GRÁFICOS DE CONTROLE: UM ESTUDO APLICADO À PRODUÇÃO DE MINIPIZZAS.

GRÁFICOS DE CONTROLE: UM

ESTUDO APLICADO À PRODUÇÃO DE

MINIPIZZAS.

Jordana Rafael Isidro Santos

jordana.santos_@hotmail.com

Ian Saraiva Agra

ianagra2@gmail.com

Matheus Oliveira Mendes da Silva

matheusoliveiramendes.s@gmail.com

Josenildo Brito de Oliveira

josenildo_brito@yahoo.com.br

O monitoramento do controle estatístico de processos tem se tornado cada vez mais essencial à garantia da estabilidade dos mesmos para a identificação dos possíveis problemas que venham a afetar o desempenho dos processos. Neste sentido, o estudo tem como objetivo monitorar a estabilidade do processo de produção de minipizzas para limites de controle tentativos. Para se atingir tal finalidade, foram realizadas entrevistas com os inspetores da qualidade, coletas das medições de cinco característicos e construção de gráficos de controle tradicionais de Shewhart por variáveis, mais especificamente as cartas I-AM, e por atributos, como gráficos de P e de U e seus variantes. Em seguida, foram realizadas análises dos gráficos plotados em relação à sua variabilidade e estabilidade. Como resultado do estudo, foi constado pela análise dos gráficos de controle que o processo global de produção de minipizzas é instável e apresenta uma grande variabilidade. Assim, dentre as sugestões para futuros trabalhos, foi proposta a consolidação do processo para a continuação de análises mais detalhadas e confiáveis acerca da estabilidade do mesmo.

Palavras-chave: gráficos de controle, controle estatístico de processos, produção de mini pizzas.

1. Introdução

As empresas buscam cada dia mais aperfeiçoar seus processos com o intuito de minimizar a variabilidade dos mesmos. Isso ocorre devido ao risco de seus produtos saírem defeituosos ou fora dos padrões especificados, o que por fim afetará principalmente a qualidade desses produtos, acarretando a insatisfação aos clientes.

A variabilidade no processo é algo que pode acontecer comumente dentro das empresas que trabalham com produção de bens de consumo. De acordo com Schissat (1998), os produtos possuem uma diferença entre si que é dada pela variação das variáveis de entrada de cada processo. A partir do momento em que essas diferenças passam a ser significantes em relação às especificações do projeto, ocorre o risco de se produzir produtos inconformes, ou seja, que não atendem às especificações.

Com essa variabilidade excessiva do processo, gera-se a seguinte necessidade: Como identificar e controlar as causas que impactam negativamente na variabilidade dos processos? Foi a partir desse questionamento que começaram a ser implantadas as cartas de controle.

O controle estatístico do processo é a área de controle da qualidade que se baseia no emprego de técnicas estatísticas como a coleta, análise e interpretação de dados; comparação de desempenho; verificação de desvios para se controlar o processo através das ações de melhoria e controle da qualidade de produtos e serviços, que tem como ferramenta básica os gráficos de controle, cujas funções são: monitorar a variabilidade e avaliar a instabilidade do processo.

Os gráficos de controle utilizam conceitos estatísticos como amplitude, média aritmética e desvio padrão, procurando identificar os efeitos da variabilidade, por isso são tão importantes, uma vez que utilizam variáveis que podem nos dar relevantes informações.

De acordo com Nunes (2001), os gráficos de controle do processo oferecem a visualização das ocorrências do processo ao longo do tempo, incorporam essa natureza dinâmica e evidenciam quaisquer anormalidades que eventualmente se manifestam durante o ciclo produtivo de produtos ou serviços.

Sendo assim, de acordo com Werkema (1995) é relevante averiguar a estabilidade dos processos, já que processos instáveis possivelmente irão resultar em produtos defeituosos, perdas de produção, baixa qualidade e, consequentemente, perda da confiança do cliente na empresa.

Para estudar o controle estatístico do processo e a utilização dessas ferramentas básicas que são os gráficos de controle, foi realizada uma simulação de uma empresa que produz minipizzas, monitorando-se o processo desde o pedido do cliente até a entrega do produto acabado. A partir daí, pôde-se aprender na prática sobre o controle estatístico do processo, bem como sua importância para garantia da qualidade dos produtos sob a perspectiva da conformidade aos parâmetros de especificação pré-estabelecidos.

1.1 Objetivo

A pesquisa tem como objetivo monitorar a estabilidade do processo para limites de controle tentativos, analisando o comportamento dos gráficos e sugerindo melhorias ao processo.

Para alcançar o objetivo geral estabelecido, foram definidos os seguintes objetivos específicos:

• Construir gráficos de controle por variável I-AM; • Construir gráficos de controle por atributos U e P;

• Observar as informações geradas por cada gráfico construído; • Analisar e interpretar as informações dos gráficos.

2. Referencial teórico

Esta seção versa sobre o embasamento teórico no qual o estudo tem suporte, exibindo os tipos de processos, o controle estatístico e a utilização dos gráficos de controle.

2.1 Tipos de sistemas de produção

Identificar os tipos de sistemas de produção colabora diretamente para a gestão eficaz da fábrica uma vez que o volume, a variedade, a visibilidade do processo, e a variação da demanda sugerem quais abordagens serão adotadas, além de ferramentas e metodologias para garantir a eficiência do processo. Segundo Moreira (2011) os sistemas de produção são caracterizados em três grupos, produção contínua ou em fluxo de linha, por lotes ou por encomenda, e por projeto.

2.1.1 Produção contínua

Este sistema é caracterizado por um processo produtivo em linha, os produtos têm alto grau de padronização, por consequência a inflexibilidade é uma marca deste. Por outro lado, a grande parte do processo fica a cargo do maquinário, ou seja, o grau de automatização é alto o que

possibilita alto volume de produção. Este tipo de sistema funciona com a produção empurrada na qual o produto final é produzido para estoque. (MOREIRA, 2011)

Pode-se ainda caracterizar em dois tipos: a produção em massa e a produção contínua propriamente dita. No primeiro há uma variedade nos produtos acabados, como por exemplo uma montadora de carros. Já no segundo a matéria-prima é mais homogênea, o seu beneficiamento é feito de forma uniforme, sem gerar grandes variações no produto final como por exemplo, na indústria petroquímica.

2.1.2 Produção por lotes

Este sistema tem fluxo intermitente, ou seja, inicia-se a produção de um lote e ao final outro item será fabricado até que haja nova demanda para o primeiro item. Neste cenário o arranjo físico aloca os setores de forma a agrupar etapas do processo em um mesmo setor, o produto flui, ainda que irregularmente, pelos os quais estão especificados para aquela variedade. Este sistema atua em geral com a produção puxada. (MOREIRA, 2011)

A maior flexibilidade permitida por este sistema exige uma mão-de-obra mais qualificada para ajustar o processo conforme o item a ser produzido. O volume de produção alcançado pode ser alto, entretanto, é mais recomendado se aplicar em processos em que a demanda seja mais discreta.

2.1.3 Produção por projeto

Segundo Moreira (2011), o sistema de produção por projeto atua com a produção puxada, e diferente dos anteriores, caracteriza-se por baixo volume de produção, um elevado custo associado a fabricação, além de um desafio para planejar e controlar o processo. Neste sistema está incluso uma variedade de pequenas operações para que se obtenha o produto acabado, por exemplo a fabricação de navios e aviões.

2.2 Controle estatístico de processos 2.2.1 Breve histórico

Em um cenário de guerra os recursos são escassos, as estratégias são bem traçadas, além de todos os esforços se concentrarem em trazer grandes resultados com o mínimo de perda possível. No contexto da II Guerra Mundial surgiu o controle estatístico da qualidade, tendo como objetivo fabricar bons produtos militares, em um prazo curto. Os precursores Shewhart, responsável pelas cartas de controle, Dodge e Romig responsáveis pelas técnicas de amostragem simbolizaram importantes avanços para este âmbito. (MONTGOMERY, 2012)

O controle eficaz dos processos ocorre através do monitoramento constante, adequado tratamento e interpretação dos resultados. Suas contribuições são justificadas com a diminuição dos desperdícios dentro da fábrica, atuação na identificação e eliminação das causas especiais que interferem no processo, trazendo-o de volta para as condições de normalidade. O custo dispendido com a implantação do controle é rapidamente recuperado se comparado com o custo da não qualidade no processo. (CARPINETTI, 2014)

2.3 Os gráficos de controle

Os gráficos de controle constituem a principal ferramenta para monitorar e acompanhar a variabilidade ao longo do processo de fabricação. Segundo Montgomery (2012), pode-se classificar em gráficos por atributos e por variáveis.

Para controlar característicos de qualidade por variáveis pode-se utilizar os gráficos Xbarra/R que têm como parâmetros a média e amplitude de cada amostra; Xbarra/S que utiliza a média e o desvio padrão de cada amostra; pode-se ainda utilizar o gráfico I-AM que utiliza a média móvel ponderada para o monitoramento do processo.

Para controlar característicos de qualidade por atributos são utilizados gráficos P, no qual a proporção de itens não conformes é o parâmetro; gráficos NP em que as unidades não conformes são monitoradas; gráfico C que tem como parâmetro o número de defeitos por unidade inspecionada, com mesmo tamanho de amostra; O gráfico U que monitora a taxa de não conformidades por unidade.

Segundo informações do suporte do Minitab, para que a aplicação destas ferramentas seja viável os dados devem seguir a distribuição normal e estarem aleatoriamente distribuídos, quando este não é o caso do conjunto de dados em análise utiliza-se o laney para investigar uma superdispersão/subdispersão dos dados, a partir do cálculo de um valor Sigma Z que ajusta o conjunto de dados.

2.3.1 Gráficos por atributo e por variável

Nessa seção foram abordados os gráficos utilizados na simulação educacional com a produção de minipizzas.

I) Gráfico U

Segundo Carpinetti (2014), o controle da frequência das não-conformidades por unidade de inspeção, com tamanho de amostras variável, é utilizado para monitorar a que taxa o processo gera itens fora do padrão de conformidade.

𝐿𝑆𝐶_𝑢 = 𝑢₀+ 3√𝑢0 𝑛_𝑖 𝐿𝐶_𝑢 = 𝑢₀ 𝐿𝐼𝐶_𝑢 = 𝑢₀− 3√𝑢0 𝑛_𝑖 Onde, 𝑢₀ = 𝐶𝑖

𝑛𝑖 podendo ser estimado por

𝑢̅ =

∑𝑀_𝑖=1𝑛_𝑖

𝐶_𝑖 número médio de defeitos por unidade

𝑛

II) Gráfico P

O monitoramento do processo por meio da fração de defeituosos permite uma análise da proporção destes defeitos no processo, indicando diretamente o nível da qualidade do processo. (CARPINETTI, 2014). Os limites de controle utilizados foram calculados como seguem:

𝐿𝑆𝐶_𝑝 = 𝑝₀ + 3√𝑝0(1 − 𝑝0) 𝑛 𝐿𝐶_𝑝 = 𝑝₀ 𝐿𝐼𝐶_𝑝= 𝑝₀− 3√𝑝0(1 − 𝑝0) 𝑛 Onde, 𝑝 =𝐷

𝑛 sendo estimado por

𝑝̅ =

∑𝑀_𝑖=1𝐷_𝑖 ∑𝑀_𝑖=′𝑛_𝑖

𝐷_𝑖 o tamanho de unidades defeituosas na i-ésima amostra 𝑛𝑖 número de unidades defeituosas na i-ésima amostra

III) Gráfico I-AM

Segundo Carpinetti (2014), o gráfico para medidas individuais e amplitude móvel é utilizado para controlar processos auto correlacionados, ou seja, os quais apresentam dependência dentro do conjunto de dados. Considerando 𝑥_𝑖 como o valor da i-ésima medida de x, a amplitude móvel é dada por:

A média e o desvio padrão do processo podem ser estimados respectivamente por: 𝜇̂0 = 𝑥̅ = 1 𝑚∑ 𝑥𝑖 𝑚 𝑖=1 𝜎̂0= 𝑆𝐷 = 𝑀𝑅 ̅̅̅̅̅ 𝑑2 onde, 𝑀𝑅̅̅̅̅̅ = ∑𝑚𝑖=2𝑀𝑅𝑖 𝑚−1

Os limites de controle utilizados para o gráfico de observações individuais são calculados como seguem:

𝐿𝑆𝐶_𝑥 = 𝜇̂₀ + 3𝜎̂₀ 𝐿𝐶_𝑥 = 𝜇̂₀ 𝐿𝐼𝐶_𝑥 = 𝜇̂₀− 3𝜎̂₀

Já para o gráfico da amplitude móvel utiliza-se os seguintes limites: 𝐿𝑆𝐶_𝑀𝑅 = 𝜇̂_𝑀𝑅+ 3𝜎̂_𝑀𝑅

𝐿𝑀_𝑀𝑅 = 𝜇̂_𝑀𝑅

𝐿𝐼𝐶_𝑀𝑅 = 𝑚á𝑥 {0, (𝜇̂_𝑀𝑅 − 3𝜎̂_𝑀𝑅)}

Para este gráfico utilizam-se os seguintes estimadores: 𝜇̂_𝑀𝑅 = 𝑑₂𝜎̂₀, 𝜎̂_𝑀𝑅 = 𝑑₃𝜎̂₀ como estimadores para a média e para o desvio, respectivamente.

Segundo o Portal Action (2018), há ainda a possibilidade de que os dados não se adequem a distribuição normal, neste caso uma das alternativas é utilizar a transformação de box-cox, esta utiliza uma função de 𝜆 para estimar os dados de forma que se aproximem de uma distribuição normal.

3. Procedimentos metodológicos

A simulação educacional de produção de mini pizzas ocorreu no ano de 2018 como atividade das disciplinas de Controle Estatístico da Qualidade e Modelagem e Simulação da Produção, ambas pertencentes ao curso de Engenharia de Produção da UFCG no município de Campina Grande-PB. A organização simulada pôde ser caracterizada como uma microempresa, onde o sistema de produção da mesma foi sob encomenda. A pequena empresa ainda contou com um volume médio de produção diário de 75 unidades.

A simulação foi estratificada em três turnos: manhã, tarde e noite. Dentre os sabores de pizzas que a empresa produziu, encontram-se calabresa, frango com catupiry e mista. A organização simulada contou, por turno, com o quadro de 11 funcionários, sendo um recepcionista, três operadores de montagem (um para cada tipo de pizza), um operador de assamento, um repositor de suprimentos, quatro inspetores e um gestor.

A empresa fictícia apresentou um layout por processo, constituído de departamentos unitários de recepção, inspeção, montagem de pizzas de calabresa, montagem de pizzas de frango com catupiry, montagem de pizzas mistas e assamento. Tal arranjo físico foi escolhido propositalmente visando uma futura melhoria do espaço da empresa e uma melhor distribuição dos recursos humanos e materiais para o processo. Dessa forma, percebeu-se um grande cruzamento de fluxo e uma grande perda por movimentação. Além disso, pôde-se observar uma proximidade excessiva entre alguns postos de trabalho, o que pode acarretar riscos de acidentes aos colaboradores.

A pesquisa apresenta uma abordagem qualitativa em relação às análises e quantitativa em relação ao tratamento dos dados. Quanto à natureza, esse estudo pode ser considerado aplicado, pois o mesmo foi realizado em um processo produtivo real.

Para a obtenção das informações necessárias à realização do estudo, foram realizadas entrevistas com os inspetores da qualidade de cada turno e coletas das medições de cinco característicos: peso médio das pizzas cruas e das pizzas assadas; conformidade de montagem, ingredientes e aparência. A partir dessas informações, foram construídos gráficos de controle por variáveis e por atributos no software Minitab18 (versão demonstrativa). Os primeiros gráficos construídos foram as cartas de controle para valores individuais e amplitude móvel (I-AM) do peso médio das pizzas assadas, uma para cada sabor: calabresa, frango com catupiry e mista.

Subsequente, foi realizada a padronização de todos os 75 dados de pesos médios de pizzas assadas. Após essa padronização, foi gerado um gráfico I-AM com os dados padronizados. Sequencialmente, foram gerados gráficos de P e seus variantes para a proporção de pizzas defeituosas e gráficos de U e seus variantes para a análise do número de defeitos por unidades de inspeção. Por fim, foi realizada uma análise geral de todo processo quanto ao seu controle estatístico.

4. Resultados e discussões

Inicialmente, para se monitorar a estabilidade do processo com os dados obtidos através de entrevistas e coletas das medições, foram construídos três gráficos de controle para valores

individuais e amplitude móvel (I-AM) dos pesos médios das pizzas assadas, sendo um para cada sabor de pizza: calabresa (C); frango com catupiry (FC); mista (M). A Figura 1 ilustra o gráfico de controle I-AM dos pesos das pizzas assadas de calabresa.

Figura 1 - Gráfico I-AM para os pesos das pizzas assadas de calabresa

Fonte: Autor (2018)

Da análise da Figura 1, depreende-se que há um ponto além dos limites tentativos de controle do peso assado das pizzas assadas de calabresa no processo em torno, demarcado na observação 10, o qual foi proveniente de uma grande variabilidade ocorrida entre as observações 9 e 11 do gráfico da amplitude móvel. Tal variabilidade pode ser proveniente de causas especiais no processo. Logo, faz-se necessária uma investigação mais detalhada dessa variação a fim de se descobrir se o processo está sob controle ou se o ponto corresponde a um alarme falso. Além disso, como os dados da figura 1 não passaram no teste de normalidade, faz-se necessário trazer o processo para a normalidade para continuar com as análises.

A Figura 2 ilustra o gráfico de controle I-AM para os pesos médios das pizzas assadas de frango com catupiry.

Figura 2 - Gráfico I-AM para os pesos das pizzas assadas de frango com catupiry

Fonte: Autor (2018)

Constata-se da Figura 2, analisando-se o gráfico dos valores individuais, que existem vários alertas de que o processo esteja fora de controle. No entanto, como há presença de muitas dessas evidências, pode-se considerar que o processo não seja normalmente distribuído. Dessa forma, fez-se necessário primeiramente um teste de normalidade dos dados. Como o resultado do teste foi negativo, ou seja, os dados não seguem uma distribuição Normal, uma análise foi realizada sob o ponto de vista de uma transformação Box-Cox dos dados, a fim de aproximá-los a uma distribuição Normal. A Figura 3 demonstra o gráfico I-AM para a transformação Box-Cox dos pesos médios das pizzas assadas de frango com catupiry.

Figura 3 - Gráfico I-AM para a transformação Box-Cox dos pesos médios das pizzas assadas de frango com catupiry

Fonte: Autor (2018)

Depreende-se da Figura 3 que apesar da transformação dos dados, os alertas observados anteriormente no gráfico de valores individuais praticamente não foram alterados. Além disso, pode-se observar nesse mesmo gráfico uma tendência ascendente dos pontos plotados. Sendo assim, pode-se inferir que o processo não se encontra sob controle estatístico.

Figura 4 - Gráfico I-AM para os pesos das pizzas assadas mistas

Fonte: Autor (2018)

Constata-se da Figura 4 no gráfico da amplitude que o processo aparentemente encontra-se sob controle. No entanto, analisando-se o gráfico de valores individuais, há três testes que indicam que o processo possa estar fora de controle estatístico. O primeiro, indicado nos pontos 5, 6, 9,12 e 13 informa que esses pontos se encontram além dos limites tentativos de controle estabelecidos. O segundo, nos pontos 5, 6, 10, 11 e 13, alerta que dois de três pontos estão localizados acima de dois desvios padrão da linha central. O terceiro, localizado nos pontos 4, 5, 6, 12 e 13 informa que há quatro de cinco pontos acima de um desvio padrão da linha central. Sendo assim, foi realizado um teste para verificar se os dados são normalmente distribuídos. Como os dados seguem uma distribuição Normal, há fortes evidências de que o processo provavelmente está fora de controle estatístico. Portanto, os pontos além dos limites de controle devem ser investigados.

Em seguida, os dados dos pesos assados de todas as pizzas produzidas durante toda a jornada de trabalho foram normalizados para que uma análise geral do processo, através de um gráfico I-AM, pudesse ser realizada.

A figura 5 Ilustra o gráfico I-AM para todos os dados normalizados do peso médio da pizza assada do processo.

Figura 5 - Gráfico I-AM para todos dados normalizados do peso médio das pizzas assadas do processo

Fonte: Autor (2018)

Depreende-se da análise da Figura 5 que, em relação ao gráfico da amplitude móvel, somente os dados do terceiro turno apresentaram fortes evidências de que o processo esteja fora de controle, devido à presença de três pontos além dos limites tentativos de controle. Todavia, pela análise do gráfico de valores individuais, como os dados foram previamente normalizados e como há presença de vários alertas de causas especiais em todos os turnos, existem fortes evidências de que o processo esteja fora de controle estatístico. Nesse sentido, os pontos além dos limites de controle devem ser investigados.

Sequencialmente, foram gerados gráficos de controle por atributos, evidenciando o percentual de itens defeituosos por lote (gráfico de P) e o número médio de defeitos por unidade de inspeção (gráfico de U), a partir dos dados coletados referentes aos característicos peso da pizza crua, peso da pizza assada, montagem, ingredientes e aparência das pizzas.

A Figura 6 ilustra o gráfico de controle P para a proporção de pizzas defeituosas, considerando-se 75 amostras de tamanho três.

Figura 6 - Gráfico de P para a proporção de pizzas defeituosas

Fonte: Autor (2018)

Analisando-se a Figura 6, depreende-se que há nove pontos consecutivos de um mesmo lado da linha central, os quais representam uma falha em um dos testes para causas especiais nos pontos 28, 29 e 30. Entretanto, tais evidências não são suficientes para se inferir que o processo se encontra fora de controle. No entanto, percebe-se que o limite superior de controle pode estar mal dimensionado, considerando-se sua posição relativa à linha central. Logo, faz-se necessária uma nova análise pelo gráfico P de Laney. A Figura 7 ilustra o gráfico de controle de P de Laney para a proporção de pizzas defeituosas.

Figura 7 - Gráfico P de Laney para a proporção de pizzas defeituosas

Fonte: Autor (2018)

Da análise da Figura 7, foram gerados mais alertas para causas especiais em relação ao gráfico P, principalmente a presença dos pontos 1, 2, 12, 13 e 59 localizados além dos limites tentativos de controle. Portanto, há fortes evidências de que o processo se encontra fora de controle estatístico. Nesse sentido, os pontos devem ser investigados.

A Figura 8 ilustra o gráfico de U para o número de defeitos por pizza realizado para todas as 75 pizzas, em relação aos cinco característicos mensurados pelos inspetores da qualidade.

Figura 8 - Gráfico de U para o número de defeitos por pizza

Fonte: Autor (2018)

Depreende-se inicialmente da análise da Figura 8 que há alertas de presença de causas especiais no processo. No entanto, a grande distância do limite superior de controle em relação ao limite central pode vir a ocultar outros possíveis alertas mais significativos. Nesse sentido, faz-se necessária uma análise mais detalhada utilizando-se o gráfico de controle U de Laney. A Figura 9 ilustra o gráfico U de Laney para o número de defeitos por pizza.

Figura 9 - Gráfico U de Laney para o número de defeitos por pizza

Fonte: Autor (2018)

Da análise do gráfico U de Laney, constata-se um aumento dos alertas de causas especiais no processo em relação ao gráfico de U, principalmente a presença de alertas de pontos, 1, 2, 12, 13 e 59, que ultrapassam os limites tentativos de controle do processo. Portanto, infere-se que o processo se encontra fora de controle estatístico.

Segundo Montegomery (2012), como os processos são novos, foram utilizados limites de controles tentativos para o estabelecimento dos gráficos de controle dos mesmos. Portanto, da análise de todos os gráficos de controle ilustrados anteriormente, tanto por variáveis quanto por atributos, depreende-se que o processo globalmente é instável e não se encontra sob controle estatístico. Sendo assim, é necessária uma consolidação do processo para que análises mais detalhadas possam ser realizadas em relação à estabilidade do processo.

5. Considerações finais

Como pôde ser observado através do estudo feito com os gráficos de controle tradicionais de Shewhart, existe uma seriedade ao utiliza-los, uma vez que através desses gráficos constatou-se uma grande variabilidade e instabilidade no processo em questão. Através das medições é

variáveis de entrada de cada processo. Essa diferença encontrada pôde mostrar alterações no produto acabado, algumas dessas diferenças sendo mais significantes, ocasionadas em produtos fora das conformidades e consequentemente que não estão atendendo as especificações. Com isso, pode-se evidenciar a importância desse estudo para a engenharia, uma vez que através das ferramentas utilizadas pode-se inferir mais sobre o processo avaliado e partir daí tomar decisões de melhoria para o processo.

Como visto através do estudo ao se utilizar o gráfico de controle I-AM, onde foi monitorado a estabilidade do processo para os três tipos de pizza avaliados, inicialmente foi constatado que para cada um dos tipos de pizza, através do gráfico de valores individuais, que há uma certa instabilidade no processo global. Conseguinte, foi feito uma análise de todas as pizzas produzidas em todos os turnos, onde foi realizada previamente uma normalização dos dados onde pôde ser constatado que existem fortes evidências de que o processo esteja fora de controle estatístico. A partir disso, devem ser implantadas medidas para que se possa atingir a estabilidade do processo.

Sequencialmente, utilizou-se gráficos de controle por atributos P e U e suas respectivas cartas de Laney. Através desses gráficos característicos como peso da pizza crua, peso da pizza assada, montagem, ingredientes e aparência das pizzas foram avaliados para monitorar a estabilidade do processo. No primeiro gráfico, de P, foi constatado novamente que o processo está fora de controle estatístico. Seguindo com o gráfico de U, foi novamente observado que também se encontra fora do controle estatístico.

Sendo assim depreende-se que o processo globalmente não se encontra sob controle estatístico, isso devido às limitações encontradas no estudo, a exemplo de dados insuficientes ocasionando um certo limite na pesquisa. Outra limitação foi devido a ser um processo novo, pois, de acordo com Montegomery (2012) como os processos são novos, foram utilizados limites de controles tentativos para o estabelecimento dos gráficos de controle dos mesmos. Assim como também há evidências de que as especificações não foram bem dimensionadas, gerando um excesso de não conformidades nos pesos das pizzas.

Com isso, observa-se a importância do estudo para a engenharia de produção, uma vez que o mesmo propõe o monitoramento da estabilidade de processos utilizando-se cartas de controles para a detecção de variabilidades e causas especiais, o que é essencial para aqueles que atuam na área de controle estatístico da qualidade, ajudando na tomada de decisões e consequentemente nas propostas de melhorias para os processos dentro das organizações.

6. Referências

SCHISSATTI, M. L. Uma metodologia de implantação de cartas de Shewhart para o controle de processos. 1998. Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, 1998.

WERKEMA, Maria C. C. Ferramentas estatísticas básicas para o gerenciamento de processos. Belo Horizonte: Fundação Christiano Ottoni, Escola de Engenharia, v. 2, 1995.

NUNES, J. P. Gráficos de Controle do processo.

MONTGOMERY, D. C. Introdução Ao Controle Estatístico da Qualidade. Grupo Gen-LTC, 2012.

CARPINETTI, L. C. R. Controle Estatístico De Qualidade. Atlas, 2014

MOREIRA, D. A. Administração Da Produção e Operações. Cengage Learning, 2011

PORTAL ACTION, Superdispersão e Subdispersão. Disponível em: https://support.minitab.com/pt-

br/minitab/18/help-and-how-to/quality-and-process-improvement/control-charts/supporting-topics/understanding-attributes-control-charts/overdispersion-and-underdispersion/. Acessado 02/08/2018

Transformação de box-cox. Disponível em: