC`s t e b sobre a VR
Variável Resposta Efeito dos Ruídos sobre a VR
Média Global
Efeito da interação FC`c sobre a VR i, j => níveis dos fatores t e b
k => número de repetições
A partir do modelo linear pré-definido analisam-se as seguintes relações:
Média Quadrática dos Níveis do Fator t

Quanto maior for
Média Quadrática dos Erros experimentais
a relação das
variâncias
Média Quadrática dos Níveis do Fator b
Mais provável será os

Média Quadrática Interação entre FC`s
efeitos dos FC`s sobre a VR.

Um escritório de projeto de fundações utiliza como uma das soluções recorrentes em
seus projetos realizar reforço do solo com a mistura mecânica de solo-cimento. Ela
historicamente considera parâmetros empíricos para determinar o valor da
resistência do solo reforçado, mas resolve realizar alguns experimentos para
determinar com maior precisão o nível de resistência alcançado.
Decidiu-se, portanto, testar 2 tipos de cimento regional com diferentes teores de 1%,
3%, 5%, 6%. A matriz experimental foi a Fatorial Cruzada Completa com ensaios de
resistência a compressão uniaxial feitos em 3 corpos de prova para cada
combinação.
Caracterização do Modelo:
 Possui 2 FC`s (Fatorial Duplo):
 Tipo de cimento (2 níveis);
 Teor de cimento (4 níveis);
 3 repetições por nível;
 1 Variável de Resposta (Resistência
Compressão);
Considerar erro experimental de 5% (alfa)
Chegando no menu “Dados” => “Análise de Dados”:
Dicas:
• Ao selecionar o intervalo de entrada é
obrigatório incluir os rótulos (nomes)
de ambos FC`s.
• As repetições devem estar agrupadas
na tabela linhas e informada nos
dados de entrada.

Resumo dos
Resultados
Interpretação dos Resultados:

 Amostra: Equivale ao FC das linhas (ex.: Tipo de Cimento).
Neste caso ele não demonstra ser significativo, pois F<Fcrítico.
 Colunas: Equivale ao FC das colunas (ex.: Percentual de Cimento).
Neste caso ele demonstra ser significativo, pois F>>Fcrítico.
 Interações: Equivale ao efeito das interações entre os FC`s.
Neste caso ele não demonstra ser significativo, pois F<Fcrítico.
 Dentro (das amostras): Equivale ao efeito dos ruídos.
Conclusão: Há somente efeito significativo do percentual de cimento sobre a resistência à
compressão observável estatísticamente
Do FC (teor de cimento) que apresentou significância em relação à VR, pergunta-se:

Há teores (níveis) que geraram resultados semelhantes? Quais?
 Deve-se realizar a Comparação Múltipla de Médias e
avaliar em relação à Mínima Diferença Significativa (L)

1ª LISTA

CONTROLE
ESTATÍSTICO DA
QUALIDADE

Controle Estatístico da Qualidade
Introdução
“Qualidade significa adequação ao uso”.

A qualidade é determinada por meio da interação:
• Qualidade de Projeto: Estar de acordo com os anseios do cliente (foco no produto).
• Qualidade de Conformidade: Redução sistemática de variabilidade e a eliminação

de defeitos até que cada unidade produzida seja “idêntica” e livre de defeito (foco no
processo de produção).
 A Qualidade de Projeto deve proporcionar um modelo

“ideal” de Produto na concepção do cliente.
 Já a Qualidade de Conformidade incentiva a criação de

mecanismos, por meio de Melhorias no Processo, para se
alcançar os anseios do cliente (Produto ou Serviço “ideal”).
“Melhoria da Qualidade significa a eliminação

sistemática de resíduos (perdas, retrabalhos, inspeção,
teste, erros em documentos, etc)”.
Introdução
“É impraticável inspecionar qualidade em um produto; o produto
tem de ser construído corretamente já na primeira vez”.
O processo de fabricação / prestação de um serviço tem, por conseguinte, de
ser estável ou capaz de ser repetido e operar com pouca variabilidade ao redor
do alvo ou dimensão nominal.
O Controle Estatístico de Processo (CEP) em tempo real (online) é uma

ferramenta poderosa para encontrar a estabilidade de um processo e para
melhorar a capacidade através da redução de variabilidade.
É importante destacar que Planejamento dos Experimentos (DOE) diferencia-se do CEP,

pois o primeiro possui uma abordagem mais ativa para alcance da qualidade. Mudanças
planejadas são realizadas nos Fatores de Controle para melhoria da qualidade de forma mais
concentrada, independente do andamento da produção, e com menor frequência que o CEP,
que possui uma periodicidade incontestável.
Ou seja: DOE => Abordagem PRÓ-ATIVA (Planejamento);

CEP => Abordagem mais REATIVA (Acompanhamento).
Introdução
DEFINIÇÃO (baseado na NBR ISO 10.017):
CEP avalia a estabilidade do processo a partir de limites que descrevem a
variabilidade inerente da atividade, utilizando-os para monitorar a variável
que mensura a qualidade.
Ex.: A partir de um grande histórico de dados da construtora sabe-se que ela consegue
executar acabamentos em reboco com desaprumo de +/- 0,3%H. Assim resultados que estejam
dentro deste intervalo é considerado como natural do processo de execução.
Todo o processo de fabricação de algum produto ou fornecimento de algum serviço
está sujeito a algumas variabilidades em sua saída. Essas variabilidades podem
se dividir em 2 partes:
 Causas Casuais (inerentes): Também conhecido por variabilidade natural ou “ruído
de fundo”. As suas causas são essencialmente inevitáveis, porém aceitáveis e
inerentes dentro de um processo controlável do ponto de vista estatístico;
 Causas Atribuídas: Causas passíveis de reconhecimento de sua origem e que

normalmente geram maior oscilação de resultados. Essa oscilação geralmente surgem
de 3 fontes: máquinas não propriamente ajustadas, erro dos operadores ou matérias-
primas defeituosas. Representam um nível inaceitável de desempenho do processo
(fora de controle).
Gráficos de Controle: Princípios Básicos
Uma das formas mais usuais de CEP a ser tratada neste módulo será por meio dos
Gráficos de Controle (como sugerido pela NBR ISO 10.017 – Item 4.11).
Gráficos de Controle: Forma gráfica de visualização da Variável Reposta a ser monitorada
com o objetivo de tomada de decisão para controle contínuo da qualidade na saída de um
processo.
O Gráfico de Controle é uma ferramenta largamente utilizada na gestão
da qualidade e pode ser aplicada principalmente nas seguintes fases:
 Fase de Planejamento:
Constatar se os processos possuem condição controlar a qualidade
e ainda se os produtos poderão estar em conformidade com as
especificações.
 Fase de Produção:
Necessidade de validar, monitorar e controlar a produção e
prestação de serviços.
 Fase de Acompanhamento da Gestão da Qualidade:
Avaliar a capacidade dos processos em manter e garantir que a
qualidade dos processos e produtos sejam atendidos.

Componentes básicos de um Gráfico de Controle:
Caracter. da Qualidade da Amostra
Número da Amostra ou Tempo
• Linha Média ou Central (LC): Representa o valor médio da característica de

qualidade.
Em um processo sob controle o valor médio das amostras deve estar
envolvendo a linha central.
• Linha Superior e Inferior de Controle (LSC e LIC): Limites que procuram
definir os resultados sob controle.
O intervalo desses limites é estabelecido para abrigar apenas as
variabilidades provenientes de causas casuais.
O posicionamento dos limites inferior e superior está associado ao desvio-
padrão, pois assim atribui-se uma variabilidade aceitável com previsibilidade
probabilística.
Os eventos aleatórios de amostragem
podem ser previstos como possuindo
comportamento de uma curva normal:
Assim as chances uma amostra

encontrar entre:
• Intervalo de 1 sigma é de 68,26%;
68,26%
• Intervalo de 6 sigma é de 99,99985%; 95,46%
Para o intervalo de 3 sigma, a probabilidade 99,73%

de um ponto médio cair fora dos limites do
controle do processo é de 0,27%. 99,99985%

Conclusão Importante:
 Quanto maior for o intervalo
considerado como aceito o processo
sob controle (3 ou 6s), menor deverá
ser o valor do desvio padrão para
manter o nível de qualidade limitado a
intervalos de variação efetivamente
pequenos.
 Isso implica em dizer que se um
processo aumentar seu controle de 3
para 6s, mantendo os limites extremos
fixos (LSC e LIC) o desvio padrão
deverá reduzir para ½ do anterior (ou ¼
da variância), ou seja, o processo
deverá estar melhor ajustado aos
quesitos de qualidade (será mais
exigido!).

Conclusão Importante:
Controle 3s: 2,7 erros por 1.000 peças
Controle 6s: 2 erros por 1.000.000 peças
O controle de qualidade 6s foi

implementado pioneiramente pela
Motorola.
O nível de controle deve ser compatível 3s => 99,73%
com o porte organizacional da empresa:
6s => 99,99985%
“Não adianta ter um controle 6s em uma

empresa com práticas operacionais 3s”.

É importante saber sobre Controle Estatístico da Qualidade:
• Os gráficos de controle são massivamente utilizados para
?
Melhoria no Processo;
• A maioria dos processos não opera em um estado de
controle estatístico;
• Gráficos de controle devem identificar as causa atribuídas;
Vantagens dos Gráficos de Controle:
• É uma técnica comprovada para a melhoria da produtividade;
• São efetivos na prevenção de defeitos (Faça certo da 1ª vez);
• Previnem ajustes desnecessários no processo (diferenciar a causas
casuais da atribuídas);
• Fornecem informação sobre o diagnóstico da variabilidade do
processo (possíveis motivos da variabilidade);
• Fornecem informação sobre a capacidade do processo (com qual
frequência haverá resultados fora dos limites);
Projeto de um Gráfico de Controle
Uma empresa de pré-moldados controla a qualidade de suas
peças a partir das propriedades de resistência à compressão e
módulo de elasticidade. Para o módulo de elasticidade a
empresa possui valor médio de referência de 12,5GPa aos 7 dias
e desvio padrão de produção de 1,7GPa.
A cada dia é moldada uma amostra com 4 exemplares, cujo o valor médio de
módulo de elasticidade é representado por e plotado no gráfico de controle da
média amostral (conhecido por Gráfico ).
LSC=14,5GPa
LC=12,5GPa
LIC=10,5GPa

O calculo dos Limites de Controle do Gráfico da Média Amostral (Gráfico ) para
uma variabilidade de 3 sigma é:
Desvio-Padrão do Processo
Média do Processo
Tamanho da amostra
Para o exemplo:

O projeto de um gráfico de controle tem que especificar o tamanho da amostra e
a freqüência da amostras:
 Amostragem grande tornará mais fácil detectar pequenas mudanças;
 Amostragem pequena está mais susceptível a captar mudanças

relativamente grandes no processo;
O ideal seria realizar amostragens grandes muito freqüentemente.
A prática corrente nas indústrias tende a favorecer pequenas amostras e mais

freqüentes, particularmente em processos de fabricação de alta produção ou
onde muitos tipos de causas atribuídas possam ocorrer.
Experiências apontam para tamanhos em torno de 3 a 6 medidas.
Já a freqüência deve estar em intervalos condizentes com a ocorrência das

variações por causa atribuída.

Para se definir o tamanho da amostra “n” é importante que ela apresente variabilidade
e valor médio semelhante à sua suposta população. Ou seja, a amostra deve ter a
capacidade de representar o conjunto universo, admitindo um determinado nível de
erro.
população n
amostra
-s +s -s 𝑥 +s
Admitindo que é frequente o controle da qualidade de uma variável com distribuição

normal para a estimativa do tamanho representativo da amostra, tem-se:
s = desvio-padrão da população;
(100%-a) = nível de confiança de que o erro da amostra E
esteja dentro do estipulado;
E = erro máximo admissível que pode ocorrer do valor da
média amostral 𝑥 em relação a média da população m.
Valores típicos de Z dependente do

nível de confiança:
 O grande desafio nestes casos é que normalmente não se conhece s. Assim

recomenda-se inicialmente um amostragem piloto de forma aleatória de pelo menos
31 valores para estima-lo e, posteriormente ir refinando o cálculo do tamanho da
amostra.
Ex.: Considerando a necessidade de se definir o tamanho da amostragem para

controle tecnológico do concreto e adotando os parâmetros estabelecidos pela
NBR12.655 e NBR7.212.
 Concreto dosado na central: s=3MPa (nível 1 da
NBR7.212) n=(1,645 * 3 / 3 )2
 Considerando grau de confiança de 90% (NBR12.655).
 Supondo aceitar desvio da amostra em relação a
n=2,7
população de 3MPa para concretos de até 30MPa

Amostras Racionais
Quando há o estabelecimento dos Limites de Controle a partir de amostras
iniciais do processo é importante coletar dados amostrais que evitem, na medida
do possível, observações sob influência de variabilidades atribuída, e aceitar
observações sujeitas a variabilidades de causas casuais. Assim, será possível
estabelecer as fronteiras (LIC e LSC) para englobar as causas casuais e deixar
de fora as causas atribuídas, que evidenciam o processo fora de controle.
A forma de se realizar a amostragem deve passar por uma das duas abordagens
levantadas por Montgomery (2007):
 Amostragem de unidades produzidas ao mesmo tempo: É normalmente
considerada quando deseja-se detectar mudanças no processo. Essa forma
de amostragem minimiza efeitos de variabilidade atribuída dentro das
amostras e maximiza o efeito desta variabilidade entre amostras.
 Amostragem ao longo do tempo: entre intervalos pré-estabelecidos. Esse

método é empregado quando deseja tomar decisões sobre os produtos que
foram gerados ao longo da amostragem.

Comportamento dos Resultados
Assumindo que um processo esteja sob controle, é de esperar

que os resultados plotados no gráfico estejam dentro dos
limites (LIS e LSC) e ainda que apresentem comportamento
aleatório, sem haver uma tendência de lógica presumível.
Estável*
Instável
*Sob controle
Tal comportamento aleatório é esperado, pois se considera

que as amostras foram selecionadas de forma aleatória e
que as variações de resultados monitorados estejam sob
influência das causas casuais não previsíveis.
Comportamentos Não-Aleatórios
Um gráfico pode ter comportamento não-aleatório, quando há influência de
causas atribuídas, que geram uma variabilidade além do desejado, nas
seguintes situações:
• Quanto uma ou mais amostras encontram-se fora dos Limites de
Controle;
• Quanto várias amostras encontram-se dentro dos Limites de Controle, mas:
 Possuem uma seqüência crescente ou decrescente com mais

de 5 amostras contínuas (conhecido por: corrida);
 Possuem uma seqüência maior que 8 pontos do mesmo
lado da linha média;
 Possuem um comportamento cíclico. Tal padrão de
comportamento pode indicar um problema com o processo,
como por exemplo: fadiga do operador, entrega de matéria-prima
e desenvolvimento de variações ambientais;
LEMBRE-SE: Os limites LIC e LSC devem compreender, dentro do possível, somente

variabilidades casuais.

Comportamentos Não-Aleatórios
Não é fácil detectar padrão de comportamentos não-aleatórios. A habilidade
para interpretar um padrão particular de comportamento em termos de causas
atribuídas requer experiência e conhecimento do processo.
O Western Electric Handbook (1956) sugere um conjunto de regras complementares

de análise de estabilidade dos gráficos de controle. As duas principais são:
 2 de 3 pontos consecutivos caírem

além do limite 2 sigma;
Probabilidade de ocorrência desta situação
= [(100%-95,46%)/2]2 = 0,05%
 4 de 5 pontos consecutivos caírem

além do limite 1 sigma;
Probabilidade de ocorrência desta situação

= [(100%-68,26%)/2]4 = 0,06%

Cálculo dos Limites de Controle
É recomendado que seja feito o CEP a partir das médias, amplitudes e desvios-
padrão das amostras racionais.
 Gráfico de Controle das Médias Amostrais ( )
Caso os parâmetros m e s forem

desconhecidos, geralmente estima-se com
base em amostras racionais retiradas
quando o processo estiver aparentemente
sob controle (estável).
A quantidade mínima de amostras

recomendada é de 20 a 25, e o tamanho
por amostra é de 3 a 6.
Média das Amplitudes Amostrais
Média das Médias Amostrais

Constante em função do
tamanho da amostra (valor
tabelado). Obs.: Limites definidos para 3 sigmas
Tabela para obtenção das Constantes (Retirado de
Montgomery, 2009).

 Gráfico de Controle das Amplitudes Amostrais ( )
Média das Amplitudes Amostrais
tabelado).
tabelado).
Obs.: Não é aconselhado LIC negativo. Se ocorrer,

considerar igual a zero.
 É importante controlar a qualidade a partir de medidas de dispersão,

pois dentro da amostra pode ocorrer variações de resultados
inaceitáveis na produção de um produto.
Isso significa dizer que dentro de um mesmo lote poderão haver desvios de
padrão: unidades produzidas com excesso ou carência de qualidade.
 Gráfico de Controle do Desvio-Padrão Amostral ( )
Média dos Desvios-Padrão
Amostrais
tabelado).
Obs.: Não é possível LIC negativo. Se ocorrer,

considerar igual a zero.
Os limites de controle devem ser revisados periodicamente, pois as

condicionantes de produção (insumos, trabalhadores, equipamentos,
etc.) variam com o tempo.
• Exemplo:
Uma grande incorporadora irá implantar um projeto de
edificações pelo sistema JetCasa*. Um dos requisitos
estratégicos para garantia do desempenho é a resistência à
compressão da argamassa de acabamento das placas a
fim de atender a norma de desempenho NBR 15.575.
Para tanto foram realizadas várias medições de forma

padronizada nas primeiras unidades e tomadas como
referência para controle da qualidade. Sendo assim,
determine:
a)Os gráficos de controle , , ;

b)Verificar se há algum ponto no gráfico fora de controle;
c) Reconstrua os gráficos desconsiderando os pontos
fora de controle.
* Painéis JETCASA pré-moldados mistos de concreto armado e blocos cerâmicos

para paredes - Documento de Avaliação Técnica do SINAT/PBQP-H
• Exemplo:
10 Passo: Determine os Limites de Controle para os três gráficos:
Limites de Controle da Média
Amostral:
Limites de Controle da Amplitude

Amostral:
Limites de Controle da Desvio-Padrão

Amostral:
• Exemplo:
20 Passo: Plotagem dos Gráficos e Verificação de Pontos Fora de Controle:
6
8
11
9
19
• Exemplo:
20 Passo: Plotagem dos Gráficos e Verificação de Pontos Fora de Controle:
30 Passo: Após a retirada dos pontos considerados fora de controle: 6, 8, 9, 11 e
19, e recalculando os limites, tem-se:
Esses limites podem
agora ser usados para
julgar o Controle
Estatístico da Produção
futura.
Recomenda-se rever
periodicamente os limites,
mesmo que o processo Os limites devem sempre ser
permaneça estável. revistos quando melhorias no
processo são implementadas.
Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações

EXERCÍCIO 2
Resolveu-se monitorar a produtividade do Amostra
Medições índice de Produtividade (h/m2)
X1 X2 X3 X4
serviço de montagem das fôrmas em uma 1 0,33 0,33 0,33 0,43
2 0,38 0,38 0,43 0,33
grande obra de 6 mil unidades habitacionais, 3 0,38 0,40 0,35 0,38
cujo o novo sistema construtivo apresenta 4 0,30 0,35 0,38 0,33
5 0,35 0,33 0,43 0,40
como caminho crítico esta etapa. Esta 6 0,30 0,38 0,43 0,35
7 0,38 0,33 0,38 0,35
empresa possui certificação NBR-ISO 9001. 8 0,30 0,40 0,38 0,38
As amostras são medidas diariamente. 9 0,33 0,43 0,43 0,38
10 0,30 0,30 0,40 0,33
Determine: 11
12
0,40
0,43
0,35
0,43
0,40
0,33
0,35
0,35
a) Calcule os limites de controle. 13 0,35 0,38 0,38 0,35
14 0,33 0,43 0,38 0,30
b) Monte os gráficos de controle. 15 0,45 0,40 0,38 0,43
c) Avalie os resultados: 16
17
0,38
0,38
0,38
0,43
0,40
0,35
0,33
0,40
c1) Podemos considerar os limites 18 0,38 0,30 0,35 0,30
19 0,33 0,43 0,33 0,35
calculados para controle da qualidade? 20 0,30 0,33 0,30 0,33
c2) Há algum sinal de instabilidade da 21
22
0,25
0,30
0,33
0,33
0,40
0,33
0,40
0,38
produtividade que precisa ser ajustado? 23 0,40 0,38 0,33 0,33
24 0,33 0,30 0,30 0,35
25 0,33 0,35 0,30 0,33
Gráficos de Controle para Medidas Individuais
Em muitas situações o tamanho da amostra usada para controle de processo é
unitário. Alguns exemplos:
1) Quando ocorre inspeção automática para cada

unidade fabricada e não há diferenciação de produção
ao longo do tempo;
2) A taxa de produção é muito lenta, sendo

inconveniente acumular amostras de tamanho >1;
3) Em muitos processos químicos o tamanho da amostra não influencia

substancialmente na variabilidade das suas características.
Nestas condições é possível realizar o controle da qualidade, mesmo não havendo

repetitividade de medições em uma amostra (tamanho unitário), porém a análise é
feita entre amostras unitárias, como será exposto a seguir.
Como nesses casos não há amplitude em 1 amostra, trabalha-se com a
amplitude móvel de 2 duas observações sucessivas para estimar a
variabilidade do processo.
Obs.: Sempre considerar a

amplitude móvel positiva a fim
de se poder avaliar a
expressividade de seu valor
médio.
A estimativa do desvio-padrão amostral é calculado a partir da seguinte expressão:
AM
Desvio-Padrão amostral ˆ  Média da Amplitude Móvel
de uma série de observações AM i  X i  X i  1
1 ,128
Limites de Controle para Medidas Individuais:
am am
LSC  x  3 LC  x LIC  x  3
1 ,128 1 ,128
• O Gráfico de Controle para Medidas Individuais é pouco sensível a pequenas mudanças
na média do processo.
• Ele é muito útil para detecção de grandes mudanças no processo, mas para mudanças
menores e mais rápidas ele não é o mais apropriado. Nesses casos, pode-se criar o
Gráfico de Controle da Soma Cumulativa*.
Limites de Controle das Amplitudes Móveis:
LSC  3 ,267.a m LC  a m LIC  0

• O Gráfico de controle gerado pelas Amplitudes Móveis pode induzir a um
comportamento de corridas ou ciclo no gráfico. Logo, deve-se ter cuidado ao interpretá-
lo quando estiver em situação fora de controle.
*Não será abordado nesse curso. Maiores detalhes consultar livro de MONTGOMERY, D. C. Estatística Aplicada e Probabilidade para Engenheiros.
Exemplo:
Uma construtora necessita controlar a espessura seca de película
anticorrosiva em uma cobertura metálica cujo o ambiente marinho pode
reduzir significativamente sua durabilidade. Para tanto, deseja-se obter o
Gráfico de Controle das Medidas Individuais das espessuras em vários locais
da estrutura. Determine ainda o Gráfico de Controle das Amplitudes Móveis.
Observação Espessura (mm) Amplitude Móvel
1 102
2 94,8 7,2
3 98,3 3,5
4 98,4 0,1 Limites de Controle das Medidas Individuais:
5 102 3,6
6 98,5 3,5 LC 99,1
am am
7 99 0,5 LSC  x  3 LC  x LIC  x  3 LSC 105,98
8 97,7 1,3 1 ,128 1 ,128
LIC 92,21
9 100 2,3
10 98,1 1,9
11 101,3 3,2
12 98,7 2,6 Limites de Controle das Amplitudes Móveis:
13 101,1 2,4
14 98,4 2,7 LC 2,59
LSC  3 ,267.a m LC  a m LIC  0 LSC 8,46
15 97 1,4
16 96,7 0,3 LIC 0,00
17 100,3 3,6
18 101,4 1,1
19 97,2 4,2
20 101 3,8
Média 99,1 2,59
Exemplo:
 Resultados:
Gráfico de Controle das Medidas Individuais

107
104
101
Medias
98
95
Gráfico de Controle das Amplitudes Móveis
92
0 2 4 6 8 10 12 14 16 10 18 20
Amostras 8
Amplitude Móvel
0
0 2 4 6 8 10 12 14 16 18 20
Amostras

EXERCÍCIO 3
Um fabricante de reservatórios de polietileno para água potável resolve monitorar de
forma automática o peso de todos os reservatórios de 500 litros (cujo valor alvo
especificado é de 12,4kg), sob suspeita de que está havendo grande oscilação no
consumo de matéria prima para sua fabricação. Os resultados dos monitoramentos
encontram-se listados na respectiva planilha do exercício.
Determine:
a) Os limites de controle;
b) Gráficos de controle plotados;
c) Segundo requisitos da Norma NBR 14.799 a
massa desse tipo de reservatório pode oscilar
SBS
Consultoria
entre -5% a 10% do valor alvo. Neste caso é

possível informar que há possibilidade
significativa de haver excessos na massa além do
especificado pela norma?

Capacidade de Processo
Definição:
Produção
Refere-se à capacidade do processo gerar saídas

Cliente (produtos e serviços) conforme as especificações
previamente definidas pelo cliente (normas,
mercado, leis, exigências específicas de clientes,
etc.).
A intenção é verificar se o processo de produção é capaz de

gerar variabilidade estatisticamente controlável (previsível) e
ainda suportável, dentro das expectativas do cliente.
Sendo assim, não basta estar com o processo sob controle
estatístico da qualidade (dentro dos limites de controle), mas
é preciso também garantir que ele gere resultados dentro do
esperado pelo cliente (dentro dos limites de especificação)
É necessário obter alguma informação acerca da capacidade do processo em
gerar saídas dentro dos Limites de Especificação do produto.
Não confunda limites de controle com

limites de especificação.
 Limites de Controle (LC) são internos ao processo.

Eles refletem a faixa estatisticamente esperada de
variação da saída do processo.
 Limites de Especificação (LE) representam os requisitos de engenharia do
produto para satisfazer um cliente interno ou externo. Eles são externos ao
processo.
Ex.: O fabricante de um piso cerâmico especifica
Tô
boiando... que a espessura do rejunte deve ser em torno de
2mm a 5mm (Limites de Especificação). Já a sua
equipe de funcionários, após levantamento do
processo, consegue assentar o piso com rejunte
variando de 3mm a 4mm (Limite de Controle).
Pode-se dizer então que...
 Os LIMITES DE CONTROLE (LC) são responsáveis por
verificar se o processo de produção de algo está
mantido dentro de certos níveis de tolerância de
variabilidade (sob controle);
 Os LC’s devem ser comparados estritamente com os valores representativos das

amostras e não com seus valores individuais;
 Os LIMITES DE ESPECIFICAÇÃO (LE) delimitam o

quanto certa característica do produto pode ser
aceita dentro dos padrões de qualidade exigidos
pelo cliente (ou outro interessado);
 Produtos que estejam fora dos LE’s são considerados não-conformes aos
padrões de qualidade, porém não quer dizer necessariamente que estejam fora
de controle do processo;
Uma das formas de se medir a Capacidade do Processo é por meio da seguinte
razão: Diferença entre o Limite Superior e
Inferior de Especificação
Diferença entre os Limite de Controle
RCP>1 RCP=1 RCP<1
LIE LSE LIE LSE LIE LSE
6s 6s 6s
DESEJÁVEL ACEITÁVEL INDESEJÁVEL
=> Avalia o quanto do intervalo possível de variação das especificações

do produto é aproveitado pelo processo.
Controle Estatístico da Qualidade – leitura para casa
Desempenho do Gráfico de Controle
Todo gráfico de controle procura abrigar
de forma previsível grande parte dos
resultados de qualidade a ser
monitorado.
Porém, é inviável tecnicamente abrigar dentro dos limites de

controle todos os resultados possíveis, até mesmo porque há
limites de especificação do produto que devem ser respeitados.
 Desta forma, deve-se prever qual será o desempenho do

processo em gerar resultados dentro dos limites a fim de se
planejar quando o oposto ocorrer e ainda não gerar uma
expectativa errônea sobre a condição de controle da gestão
da qualidade.
Uma das formas de se avaliar o desempenho do Gráfico de Controle é por meio do
Comprimento Médio de Corrida (CMC).
onde CMC refere-se ao número de médio de pontos que p = probabilidade de

tem de ser plotado no Gráfico de Controle antes de um um ponto exceder os
resultado indicar uma condição fora de controle. limites de controle.
 Exemplo:
Se o processo estiver sob controle, as chances de um ponto estar fora dos 3s é de
p=0,0027. Assim:
Conclusões do Exemplo:
 Mesmo se o processo permanecer sob controle, um sinal de fora de controle será

gerado, em média, a cada 370 amostras;
 Teremos um “alarme falso” aproximadamente a cada 370 amostras, em média. Logo,
se caso ocorrer pontos “fora de controle” nessa frequência, não quer dizer que o
processo está efetivamente fora do controle.
2ª LISTA
LEITURA PARA CASA
• Os próximos slides são recomendados para

leitura complementar em casa
Quando o processo estiver apresentando sinais de fora de controle, há
grandes chances das médias amostrais começarem a se distanciar da
Linha Central (LC).
Média Amostral m
Observações
LSC
LIC
Nº da amostra
Nesta situação é importante avaliar qual seria a probabilidade e

frequência que poderiam ocorrer pontos fora dos limites de controle para
então tomar medidas preventivas.
 Calculo da probabilidade de haver resultados fora dos limites de controle (p):
p Média Amostral m
Observações
LSC
Probabilidade que haja pontos da nova distribuição
P amostral dentro dos limites de controle
LIC
Média das Amplitudes Média Amostral Deslocada

Nº da amostra
Exemplo:
Um Gráfico de Controle com Limites (LIC=73,9865 e LSC=74,0135) quando feita

uma série de amostragem percebeu-se que a média se deslocou para o valor
74,013. Sabendo que o tamanho das amostras é 5 e a amplitude média é de
0,0026, calcule a probabilidade dos pontos das amostras estarem fora dos
Limites e o valor de CMC.
Exemplo:
LIC=73,9865 e LSC=74,0135  3.( 73,9865 - 74,013) 3.( 74,0135 - 74,013) 
p  1  P X 
m = 74,013  0,577.0,0026 0,577.0,0026 
p  1  P  53 ,00  X  1 ,00 
Tamanho das amostras (n) = 5
r = 0,0026
No Excel é possível calcular a distribuição normal Fórmulas
acumulada padronizada (Dist.NormP): P(X<-53) 0 =DIST.NORMP(-53)
0,84134
P(X<1) 5 =DIST.NORMP(1)
Se a média amostral (74,013) se desvincular do LC
(74,000) as chances de se detectar pontos fora P(- 0,84134
53<X<1) 5 = P(X<1) - P(X<-53)
de controle é de 15,87%.
p 0,1587 =1- P(-53<X<1)
Ou seja, há 15,87% de possibilidade dos resultados do CMC 6,30 =1/p
monitoramento serem detectados pelos atuais Limites
de Controle, na situação apresentada no exemplo. Como, nesse exemplo, o número a
amostragem é feita a cada hora, isso
Em média, o Gráfico de Controle requererá
equivale a dizer que, em média, será
aproximadamente 6 amostras para detectar a
preciso de 6 horas para alertar a
mudança no processo (desvio da média amostral).
produção de um possível desvio no
processo. Isso em alguns casos pode
O que fazer? ser problemático (tarde demais!).
O que fazer para reduzir o tempo de

resposta a um possível comportamento
fora dos Limites de Controle do Processo?
1. Reduzir o tempo entre amostragens (aumentar a freqüência de amostragem);
2. Aumentar o tamanho da amostra (Isto reduz o intervalo entre LSC e LIC);
3. Recalcular os Limites de Controle (inclusive a Linha Central) a partir dos

novos valores amostrais, caso ainda estiverem dentro dos Limites de
Especificação e essa variação não for proveniente de uma causa atribuída;
4. Criar um plano de contenção, caso ocorra algum problema com as saídas do

processo, a fim de se precaver das conseqüências (não é o mais
aconselhável).
ATÉ A PRÓXIMA!!!
ROBSON DONIZETH
RD ENGENHARIA
CONTATOS PROFISSIONAIS:
rd.engenharia@outlook.com - rdcosta1@hotmail.com
61-9 9982 7025

Ferramentas Estatística Da Qualidade - Prof. Robson - V7 - 2020

Enviado por

Direitos autorais:

Formatos disponíveis

Ferramentas Estatística Da Qualidade - Prof. Robson - V7 - 2020

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Ferramentas Estatística Da Qualidade - Prof. Robson - V7 - 2020

Enviado por

Direitos autorais:

Formatos disponíveis

Técnicas de Controle da

Versão I – Rev. 0 – Jan / 2015

 Compreender os princípios da garantia e controle da qualidade

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 2

Duração Total Estimada: 20h efetivas

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 3

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 4

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 5

Lembre-se: Atender a necessidade não é absoluto,

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 7

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 10

“Estatística é a ciência que se ocupa do levantamento e

A Estatística divide-se em 2 ramos distintos:

O Sistema de Avaliação da Conformidade (SiAC) do PBQP-H explicita a

[...], a utilidade das técnicas estatísticas segue a variabilidade

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 13

Foram realizadas 10 medidas para avaliar o grau de absorção de água em

Se você tivesse que representar os resultados acima por um único número,

Média Quociente da soma dos valores da variável pela quantidade

Sintaxe no Excel: =MÉDIA(núm1; núm2; ...)

Sintaxe no Excel: =MODO(núm1; núm2; ...)

Mediana Refere-se ao valor central de uma série em ordem crescente

Sintaxe no Excel: =MED(núm1; núm2; ...) Ex.: Mediana de: 1, 2, 3, 4, 5

Imagine os três conjuntos de dados abaixo, representando a mesma medida de referência:

As principais medidas de dispersão são:

Amplitude total É a diferença entre o maior e o menor valor observado. Possui a

Função: MÁXIMO e MÍNIMO

Sintaxes no Excel : =MÁXIMO(núm1; núm2; ...) =MÍNIMO(núm1; núm2; ...)

Variância É a diferença quadrática média entre cada um dos valores e a média

Função: VARP Função: VAR

Calcula a variância com base na Calcula a variância com base uma

Sintaxe no Excel : =VARP(núm1; núm2; ...) Sintaxe: =VAR(núm1; núm2; ...)

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 18

Função: DESVPADP Função: DESVPAD

Sintaxe: =DESVPADP(núm1; núm2; ...) Sintaxe: =DESVPAD(núm1; núm2; ...)

Coeficiente de O desvio padrão, quando utilizado comparativamente, por si só

(Trecho da norma NBR 10017:2005)

 Qualidade do Produto: Capacidade em atender aos requisitos técnicos.

Forma gráfica de se resumir a distribuição de CLASSE

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 21

Passos Básicos para Criação do Histograma:

 Calcule a amplitude total dos dados coletados (R).

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 22

- Intervalo de entrada: faixa onde estão

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 23

análise de projetos para tomada de

• Curiosidade: Vilfredo Pareto, competente economista e engenheiro do século

- Vá até o comando “seleção atual” R$ 2.000.000,00 80%

(dentro do menu: formatar); Após a R$ 1.500.000,00

- Lá fica disponível todos os elementos configuração do R$ 1.000.000,00

do gráfico para seleção e formatação. gráfico, tem-se: R$ 500.000,00 20%

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 27

Controle de Qualidade - Pré-moldados Recomendação:

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 28

Ferramentas Estatísticas da Qualidade – MBA em Projeto, Execução e Desempenho de Estruturas e Fundações 30

Processos Prazos e Qualidade do Desempenho

O Planejamento dos Experimentos possui como premissa analisar a qualidade do

Como atestar o O Planejamento de

Em síntese: A partir do DOE tem-se condição de avaliar se os processos e produtos