Os conceitos básicos de Controle Estatístico de Processos (CEP) come- çaram a ser colocados em prática em meados da década de 1930, quando Walter Shewhart passou a utilizar ferramentas de CEP para melhoria dos processos nas fábricas norte-americanas, através da redução de custos e au- mento da qualidade dos produtos e processos.
Shewhart analisou diversos processos da linha de produção de uma fá- brica e observou que uma tarefa dentro de um processo, que leva um tempo irregular para acontecer, pode causar alterações e irregularidades na linha de produção, ou seja, as peças produzidas podem sair com tamanhos diferen- tes, fora das especificações, e isso certamente representará um custo a mais para a organização.
Com base nessas análises, Shewhart entendeu que medir, analisar e moni- torar a variabilidade com base em aplicações de estatística poderia representar melhores níveis de qualidade. Assim, ele propôs a aplicação de algumas ferra- mentas de CEP na linha de produção, e sugeriu que a metodologia de implan- tação poderia ser conceituada, segundo Carvalho (2005), em quatro fases:
Identificação da problemática e o planejamento de experimentos
– identificação dos pontos críticos na linha de produção e a escolha da ferramenta adequada e mais relevante para aplicar no ponto crítico.
Experimentação em si
– aplicação da ferramenta selecionada na li- nha de produção.
Análise dos resultados dos experimentos
– análise de dados esta-
tísticos coletados através do uso das ferramentas selecionadas e apli- cadas.
Reação do gerente para melhorar o processo
– ações a serem toma-
das para minimizar os erros e problemas, e melhorar o processo para que o mesmo esteja sempre revisado e adequado às necessidades do projeto.
Além da questão do aumento da qualidade, a melhoria nos processos através da utilização de ferramentas do CEP proporciona também redução de custos de produção, o que implica maiores margens e retorno aos inves- timentos realizados. A relação entre qualidade e variabilidade pode ser con- siderada antagônica, à medida que uma aumenta a outra tende a diminuir, por isso, quanto menor a variabilidade dos processos, maior tende a ser a qualidade do produto.
Com o maior controle e melhoria contínua dos processos, maiores as chan- ces de se obter redução dos custos com peças defeituosas, além de reduzir o tempo gasto com a produção. Com a utilização das ferramentas do CEP, torna-se mais fácil a obtenção de melhores resultados financeiros, através da redução de desperdício e de retrabalho; no entanto, deve-se considerar que
assim como qualquer outro projeto de investimento, os custos devem ser contabilizados e confrontados com o retorno e benefícios previstos.
Faz-se necessário, ainda, comentar que a ideia de controlar um processo é totalmente diferente da ideia de inspecionar produtos acabados para identi- ficar as não conformidades. No primeiro caso, é possível identificar onde está o problema e como solucioná-lo, a fim de evitar o desperdício de se obter um produto final fora das especificações e que não atende às necessidades e propósitos para o qual foi criado. Já no segundo caso, as correções muitas vezes não são mais permitidas e o desperdício será inevitável, pois nesse caso a fábrica está corrigindo erros que poderiam ser evitados ao longo do processo de produção. As ferramentas de CEP, nesse caso, auxiliam a obter pequenas amostras do universo (em indústrias, também chamados de lotes) que permitem com segurança analisar as demais peças e garantir que as mesmas estão dentro ou fora das conformidades exigidas.
Diversas são as causas de problemas nos processos, porém, de maneira genérica, estas podem ser divididas, segundo Carvalho (2005), em três tipos básicos:
Causa especial
– é um evento suficientemente grande para causar forte impacto no processo, é em geral única, ocorre ocasionalmente e é na maioria das vezes imprevisível. Essas causas devem ser elimina- das ou ter sua influência reduzida por ações compensatórias. Exemplo: alterações climáticas como trovoadas e relâmpagos, substância estra- nha na matéria-prima, um atraso na chegada dos funcionários por pro- blemas com o ônibus que os transportavam.
Causa estrutural
– é um evento com características parecidas com a das causas especiais, porém ocorrem periodicamente e não uma única vez apenas. Para eliminá-las ou realizar uma ação compensatória, é ne- cessário achar sua causa-raiz. Exemplos: um gerente que percebe que todas as segundas-feiras a produtividade da fábrica diminui, pois os funcionários se atrasam cerca de meia hora para iniciarem a produção, então é necessário ou que os atrasos não sejam toleráveis às segun- das-feiras (eliminação) ou que o turno às segundas-feiras termine meia hora mais tarde (ação compensatória).
Causa comum
– são causas relativamente pequenas, mas que ocor- rem com grande frequência e em grande número. Embora essas cau- sas possam ser reduzidas, elas sempre existirão, devido ao grande nú-
mero de variáveis que podem influenciá-las e seu impacto ser pouco relevante nos resultados finais do processo. Para eliminá-las são ne- cessários novos equipamentos, melhores matérias-primas, treinamen- tos intensivos, entre outros aspectos. Exemplos: uma fábrica em uma região muito quente sem sistema de ar condicionado, matérias-primas de baixa qualidade, mas que é utilizada devido ao baixo preço, combi- nação errada de ingredientes em um processo químico, entre outros. Quando falamos em controle estatístico dos processos, faz-se necessário compreender duas visões distintas: a do gerente de produção e a dos esta- tísticos. A primeira tem como objetivo as características físicas e tangíveis de um determinado produto ou uma medida do desempenho de um processo, assim, para um gerente é importante uma análise do todo, da atuação dos colaboradores na equipe, do funcionamento e desempenho das máquinas, da qualidade das matérias-primas e, por fim, as características do produto final. De maneira prática, o gerente atenta aos aspectos concretos de sua linha de produção.
Já na segunda visão, a dos estatísticos, o mesmo processo deve ser visto como algo abstrato e gerador de números e funções matemáticas. O espe- cialista analisa os números, onde há discrepâncias de valores, a variabilidade entre processos repetitivos e as relações possíveis entre dados de desem- penho, que permitam obter informações concisas para a melhor tomada de decisão. Dessa forma, a empresa que almeja a qualidade total deve ter essas duas figuras trabalhando de forma conjunta e complementar.
Média
Existem diversas formas de se medir a tendência central de uma sequ- ência de dados, ou seja, condensar esses dados em um único número que represente essa tendência. Podemos afirmar que não há uma melhor forma para se fazer isso, as diversas metodologias podem variar de situação para situação.
A média é o mais popular método de cálculo estatístico de uma tendên- cia central. Ela é a soma de uma série de dados dividida pelo número de dados na soma, entretanto, há de se considerar que quando há uma dispa- ridade muito grande de valores entre os números da série, a média tende a ser levada para longe da tendência central, e ficar longe dos demais números da sequência.
Exemplo: Série 1: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. Média = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10 10 = 55 10 = 5,5 Série 2: 1, 2, 3, 4, 5, 6, 7, 8, 9, 85. Média = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 85 10 = 130 10 = 13
Como pode ser observado na série 1, onde os números da sequência estão situados entre 1 e 10, a média é 5,5. Já no caso da série 2, onde o número 85 é muito díspar em relação aos demais números da série, então a média é 13, o que não condiz com a série analisada. Nesse caso não é aconselhável o uso da média, pois um único número fora da tendência da série pode distorcer demais a média da sequência.
Mediana
A mediana é outra metodologia para se calcular a tendência central de uma sequência de valores, porém utilizada quando há existência de valores discrepantes e/ou assimétricos. A mediana utiliza-se do número que está no meio dos números, em uma relação de números ordenados do maior para o menor, existe um número que separa todos os números em dois grupos, que são: os menores do que a mediana e os maiores do que a mediana.
Exemplo:
Série 1: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11.
Mediana = 6 (o número exatamente no meio, cinco valores para a direita e cinco valores para esquerda).
Série 2: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10. Mediana = 5 + 6
Com a mediana, os dados são divididos em dois subgrupos, acima e abaixo da mediana, e cada subgrupo, por sua vez, possui sua própria media- na, chamada de quartil. Os quartis podem ser utilizados também para definir a variabilidade dos dados.