Download - GRÁFICOS DE CONTROLE PARA MONITORAMENTO … · e estatísticos envolvidos nos gráficos de controle, a fim de detectar de forma mais veloz e precisa as alterações presentes nos

GRÁFICOS DE CONTROLE PARA

MONITORAMENTO ESTATISTICO DO

PROCESSO DE ACONDICIONAMENTO

DE EMBUTIDOS

Matheus Fernando Moro (UFSM )

[email protected]

Camila Candida Compagnoni dos Reis (UFSM )

[email protected]

Sandrine de Almeida Flores (UFSM )

[email protected]

Andreas Dittmar Weise (UFSM )

[email protected]

Os gráficos de controle estatísticos de processo são importantes para

verificação de falhas, pois os processos precisam estar ocorrendo

dentro dos limites de controle especificados. Os gráficos de controle

tradicionais tipo Shewhart não sãoo eficazes se o tamanho da mudança

é pequena, assim os gráficos CUSUM e EWMA surgem com

alternativa. Diante disso, o objetivo desse trabalho é aplicar os

gráficos de Shewhart (X-S), Soma Acumulada (CUSUM) e o de Média

Móvel Exponencialmente Ponderada (EWMA) na análise do peso do

pacote de salsicha do tipo hot dog de uma indústria frigorifica. Os

dados são fornecidos pela empresa e os gráficos são elaborados no

software Statistica® 10. Os resultados de cada gráfico são

comparados, com objetivo de encontrar o melhor método para

monitorar o processo, ainda é desenvolvido um diagrama de causa e

efeito para organizar as causas do problema. Conclui-se que tanto os

gráficos CUSUM como EWMA tem como pontos positivos detectar

mais rapidamente pequenos desvios e dão informações sobre a

tendência do processo, sendo indicados para o monitoramento deste

processo, porém, o gráfico de controle EWMA tem a vantagem, de

antecipação do alarme quando há variabilidade no processo devido a

causas especiais.

Palavras-chave: Controle Estatístico do Processo; Gráficos de

Controle; Desempenho de processo.

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.


João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

2

1. Introdução

A revolução industrial é considerada o marco da administração da produção, trouxe novos

sistemas e processos industriais, exigindo novas técnicas gerenciais especificadas para a

indústria. Com o aprimoramento da tecnologia novos conhecimentos e técnicas precisaram ser

aprendidos, pois a qualidade dos produtos é cada vez mais exigida, além de primordial para

que a organizações se mantenham competitivas no mercado, aquém disso, as regulamentações

existentes são cada vez mais cautelosas, exigidas e fiscalizadas (PEINADO; GRAEMI, 2007).

Na percepção de Campos (1992, p. 2) “[...] um produto ou serviço de qualidade é aquele que

atende perfeitamente, de forma confiável, de forma acessível, de forma segura e no tempo

certo às necessidades do cliente [...]”. Para o autor, a qualidade é resultante de uma série de

fatores que vão desde um perfeito projeto do produto até a entrega dele para o cliente, que

deve ser feita no prazo certo, no local certo e na quantidade certa. Assim, ferramentas e

técnicas são utilizadas nos mais diversos ramos industriais e até mesmo de serviços, buscando

melhores índices de qualidade dos produtos e/ou serviços oferecidos, considerando o controle

dos processos envolvidos.

O Controle Estatístico do Processo (CEP) é uma técnica poderosa para monitorizar, gerir,

analisar e melhorar o desempenho do processo por métodos estatísticos. Os gráficos de

controle estatísticos de processo são importantes para verificação de falhas, pois os processos

precisam estar ocorrendo como planejado, isto é, dentro dos limites de controle especificados.

Estes gráficos são utilizados nas operações produtivas, podendo destacar problemas que estão

afetando o sucesso da produção (BITTENCOURT, 2014).

Os gráficos de controle tradicionais tipo Shewhart não são eficazes se o tamanho da mudança

é pequena, 2σ a 1,5σ, ou menos. Os gráficos CUSUM e EWMA são uma alternativa para

pequenas mudanças. Esses dois gráficos auxiliam na tomada de decisão, pois se fundamenta

nos resultados apresentados por certo número de amostras, e não em observações isoladas de

amostras, ou seja, a análise deste gráfico é em função do resultado atual e dos resultados

anteriores (Cruz et al., 2009).

Diante disso, o objetivo desse trabalho é aplicar conceitos de controle estatístico de processos

(CEP) na análise do peso do pacote de salsicha do tipo hot dog de uma indústria frigorifica

catarinense. Os gráficos de Shewhart (X-S), Soma Acumulada (CUSUM) e o de Média Móvel

Exponencialmente Ponderada (EWMA) são aplicados, analisados e os resultados comparados,

com objetivo de estabelecer o controle estatístico no processo, ainda é desenvolvido um

diagrama de causa e efeito para organizar as causas do problema.

O presente artigo está estruturado da seguinte forma: imediatamente após a introdução, consta

o referencial teórico que embasou esse estudo, contemplando os tipos de gráficos de controle

utilizados para variáveis. Na sequência, visualizam-se os materiais e métodos adotados na

pesquisa e os resultados e discussões onde se pode visualizar os gráficos desenvolvidos. Por

fim encontra-se exposto a conclusão a partir do estudo realizado.

2. Gráficos de controle para variáveis

Os gráficos de controle são utilizados para verificar, visualmente, as conformidades e não

conformidades de processos e produtos. Por meio deles, possibilita-se identificar pontos

estratégicos na linha de produção, que se destacam por alterações fora do normal, sendo que

quando detectado possibilita a compreensão das causas especiais que envolvem o processo

industrial (SAMOHYL, 2009). Dividem-se em gráficos de controle para variáveis e gráficos

de controle para atributos, onde neste segundo o valor da variável em estudo é determinado

através de uma classificação ou contagem.



3

De forma corroborativa, utiliza-se de gráficos de controle para variáveis no monitoramento de

processos quando a característica estudada “é uma variável que pode ser mensurada e

expressa em um valor na escala contínua” (WALTER et al., 2013, p. 272), ou seja, o valor é

determinado através de algum tipo de medição. Nos gráficos de controle para variáveis, é

adequado que se descreva a característica estudada por meio de sua medida de tendência

central e de sua variabilidade, representando os resultados em gráficos de controle

apropriados.

Em sua maioria, os gráficos de controle compõem-se por linhas horizontais sendo elas uma

Linha Central (LC) que representa o alvo da característica (ou a média da vaiável) e as linhas

de Limite Inferior de Controle (LIC) e Limite Superior de Controle (LSC), e dos pontos que

representam as amostras (ou médias das amostras dos subgrupos) (SAMOHYL, 2009).

Assim, medidas obtidas no processo são plotadas no gráfico, de modo que, quando fora dos

limites de controle, considera-se que há existências de causas especiais que afetam o processo,

de modo que o mesmo não pode ser considerado sob controle estatístico.

2.1 Gráfico de Controle de Shewart Dentre os diferentes gráficos de controle estatísticos o mais utilizado é o tradicional gráfico de

Shewhart, fato que pode ser justificado devido à simplicidade de uso e interpretação e por

detectar com eficácia grandes mudanças (WALTER et al., 2013; HENNING et al., 2014). Os

gráficos de controle para variáveis podem ser expressos por três tipos: para controlar a média

do processo usualmente utiliza-se o gráfico de controle para as médias – gráfico

(MONTGOMERY, 2004), já para o controle da variabilidade do processo, utiliza-se o gráfico

de controle para o desvio padrão – gráfico S, e o gráfico para amplitude – gráfico R

(WALTER et al., 2013).

Os gráficos de controle de Shewart são demonstrações gráficas de ordem de amostras, que

estão passando pelo controle estatístico de processos, baseando-se em uma Linha Central

(LC) como valor médio do processo analisado, observa-se a localização do Limite Superior de

Controle (LSC) e o Limite Inferior de Controle (LIC), pois essa situação equivale a um teste

de hipótese se os pontos encontram-se entre os limites estabelecidos, assim não se rejeita a

hipótese de estar sob controle (MONTGOMERY, 2004; MINGOTI; YASSUKAWA, 2008).

Nas Equações 1, 2 e 3 CARPINETTI (2012) define os limites.

; (1)

LC = ; (2)

(3)

Contudo, sabe-se que para construir o gráfico s é preciso calcular o desvio padrão para todos

os subgrupos amostrais, pois o monitoramento da variabilidade é realizado dentro de cada

subgrupo. Portanto, os gráficos – S apresentam limites de controle que variam de acordo

com o tamanho da amostra de cada subgrupo, quanto menor o tamanho da amostra, mais

extensos serão os limites de controle (MONTGOMERY, 2004; BITTENCOURT, 2014).

De acordo com Montgomery (2004) e Samohyl (2009), utiliza-se os gráficos X e S quando:

a) O tamanho da amostra n é maior que 10 ou 12, já que nesses casos o gráfico R tende a

superestimar o desvio-padrão; e

b) O tamanho da amostra n é variável.



4

Por isso nesse trabalho iremos construir apenas os gráficos de média e desvio padrão. Com o

passar do tempo, foram sendo desenvolvidos conceitos para aperfeiçoar cálculos matemáticos

e estatísticos envolvidos nos gráficos de controle, a fim de detectar de forma mais veloz e

precisa as alterações presentes nos processos, minimizando a ocorrência de alarmes falsos e

alarmes não dados (SAMOHYL, 2009). Assim, os gráficos de CUSUM (somas acumuladas) e

EWMA (suavização exponencial simples) surgem como aprimoramento do gráfico de

Shewhart.

2.1.1 Gráfico de Controle de Soma Acumulada (CUSUM)

O gráfico CUSUM incorpora a informação presente nas observações anteriores em cada

observação do gráfico de controle, ou seja, considera o histórico de dados e torna possível

reconhecer pequenas alterações nos processos. O CUSUM trata da “soma acumulada dos

desvios das mensurações ao redor da média ou valor nominal do processo como ponto de

referência” (SAMOHYL, 2009, p. 145).

O cálculo conta com informações de diferença do valor observado pela média global das

amostras ( ), somando-se então todas as diferenças encontradas, de modo que Walter et al.

(2013) apresenta para este cálculo a seguinte equação:

; (4)

De forma que expressa a soma acumulada de i amostras. Uma vez que tem-se o processo

sob controle estatístico, a soma acumulada apresenta valor com média próxima a zero.

No caso de os valores de se afasta da média , a soma acumulada apresenta rapidamente

valores maiores, servindo de alerta para o desvio do processo. Destaca-se ainda a importância

de se identificar se a soma acumulada é negativa ou positiva, ou seja, se as leituras observadas

de são inferiores ao valor nominal (mostrando graficamente um deslocamento para

baixo) ou superiores ao valor nominal (deslocamento para cima) (SAMOHYL, 2009).

O CUSUM funciona acumulando desvios de que estão acima e abaixo do alvo, com uma

estatística C+ e C- chamadas de CUSUM’s unilaterais, superior e inferior. Estas estatísticas

são calculadas da seguinte forma:

]; (5)

]; (6)

Onde, = = 0.

O valor de referência K é escolhido entre o valor-alvo e o valor da média fora de controle

que estamos interessados em detectar rapidamente. Desta forma, se a mudança é expressa

em unidades de desvio padrão como , então K é a metade da magnitude da

mudança dada pela Equação 7.

(7)



5

Se ou ultrapassar o intervalo de decisão H, o processo será considerado fora de

controle estatístico. Pra um melhor desempenho do gráfico de soma acumulada, recomenda-se

que seja utilizado um valor de K igual a 0,5 vezes o valor do desvio padrão (σ) e o H como

quatro ou cinco vezes o valor do desvio padrão (σ). Após entendimento do exposto, torna-se

evidente a maior sensibilidade dos gráficos CUSUM no que tange as mudanças nos processos

em estudo.

2.1.2 Gráfico de controle de Média Móvel Exponencialmente Ponderada - EWMA

O gráfico da média móvel exponencialmente ponderada, gráfico de controle EWMA, é

indicado para detecção de pequenas mudanças, são responsáveis por verificar o deslocamento

no processo. Sob a suposição de normalidade, o EWMA dá-se a linha central e os limites de

controle, conforme descrito nas Equações 8, 9 e 10 (SOUSA et al., 2014).

(8)

; (9)

;

(10)

Os limites apresentam um L, representando o coeficiente dos limites e é o desvio padrão do

processo estimado. Contudo, os limites de controle podem variar conforme as observações

analisadas, sendo que i, o número de ordem da observação, aumenta gera tendência para a

unidade de (TRENTIN, 2010).

É importante ressaltar que para ser possível a utilização de qualquer tipo de gráfico de

controle duas suposições devem ser validadas. A primeira suposição é a da independência das

amostras, ou seja, as amostras não devem apresentar nenhum tipo de correlação. A segunda é

a de que os dados sejam normalmente distribuídos (MONTGOMERY, 2004; SAMOHYL,

2009; CARPINETTI, 2012).

3. Metodologia

3.1 Classificação da Pesquisa

Segundo Gil (2008), a utilização de métodos estatísticos, torna a pesquisa com um grau de

precisão de ordem quantitativa, sendo que possibilita a conclusão quanto à margem de erro de

um valor encontrado, de forma que este trabalho se enquadre como tal. Uma vez que o

objetivo deste trabalho concentra-se em empregar os gráficos de controle de Shewhart,

CUSUM e EWMA pode-se afirmar que se trata de uma pesquisa axiomática normativa,

segundo a classificação proposta por Bertrand e Fransoo (2002).

3.2 Material de estudo

A empresa em estudo está situada no estado de Santa Catarina e teve sua fundação em 1934.

Atualmente conta com 9 mil funcionários e possui um grande mix de produção contando com

derivados de aves, suínos, gado e leite. O estudo se dará através da variável peso real do

pacote de 5 kg de salsichas tipo hot dog. Justifica-se a escolha desta variável devido aos

problemas que a empresa vem apresentando em relação aos mesmos, como perdas de



6

embalagens e retrabalho. As especificações do INMETRO (órgão regulamentador) para esse

produto embalado são: (a) peso central: 5000g e; (b) limite superior e inferior ± 1,5%. Assim

o trabalho se justifica, pois é de interesse da empresa trabalhar com índices dentro da meta,

evitando custos adicionais.

3.3 Método

O presente trabalho estrutura-se a partir de quatro etapas metodológicas como pode ser

observado na Figura 1. A primeira etapa trata da coleta de dados junto à empresa. Na

sequência, tem-se a elaboração dos gráficos de controle. Os resultados obtidos são analisados,

de forma a confrontá-los no que se refere aos diferentes tipos de gráficos elaborados (Shewart,

CUSUM e EWMA), finalizando assim com as conclusões cabíveis. Figura 1 - Metodologia utilizada na pesquisa

Fonte: Elaborada pelos autores

A coleta de dados compreendeu o período de 06 de julho de 2015 até 22 de março de 2015,

totalizando 199 dias de coletas englobando os dois turnos de trabalho e as cinco máquinas

responsáveis por embalar o produto em estudo. Contudo, os dados foram coletados quatro

vezes por turno, sempre no mesmo horário. O responsável pela coleta foi um funcionário da

própria empresa que ocupa o cargo de analista do controle de qualidade, o qual tomava nota

dos pesos obtidos nas balanças das próprias embaladoras. Em cada horário foi realizada a

coleta de 25 amostras. Em geral têm-se um número de 7960 amostras da máquina

embaladora. Para a realização deste trabalho, não se considerou a divisão por turnos de

trabalho, ou seja, os gráficos foram elaborados por máquinas.

Em relação à etapa de elaboração dos gráficos de controle, primeiramente é realizado testes de

normalidade de Anderson-Darling, Shapiro-Wilk e Kolgomorov-Smirnov e de cálculo do

correlograma para verificação de autocorrelação nas amostras. A partir de então, constroem-se

gráficos de controle, para a embaladora, gerando quatro gráficos. De forma simplificada,

pode-se observar a parte de elaboração dos gráficos na Figura 2.



7

Figura 2 - Procedimentos e etapas adotadas na elaboração dos gráficos de controles de Shewart, CUSUM e

EWMA

Fonte: Elaborado pelos autores

Realiza-se também uma breve discussão das causas especiais e particularidades de cada

método, e através de um diagrama de Ishikawa, identificam-se as causas e efeitos. Para a

construção dos gráficos de controle será utilizada o software Statistica 10® e para o diagrama

de Ishikawa e outras análises será realizado o suplemento do Excel®, Action.

4. Análise e discussão dos resultados

Para utilizar um gráfico de controle deve-se validar a suposição de normalidade da amostra e

para isso realizou-se os testes de normalidade de Anderson-Darling, Kolmogorov-Smirnov e

Shapiro-Wilk (ao nível de α=5%) para a amostra que será utilizada na pesquisa, conforme

resultados obtidos na Tabela 1.

Tabela 1 - Testes de normalidade para a

embaladora


Podemos concluir que os dados da embaladora segue a distribuição normal, visto que mesmo

o teste de Shairo-Wilk tendo encontrado p-valor menor que 5%, os testes de Anderson-

Darling e Kolmogorov-Smirnov encontraram p-valores maiores que α= 5%, diante disso, os

testes indicam que os dados são normais.

Na Figura 3 observa-se o correlograma da variável Embaladora, onde se verificou que a

amostra da embaladora atende o pressuposto de não autocorrelação.

Figura 3 - Gráfico de função de autocorrelação da Embaladora



8

Autocorrelation Function

EMB2

(Standard errors are white-noise estimates)

Conf. Limit

-1,0 -0,5 0,0 0,5 1,0

0

15 +,000 ,0112

14 +,000 ,0112

13 -,000 ,0112

12 -,000 ,0112

11 -,000 ,0112

10 +,000 ,0112

9 -,000 ,0112

8 -,000 ,0112

7 -,000 ,0112

6 -,000 ,0112

5 -,000 ,0112

4 -,000 ,0112

3 -,001 ,0112

2 -,000 ,0112

1 +,000 ,0112

Lag Corr. S.E.

0

,01 1,000

,01 1,000

,01 1,000

,01 1,000

,01 1,000

,01 1,000

,01 1,000

,01 1,000

,01 1,000

,01 1,000

,01 1,000

,00 1,000

,00 ,9999

,00 ,9988

,00 ,9742

Q p


Como as amostras seguem a distribuição normal e não são autocorrelacionas é possível

construir os gráficos de controle. Antes de começarmos a construção dos gráficos é

interessante realizarmos algumas estatísticas básicas para conhecermos nossas amostras.

4.1 Gráficos de Controle da Embaladora

Realizando o estudo da Embaladora, observa-se no gráfico de Shewhart (X), na Figura 4, que

de 11 amostras fora dos limites de controle, 8 delas estão além do LCS.

Figura 4 - Gráfico de controle de média de Shewhart da Embaladora



9

X-bar and S Chart; variable: EMB 2

Histogram of Means

0 10 20 30 40 50 60 705,015

5,020

5,025

5,030

5,035

5,040

5,045

5,050

5,055

5,060

X-bar: 5,0325 (5,0325); Sigma: ,02502 (,02502); n: 40,

20 40 60 80 100 120 140 160 180

5,0206

5,0325

5,0443

Histogram of Std.Devs

0

10

20

30

40

50

60

70

800,010

0,015

0,020

0,025

0,030

0,035

0,040

0,045

Std.Dv.: ,02486 (,02486); Sigma: ,04421 (,00282); n: 40,

20 40 60 80 100 120 140 160 180

,01639

,02486

,03333


Quanto mais as medidas estiverem acima do valor alvo do produto em questão (5kg), mais a

indústria está perdendo, visto que o consumidor paga o valor pelo produto de 5kg e na

verdade está tendo um acréscimo no peso do pacote, a qual ocasiona uma perda pra empresa.

Entretanto, pode-se observar uma mudança no comportamento dos pesos analisados próxima

a quadragésima amostra (Figura 4). Os dados encontravam-se concentrados próximo ao LSC,

provavelmente alguma ação corretiva deve ter sido tomada, pois a distribuição dos dados

concentrou-se, após a quadragésima amostra, de forma significativa, próximas ao LIC.

Entretanto, a partir da amostra cento e sessenta os pesos voltaram a indicar proximidade ao

LSC, com constatação de uma amostra acima do LSC após a observação 180.

Considerando o gráfico de Shewhart (S), conforme a Figura 5 temos maior variabilidade do

processo em relação ao LC, entretanto, também se pode observar 15 amostras fora de

controle. Ou seja, este gráfico, para a embaladora em estudo, apresenta-se mais sensível para

o controle do processo do que o gráfico Shewhart (X). Figura 5 - Gráfico de controle de desvio padrão de Shewhart da Embaladora

X-bar and S Chart; variable: EMB 2

Histogram of Means

0 10 20 30 40 50 60 705,015

5,020

5,025

5,030

5,035

5,040

5,045

5,050

5,055

5,060

X-bar: 5,0325 (5,0325); Sigma: ,02502 (,02502); n: 40,

20 40 60 80 100 120 140 160 180

5,0206

5,0325

5,0443


0

10

20

30

40

50

60

70

800,010

0,015

0,020

0,025

0,030

0,035

0,040

0,045

Std.Dv.: ,02486 (,02486); Sigma: ,04421 (,00282); n: 40,

20 40 60 80 100 120 140 160 180

,01639

,02486

,03333


Da mesma forma que o gráfico de Shewhart (X), apontado na Figura 4, observa-se no gráfico

a partir do desvio padrão, na Figura 5, que 4,02% das amostras estão acima do LSC. Já abaixo

do LIC, temos 1,15% para o gráfico da média contra 3,51% para o gráfico do desvio padrão, o

gráfico demonstra uma grande variabilidade nos dados, referente ao valor de desvio padrão da

Embaladora 2, que mesmo não sendo alto, há várias amostras fora de controle estatístico.

Ao analisar o gráfico de CUSUM, na Figura 6, temos uma maior evidencia de pontos acima

do LSC para os primeiros dados analisados, seguindo esse comportamento de descontrole

estatístico até aproximadamente a quadragésima quinta observação, onde o gráfico CUSUM

passa a indicar pontos abaixo do LIC, seguindo assim até próximo à observação 165. Ou seja,



10

quando comparamos este comportamento com os gráficos de Shewhart, temos o alarme do

descontrole estatístico ocorrendo de forma mais rápida. Figura 6 - Gráfico CUSUM para Embaladora CuSum X and Moving R Chart; variable: M EMB 2

Histogram of CuSum of Observations

0

20

40

60

80

100

120-0,15

-0,10

-0,05

0,00

0,05

0,10

0,15

X: 5,0325 (5,0325); Sigma: ,00490 (,00490); n: 1,

20 40 60 80 100 120 140 160 180

-,02450

0,0000

,02450

Histogram of Moving Ranges

0

20

40

60

80

100

120-0,005

0,000

0,005

0,010

0,015

0,020

0,025

Moving R: ,00553 (,00553); Sigma: ,00418 (,00418); n: 1,

20 40 60 80 100 120 140 160 180

0,0000

,00553

,01806


Além do mais, através do gráfico que considera as somas acumuladas (Figura 6), tem-se a

indicação de que o os pesos dos produtos apresentam uma tendência de se distanciar do LC,

ultrapassando o LSC, elevando a média do processo. Ressalta-se ainda que essa embaladora,

conforme visto no gráfico CUSUM, apresenta menos de 10% dos dados analisados

considerados dentro das faixas de limites de controle, indicando uma grande necessidade de

ações corretivas em relação à mesma.

O gráfico EWMA para a embaladora em estudo, apresentado na Figura 7, indica

interpretações similares ao CUSUM, entretanto, mostra a concentração de algumas amostras

entre o quadragésimo quinto dado e o centésimo oitavo dado, dentro dos limites superior e

inferior estabelecido. Figura 7: Gráfico EWMA para Embaladora EWMA X-bar and S Chart; variable: EMB 2

Histogram of EWMA

0 10 20 30 40 50 60 705,024

5,026

5,028

5,030

5,032

5,034

5,036

5,038

5,040

5,042

EWMA X-bar: 5,0325 (5,0325); Sigma: ,02502 (,02502); n: 40,

20 40 60 80 100 120 140 160 180

5,0297

5,0325

5,0352


0

10

20

30

40

50

60

70

800,010

0,015

0,020

0,025

0,030

0,035

0,040

0,045

Std.Dv.: ,02486 (,02486); Sigma: ,04421 (,00282); n: 40,

20 40 60 80 100 120 140 160 180

,01639

,02486

,03333


Destaca-se ainda que o LSC para o EWMA é menor do que o LSC do gráfico Shewhart, de

forma que alarma pontos fora do LSC mais rapidamente do que para o gráfico de Shewhart,

como pode ser confirmado após a centésima oitava observação. Para essa embaladora o

gráfico de controle EWMA, indica mais rapidamente o alarme de amostras fora de controle

estatístico, portanto compreende-se que, para essa máquina, seria melhor a adoção deste

gráfico para monitoramento do processo.

4.2 Diagrama de Ishikawa



11

A fim de identificar as causas de variação do peso dos pacotes de salsicha foi realizado um

diagrama de causa e efeito, com base em informações fornecidas por colaboradores da

indústria em estudo, conforme Figura 8.

Figura 8 - Diagrama de causa e

efeito

Mão de obra Materiais Método

Medidas Meio ambiente Máquina

Falta de

treinamento

dos operadores

Verificação

da qualidade

da massada

Não utilização

do processo

padrão

de matéria prima

das medidas

Má padronização

na fabricação

e temperatura

na umidade

Variação

das balanças

Má aferição


O diagrama de Ishikawa foi construído para apresentar os pontos críticos do processo que

devem ser trabalhados. A variabilidade ocorre por 3 motivos: ajuste ou controle impróprio das

máquinas, erro de operadores e defeito de matéria prima.

No item mão de obra verificou-se que todo processo produtivo é dependente do trabalho

manual de seus colaboradores, o comprometimento destes contribui para melhora na

produção, com isso deve ter treinamentos adequados e planos de motivação para os

operadores.

A Carne Mecanicamente Separada (CMS) é a principal matéria prima da salsicha, sabendo

que o CMS vem de outras unidades da empresa, dependendo do lote pode influir diretamente

nas características físicas da massada final, fazendo com que a salsicha sofra oscilação no seu

peso final. O CMS para por um controle de qualidade, porém, como cada unidade tem um tipo

de controle, podem acontecer desvios no processo, portanto os fornecedores das matérias

primas devem ser padronizados para garantir a qualidade padrão do produto final.

Na produção o ambiente de trabalho é adequado para os funcionários, porém a umidade e

temperatura no ambiente ocasionam variabilidade do peso do produto. Constatou-se também

que a aferição da balança pode interferir diretamente no peso do pacote, assim é necessário

realizar inspeção nas balanças para fazer a calibragem.



12

5. Conclusão

No estudo evidenciou-se que o gráfico de controle é uma ferramenta simples para o

acompanhamento do peso dos pacotes de salsicha do tipo hot dog no processo, revelando de

forma eficiente, o comportamento do processo.

Em relação aos resultados apresentados na seção 4, conclui-se que há grande variabilidade em

relação ao peso final dos produtos embalados na embaladora em estudo. Como exposto no

diagrama de Ishikawa, maiores estudos devem ser feitos em torno da variabilidade da matéria

prima, bem como a verificação periódica da calibragem das balanças. Outro fator que não

deve ser esquecido para que melhoras possam ser alcançadas, a fim de se obter um processo

sob controle estatístico, é a falta de treinamento dos operadores. Ainda, pode ser avaliada a

implantação técnica e econômica de planos de manutenção preventiva, a fim de aumentar a

padronização do processo, evitando a ocorrência de defeitos nos equipamentos e consequente

parada da linha de produção.

No estudo feito para a embaladora o gráfico CUSUM apresenta-se mais eficiente que o

Shewhart, devido à antecipação de alarme dos descontroles no processo. Entretanto, o EWMA

ainda adianta-se neste ponto, quando comparado ao CUSUM. Assim, conclui-se que tanto os

gráficos CUSUM como EWMA tem como pontos positivos detectar mais rapidamente

pequenos desvios e dão informações sobre a tendência do processo, sendo indicados para o

monitoramento deste processo, porém, o gráfico de controle EWMA tem a vantagem

demonstrada, de antecipação do alarme quando há variabilidade no processo devido a causas

especiais.

Sugere-se à empresa a utilização do gráfico de controle EWMA para monitorar o processo de

empacotamento da salsicha, pois este método pode auxiliar na garantia de qualidade de seus

processos produtivos e com isso a qualidade dos produtos, além da redução de prejuízos e,

consequentemente, o aumento da produtividade e lucratividade.

REFERÊNCIAS

BERTRAND, Will; FRANSOO, Jan. Operations management research methodologies using quantitative

modeling. International Journal of Operations & Production Management, v. 22, n. 2, p. 241–264, 2002.

BITTENCOURT, Helio. Controle Estatístico da Qualidade. Porto Alegre: 2014.

CARPINETTI, Luis César. Gestão da qualidade: conceitos e técnicas. 2. ed. São Paulo: [s.n.], 2012 .



13

CRUZ, Augusto; ALVES, Custódio; HENNING, Elisa; SCHMIDT NETO, Arnoldo. Aplicação de gráficos de

controle de Soma Acumulada (CUSUM) para monitoramento de um processo de usinagem. In: Simpósio

de Engenharia de Produção, Bauru, 2009. Disponível em:

<dspace.universia.net/bitstream/2024/542/1/ArtigoXVISIMPEP2009.PDF>. Acesso em: 16 nov. 2015.

GIL, Antônio. Métodos e técnicas de pesquisa social. 6. ed. São Paulo: Atlas, 2008.

HENNING, Elisa; KONRATH, Ana; WALTER, Oolga; SAMOHYL, Robert. Aplicação de um gráfico CUSUM

binomial no monitoramento de um indicador de água potável. Produção Online, v. 14, n. 1, p. 84-114, 2014.

MINGOTI, Sueli; YASSUKAWA, Fabiane. Uma comparação de gráficos de controle para a média de processos

autocorrelacionados. Revista Eletrônica Sistemas & Gestão, v. 3, n. 1, p. 55–73, 2008.

MONTGOMERY, Douglas. Introdução ao Controle Estatístico da Qualidade. 4. ed. Rio de Janeiro: LTC,

2004.

PEINADO, Jurandir; GRAEMI, Alexandre. Administração da produção: operações industriais e de serviços.

UnicenP, p. 748, 2007.

SAMOHYL, Robert. Controle estatístico de qualidade. Rio de Janeiro: Elsevier, 2009.

SOUSA, Roberta; ALEXANDRE, João; FREITAS, Silvia; RODRIGUES, Marcelo. Um estudo do desempenho

dos gráficos de controle por grupos na presença de autocorrelação no processo. XXI Simpósio de

Engenahria de Prodção. Anais...Bauru: SIMPEP, 2014.

TRENTIN, Marcelo. Monitoramento e controle estatístico integrado ao controle de engenharia de processo.

Tese (Doutorado em Engenharia de Produção). Porto Alegre: Universidade Federal do Rio Grande do Sul, 2010.

WALTER, Olga; HENNING, Elisa; CARDOSO, Marcio; SAMOHYL, Robert. Aplicação individual e

combinada dos gráficos de controle Shewhart e CUSUM : uma aplicação no setor metal mecânico. Gestão e

Produção, v. 20, n. 2, p. 271–286, 2013.

Download - GRÁFICOS DE CONTROLE PARA MONITORAMENTO … · e estatísticos envolvidos nos gráficos de controle, a fim de detectar de forma mais veloz e precisa as alterações presentes nos

Top Related