Gráficos de Controle - FM2S

MANUAL SOBRE GRÁFICOS DE
CONTROLE
Virgilio F. M. dos Santos

FM2S Campinas - SP
Introdução
O conceito de variação foi introduzido no Capítulo 8. Algumas ferramentas para
se investigar a variação nos dados foram apresentadas no Capítulo 5: gráficos de Pareto,
gráficos de tendência, gráficos de frequência e de dispersão. Esse capítulo desenvolve
o método do gráfico de controle como um modo mais formal de se investigar a variação
e de orientar o desenvolvimento de mudanças para a melhoria. O gráfico de controle é
uma extensão do gráfico de tendência discutido no Capítulo 24. O método do gráfico
de controle fornece uma definição operacional para os dois tipos de causas de variação
em uma medida:
Causa comuns: – aquelas causas que são inerentes ao sistema (processo ou

produto) todo o tempo, afeta cada um que trabalha no sistema, e afeta todas os
resultados do sistema.
Causas especiais: – aquelas causas que não são parte do sistema (processo ou
produto) todo o tempo ou não afetam a todos, mas que surgem devido a circuns-
tâncias específicas.
Um sistema que tem apenas causas comuns afetando o resultado é chamado de

sistema estável, ou que está no estado de controle estatístico. Um processo estável
implica apenas que a variação é previsível dentro de limites estatisticamente
estabelecidos. Um sistema cujo resultado é afetado tanto por causas comuns quanto por
causas especiais é chamado de sistema instável. Um sistema instável não significa
necessariamente que tenha grande variação. Significa que a magnitude da variação de
um período de tempo para outro é imprevisível.
Além de fornecer esses conceitos básicos de variação, o Dr. Shewhart forneceu

também o método para determinar se um sistema é dominado por causas comuns ou
especiais. Esse método é conhecido como Gráfico de Controle de Shewhart. O gráfico
de controle é uma ferramenta estatística usada para distinguir, em uma medida de
qualidade, entre variação devido a causas comuns e variação devido a causas especiais.
O nome usado para descrever o gráfico (“controle”) é enganoso, uma vez que o uso
mais comuns desses gráficos é o de investigar a variação e avaliar o impacto de
mudanças. Um nome melhor poderia ser “gráficos de aprendizado” mas o nome que
Shewhart escolheu para o gráfico em 1920 persistiu. A Figura 25-1 mostra um exemplo
de gráfico de controle típico.
MAnual sobre Gráficos de Controle FM2S 1

Figura 25-1: Ilustração de um Gráfico de Controle de Shewhart
(gráfico de aprendizado)
Limite Superior de Controle (LCL)

Estatística
Linha Central (CL)
Limite Inferior de Controle (LCL)
1 2 3 4 5 6 7 8 9 10 11 12 13 . . k
A construção de um gráfico de controle tipicamente envolve:

• Plotar os dados, ou algum resumo dos dados, por ordem de ocorrência (com
freqüência pela ordem de tempo).
• Determinar alguma medida da tendência central dos dados (por ex. média).
• Determinar alguma medida da variação de causa comum dos dados.
• Calcular a linha central e os limites de controle superior e inferior (ver Figura
25-1).
O Capítulo 8 a respeito de dados apresenta exemplos de medidas úteis de

qualidade para tipos diferentes de organizações. Um tipo de gráfico de controle pode
ser desenvolvido para cada uma dessas medidas. O método do gráfico de controle é útil
em todas as fases do Modelo para Melhoria:
1. “O que estamos tentando realizar?”
Os gráficos de controle que já existem, para medidas de um sistema ou de um
processo, podem ser usados para decidir se um esforço de melhoria deve se
focalizar em mudanças fundamentais ou em corrigir sistemas ou processos
atuais.
2. “Como saberemos que uma mudança é uma melhoria?”
O método do gráfico de controle fornece um modo formal de decidir se a
variação observada em uma medida de qualidade deve ser atribuída a
2 FM2S MAnual sobre Gráficos de Controle

mudanças feitas ou a outras causas de variação no sistema, processo ou
produto.
3. “Quais mudanças podemos fazer que resultarão em uma melhoria?”
O gráfico de controle pode ajudar um indivíduo ou uma equipe a decidir se o
foco para o próximo ciclo deve ser a identificação ou remoção de causas
comuns de variação ou de causas especiais de variação.
O Capítulo 8 discutiu os dois enfoques básicos para se lidar com a variação,

resumidos na Figura 25-2. Para melhorar a qualidade de um processo é importante
reconhecer se o processo é dominado por causas comuns ou por causas especiais. Isso
determinará quem é responsável por passos específicos da melhoria, quais recursos são
necessários e quais ferramentas serão úteis (ver Figura 25-3). Uma vez que produtos ou
serviços inaceitáveis podem resultar tanto de causas comuns como de especiais, a
comparação de características de qualidade com os requisitos (inspeção de produto) não
é uma base para a ação sobre o processo. A inspeção de produto é útil para se separar
produtos e serviços bons dos ruins, e para estabelecer prioridades sobre qual processo
melhorar.
O método do gráfico de controle fornece uma definição operacional desses

conceitos. O gráfico de controle é uma ferramenta estatística usada para distinguir entre
a variação em um processo devido a causas comuns e a variação devida a causas
especiais. Especificações de produto ou serviço não são parte de um gráfico de controle.
O método do gráfico de controle tem aplicação geral por toda a organização. Ele pode
ajudar qualquer um a aprender a respeito dos processos em que trabalham e a agir a
respeito. A alta gerência pode usar um gráfico de controle para estudar a variação em
vendas, os supervisores podem usar a ferramenta para atribuir responsabilidades para a
melhoria de um processo, o pessoal administrativo pode usá-los para identificar opor-
tunidades para melhoria e os operadores podem usar gráficos de controle para saber
quando ajustar um processo.
Esse módulo discute o uso geral de gráfico de controles, incluindo um histórico

curto, tipos de gráficos de controle, como planejar um gráfico de controle, interpretação
dos gráficos e alguns conceitos errados a respeito de gráficos de controle. O método de
gráfico de controle inclui:
• Seleção de características de qualidade e estatística a serem plotadas.
• Um método de medida e amostragem.
• Uma estratégia para determinar subgrupos de dados (incluindo tamanho e
freqüência do subgrupo).
• Critérios para sinalizar uma causa especial
Figura 25-2: Duas Interpretações de Variação

A Variação é Aceitável ou Inaceitável
Foco: No resultado do
Variação processo (produto ou serviço)
Excessiva Expectativa
Máxima
Objetivo: Classificar
Variação de Resultado
resultados como aceitáveis ou

Variação Resultado
inaceitáveis
Resultados
Permissível Aceitáveis Desejado
Base: O que o cliente quer ou
precisa.
Expectativa
Variação Mínima Métodos:
Excessiva
Especificações, budgets,
metas, expectativas
Variação Devido a Causas Comuns ou Especiais
Processo Foco: Nas causas da variação

Instável Limite
no processo: máquina / métodos
Superior de
de trabalho / materiais /
Variação de Processo
Controle
ambiente / trabalhadores /
Processo Variação Devido a Linha
gerência / sistema de media
Estável Causas Comuns Central
Objetivo: Fornecer uma base
para atuar sobre o processo
Limite
Processo Inferior de
Base: O que o processo está
Instável Controle
atualmente fornecendo
Métodos: Gráficos de controle

Figura 25-3: Métodos e Responsabilidades para a Melhoria
Selecionar uma medida de processo

ou característica de qualidade
Desenvolver gráfico
de controle apropriado
Reduzir Causas Comuns Descobrir e atuar sobre

(mudar o processo) Causas Especiais
Identificar Causas O Processo Identificar

Sim Não
Comuns ou Processos é Estável? Causas Especiais
Alternativos
Processo Estável Processo Instável
Métodos Primários de Investigação

1. Planejamento de Experimentos 1. Gráficos de controle
2. Subgrupamento / estratificação 2. Subgrupamento / estratificação
3. Gráficos de controle 3. Planejamento de Experimentos
Responsabilidade pela Identificação
1. Peritos técnicos 1. Trabalhadores no processo
2. Supervisores 2. Supervisores
3. Trabalhadores no processo 3. Peritos técnicos
Responsabilidade pela Melhoria
1. Gerência 1. Supervisores
2. Peritos técnicos 2. Peritos técnicos
3. Supervisores 3. Gerência
4. Trabalhadores no processo 4. Trabalhadores no processo

Histórico dos Gráficos de Controle
Atribui-se ao Dr. Walter A. Shewhart o desenvolvimento do gráfico de controle
(ASQC, 1976). Em 1924, Shewhart anexou um gráfico a um memorando ao Diretor de
Engenharia de Inspeção do Laboratório da Bell Telephone. O memorando respondia a
um pedido para:
“. . . o desenvolvimento de uma forma aceitável de relatório de inspeção que

possa ser modificado de tempos em tempos, a fim de fornecer à primeira
vista a maior quantidade de informação acurada.”
Shewhart foi bem além do pedido original. Ele publicou os detalhes do método
do gráfico de controle no Bell System Technical Journal de 1926 a 1930. Em 1931
Shewhart publicou Economic Control of Quality of Manufactured Product (Shewhart,
1931), o qual inclui a teoria e a aplicação de gráficos de controles. Gráficos de controle
são chamados gráficos de Shewhart em algumas partes do mundo para distinguir
gráficos baseados na teoria de Shewhart de outros gráficos de “controle”. A predição
era o conceito chave na definição de “controle” (Shewhart, 1931, p. 6).
“Um fenômeno é dito controlado quando, por meio do uso da experiência

passada, pudermos prever, pelo menos dentro de limites, como se pode
esperar que o fenômeno varie no futuro.”
Por meio de seu trabalho na Western Electric, Shewhart descobriu que

características de qualidade em processos de manufatura tendem a não estar em
controle. Ele também descobriu que era possível identificar e remover as causas de
situações fora de controle, e trazer o processo para um estado de controle.
O gráfico de controle consiste de três linhas plotadas em um gráfico. Um gráfico

de controle é construído obtendo-se medidas para algumas características de um
processo. Os dados são então agrupados pelo período de tempo, local ou outras variáveis
descritivas. Esses conjuntos de dados são chamados subgrupos. Subgrupos múltiplos,
com freqüência obtidos ao longo do tempo, são necessários para se construir um gráfico
de controle.
Uma estatística descritiva (o resultado de se fazer contas com os dados), tais como
média, amplitude ou percentual com defeito, é calculado a partir das medidas em cada
subgrupo. A estatística é então plotada em um gráfico com o eixo horizontal sendo o
número do subgrupo e o eixo vertical sendo a escala para a estatística.
Quando 20 a 30 subgrupos tiverem sidos plotados no gráfico, os limites de

controle podem ser calculados. Os limites de controle limitam a variação da
característica de qualidade devida a causas comuns. Foram desenvolvidas fórmulas para
os limites de controle para todos os tipos comuns de gráficos de controle (ver a seção
Base Técnica para detalhes sobre a origem dos limites de controle “três sigmas”).
Apesar dos limites serem baseados na teoria estatística, Deming (1986) claramente diz

que os limites de controle não devem ser associados com qualquer cálculo de
probabilidade.
Ao desenvolver o método do gráfico de controle, Shewhart enfatizou a importância

do equilíbrio econômico entre procurar causas especiais que não existem e deixar de lado
causas que de fato existem. Foi também necessário desenvolver regras que dêem um
equilíbrio econômico aceitável para todos os tipos de medidas em uma variedade de
sistemas, processos e produtos. A Figura 25-4 ilustra o impacto desses dois erros.
Figura 25-4: Erros Cometidos ao se Tentar Melhorar Resultados

ERRO 1: Reagir a um resultado como se viesse de uma causa especial, quando na
verdade vem de causas comuns de variação.
ERRO 2: Tratar um resultado como se viesse de causas comuns de variação, quando

na verdade vem de uma causa especial
SITUAÇÃO ATUAL
AÇÃO NENHUMA MUDANÇA MUDANÇA
Atuar sobre o resultado –$ +$

individual
Tratar o resultado como

parte do sistema; +$ –$
trabalhar para mudar o
sistema (comum)
As razôes fundamentais para o uso dos limites de três sigmas de Shewhart são:
• Os limites têm base na teoria estatística.
• Os limites provaram na prática que distinguem causas especiais de causas
comuns de variação.
• Na maior parte dos casos, o uso de limites minimizará o custo total devido tanto
à reação excessiva quanto à falta de reação à variação no processo.
• Os limites protegem a moral dos trabalhadores no processo ao definir a
magnitude da variação que está embutida no processo.

Subgrupamento e Estratificação
O conceito de subgrupo é um dos mais importantes componentes do método de
gráfico de controle. Shewhart disse o seguinte a respeito de subgrupamento (Shewhart,
1931, p.229):
“Obviamente, o objetivo final é não apenas detectar problemas mas também

encontrá-los, e tal descoberta naturalmente envolve classificação. O
engenheiro que é bem sucedido em dividir seus dados em subgrupos
racionais baseado em hipóteses racionais está portanto inerentemente
melhor a longo prazo do que um que não seja assim tão bem sucedido.”
O conceito de Shewhart é o de organizar (classificar, estratificar, agrupar etc.) os

dados dos processos de um modo que provavelmente faça com que os dados de cada
subgrupo tenham as maiores chances de serem parecidos e que os dados de outros
grupos tenham as maiores chances de serem diferentes. O propósito do subgrupamento
racional é o de incluir apenas causas comuns de variação dentro de um subgrupo, com
todas as causas especiais de variação ocorrendo entre subgrupos.
A estratificação é a separação e classificação de dados de acordo com variáveis ou

fatores selecionados. O objetivo é encontrar padrões que ajudem a entender os
mecanismos causais em um processo. A estratificação em um gráfico de controle está
usualmente focalizada no ordenamento dos subgrupos, com ordem de tempo mais
prevalecente. Os subgrupos podem também ser ordenados por outros fatores tais como
fornecedor, turno, operador, posição da peça etc., para investigar a importância desses
fatores.
O método mais comum de se obter subgrupos racionais é o de manter o tempo

“constante” dentro de um subgrupo. Apenas dados obtidos no mesmo tempo (ou para
algum período de tempo selecionado) são incluídos em um subgrupo. Dados de períodos
de tempo diferentes estarão em outros subgrupos. Esse uso do tempo como base do
subgrupamento permite a detecção de causas de variação que vêm e vão com o tempo.
Como exemplo de subgrupamento, considere um estudo planejado para reduzir

pagamentos atrasados. Os dados históricos dos arquivos de contabilidade serão usados
para estudar a variação nos pagamentos atrasados. O que é uma boa maneira de se
subgrupar os dados históricos sobre pagamentos atrasados? Os dados podem ser
agrupados por mês de vencimento, mês de recebimento, por conta principal, por linha
de produto ou por gerente de conta. Conhecimento ou teorias a respeito do processo
devem ser usados para desenvolver subgrupos racionais. Algumas combinações de
tempo (mês de recebimento ou de vencimento) e uma ou mais das outras variáveis no
processo seriam um modo razoável de se desenvolver o primeiro gráfico de controle.
Após selecionar o método de subgrupamento, o usuário do gráfico de controle

deve ser capaz de dizer quais fontes de variação no processo estarão presentes dentro
de subgrupos e quais fontes ocorrerão entre subgrupos. O objetivo específico do gráfico

de controle com freqüência ajudará a determinar a estratégia para o subgrupamento dos
dados. Por exemplo, se o objetivo for o de avaliar diferenças entre fornecedores de
matéria prima, então apenas matérias de um único fornecedor devem ser incluídas nos
dados de cada subgrupo.
Tipos de Gráfico de Controle

Há muitos tipos diferentes de gráficos de controle. O gráfico apropriado para se
usar em uma aplicação particular depende primariamente do tipo dos dados. Seguindo
a discussão no Capítulo 8, os diferentes tipos de dados podem ser classificados em três
categorias (ver Tabela 25-1 para exemplos):
• dados de classificação,
• dados de contagem, e
• dados contínuos.
Para dados de classificação, a característica de qualidade é registrada em uma de

duas classes. Exemplos dessas classes são unidades conformes/não conformes,
tolerável/não tolerável, ou bom/ruim. Para se obter dados de contagem, o número de
incidências de um tipo particular são registrados: número de erros, número de acidentes,
ou número de indicações de vendas. Para dados contínuos é registrado o valor numérico
medido da característica de qualidade, por exemplo uma dimensão, atributo físico ou
número calculado.
Tabela 25-1: Exemplos de Tipos de Dados

Tipo de Característica Dados
Dado de Qualidade Registrados
Classificação Desempenho de Entrega Entrega a tempo / atrasada
Refazer trabalho OK primeira vez / refazer
Arranhões OK / arranhões excessivos
Contagem Mudanças Número de mudanças por desenho
Acidentes Número de acidentes por mês
Arranhões Número de arranhões na superfície
Contínuo Tempo Número de minutos adiantado ou atrasado
Peso Gramas usando balança de laboratório
Arranhões Comprimento em cm para cada arranhão
Nota: Na literatura de gráficos de controle, os dois primeiros tipos são chamados dados
de atributo, enquanto que o terceiro é chamado de dados de variáveis
Como pode ser visto na Tabela 25-1, os dados para algumas características de
qualidade podem ser registrados como qualquer um dos três tipos. Por exemplo, para

algo com um grande número de características dimensionais, os dados podem ser
registrados em qualquer uma dos seguintes maneiras:
• classificação: – o objeto atende ou não às especificações
• contagem – número de dimensões que não atendem a especificações, ou
• contínua – valor medido para as dimensões selecionadas.
Dados contínuos podem ser convertidos para dados de atributo aplicando-se uma
definição operacional para a contagem ou classificação. Uma dimensão registrada pode
ser classificada como atendendo ou não à especificação; entretanto, essa conversão não
funciona na outra direção. As dimensões medidas são desconhecidas para um objeto
que é registrado como não atendendo às especificações.
De um modo geral, sempre que possível os dados devem ser coletados como
dados de variáveis, já que o aprendizado pode ocorrer com muito menos medidas se
comparado com as classificações ou contagens de atributos. Os gráficos de controle
para dados de variáveis requerem menos medidas em cada subgrupo do que o gráfico
de controle de atributo. Os tamanhos de subgrupos típicos para gráficos de dados de
variáveis variam de 1 a 10, enquanto que os tamanhos de subgrupo para dados de
atributo variam de 30 a 1000.
A Figura 25-5 contem um resumo de gráficos freqüentemente usados e o tipo de

dados aos quais eles se aplicam. Para dados contínuos, duas estatísticas descritivas
importantes das medidas em um subgrupo são a média das medidas e a amplitude (maior
medida menos a menor medida). A média é chamada de X-barra ( X ) e a amplitude de
R. Dois gráficos de controle são necessários: o gráfico de X-barra para as médias e o
gráfico R para as amplitudes. São incluídas de duas a dez medidas para cada subgrupo,
e os tamanhos mais comuns de subgrupos variam de três a seis.
Se o tamanho do subgrupo for variável (o número de medidas muda de um

subgrupo para outro), o desvio padrão (outra estatística descritiva para a variação) é
usada no lugar da amplitude. Os gráficos X-barra e S são usados nesse caso, onde S é o
símbolo para o desvio padrão dos valores no subgrupo. Para a maior parte das aplicações
com dados de variáveis, o tamanho do subgrupo pode ser mantido constante. Assim, o
gráfico S tem uso limitado.
Em algumas aplicações não é prático ter medidas múltiplas em um subgrupo. Por

exemplo, existe apenas uma determinação do número mensal de vendas. Nessas
aplicações, a medida única é tratada como um subgrupo e é plotada em um gráfico X.

Figura 25-5: Seleção do Tipo Particular de Gráfico de Controle
TIPO DE DADOS
CONTAGEM OU
CLASSIFICAÇÃO CONTÍNUOS
(DADOS DE ATRIBUTO) (DADOS DE VARIÁVEIS)
CONTAGEM CLASSIFICAÇÃO
Defeitos ou Unidades defeituosas

não conformidades ou não conformes
Oportunidade Oportunid Tamanho Tamanho Subgrupo Tamanh Tamanho

Fixa ade Fixo de Variável de de o Fixo Variável
Variável Subgrupo Subgrupo tamanho 1 de de
Subgrup Subgrupo
o
Gráficos Gráficos
X-barra X-barra
Gráfico Gráfico U Gráfico Gráfico Gráfico
eR eS
C NP P X
Número defeitos Número de Perc. de Medida Média e Média e

de por Defeituosos Defeituosos Individual Amplitude Desvio
defeitos unidade Padrão
Alguns Outros Tipos de Gráficos de Controle para Dados de Variáveis

1. Média móvel
2. Amplitude Móvel
3. Mediana e amplitude
4. Soma Cumulativa (CUSUM)
5. Média Móvel Exponencialmente Ponderada (EWMA)
Quando as unidades de amostragem são classificadas em duas categorias

(unidades conformes e não conformes), o gráfico P (p = porcentagem não conforme) é
apropriado. O gráfico P pode ser usado tanto com um tamanho de subgrupo fixo quanto
variável. O gráfico NP (np = número de unidades não conformes) só pode ser usado
quando o tamanho do subgrupo é constante.

Para dados de contagem, o gráfico C (número de incidências) é apropriado quando
a oportunidade para uma ocorrência é relativamente constante em cada subgrupo. O
gráfico U (número de incidências por unidade) é necessário para dados de contagem
quando a oportunidade para a ocorrência é variável entre subgrupos. O tamanho do
subgrupo é substituído pelo conceito de área de oportunidade para os gráficos C e U.
Há outros tipos de gráficos de controle tais como o gráfico de controle da mediana

e o gráfico de soma cumulativa, usados para aplicações especiais. Os sete tipos de
gráficos mostrados na Figura 25-5 são os gráficos de controle de Shewhart mais
encontrados na prática.
Interpretação de um Gráfico de Controle

O gráfico de controle fornece a base para tomar ações para se melhorar um
processo. Um processo é considerado estável quando existe uma “distribuição aleatória”
dos pontos plotados dentro dos limites de controle. Para um processo estável, a ação
deve ser direcionada para identificar as causas importantes de variação comuns a todos
os pontos. Se a distribuição (ou padrão) não é aleatória, o processo é considerado como
instável e a ação deve ser tomada no sentido de descobrir mais a respeito das causas
especiais de variação.
Existe um consenso entre usuários de gráficos de controles de que um único ponto

fora dos limites de controle é uma indicação de uma causa especial de variação.
Entretanto, tem havido muitas sugestões para sistemas de regras para identificar causas
especiais que aparecem como padrões não aleatórios dentro dos limites de controle. A
Figura 25-6 contém cinco regras que são recomendadas para o uso geral com gráficos
de controle.
Essas regras são consistentes no sentido de que a chance de ocorrências das regras
2, 3, 4 ou 5 para um processo estável estão próximas da chance da regra 1 ocorrer em
um processo estável.

Figura 25-6: Regras para Determinar uma Causa Especial
1. Um único ponto fora dos 2. Oito ou mais pontos seguidos acima

limites de controle (ou abaixo) da linha central
UCL UCL
CL CL
LCL LCL
3. Seis pontos consecutivos crescendo 4. Dois de três pontos consecutivos próximos

(tendência para cima) ou descendo (um terço externo) de um limite de controle
(tendência para baixo)
UCL UCL
CL CL Um terço
externo
LCL LCL
5. Quinze pontos consecutivos próximos (um terço interno) da linha central

UCL
CL Um terço
interno
LCL

Ao se aplicar as regras, as seguintes orientações ajudam na interpretação consistente
dos gráficos:
• Empates entre dois pontos consecutivos não alteram uma tendência (regra 3).
• Um ponto exatamente em um limite de controle não é considerado fora do limite
(regra 1).
• Um ponto exatamente na linha central não altera nem conta para uma tendência
(regra 2).
• Quando não existe um limite de controle inferior ou superior (por exemplo, em
um gráfico de amplitude com menos de sete medidas em um subgrupo ou em
gráfico P com 100% como resultado possível para o processo), as regras 1 e 4
não se aplicam para o limite que falta.
• Quando gráficos de controle têm limites que variam devido a números variáveis
de amostras dentro de subgrupos (ver, por exemplo, a Figura 25-12 na seção
sobre Gráficos de Controle de Atributos), a regra 3 não deve ser aplicada.
A regra 5 é especialmente útil para detectar a redução de variação em um gráfico

particular ou para detectar subgrupamento impróprio em um gráfico X-barra.
Circunstâncias especiais podem indicar o uso de alguns testes adicionais dados por
Nelson (1984). Deming (1986) enfatiza que a questão mais importante é a necessidade
de estabelecer de antemão quais regras se aplicam a qualquer circunstância.
Desenvolvendo um Gráfico de Controle

O uso eficiente de gráficos de controle exige um planejamento cuidadoso para
desenvolver e manter o gráfico. Muitas tentativas de se usar gráficos de controle não
foram bem sucedidas devido à falta de planejamento e preparação. A Figura 25-7
contém um formulário de planejamento que pode ser usado para desenvolver um gráfico
de controle.
Todo gráfico de controle dever ser associado a um ou mais objetivos. O objetivo

pode ser o de melhorar o resultado do processo, identificar ou remover causas especiais
de um processo, ou estabelecer controle estatístico de modo que a capacidade do
processo possa ser determinada. Os objetivos devem resumidos no formulário do
gráfico de controle. Após um certo período, o objetivo pode ser alcançado. O gráfico de
controle deve ser abandonado nessa ocasião e um novo objetivo desenvolvido.
Há várias questões relacionadas à medição e à amostragem que têm que ser

resolvidas antes de se começar um gráfico de controle. Os tipos de dados para cada
variável a ser plotada determinará o tipo de gráfico a se usar. Deve-se documentar as
informações a respeito da variabilidade do sistema de medição a ser usado. Se a
variabilidade não for conhecida, ou se a estabilidade do processo de medida não estiver
documentada, deve-se planejar um esforço para desenvolver essa informação.

Figura 25-7: Formulário para Planejamento de um Gráfico de Controle
1. OBJETIVO DO GRÁFICO:
2. AMOSTRAGEM, MEDIÇÃO E SUBGRUPAMENTO

Medida a ser plotada:
Tipo de dados:
Método de medição:
Qualidade do processo de medição:
Localização da amostragem:
Estratégia para subgrupamento:
Freqüência de subgrupos:
Tipo de gráfico de controle:
3. CAUSAS ESPECIAIS MAIS PROVÁVEIS:
4. OBSERVAÇÕES NECESSÁRIAS:
Observação Responsabilidade
5. PLANO DE REAÇÃO PARA PONTOS FORA DE CONTROLE: (anexar cópia)
6. ADMINISTRAÇÃO
Tarefa Responsabilidade
Fazer medição:
Registrar os dados nos gráficos:
Calcular estatísticas:
Plotar estatísticas:
Estender/mudar limites de controle:
Arquivamento:
7. CRONOGRAMA PARA ANÁLISE:

Algumas questões importantes de amostragem para gráficos de controle incluem
o ponto de amostragem, a freqüência da amostragem e a estratégia para medidas de
subgrupamentos (ver a seção de Subgrupamentos e Estratificação).
A documentação da informação sobre o processo, incluindo atividades

significativas, é a parte mais importante de muitos gráficos de controle. Essa
documentação inclui mudanças no processo, identificação e investigação de causas
especiais, e outros dados relevantes do processo. Informações de fluxogramas e
diagramas de causa e efeito devem ser usados para identificar observações particulares
que devam ser registradas. A responsabilidade para registrar essas informações críticas
deve ser claramente estabelecida.
Deve ser estabelecido um plano para reação a causas especiais no gráfico.

Freqüentemente é útil fazer uma lista de verificação dos itens a serem avaliados ou um
fluxograma dos passos a seguir. O plano de reação deve estabelecer a transferência de
responsabilidade pela identificação da causa especial, se isso não puder ser feito em um
nível local. Por exemplo, um plano de reação para um gráfico de controle em um
laboratório, para monitorar um sistema de medida, pode ter o aspecto:
1. Execute o padrão de controle de qualidade
2. Notifique operações a respeito de um problema potencial.
3. Reveja o livro de registros para quaisquer mudanças recentes na
instrumentação.
4. Prepare um novo padrão de controle de qualidade e teste-o.
5. Substitua a coluna no instrumento.
6. Notifique o supervisor e chame a equipe de conserto do instrumento.
7. Documente os resultados dessas investigações no gráfico de controle.
Há várias obrigações administrativas necessárias para se manter um gráfico de

controle eficaz. A responsabilidade pela medição periódica, pelo registro dos dados,
pelo cálculo de estatísticas e pela plotagem das estatísticas no gráfico têm que ser
delineadas. Uma consideração importante é a revisão adequada e a extensão dos limites
de controle. A Figura 25-8 mostra um exemplo de um formulário completo de
planejamento para um gráfico de controle mantido por um grupo de contabilidade.
Os limites de controle para o gráfico devem ser estabelecidos usando-se de 20 a

30 subgrupos de um período, quando o processo é estável. Se for desejável estender os
limites de controle, quaisquer pontos afetados pelas causas especiais devem ser
removidos e os limites de controle recalculados. Os limites devem ser estendidos apenas
quando eles são calculados usando os dados sem as causas especiais.

Figura 25-8: Exemplo de um Formulário para Planejamento Completo
1. OBJETIVO DO GRÁFICO: Investigar as causas de cobranças devolvidas a fim
de reduzir o número de cobranças devolvidas que têm que ser mandadas de novo.
2. AMOSTRAGEM, MEDIÇÃO E SUBGRUPAMENTO
Medida a ser plotada: Porcentagem de cobranças devolvidas que não são pagas
Tipo de dados: Classificação
Método de medição: Supervisor de contabilidade registra o número de cobranças
enviadas cada semana e número devolvido sem pagamento
Qualidade do processo de medição: Contagens completas e precisas podem ser
feitas. Os totais podem ser validados.
Localização da amostragem: Lista mestra e devoluções que passam pela mesa do
supervisor.
Estratégia para subgrupamento: Subgrupo será todas as cobranças colocadas no
correio em uma dada semana (historicamente de 35 a 90 cobranças)
Freqüência de subgrupos: Um por semana – 100% das cobranças para aquela
semana.
Tipo de gráfico de controle: gráfico P
3. CAUSAS ESPECIAIS MAIS PROVÁVEIS:
Novos clientes, mudança de preços, atualizações de programas de computadores,
novos funcionários no Departamento de Contabilidade.
4. OBSERVAÇÕES NECESSÁRIAS:
Observação Responsabilidade
Número de novos clientes cada semana Supervisor
Novos funcionários Supervisor
Mudanças no programa do computador informática
5. PLANO DE REAÇÃO PARA PONTOS FORA DE CONTROLE:

O supervisor convocará reunião da equipe do departamento para discutir causas especiais
6. ADMINISTRAÇÃO
Tarefa Responsabilidade
Fazer medição: Supervisor
Registrar os dados nos gráficos: Supervisor
Calcular estatísticas: Supervisor
Plotar estatísticas: Qualidade
Estender/mudar limites de controle: Supervisor
Arquivamento: Supervisor
7. CRONOGRAMA PARA ANÁLISE: Equipe revê a cada mês.

A revisão dos limites de controle deve ser feita apenas quando os limites de
controle não forem mais apropriados. Existem quatro circunstâncias quando os limites
de controle devem ser recalculados:
1. Quando o gráfico de controle inicial tem causas especiais e existe o desejo de
se usar os limites calculados para a análise de dados a serem coletados no
futuro. Nesses casos, os limites de controle devem ser recalculados após
remover os dados associados às causas especiais.
2. Quando limites de controle preliminares foram calculados com menos de 20 a
30 subgrupos (observação: limites preliminares não devem ser calculados com
menos de 12 subgrupos). Nesse caso, os limites devem ser recalculados
quando 20 a 30 subgrupos estiverem disponíveis.
3. Quando tiverem sido feitas melhorias no processo e as melhorias resultarem
em causas especiais no gráfico de controle. Os limites de controle devem então
ser recalculados para o novo processo.
4. Quando o gráfico de controle permanecer fora de controle por um longo
período de tempo (20 ou mais subgrupos) e todas as tentativas de identificar e
remover as causas especiais tiverem falhado. Os limites de controle devem ser
recalculados para determinar se o processo se estabilizou em um nível
operacional diferente.
A data em que os limites de controle foram calculados por último deve ser parte
do registro corrente do gráfico de controle.
O formulário para se registrar os dados e se plotar o gráfico de controle é outra

consideração importante. O formulário deve permitir um registro contínuo e não deve
ter que ser recomeçado todo dia ou semana. O formulário do gráfico de controle deve
incluir espaço para documentar decisões importantes e informações a respeito do
processo tiradas do formulário de planejamento. Os dados registrados devem incluir a
hora e o local e a pessoa que faz as medidas, assim como os resultados das medidas.
A escala nos gráficos deve ser estabelecida de modo a permitir uma interpretação
visual da variação no processo. Uma boa escala é fácil de se plotar, fácil de ler, e deixa
espaço para valores futuros que possam ser afetados pelas causas especiais. Valores na
escala devem ser números arredondados e espaçados uniformemente. Com os limites
de controle centrados no gráfico, cerca de metade da escala deve estar incluída dentro
dos limites de controle.
Um cronograma de análise deve ser estabelecido para todo gráfico de controle

ativo. A freqüência da análise pode variar para os diferentes níveis de gerência. Por
exemplo, a equipe de melhoria de qualidade pode se reunir para analisar o gráfico
semanalmente, o gerente de departamento se reúne com a equipe mensalmente para rever
o gráfico, e o vice-presidente revê os gráficos com o gerente ao final de cada trimestre.

Conceitos Errados Comuns em Gráficos de Controle
Apesar de os gráficos de controle serem usados há muitos anos em uma variedade
de situações, existem vários conceitos errados ligados ao seu uso. Os seguintes erros de
conceito estão resumidos, baseados em uma apresentação feita por Michael Flynn
(Flynn, 1983):
1. Gráficos de controle são ferramentas para funcionários de produção para

dizer a eles como ajustar seus processos.
Um gráfico de controle é uma ferramenta para entender a variação. Um operador

reagindo a uma situação fora de controle é um entre muitos usos possíveis para
um gráfico de controle, mas certamente não é o mais importante em muitas
organizações.
2. Gráficos de controle são apenas para operações de produção ou

manufatura.
Os gráficos de controle devem ser usados para entender a variação em todos os

processos importantes em uma organização. Esses incluem relações de
funcionários, segurança, contabilidade, planejamento, manutenção, engenharia,
pesquisa, atendimento a cliente e assim por diante.
3. Limites de controle são limites além das quais não queremos ir.
Os limites de controle não têm nada a ver com o que queremos. Os limites apenas
definem as regiões para causas comuns de variação. Com freqüência queremos
que um processo saia fora de controle, se, por exemplo, a mudança resultar em
um maior faturamento ou menos erros nas ordens de compra.
4. Limites de controle são limites dentro dos quais o processo pode variar
ao acaso.
Uma formulação melhor seria dizer que os limites de controles são limites no
processo dentro dos quais os resultados de amostras podem variar devido a causas
comuns, quando o processo absolutamente não muda. Esse conceito errado é uma
boa razão para não ligar os pontos plotados em um gráfico de controle. A linha
ligando os pontos implica uma “mudança” para alguns observadores.
5. O processo pode ir e vir – sob controle, fora de controle, e depois de novo

sob controle.
A estatística calculada para subgrupos diferentes varia. Se uma causa especial

resulta em uma mudança no processo, os pontos do subgrupo ainda assim vão
variar, mas agora alguns podem estar dentro dos limites de controle e outros fora.
A Figura 25-9 mostra um gráfico de controle com causas especiais circuladas nos

subgrupos 9, 11, 12 e 14. Na verdade existe apenas uma causa especial importante
que ocorreu depois do subgrupo 7 e que foi removida depois do subgrupo 14. Não
existe uma correspondência de um para um entre a ocorrência de causas especiais
no processo e pontos fora de controle no gráfico de controle.
Figura 25-9: Esquema de um Gráfico de Controle
Estatística
1 2 3 4 5 6 7 8 9 10 11121314151617181920
6. Gráficos de controle só podem ser usados para acompanhar processos ao

longo do tempo.
O modo mais comum de se desenvolver gráficos de controle é definir subgrupos

por períodos de tempo, mas há muitas outras possibilidades tais como por
funcionário, por cliente, por fornecedor, por rolo, por lote de material, por cidade,
por número do instrumento e assim por diante. Gráficos de controle são
apropriados para todos esses agrupamentos de dados.
7. É mais difícil manter limites de controles estreitos do que amplos
Os limites de controle são calculados usando o mesmo método todas as vezes.

Limites de controle “estreitos” indicam que a variação de causa comum no
processo é relativamente pequena. A freqüência e a magnitude das causas
especiais (o que não é parte do cálculo do limite de controle) determina a
dificuldade em se “manter limites de controles”.
8. Limites de controle dois-sigma resultam em controles “mais restritos” do

que os limites tradicionais três-sigma.
Usar outros limites que não sejam os três-sigma de Shewhart provavelmente

resultará em custos maiores devidos tanto à reação excessiva às causas comuns
quanto à pouca reação a causas especiais. Para processos estáveis, reagir a todos os
pontos fora de um limite dois-sigma resultará em um aumento de variação no
resultado do processo.

9. Causas especiais são sempre indicações de um problema de baixa
qualidade, e
10. Não é necessário investigar causas especiais que resultem em qualidade

melhor.
Shewhart chamava as causas especiais de causas assinaláveis, i.e., a variação

podia ser “atribuída” a uma causa particular. A variação na direção correta pode
certamente ser boa. Em um gráfico de controle para o percentual com defeito, as
causas especiais importantes são aquelas que resultam em pontos abaixo do limite
de controle inferior (i.e., porcentagem de defeito reduzida). Se puder ser
encontrada uma maneira de se incorporar essas causas especiais no processo,
então uma melhoria fundamental no processo pode ser feita.
O mais poderoso conceito associado com gráficos de controle é a sua

aplicabilidade universal. Todos os níveis de uma organização e todos os departamentos
de uma organização devem conhecer os conceitos de causas de variação comuns e
especiais, e do uso de gráficos de controle para diferenciá-las.
Base Técnica sobre Gráficos de Controle de Shewhart

Essa seção discute algumas das bases estatísticas para gráficos de controle. Dr.
Shewhart (Shewhart, 1931) enunciou três postulados relativos a controle que formam a
razão fundamental para os gráficos de controle:
Postulado 1: – Os sistemas de causas aleatórias não são todos parecidos no sentido de

nos permitir prever o futuro em termos do passado.
Postulado 2: – Sistemas constantes de causas aleatórias de fato existem na natureza

(mas não necessariamente em um processo de produção).
Postulado 3: – Causas assinaláveis de variação podem ser encontradas e eliminadas.
Baseado nesses três postulados, um processo pode ser trazido a um estado de

controle estatístico achando-se as causas assinaláveis e eliminando-as do processo. A
dificuldade surge em julgar, a partir de um conjunto de dados, se causas assinaláveis
estão presentes ou não. Assim, existe a necessidade de um gráfico de controle.
Como os limites de controle devem ser construídos? Shewhart (1931, p. 276) diz
que
“Obviamente, a base para tais limites têm que ser, em última análise, empírica.”
Ele enfatizou a importância do equilíbrio econômico entre procurar por causas

assinaláveis quando elas não existem e deixar passar causas assinaláveis que de fato
existem. Era também necessário desenvolver regras que fornecessem um equilíbrio

econômico aceitável para todas as características de qualidade em uma variedade de
processos.
Shewhart chamou os limites de controle “três-sigma” e forneceu uma fórmula

geral para se calcular os limites para qualquer estatística:
Seja T uma estatística qualquer a ser plotada, então

a linha de centro CL = 
o limite superior de controle: UCL =  + 3*t
o limite inferior de controle: UCL =  – 3*t
onde  é o valor esperado da estatística e t é o desvio padrão da estatística. Shewhart
enfatizou que a teoria estatística pode fornecer o valor esperado e o desvio padrão, mas
a evidência empírica justifica a amplitude dos limites (o uso de “3” no cálculo do limite
de controle) .
O desafio em qualquer situação particular é o de desenvolver estimativas

apropriadas do valor esperado e do desvio padrão da estatística a ser plotada. Estatísticas
apropriadas foram desenvolvidas para gráficos de controle para uma ampla variedade
de aplicações.
Um exemplo importante é o gráfico X-barra e R para dados de variáveis. Como

deve ser estimado o desvio padrão da média para o cálculo dos limites três-sigma para
o gráfico X-barra? Uma maneira seria calcular as médias para cada subgrupo e então
calcular o desvio padrão desses médias. O problema desse enfoque é que a magnitude
do desvio padrão das médias seria influenciado tanto pelas causas de comuns de
variação quanto pelas especiais. É desejável que o desvio padrão seja uma medida da
variação devida apenas a causas comuns. A alternativa recomendada é usar apenas a
informação dentro de um subgrupo para estimar o desvio padrão. Isso é facilmente
conseguido usando-se a amplitude do subgrupo, computando-se a média das amplitudes
e então aplicando os fatores apropriados à amplitude média para obter os limites de
controle três-sigma.
Shewhart forneceu alguma teoria estatística que pode dar informações sobre o
desempenho dos limites de controle. A desigualdade de Tchebycheff pode ser usada
para estabelecer limitantes para esses limites, sem fazer qualquer suposição sobre a
distribuição dos dados ou sobre a estatística descritiva. O teorema diz que a
probabilidade (P) de que um valor observado da estatística caia dentro dos limites de
três sigmas (desde que o processo seja estável) satisfaz a inequação:
P > 1 – (1/32) ou P > 0.89
Assim, pelo menos em 89% do tempo, se o processo for estável, espera-se que a
estatística plotada caia dentro dos limites de controle. Mais uma vez, essa afirmação

não requer qualquer suposição sobre a forma ou a distribuição dos dados ou sobre a
estatística.
Gráfico de Controle para Medidas Individuais

O gráfico de controle para medidas individuais (ou o gráfico X) é um dos tipos
mais fáceis de gráfico de controle para se estudar a variação em dados contínuos. O
gráfico de controle para dados individuais é útil quando:
• Não há um modo racional de organizar os dados em subgrupos.
• As medidas de desempenho do processo só podem ser obtidas com pouca
freqüência.
• A variação a qualquer momento (dentro de um subgrupo) é insignificante
comparada com a variação entre subgrupos.
Exemplos de situações e dados onde um gráfico de controle de individuais pode

ser útil incluem processamento de lotes, dados de contabilidade, registros de
manutenção, dados de embarque, faturamentos, eficiências, vendas, custos, e variâncias
de previsão ou budget. Muitas vezes a freqüência de coleta dos dados não pode ser
controlada para essas situações e tipos de dados.
Leituras de instrumentos, tais como temperaturas, fluxos, pressões etc., muitas

vezes têm variação mínima a qualquer instante dado, mas variam ao longo do tempo. O
estudo do desgaste de ferramentas é outro exemplo de variação de curto prazo
insignificante se comparada à variação ao longo do tempo. Gráficos de controle de
medidas individuais podem ser úteis nesses casos.
Algumas das vantagens do gráfico de controle para dados individuais (comparado

com outros gráficos para dados contínuos) são os seguintes:
• O gráfico é uma extensão do familiar gráfico de tendência.
• Não são necessários cálculos para plotar o gráfico.
• A plotagem é feita cada vez que uma medida é feita, fornecendo um rápido feed-
back. O estudo do processo não tem que esperar por medidas adicionais.
• Uma vez que apenas um gráfico é necessário para cada característica de
qualidade, gráficos para medidas múltiplas de desempenho podem ser agrupados
em um único formulário para fins de apresentação, a fim de facilitar a avaliação
de um processo.
• A capacidade de um processo pode ser avaliada diretamente a partir dos limites
de controle no gráfico.
O gráfico de controle para medidas individuais é diferente do gráfico X-barra e R

ou X-barra e S na forma com que a variação dentro de cada subgrupo é calculada. Uma

vez que existe apenas uma medida em cada “subgrupo”, a variação dentro de um
subgrupo não pode ser calculada. Já que a medida individual é plotada (os X’s), todas
as fontes de variação são combinadas em um único gráfico. Não há oportunidade de
focalizar em diferentes fontes de variação por meio de diferentes estratégias de
subgrupamento quando se usa um gráfico de controle de medidas individuais.
Entretanto, podem ser feitas ordenações diferentes dos dados a fim de focalizar em
diferentes fontes de variação.
Algumas das desvantagens do gráfico de controle para medida individuais

(comparado com outros gráficos para dados contínuos) são as seguintes:
• Uma vez que existe apenas uma medição em cada “subgrupo”, não há
oportunidade de se focalizar em diferentes fontes de variação por meio de
subgrupamento.
• Todas as informações (dados) são plotadas em um gráfico em vez de dois.
• O gráfico X é mais sensível a uma distribuição não simétrica de dados e, quando
essa condição existe, ela pode exigir que seja usada efetivamente uma
transformação de dados.
Desenvolvendo um gráfico X
Há vários símbolos associados com gráficos de controle para dados contínuos. Os
seguintes símbolos são usados com gráficos de medidas individuais:
X – medição individual de característica de qualidade
n – tamanho de subgrupo (número de medições por subgrupo)
k – número de subgrupos usados para desenvolver os limites de controle
 – símbolo de somatória
X – (X-barra) média das K medições
MR – Amplitude móvel (maior – menor) de duas medições consecutivas
MR – (MR-barra) média das K–1 médias móveis
* – símbolo de multiplicação
Para desenvolver um gráfico de controle para medições individuais são

necessárias k = 20 a 30 medições da característica de qualidade a ser plotada. As k
medições individuais são plotadas no gráfico X, e a média das medições é a linha central
do gráfico. As amplitudes médias dos pares de medidas são usadas para desenvolver
limites de controle para o gráfico X e para estimar o desvio padrão do processo.

A amplitude média é calculada agrupando-se em pares as medições consecutivas.
A amplitude é calculada para cada conjunto de duas medições subtraindo-se o menor
valor do maior valor. Cada medição individual é considerada duas vezes no cálculo das
amplitudes móveis. Uma vez que uma medição “prévia” não está disponível para a
primeira medição no conjunto, apenas k – 1 amplitudes móveis podem ser calculadas.
A média das amplitudes móveis ( MR ) é usada no lugar do R usual. A Figura 25-10
contém um formulário para se calcular os limites de controle apropriados.
Uma vez que o gráfico X de medições individuais contém todas as informações

disponíveis sobre os dados, não é necessário se plotar as amplitudes médias. Entretanto,
plotar as amplitudes médias fará com que aumentos ou reduções na variação do
processo fiquem mais óbvios do que no gráfico X. Se as amplitudes médias forem
plotadas as regras 2, 3 e 4 não devem ser usadas para avaliar causas especiais.
Os passos para se desenvolver um gráfico de controle para medições individuais

são os seguintes:
1. Calcule as k – 1 amplitudes e a média das amplitudes médias ( MR ).
2. Calcule o limite superior de controle para as amplitudes médias usando:
UCL + 3.27 * MR Observação: 3.27 é o fator D4 para n = 2
3. Após remover quaisquer amplitudes maiores do que UCLMR, recalcule a

média móvel ( MR ). Observação: Esse passo é feito uma vez.
4. Calcule a média das k medições ( X ).
5. Calcule os limites de controle para o gráfico X usando:
UCL = X + (2.66 * MR )
LCL = X – (2.66 * MR )
6. Calcule e trace uma escala tal que os limites de controle “englobem” os 50%
internos da área de plotagem.
7. Plote as k = 20 a 30 medições no gráfico X
8. Trace a linha central ( X ) e os limites de controle no gráfico X.

Figura 25-10: Formulário de Cálculo de Gráfico X
NOME _____________________________________ DATA _________________________
PROCESSO _____________________ DESCRIÇÃO DA AMOSTRA __________________
NÚMERO DE SUBGRUPOS (k) ____________ ENTRE (datas) _____________________
X
 X  _________ ________ MR 
 MR  _________ ________
k k 1
GRÁFICO X GRÁFICO MR
UCL = X + (2.66 * MR ) UCLMR = 3.27 * MR
UCL = + (2.66 * ) UCLMR = 3.27 *
UCL = + UCLMR = _________________
UCL = ___________________
LCL = X – (2.66 * MR ) Recalcular MR após remover os MRs

maiores do que UCLMR
LCL = – (2.66 * ) MR   MR / (k  ?)
LCL = – MR  _______/ ______

LCL = ___________________ MR  ________________
CÁLCULO DE LIMITES DE CONTROLE

Os passos para se desenvolver um gráfico de controle para medições individuais são os
seguintes:
1. Calcule as k – 1 amplitudes e a média das amplitudes médias ( MR ).
2. Calcule o limite superior de controle para as amplitudes médias usando:
UCL + 3.27 * MR
3. Remova quaisquer amplitudes maiores do que UCLMR e recalcule a média móvel ( MR ).
4. Calcule a média das k medições ( X ).
5. Calcule os limites de controle para o gráfico X usando:
UCL = X + (2.66 * MR )
LCL = X – (2.66 * MR )
6. Calcule e trace uma escala tal que os limites de controle “englobem” os 50% internos da
área de plotagem.
7. Plote as k = 20 a 30 medições no gráfico X
8. Trace a linha central ( X ) e os limites de controle no gráfico X.

A determinação da capacidade de processo para um gráfico X pode ser feita
diretamente a partir dos limites de controle, quando o processo está em controle
estatístico. Uma vez que as medições estejam plotadas, a capacidade é equivalente aos
limites de controle para um processo estável.
Exemplos de Gráficos de Controle para Medições

Individuais
O primeiro exemplo diz respeito a um produto químico que é embarcado a granel,
com uma amostra tirada de cada veículo durante o carregamento. Testes de laboratório
são feitos para a certificação do produto. Os veículos são carregados a partir de tanques
de armazenamento, que por sua vez são carregados intermitentemente de uma unidade
de processamento. Os resultados de laboratório para os últimos 25 veículos carregados,
a respeito da densidade e da concentração de um certo aditivo, são usados para se
desenvolver gráficos de controle para o produto embarcado.
Um gráfico X é preparado para cada uma das características de qualidade. A

Figura 25-11 mostra o gráfico e a folha de cálculo para os dados de densidade. Os
valores de densidade são codificados subtraindo-se 0,92 e multiplicando por 10.000 a
fim de fazer com que os números fiquem mais fáceis de se trabalhar. Cada uma das 24
amplitudes móveis foi menor do que o limite superior de controle de 17,3, de modo que
foi usado MR = 5,3 para se calcular os limites de controle do gráfico X. O gráfico X
para a densidade indica um causa especial a partir do veículo número 9. Uma vez que o
processo não é estável, a análise de capacidade não pode ser feita.

Figura 25-11: Gráfico de Controle Individual para Densidade
Gráfico: 132 Nome do Gráfico: Densidade ao Carregar Veículos

Objetivo: Estudar variação e identificar causas especiais Sugrupado por: Veículos Circulares
Processo: Alta Pressão Produto: Q100 a Q209 Meta: 0,9240 Data: 9/93
Responsável pelo Gráfico: Lab. #1 Característica: Densidade Método de Medição: (densidade – 0,9200) X 10.000 Zero = 0,92
veículo 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
tempo
medida 42 36 41 44 38 50 51 48 40 32 32 33 28 24 30 21 26 40 51 50 47 53 51 48 44
MR – 6 5 3 6 12 1 3 8 8 0 1 5 4 6 9 5 14 11 1 3 6 2 3 4
90
Densidade
70
50
30
10
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Número do Veículo
NOME _____________________________________ DATA _________________________

Densidade ao Carregar Veículo 9/93
PROCESSO _____________________ DESCRIÇÃO DA AMOSTRA Densidade
__________________
Alta Pressão
NÚMERO DE SUBGRUPOS (k) ____________
25 Carros 1 – 25
ENTRE (datas) _____________________
X
 X  1000  40 MR 
 MR  126  5,3
k 25 k 1 24
UCL = X + (2,66 * MR ) UCLMR = 3,27 * MR
UCL = 40 + (2,66 * 5,3 ) UCLMR = 3,27 * 5,3
UCL = 40 + 14,1 UCLMR = 17,3
UCL = 54,1
LCL = X – (2,66 * MR ) Recalcular MR após remover os MRs

LCL = 40 – (2,66 * 5,3 ) MR   MR / (k  ?)
LCL = 40 – 14,1 MR  _______/ ______
LCL = 25,9 MR  ________________
A folha de cálculo para os dados do aditivo está mostrada na Figura 25-12 e o

gráfico de controle na Figura 25-13. As amplitudes móveis para os veículos números 14

e 15 são maiores do que o limite superior de controle de 12,5. Esse dois valores foram
removidos e a amplitude da média móvel recalculada. A média revista MR = 2,86 foi
usada para calcular os limites de controle para o gráfico X. O gráfico de controle indica
que existe uma causa especial para o veículo número 14. Observe que a concentração de
236 ppm para o veículo 14 foi a causa das duas amplitudes médias que estavam acima
do limite superior de controle.
Figura 25-12: Cálculos do Gráfico de Controle para o Aditivo

Aditivo
NOME _____________________________________ 9/93
DATA _________________________
Carregamento de Veículo DESCRIÇÃO DA AMOSTRA __________________
PROCESSO _____________________ Composta
25 Veículos 1 – 25
NÚMERO DE SUBGRUPOS (k) ____________ ENTRE (datas) _____________________
X
 X  5481  219 ,2 MR 
 MR  94  3,92
k 25 k 1 24
UCL = X + (2.66 * MR ) UCLMR = 3,27 * MR
UCL = 219,2 + (2.66 * 2,95 ) UCLMR = 3,27 * 3,92
UCL = 219,2 + 7,8 12,8
UCLMR = _________________
227,0
UCL = ___________________
LCL = X – (2.66 * MR ) Recalcular MR após remover os MRs

LCL = 219,2 – (2.66 * 2,95 ) MR   MR / (k  ?)
LCL = 219,2 – 7,8 MR  _______
65 / 22
______
211,4
LCL = ___________________ 2,95
MR  _______________
O segundo exemplo é uma aplicação do gráfico individual para dados financeiros

a fim de estudar ferramentas de planejamento tais como budgets, previsões e
cronogramas. Uma previsão de gastos é feita com dois meses de antecedência para cada
departamento. Os budgets são usados para fins de planejamento e é desejável que eles
sejam os mais precisos possíveis. A cada mês o budget e o atual são comparados para
avaliar a precisão. Pode-se calcular tanto a diferença quanto a diferença percentual para
mediar a precisão. Uma vez que os dados só estão disponíveis uma vez por mês, usa-se
um gráfico individual para estudar a precisão.
A Figura 25-14 mostra o gráfico de controle para um período de dois anos e a
folha de cálculo. A cada mês o budget (calculado com três meses de antecedência) é
subtraído do gasto atual. Essa diferença é dividida pelo budget previsto e multiplicado
por 100 para calcular a diferença percentual. A diferença percentual é usada para
desenvolver o gráfico de controle. É importante manter o sinal + (acima do budget) e
– (abaixo do budget) junto com a diferença percentual.

Figura 25-14: Gráfico de Controle Individual para Variância do Budget
NOME _____________________________________ DATA _________________________
Gráfico: 24 Nome do Gráfico: Budget do Departamento de Engenharia
Objetivo: Estudar variação no processo de budget Sugrupado por: Mês
Processo: Budget de Departamento Meta: 0 Data: 1/94
Responsável pelo Gráfico: Ger. Eng. Característica: Precisão Método de Medição: (Atual – Budget)/Budget
1992 1993
mês J F M A M J J A S O N D J F M A M J J A S O N D J F
budget 458 458 458 470 475 470 450 420 420 460 465 460 470 470 480 500 510 500 480 480 450 450 470 486
atual 455 470 460 480 474 490 440 430 422 478 458 460 473 463 485 512 514 515 477 490 458 450 465 478
diferença -3 12 2 10 -1 20 -10 10 2 18 -7 0 3 -7 5 12 4 15 -3 10 8 0 -5 -8
% dif. -0.66 2.62 0.44 2.13 -0.21 4.26 -2.22 2.38 0.48 3.91 -1.51 0.00 0.64 -1.49 1.04 2.40 0.78 3.00 -0.63 2.08 1.78 0.00 -1.06 -1.65
MR – 3.28 2.18 1.69 2.34 4.47 6.48 4.60 1.90 3.44 5.42 1.51 0.64 2.13 2.53 1.36 1.62 2.22 3.63 2.71 0.31 1.78 1.06 0.58
% Diferença do Budget
15
10
5
0
-5
-10
-15
J F M A M J J A S O N D J F M A M J J A S O N D J F
1992 1993
Observações:
Variância do Budget 2/94

Análise de Budget DESCRIÇÃO DA AMOSTRA ________________________
PROCESSO_______________
% mens., 100(atual-budget)/budget
24 (2 anos)
NÚMERO DE SUBGRUPOS (k) ____________ Jan. 92 – Dez 93
ENTRE (datas) _____________________
X
 X  21,6  0,90 MR 
 MR  58,1  2,53
k 24 k 1 23
UCL = X + (2,66 * MR ) UCLMR = 3,27 * MR
UCL = 0,90 + (2,66 * 8,27 ) UCLMR = 3,27 * 2,53
UCL = 0,90 + 7,8 8,27
UCLMR = ____________
UCL = ______________
7,63
LCL = X – (2,66 * MR ) Recalcular MR após remover os MRs

LCL = 0,90 – (2,66 * 8,27 ) MR   MR / (k  ?)
LCL = 0,90 – 7,8 MR  _______
65 22
/ ______
-5,83
LCL = ______________ MR  ______________
2,95

A linha central em +0,90% indica que na média os gastos atuais foram 0,9% acima
do budget. O processo é estável (sem causas especiais) durante o período de dois anos.
Uma vez que o processo está sob controle estatístico, pode-se fazer uma análise de
capacidade. A capacidade de prever gastos para um dado mês qualquer é de mais ou
menos 6,73% (-5,8% a 7,6%). Observe que essa amplitude de capacidade é a mesma
dos limites de controle.
Base para os Gráficos de Controle para Indivíduos

Razões Fundamentais para se Usar as Amplitudes Móveis
A razão para se usar amplitudes móveis para determinar a variação de processo
para o gráfico X é que pares de medições consecutivas têm mais chances de serem
afetados por causas similares do que resultados em outros pontos no tempo. O efeito de
causas especiais no conjunto inicial de dados é minimizado. As amplitudes móveis
individuais que são aumentadas pelas causas especiais são examinadas antes de se
calcular os limites de controle para o gráfico X. Alternativamente, calcular o desvio
padrão usando todos os dados permite que os limites de controle aumentem
indevidamente com as causas especiais.
Estimativa Alternativa de 
O desvio padrão  é calculado como MR / 2.66 onde MR é a amplitude móvel

média para o gráfico de controle individual. Os limites de controle para um gráfico
individual é equivalente a X  3 . O uso inicial do gráfico individual para detectar
causas especiais deve ser feito com limites de controles baseados em MR/d2 . Limites
de controle estendidos podem ser calculados usando   s / .80 se (1) o processo for
estável e (2) os dados forem aproximadamente normais (conforme determinado pelo
histograma).
Observe que s é o desvio padrão usual da amostra, s   x  x  / n  1 , e

2
i
0.80 é um fator de gráfico de controle (c4 para n = 2) o que faz com que esse  estimado
seja não-viciado.
Se as duas condições enunciadas acima são atendidas, a estimativa de  usando

s/c4 fornece um equilíbrio econômico melhor entre super e sub reagir à variação. Ver
Harding et al. (1992) e Cryer et al. (1990).
Estratificação ou Ordenação Racional com Gráficos Individuais

A principal desvantagem do gráfico de controle individual é que todas as fontes
de variação no processo estão incluídos em um único gráfico. Não existe oportunidade

de se usar o conceito de subgrupamento racional associado com os gráficos X-barra e
R, a fim de isolar e avaliar fontes diferentes de variação.
Usualmente os dados para um gráfico X são analisados na ordem natural do tempo.

Em algumas situações a ordem de tempo não é relevante. Por exemplo, se os dados
consistem de pontuações de teste de 30 pessoas, um gráfico X pode ser usado para
identificar causas especiais. Em casos como esse, a preferência é por se obter outra
pontuação para cada indivíduo (i.e., fazer outro teste) e então usar um gráfico X-barra e
R com subgrupos de n = 2. Se isso não for possível, pode-se usar um gráfico X.
Estratificação é a separação e classificação de dados de acordo com variáveis ou

fatores selecionados. O objetivo é achar padrões que ajudem a entender os mecanismos
causais em um processo. A estratificação em um gráfico de controle individual é feito
de duas maneiras diferentes:
1. Plotando-se um símbolo (em vez do * ou x usuais) para indicar uma

classificação para a medição estatística sendo plotada. Por exemplo, plotar os
símbolos A, B ou C para indicar de qual de três escritórios as medições
vieram.
2. Ordenando as medições, ou subgrupos de medições, por variáveis de

estratificação tais como laboratório, sala de aula, tipo de material, fornecedor,
turno, programador, posição da peça etc., para investigar a importância desses
fatores.
O conceito de estratificação está relacionado com subgrupamento (organizar um

grupo de medições dentro de subgrupos significativos), o qual é discutido em uma seção
posterior. A Figura 25-15 ilustra o conceito de estratificação com um gráfico de controle
individual.
A medida é o tempo (horas) para receber uma análise de laboratório em um

hospital. O primeiro gráfico mostra o gráfico de controle individual usual na ordem de
tempo em que as análises de laboratório foram solicitadas. O segundo gráfico mostra o
mesmo gráfico de controle com o laboratório particular (A, B ou C) usado como
símbolo de plotagem. O terceiro gráfico mostra um gráfico individual com os mesmos
dados reordenados por laboratório. Os limites de controle são muito mais estreitos para
esse gráfico uma vez que a amplitude móvel é calculada usando a variação dentro de
um laboratório em vez de entre laboratórios.
Distribuições das Medições

Os limites para um gráfico X são mais sensíveis à distribuição das medições do
que um gráfico X-barra. Na maior parte dos casos encontrados na prática, os limites
ainda fornecem um bom equilíbrio econômico entre super e sub reagir à variação no
processo. Exceções a isso ocorrem quando os dados variam sobre mais de uma ordem
de magnitude (por exemplo, muitos tipos de dados ambientais) ou quando os dados

estão altamente distorcidos em uma direção (por exemplo, dados de tempo de falha).
As medições podem ser transformadas antes de se desenvolver um gráfico de controle
a fim de amenizar essas situações. Transformações comuns são o logaritmo para ordens
múltiplas de magnitudes e a raiz quadrada para dados distorcidos.
As alternativas para o gráfico de controle para indivíduos incluem gráficos de

médias móveis e amplitudes, gráficos de soma cumulativa e gráficos de média móvel
exponencialmente ponderados. Esses tópicos são apresentados no fim desse capítulo.
A figura na página 36 é um exemplo de um gráfico de controle para uma medida

ampla de um sistema. O gráfico é desenvolvido a partir de números do Departamento
de Comércio dos Estados Unidos sobre a balança comercial (diferença entre
importações e importações) que foram reportados cada mês. Uma vez que a balança é
negativa, ela é chamada de déficit comercial. A linha central e os limites de controle
para o gráfico foram calculados de 24 valores mensais em 1988 e 1989, e então
estendidos para 1990. Os limites foram atualizados usando dados de 1991 e dos três
primeiros meses de 1992.
Os cálculos iniciais do gráfico de controle indicam que o déficit comercial foi

estável durante o período 1988-1989. Isso significa que o sistema de causas (por exem-
plo a economia mundial) que produz o déficit não mudou de qualquer modo importante
durante os dois anos. A estabilidade do sistema não significa que alguém esteja
satisfeito com essa situação, mas apenas que a magnitude do déficit é previsível até que
ocorra uma mudança fundamental no sistema. O gráfico de controle indica que a
variação no déficit comercial a cada mês é devido a causas comuns. No entanto, quando
um novo valor é liberado a cada mês, a mídia apresenta o número como se fosse
indicação de uma mudança importante.
Quando os limites são estendidos para 1990, é indicada a presença de uma causa
especial. Parece que uma mudança fundamental ocorreu que reduziu o déficit. Para
atualizar o gráfico de controle, os dados de 1991 e 1992 são usados para calcular novos
limites. Esses novos limites indicam que o déficit comercial é novamente estável com
novos limites de previsibilidade. Esses limites podem ser usados para o déficit
comercial em 1993.

Figura 25-15: Estratificação com um Gráfico de Controle
Tempo para receber testes do laboratório
150 UCL = 157

Horas
100
C
50 CL = LCL
81 = 54 C C C
A A A A C C
0 A A
0LCL1 = 62 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Número do teste
150 UCL = 157

Horas
100 B B B B
CL = 81 B B C B C B
50
C C
C A C A C C
A0 A A A A
0 LCL
1 =26 3 4 5 6 7 8 9 10 11 A
12 13 14 15 16 17 18 19 20 21 22 23 24
Número do teste
150
Horas
100
UCL = 108 B B B
50 CL = 81 B
B B B B
A A C
0 C
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Número do teste

Gráfico de Controle Individual para uma Medida de Sistema
(Déficit Comercial Americano)
14
12 14 Novos Limites
12 Preliminares
Bilhões de Dólares
10 10
Bilhões de Dólares
8
8 6
4
6 Cálculo dos Limites Extensão 2
dos Limites 0
4
Déficit Comercial por
2
Mês e Ano
0
J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J J A S O N D J F M A M J
1988 1989 1990 1991 1992
Déficit Comercial por Mês e Ano
Gráfico Individual com Tendência Embutida

Em cada um dos exemplos anteriores de gráficos de controle, supôs-se que a
variação no resultado do processo seria centrado em torno de uma média constante ou
linha central. Em algumas situações, no entanto, podemos esperar uma tendência no
processo, isto é, pode-se esperar que as medições de um processo variem em torno de
uma linha central, mas a própria linha central tenderá para cima ou para baixo a uma
taxa constante.
O desgaste de ferramentas é um exemplo no qual podemos esperar que isso

aconteça. Considere uma ferramenta, tal como uma furadeira ou um torno. A dimensão
de uma série de peças, tomada em um curto período de tempo em um processo estável,
vai variar de modo previsível em torno de algum valor médio. Se outra série de
medições for feita depois que as ferramentas tiverem se desgastado, seria esperado a
mesma ou quase a mesma variação em torno de um valor médio. Entretanto, essa média
será diferente de uma média anterior devido ao desgaste da ferramenta. Se o desgaste
da ferramenta for linear, um gráfico de controle que leve em conta essa tendência pode
ser construído para investigar melhor a variação no processo. Outras situações nas quais
um gráfico de controle com tendência (ou gráfico de controle inclinado) pode ser
apropriado incluem vendas, faturamento, degradação de catalisador ou produção vinda
de recursos de petróleo ou de gás.
Algumas aplicações com tendência não linear podem ser aproximadas como
linear em uma região de interesse. Por exemplo, baseado na experiência, poderia se

esperar que a produção de petróleo ou gás se reduziria como uma função não linear.
Entretanto, durante um período de dois anos, a tendência de declínio pode ser
aproximada para uma tendência linear para se construir um gráfico de controle e
detectar causas especiais.
Os passos para se construir um gráfico de controle com tendência estão resumidos

abaixo, para medições individuais usando o método das medianas. A análise de
regressão também pode ser usada para desenvolver a linha central. Observe que a
amplitude média não pode ser usada diretamente como antes, mas teremos em vez disso
que construir uma amplitude média de valores residuais (usar a amplitude média
diretamente resultaria em uma estimativa exagerada de variação de causa comum
devido à tendência).
1. Plote os dados.
2. Calcule a média dos dados X .
3. Divida os k subgrupos ordenados em dois grupos iguais (não use o valor do

meio se k for ímpar). Calcule o valor médio das ordenações de subgrupo, k .
4. Calcule a média da característica de qualidade para cada um dos dois subgru-

pos ( X1 e X 2 ).
5. Determine o número de subgrupo mediano k 1 , para a primeira metade dos

subgrupos e o número de subgrupo mediano k 2 , para a segunda metade dos
subgrupos.
X 2  X1
6. Calcule a inclinação da tendência: M  .
k 2  k1
7. Calcule o intercepto B, da linha X  Mk  B , usando B  X  Mk .
8. Com os valores conhecidos para M, B e k calcule os valores estimados (linha

central) de Y, a característica de qualidade para cada subgrupo ( Y  Mk  B ).
9. Calcule o resíduo para cada subgrupo ( R  X  Y ).
10. Calcule as k–1 amplitudes móveis (MRR), usando os resíduos.

Calcule MR R   MR  / k  1 .
11. Use MR R com as constantes de gráfico de controle usuais para selecionar

MR R e para calcular a posição dos limites no gráfico.

12. Desenhe a linha central para o gráfico usando os valores estimados no passo
8. Use o primeiro e o último subgrupos no conjunto de dados e então ligue
esses pontos com uma linha reta.
13. Desenhe os limites de controle usando os valores calculados no passo 11 para

determinar o quanto acima e abaixo da linha central os limites devem ser
colocados. É mais fácil medir a partir dos valores de linha central do passo 12
nos extremos do conjunto de dados e então ligar esses pontos para obter cada
limite.
Os exemplos seguintes demonstram essa técnica. No primeiro exemplo, uma

empresa está interessada em entender a variação no crescimento de seu faturamento. O
gráfico de controle inclinado foi escolhido porque a empresa sabe que o faturamento
tem uma tendência de crescimento. O gráfico de controle é mostrado na Figura 25-16 e
os cálculos são mostrados na Tabela 25-2. Não foram detectadas causas especiais.
(Observação: Apenas os dados dos primeiros 14 trimestres foram usados para
estabelecer os limites de controle nesse exemplo, e portanto esses limites devem ser
vistos como limites preliminares. Os limites foram estendidos para o futuro para usar o
gráfico).
Figura 25-16: Gráfico de Controle com Tendência para Faturamento
3000
Faturamento ($ 1000)
2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1988 1989 1990 1991 1992

Tabela 25-2: Cálculos para Gráfico de Controle com Tendência para Faturamento
Trim. (K) Faturamento (X) MR Y (Est.) X-Y Resíduos MR

1 947.50 971.2 -23.7
2 1092.00 144.5 1036.4 55.6 79.3
3 1123.90 31.9 1101.6 22.3 33.3
4 1275.30 151.4 1166.8 108.5 86.2
5 1096.70 178.6 1232.0 -135.3 243.8
6 1271.10 174.4 1297.2 -26.1 109.2
7 1368.10 97.0 1362.4 5.7 31.8
1167.80 = média dos primeiros 7 subgrupos
8 1525.30 157.2 1427.6 97.7 92.0
9 1493.50 31.8 1492.8 0.7 97.0
10 1588.40 94.9 1558.0 30.4 29.7
11 1691.00 102.6 1623.2 67.8 37.4
12 1752.60 61.6 1688.4 64.2 3.6
13 1632.40 120.2 1753.6 -121.2 185.4
14 1687.70 55.3 1818.8 -131.1 9.9
1624.41 = média dos últimos 7 subgrupos
Média = X = 1396.11 Média MR = M R = 107.8* Média MRR = 79.9

UCL de MRR = 79.9 * 3.27 = 261.3
Limites de Controle = ± 211.7 da linha de centro
Encontrando a inclinação M
M = (1624.4 - 1167.8)/(11 - 4) = 65.2
Usando médias,
X  65.2 * k  B
1396 .1  65.2 * 7.5  B
906  B
Y (Estimado)  65.2 * k  906
* Observação: Esse MR não é usado. Comparando esse MR com MR R pode-se notar que
MRR fornece uma estimativa diferente da variação de causa comum.
Um segundo exemplo trata de uma empresa que está interessada em investigar a

variação na produção de seu campo de petróleo. O gráfico de controle inclinado foi
escolhido porque sabe-se que a taxa de produção desse campo está em declínio. O
gráfico de controle é mostrado na Figura 25-17 e os passos de cálculo são mostrados na
Tabela 25-3. Observe que foi detectada uma causa especial no subgrupo 18. Ela foi
associada a algumas atividades de manutenção fora do comum que foi efetuada naquele
mês.
Apesar de a interpretação do gráfico de controle ser essencialmente a mesma da

dos gráficos de controle convencionais, recomenda-se que a regra de causa especial de

seis pontos de tendência para cima ou para baixo seja suspensa devido a dificuldades
na interpretação. Deve-se observar que o gráfico de controle inclinado ainda pode dar
falsos sinais se a tendência não for linear. Apesar disso, o gráfico de controle inclinado
pode fornecer uma base sólida para a ação no processo e ainda é a melhor ferramenta
para identificar causas especiais de variação em um processo com uma tendência
esperada.
Podem ser construídos gráficos de controle análogos com tendências para um

gráfico X-barra e R. Grant e Leavenworth (1980) fornecem um exemplo para um
processo com desgaste de ferramenta.
Figura 25-17: Gráfico X Inclinado para Produção
725,00
689,29
653,57
Barris/Dia
617,86
582,14
546,43
Alta
Atividade de
510,71
Manutenção
475,00
0 5 10 15 20 25 30
Mês

Tabela 25-3: Dados e Cálculos para Gráfico X Inclinado
para Produção (Barris/dia)
Trim. (K) Produção (X) Y (Est.) X-Y Resíduos MR
1 675 662 13
2 669 658 11 2
3 615 654 -39 50
4 645 650 -5 34
5 655 646 9 14
6 650 642 8 1
7 631 638 -7 15
8 642 634 8 15
9 643 630 13 5
10 610 626 -16 29
11 625 622 3 19
12 609 618 -9 12
13 630 614 16 25
14 610 610 0 16
15 599 606 -7 7
633.9 = média dos primeiros 15 subgrupos
16 603 602 1 8
17 580 598 -18 19
18 540 594 -54 36
19 562 590 -28 26
20 580 586 -6 22
21 570 582 -12 6
22 598 578 20 32
23 571 574 -3 23
24 569 570 -1 2
25 570 566 4 5
26 580 562 18 14
27 573 558 15 3
28 579 554 25 10
29 571 550 21 4
30 567 546 21 0
574.2 = média dos últimos 15 subgrupos
Média = 604.0 Média MR = MR R = 15.7
X =
UCL de MR = 3.27 * 15.7 = 51.2
Limites de Controle para Gráfico X = 2.66 * 15.7 = ± 41.8
M = (574.2 - 633.9)/(23 - 8) = -4
Ajuste da equação X  Mk  B
604.0 = (-4.0)(15.5) + B
B = 666 (3.27 e 2.66 são constantes de gráficos de controle)
Y (estimado) = (-4.0)*k + 666

Preparação Alternativa para um Gráfico X
Um método alternativo para se calcular os limites para um gráfico X faz uso da
mediana. A mediana é o valor do meio após os dados serem ordenados do menor para
o maior. Seja X a mediana dos pontos de dados individuais e seja MR a mediana das
amplitudes médias. Então os limites de controle são calculados usando:
~ ~
UCL  X  3.14 * MR
~ ~
LCL  X - 3.14* MR
Os limites de controle não são necessários para as amplitudes móveis, uma vez que
a mediana das amplitudes móveis não é afetada por resultados extremos. Esse método
de cálculo é útil quando são grandes a chances de que os dados iniciais coletados para
desenvolver o gráfico sejam afetados por causas especiais.
Gráficos de Controle para Dados de Atributo

Tradicionalmente em controle de qualidade as medições de características de
qualidade de um processo eram classificadas em duas categorias:
Dados contínuos: dados medidos em uma escala contínua tal como uma
dimensão, tempo, viscosidade ou custo.
Dados de atributo: classificações ou contagens de certas características tais como

erros, absenteísmo, defeitos ou acidentes.
Com freqüência têm-se a opção de coletar os dados sobre uma característica de

qualidade tanto como dados contínuos ou de atributos. Por exemplo, ao avaliar o peso
líquido de uma lata de alimento, o peso medido pode ser registrado (dado contínuo) ou
cada lata pode ser classificada como tendo peso (1) igual ou maior do que o peso no
rótulo, ou (2) menor do que o peso no rótulo (dados de atributos). Em geral, os dados
devem ser coletados como dados contínuos, sempre que possível, uma vez que a
investigação pode ser feita com muito menos medições, comparado com classificações
de atributo ou contagens. Entretanto, algumas vezes não é possível efetuar medições,
de modo que dados de atributos são importantes em atividades para melhoria da
qualidade. Esse documento discute os gráficos de controle de Shewhart para dados de
atributos.
Visão Geral de Gráficos de Controle de Atributo

Existem dois tipos básicos de dados de atributo:
Unidades de classificação: unidades conformes/não conformes, aprovado/não

aprovado, azul/não azul etc.

Contagem de incidentes: número de não conformidades, defeitos, acidentes,
viagens, chamadas de telefone etc.
Freqüentemente os dados podem ser coletados como qualquer um dos dois tipos.
Por exemplo, ao avaliar os erros de ortografia em um manuscrito (ver Figura 25-18),
cada página pode ser classificada como (1) tendo um ou mais erros de ortografia ou (2)
não tendo erros. Isso seria uma classificação de unidades, cada página sendo uma
unidade. Alternativamente, o número de erros de ortografia em cada página poderia ser
contado.
Figura 25-18: Qualidade de um Livro: Dois Tipos de Dados de Atributo

Classificação
Contagem (erros)
Página 1 Página 2 Página 3 Página 4 Página 5 Página 6
Resumo: Classificação – 3/6 Ruim = 50% páginas ruins
Contagem x– 8 erros em seis páginas = 1.33 erros
x por páginaxx
x xxx
ruim bom ruim ruim bom bom

2 0 1 5 0 0
Para se desenvolver um gráfico de controle de atributos, é preciso primeiro

determinar uma estratégia de subgrupamento. O tamanho do subgrupo (n) é o número
de unidades testadas para os dados de classificação, ou a área de oportunidade para que
as incidências ocorram para dados de contagens. Existem quatro gráficos de controle
comumente usados para dados de atributos, dependendo do tipo dos dados de atributo
e da constância do tamanho de subgrupo. A Tabela 25-4 resume esses gráficos.

Tabela 25-4: Tipos de Gráficos de Controle de Atributo
Nome do Tipo de Dados Estatística Plotada Tamanho de

Gráfico de Atributo Subgrupo
Gráfico NP Classificação Número de unidades não conformes (D) Constante
Gráfico P Classificação Porcentagem de unidades não conformes (P) Pode variar
Gráfico C Contagem Número de incidentes (C) Constante
Gráfico U Contagem Incidentes por unidade (U) Pode variar
O gráfico P é usualmente preferido ao gráfico NP por várias razões. Duas dessas

razões são que porcentagens são interpretadas mais facilmente do que contagens na
maior parte das aplicações, e que o gráfico P pode ser usado tanto com tamanhos de
subgrupos constantes ou variáveis.
O Gráfico P para Dados de Classificação

O gráfico P é apropriado sempre que as classificações sejam feitas em duas
categorias, tais como peças boas e peças descartadas. A Tabela 25-5 dá alguns exemplos
onde um gráfico P pode ser usado. A porcentagem de unidades em uma das categorias
(usualmente a negativa, i.e., porcentagem de refugo) é então calculada e plotada para
desenvolver o gráfico. É desejável que se use de vinte a trinta subgrupos para calcular
os limites de controle, com pelo menos trinta unidades em cada subgrupo. Deve-se
observar que outros autores usam P para indicar a proporção ou fração com defeito. O
gráfico de controle para essa definição de P é equivalente ao apresentado aqui.

Tabela 25-5 Exemplos de Aplicações do Gráfico P
Área Aplicações Unidades Duas Categorias para

Classificações
Manufatura tempo desligado horas desligado / não desligado
sugestões uma sugestão aceita / rejeitada
manutenção tentativas bem sucedida / fracasso
retrabalho lotes OK / retrabalhar
Administrativa estoque pedidos pedido atendido / fora de estoque

computador tarefa executada / necessário recomeçar
cobrança fatura paga/devolvida
absenteísmo funcionários presente/ausente
Engenharia novos desenhos cada desenho mudança/sem mudança

cronograma tarefa no horário/fora do horário
documentação pacote de tarefa completa/incompleta
Controle de inspeção peças dentro / fora de especificação

Qualidade inspeção lotes aceito / rejeitado
auditoria amostra confere / não confere
Vendas/ aceitação de pedidos pedido sem erros / erros

Serviços aceitação de pedidos pedido chamar novamente cliente/ sem chamada
pagamento atrasado cobrança no prazo / atrasado
vendas visita venda efetuada / não efetuada
indicação de venda indicação levou a uma venda / fracasso
As hipóteses primárias necessárias para se usar um gráfico P são:

• Cada unidade pode ser classificada apenas em uma de duas categorias.
• A ocorrência de uma unidade tendo qualquer dos dois atributos é independente
dos atributos de qualquer das outras unidades.
A segunda hipótese é violada com mais freqüência quando os defeitos ocorrem

em grupos. O gráfico individual (gráfico X) é mais apropriado nessas situações. A
Figura 25-19 mostra um formulário para plotar um gráfico P.
A Figura 25-20 mostra um formulário para se calcular os limites de controle. Há

dois casos alternativos no formulário de cálculo:
1. Quando o tamanho de subgrupo é constante, ou
2. Quando o tamanho de subgrupo é variável.
Figura 25-20: Folha de Cálculo para Gráfico P

d – Unidades de Amostra Não Conformes por Subgrupo

n – Número de Unidades de Amostra por Subgrupo
k – Número de Subgrupos
p – Porcentagem de Unidades Não Conformes = 100 * d/n
Limites de Controle quando o Tamanho de Grupo (n) é Constante:
p
p  ________________ (Linha Central)
k
p * 100  p  * 100  
ˆ p    _____________
n
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
UCL = ____ + ( 3 * ___ ) LCL = ____ – ( 3 * ___ )
UCL = ____ + _____ LCL = ____ – _____
UCL = ______ LCL = ______
Limites de Controle quando o Tamanho de Grupo (n) é Variável:
p
 d * 100  * 100  ________________ (Linha Central)
n
p * 100  p  * 100  
ˆ p   
n n n
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
UCL = ____ + ( 3 *___ / n ) LCL = ____ – ( 3 *___ / n )

UCL = ____ + ( ____ / n ) LCL = ____ – ( ____ / n )
n: _____ _____ _____ _____
_____
n : _____ _____ _____ _____
_____
3 * ˆ p : _____ _____ _____ _____ _____
UCL: _____ _____ _____ _____
_____
LCL: _____ _____ _____ _____ _____

Muitas vezes é desejável construir e usar um gráfico P quando o tamanho de
subgrupo é variável. Esse usualmente é o caso quando se usa um período, como um dia
ou semana, para definir o subgrupo, em vez de um número específico de unidades.
Entretanto não é necessário que cada subgrupo contenha exatamente o mesmo número
de unidades para ser considerado constante. Se os tamanhos máximo e o mínimo de
subgrupo estiverem dentro de 20% do tamanho médio de subgrupo, haverá um efeito
insignificante nos limites de controle se o tamanho médio de subgrupo for usado em
todos os cálculos. Se esse não for o caso, o tamanho de subgrupo tem que ser
considerado variável, e diferentes conjuntos de limites de controle têm que ser
calculados para cada tamanho de subgrupo (ou para conjuntos de tamanhos de
subgrupos com os subgrupos individuais dentro dos 20% da média para o conjunto).
Métodos alternativos para acomodar tamanhos de subgrupos diferentes são fornecidos
nas referências.
A Figura 25-21 mostra um nomográfico que também pode ser usado para
determinar limites de controle para gráficos P. O valor de p deve ser calculado primeiro
usando a fórmula apropriada da Figura 25-20. O nomográfico fornece um valor que
pode ser adicionado a p para determinar o limite superior de controle (UCL) e
subtraído de p para determinar o limite inferior de controle (LCL). Observe que não
existe limite inferior de controle se o valor calculado for menor do que zero.
Para usar o nomográfico, localize o valor de p no eixo horizontal. Em seguida

suba verticalmente no gráfico até intersectar a linha do tamanho de subgrupo (n)
apropriado. A partir do ponto de interseção siga horizontalmente para o eixo esquerdo
ou direito e leia o valor a ser adicionado a p . Se o tamanho de subgrupo (n) não for
uma das curvas do nomográfico, será necessário interpolar entre as linhas.
Como exemplo, suponha que p seja calculado como 11% e o tamanho de

subgrupo (n) seja 60. Então 11% seria localizado na escala horizontal do nomográfico
b (veja entre 10 e 20). Leia diretamente acima do 11% entre as linhas para “n = 50” e
“n = 75”. Em seguida leia acima do eixo vertical e registre o valor (aproximadamente
12.1). Para determinar o limite de controle superior, adicione o valor a p :
UCL = 11.0 + 12.1 = 23.1%
Para determinar o limite de controle inferior, subtraia o valor de p :
LCL = 11.0 – 12.1 = -1.1% (i.e., não há limite de controle inferior)

Figura 25-21: Nomográficos para Calcular Limites de Controle
Nomográfico (a) para p entre 0.01 e 10.0

n=20
20
18
n=30
16
14 n=50
12
n=75
10 n=100
3ˆ p 8 n=150
n=200
6
n=500
4 n=1000
2
0
0,01 0,05 0,10 0,50 1 5 10

pp (escala logaritma)
(escalalogarítmica)
Nomográfico (b) para p entre 1.0 e 50.0

35 n=20
30
n=30
25
n=50
20
n=75
3ˆ p 15 n=100
n=150
10 n=200
n=500
5 n=1000
1 2 3 4 5 10 20 30 40 50
(escala logarítmica)
p (escala logaritma)
Gráfico de Controle: CL = p
UCL = p  3ˆ p
LCL = p  3ˆ p

Construção de um Gráfico P
Uma vez que tenha sido determinada uma estratégia de subgrupamento, deve-se
seguir os seguintes passos para construir um gráfico P:
1. Calcule p { p = (# em uma certa categoria / # no subgrupo) * 100} para cada
subgrupo.
2. Calcule p (veja a folha de cálculo de gráfico P, Figura 25-20, tanto para
tamanhos de subgrupo constantes como variáveis).
3. Determine os limites de controle para o gráfico P. Veja a Figura 25-20, ou se
quiser os cálculos, Figura 25-21.
4. Determine uma escala tal que o limite de controle superior esteja a
aproximadamente um quarto do topo. Se houver um limite de controle
inferior, ele deve ser colocado de 10% a 25% acima da parte de baixo do
gráfico. Observação: a escala deve começar em zero para a maior parte dos
gráficos P).
5. Plote os p’s no gráfico e desenhe os limites de controle e a linha central
Dois Exemplos de Gráfico P
O primeiro exemplo trata de uma situação onde o tamanho de subgrupo constante
é usado. O gerente de um departamento de contabilidade de uma certa empresa decide
coletar informações sobre o absenteísmo de seus noventa funcionários. Anotou-se a
cada dia de um mês o número de funcionários que estavam ausentes e se a ausência não
era justificada. A Tabela 25-6 contém os dados coletados durante esse mês. A Figura
25-22 mostra um gráfico de controle e os cálculos para o total de ausências, e a Figura
25-23 mostra o mesmo para ausência não justificadas.
Tabela 25-6: Dados sobre Absenteísmo (90 Funcionários)

Total de Ausências Não
Dia Ausências p Justificadas p
1 10 11.1 2 2.2
2 8 8.9 3 3.3
3 14 15.6 1 1.1
4 6 6.7 1 1.1
5 8 8.9 1 1.1
6 7 7.8 2 2.2
7 16 17.8 0 0.0
8 12 13.3 3 3.3
9 10 11.1 1 1.1
10 9 10.0 8 8.9
11 12 13.3 1 1.1
12 10 11.1 2 2.2
13 14 15.6 0 0.0
14 4 4.4 4 4.4
15 8 8.9 3 3.3
16 12 13.3 1 1.1
17 9 10.0 0 0.0
18 5 5.6 2 2.2
19 14 15.6 1 1.1
20 10 11.1 0 0.0
p = 220.0 p = 40.0

Figura 25-22: Gráfico P – Dados de Ausência Total
Peça/Produto: Absenteísmo Operação: Contabilidade Data dos lImites: 15/2/95
Operador: Gerente de Contabilidade Característica Inspecionada: Ausência Total
Data
Hora
Total Inspecionado 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90
Total com Defeito 10 8 14 6 8 7 16 12 10 9 12 10 14 4 8 12 9 5 14 10
% com Defeito 11.1 8.9 15.6 6.7 8.9 7.8 17.8 13.3 11.1 10.0 13.3 11.1 15.6 4.4 8.9 13.3 10.0 5.6 15.6 11.1
Observações:
30
25
% Absenteísmo
20
15
10
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Dias

p
p 220.0
 ________________
11.0 (Linha Central)
k 2.0
p * 100  p  11.0 * 100  11.0 

ˆ p  
9.0
 _____________
3.3
n
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
11.0 + ( 3 * ___
UCL = ____ 3.3 ) 11.0 – ( 3 * ___
LCL = ____ 3.3 )
11.0 + _____
UCL = ____ 9.9 11.0 – _____
LCL = ____ 9.9
20.9
UCL = ______ 1.1
LCL = ______

Figura 25-23: Gráfico P – Dados de Ausência Não-Justificada
Peça/Produto: Absenteísmo Operação: Contabilidade Data dos lImites: 15/2/95

Operador: Gerente de Contabilidade Característica Inspecionada: Ausência Total
Data
Hora
Total Inspecionado 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90
Total com Defeito 2 3 1 1 1 2 0 3 1 8 1 2 0 4 3 1 0 2 1 0
% com Defeito 2.2 3.3 1.1 1.1 1.1 2.2 0.0 3.3 1.1 8.9 1.1 2.2 0.0 4.4 3.3 1.1 0.0 2.2 1.1 0.0
Observações:
12
10
% Absenteísmo
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
Dias

p
p 40
 ________________
2.0 (Linha Central)
k 20
p * 100  p  2.0 * 100  2.0 

ˆ p  
9.0
 _____________
1.48
n
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
2.0 + ( 3 *1.48
UCL = ____ ___ ) 2.0 – ( 3 * ___
LCL = ____ 1.48)
2.0 + _____
UCL = ____ 4.44 2.0 – _____
LCL = ____ 4.44
6.44
UCL = ______ ——
LCL = ______

Uma vez que existiam 90 funcionários, foram utilizados os cálculos para um
tamanho de subgrupo constante. Os cálculos resultaram em limite de controle inferior
inexistente, para o gráfico sobre ausências não justificadas. A Figura 25-21 também
pode ser usada para se obter os limites de controle. O gráfico P para ausência total estava
em controle estatístico, indicando que é preciso uma mudança fundamental no sistema
a fim de reduzir a média diária de absenteísmo de 11%. O gráfico P para ausências não
justificadas indica uma causa especial no dia 10. As razões para esse causa especial
devem ser investigadas e usadas para ajudar a desenvolver uma estratégia para reduzir
o absenteísmo não justificado.
O segundo exemplo lida com uma situação onde o tamanho de subgrupo é

variável. No mesmo departamento de contabilidade, foi feito outro projeto para
melhoria da qualidade. A cada dia de um mês, foi avaliado o número de cobranças que
não podiam ser pagas da primeira vez e requeriam passos adicionais. O número de
cobranças processadas a cada dia variou. A Tabela 25-7 contém os dados coletados
durante aquele mês.
Tabela 25-7: Dados sobre Trabalho Extra com Cobranças

Número # Exigindo
Dia Recebido (n) Trabalho Extra (d) p
1 621 54 8.7
2 683 39 5.7
3 225 19 8.4
4 236 12 5.1
5 258 18 7.0
6 987 78 7.9
7 953 65 6.8
8 825 72 8.7
9 578 22 3.8
10 408 31 7.6
11 1052 64 6.1
12 905 56 6.2
13 298 28 9.4
14 1074 94 8.8
15 995 80 8.0
16 542 48 8.9
17 218 22 10.1
18 715 69 9.7
19 865 70 8.1
20 562 47 8.4
n = 13000 d = 988

A Figura 25-24 contém o gráfico de controle e a Figura 25-25 a folha de cálculos
para esse exemplo. Teoricamente, deve haver limites de controle diferentes para cada
subgrupo uma vez que o tamanho de subgrupo é variável. Entretanto, para simplificar
os cálculos, foram selecionados quatro tamanhos de subgrupos diferentes (250, 500,
750 e 1000) de modo que o número de cobranças em cada subgrupo estivesse dentro
dos 20% de um desses quatro valores de n. O tamanho de subgrupo usado nos cálculos
dos limites de controle depende de qual desses quatro valores estivesse mais perto do
tamanho atual de subgrupo. O gráfico P mostrado na Figura 25-24 revelou que a
porcentagem de cobranças que necessitavam ser refeitas não estava em controle
estatístico. Uma causa especial foi detectada no dia 9, indicando melhora no processo.
Entretanto, começando no dia 13, uma seqüência de oito pontos acima da linha central
indicou que o processo tinha se deteriorado. As razões para essas causas especiais
devem ser investigadas e usadas para reduzir a quantidade de itens refeitos nesse
processo.
Figura 25-25: Folha de Cálculo de Gráfico P – Dados de Cobrança
Limites de Controle quando o Tamanho de Grupo (n) é Variável:
p
 d * 100  988 * 100  ________________ (Linha Central)
7.60
n 13000
p * 100  p  7.60 * 100  7.60  26.5

ˆ p   
n n n
UCL = p + ( 3 * ˆ p ) LCL = p – ( 3 * ˆ p )
7.60 + ( 3 *___
UCL = ____ 26.5 / n ) 7.60 – ( 3 *___
LCL = ____ 26.5 / n )
7.60 + ( ____
UCL = ____ 79.5 / n ) 7.60 – ( ____
LCL = ____ 79.5 / n )
250
n: _____ 500 _____ 750 _____ 1000 _____
_____ 15.8 22.4 27.4 31.6
n : _____ _____ _____ _____
_____
3 * ˆ p : _____
5.03 3.56
_____ 2.90
_____ 2.51
_____ _____
12.63 11.16 10.50 10.11
UCL: _____ _____ _____ _____
_____ 2.58 4.04 4.70 5.09
LCL: _____ _____ _____ _____ _____
Recomendações para Usar um Gráfico P

Existem alguns cuidados importantes quando se usa o gráfico P. Como tinha sido
dito, é importante que a classificação das n unidades no subgrupo sejam independentes.

Por exemplo, contêineres podem vir em caixas de 24 unidades. Consequentemente, um
problema com uma caixa particular pode causar dano a muitos contêineres dentro dele.
Assim, dano a um contêiner nessa caixa não poderia ser considerado independente a
outro contêiner. Nessa situação, se um gráfico P for usado, a unidade para classificação
deve ser a caixa em vez de contêineres individuais. Outro exemplo é a manufatura de
peças de tecido. A unidade de inspeção poderia ser um metro de tecido, mas
freqüentemente se um metro de tecido for rejeitado, os metros adjacentes são rejeitados
pelo mesmo problema.
Todo dado de porcentagem não é dado de atributo. Muitas vezes as porcentagens

se originam de dados variáveis tais como tempo, peso, comprimentos e custos. Por
exemplo, o lucro percentual pode ser uma razão de lucros sobre vendas. Dados desse tipo
devem ser tratados como dados contínuos ao se desenvolver gráficos de controle.
A fim de desenvolver gráficos P eficazes, características importantes desses

gráficos devem ser consideradas. Primeiro, a fim de melhor monitorar a melhoria no
processo, o gráfico P deve ter um limite de controle inferior. Em segundo, é desejável
ter o tamanho do subgrupo grande o suficiente de modo que algumas unidades não
conformes sejam encontradas na maior parte dos subgrupos. A fim de desenvolver um
gráfico P útil, menos de 25% dos subgrupos devem ter nenhuma unidade não conforme.
O tamanho de um subgrupo desempenha um papel importante para se obter essas duas
características. O tamanho mínimo de subgrupo para um gráfico P eficaz depende do
valor médio de p. A recomendação de n > 30 não se aplica quando a porcentagem média
é menor que cinco.
A Tabela 25-8 resume o tamanho mínimo de subgrupo necessário para se ter (1) um
limite inferior de controle positivo, e (2) menos de 25% dos subgrupos com p = 0 para
porcentagens médias diferentes. Se o tamanho da amostra necessária nessa tabela for muito
grande para fins práticos, então deve-se desenvolver alguma medição contínua.
Tabela 25-8: Tamanhos Mínimos de Subgrupo para Gráficos P Eficazes
Tamanho Mínimo de Tamanho Mínimo de

Porcentagem Média de Subgrupo (n) Necessário Subgrupo (n) para se
Unidades Não Conformes para que LCL > 0 Esperar menos de 25% p =
(p) 0
0.5 1800 280
1.0 900 140
1.5 600 93
2.0 450 70
3.0 300 47
4.0 220 35
5.0 175 28
6.0 130 24
8.0 104 17
10.0 81 14
12.0 66 12

15.0 51 9
20.0 36 7
Os Gráficos C e U para Dados de Contagem

Quando são feitas contagens de ocorrências (com freqüência não conformidades),
em vez de classificação de unidades, usualmente tanto o gráfico de controle C quanto o
U são apropriados. A Figura 25-18 ilustra a diferença entre contagens e classificações.
Uma vez que o método de subgrupamento para contagem nem sempre se baseia na
seleção de um certo número de unidades, um subgrupo é definido como uma área de
oportunidade quando se trabalha com dados de contagem. Uma área de oportunidade
é simplesmente a região selecionada para a contagem e pode ser das seguintes formas:
• Número de unidades (por exemplo, cinco aparelhos de televisão, número de
requisições por dia),
• Espaço (por exemplo, 200 metros de tecido, um metro quadrado de papel
envernizado, um quarto de amostra de um produto), ou
• Tempo (por exemplo, uma hora, três meses, um turno).
A decisão sobre usar um gráfico C ou U é tomada determinando se a área de

oportunidade será constante ou se variará para cada grupo de contagens. Por exemplo,
uma área de oportunidade poderia ser o número de notas recebidas em um escritório a
cada semana. Se o número de erros nessas notas for contado, a contagem seria distorcida
se o número de notas recebidas de uma semana para outra fosse diferente. Como lidar
com essa situação será incluído na discussão de quando e como usar o gráfico C ou U
no restante dessa seção.
Gráficos C
Um gráfico C é usado quando a área de oportunidade é constante para cada
subgrupo. Esse seria o caso no exemplo mencionado anteriormente de 50 notas fossem
recebidas no escritório todo dia. A estatística plotada para um gráfico C é simplesmente
o número de ocorrências (erros) em cada área de oportunidade (uma semana ou 50
notas). A Tabela 25-9 ilustra algumas situações nas quais um gráfico C seria aplicável.
Tabela 25-9: Aplicação de Gráficos C

Área Aplicações Área de Contagens Registradas
Oportunidade / (Estatística c)
Tipo
Manufatura tempo desligado um turno / 3 # paradas de linha

segurança uma semana / 3 # acidentes
manutenção um dia / 3 # chamadas
retrabalho uma hora / 3 # itens retrabalhados
impressão folha 8”x14” / 2 # imperfeições

Administrativa estoque semana / 3 # requisições fora de estoque
computador um dia / 3 # interrupções
cobrança 25 cobranças / 1 # erros
comunicação chamadas diárias /3 # ligações interrompidas
Engenharia novos desenhos cada desenho / 1 # mudanças

documentação pacote de tarefa / 1 # erros
Controle de inspeção um lote / 1 # defeitos importantes

Qualidade inspeção uma montagem / 1 # defeitos
auditoria Laboratório / 1 # discrepâncias
inspeção 10 m2 de tapete / 2 # defeitos
Vendas/ aceitação de pedidos um pedido / 1 # retorno de chamada a cliente

Serviços aceitação de pedidos 50 pedidos / 1 # erros
vendas uma semana / 3 # cancelamentos
vendas um mês / 3 # pedidos não solicitados
* O tipo se refere a: (1) número de unidades, (2) espaço ou (3) tempo

Não é necessário que a área de oportunidade seja exatamente a mesma para cada
subgrupo para se usar um gráfico C. A área de oportunidade em qualquer análise pode
ser considerada constante se cada região (número de unidades, tempo ou espaço) nas
qual a contagem é feita estiver dentro de 20% da média geral.
As hipóteses primárias necessárias para se usar um gráfico C são:

• As ocorrências sendo contadas são discretas.
• Uma ocorrência em qualquer lugar ou tempo é independente de qualquer outra
ocorrência.
• A região (área de oportunidade) que define o subgrupamento para a contagem
está bem definida e é constante para cada subgrupo.
• A chance de uma ocorrência em qualquer lugar ou tempo é pequena.
A última hipótese é violada, por exemplo, quando um defeito ocorre

predominantemente em um lugar tal como uma quina do objeto. Se essa hipótese ou
qualquer das outras forem violadas, usualmente é apropriado usar um gráfico individual
(gráfico X).
Assim como no gráfico P, de 20 a 30 subgrupos são desejáveis para os cálculos

dos limites de controle. Deve-se observar que uma contagem média de nove é necessária
antes que um gráfico C contenha um limite inferior de controle. Uma vez que um limite
inferior de controle é desejável para melhor detectar melhoria em um processo, deve-se
considerar a contagem que se espera, quando se determina uma estratégia de
subgrupamento. A Tabela 25-10 mostra limites de controle calculados para contagens
médias selecionadas ( c ). A Figura 25-26 é uma folha de cálculo para os limites de
controle de um gráfico C se a Tabela 25-10 não for usada.
Construção de um Gráfico C
Uma vez que se tenha determinado que a área de oportunidade será constante para
cada subgrupo, deve-se seguir os seguintes passos para se construir um gráfico C:
1. Registre a contagem (C) para cada subgrupo
2. Calcule c (consulte a Figura 25-26), a linha central do gráfico C.
3. Calcule os limites de controle para o gráfico C. Consulte a Tabela 25-10 ou a

folha de cálculo contida na Figura 25-26.
4. Calcule e trace uma escala na folha de plotagem, de modo que o limite

superior de controle esteja 25% abaixo do topo do gráfico. Plote os c’s
individuais, a linha central e os limites de controle.

O exemplo seguinte ilustra alguns pontos importantes relativos à construção de
um gráfico C.
Tabela 25-10: Limites de Controle para Gráfico C
c LCL UCL c LCL UCL

1.0 – 4.0 8.4 – 17.1
2.0 – 6.2 8.6 – 17.4
3.0 – 8.2 8.8 – 17.7
3.2 – 8.6 9.0 – 18.0
3.4 – 8.9 9.2 0.1 18.3
3.6 – 9.3 9.4 0.2 18.6
3.8 – 9.6 9.6 0.3 18.9
4.0 – 10.0 9.8 0.4 19.2
4.2 – 10.3 10.0 0.5 19.5
4.4 – 10.7 10.5 0.8 20.2
4.6 – 11.0 11.0 1.1 20.9
4.8 – 11.4 11.5 1.3 21.7
5.0 – 11.7 12.0 1.6 22.4
5.2 – 12.0 12.5 1.9 23.1
5.4 – 12.4 13.0 2.2 23.8
5.6 – 12.7 13.5 2.5 24.5
5.8 – 13.0 14.0 2.8 25.2
6.0 – 13.3 14.5 3.1 25.9
6.2 – 13.7 15.0 3.4 26.6
6.4 – 14.0 15.5 3.7 27.3
6.6 – 14.3 16.0 4.0 28.0
6.8 – 14.6 16.5 4.3 28.7
7.0 – 14.9 17.0 4.6 29.4
7.2 – 15.2 17.5 5.0 30.0
7.4 – 15.6 18.0 5.3 30.7
7.6 – 15.9 18.5 5.6 31.4
7.8 – 16.2 19.0 5.9 32.1
8.0 – 16.5 19.5 6.3 32.7
8.2 – 16.8 20.0 6.6 33.4

Figura 25-26: Folha de Cálculo (Gráficos C e U)
Limites de Controle para Gráfico C (área de oportunidade constante)

c – número de ocorrências por subgrupo
k – número de subgrupos
Observação: O tamanho de subgrupo é definido pela “área de oportunidade” para
ocorrências e tem que ser constante.
c
c   ________________ (Linha Central)
k
UCL = c + ( 3 * c ) LCL = c – (3* c )
UCL = ____ + ( 3 * ___ ) LCL = ____ – ( 3 * ___ )
UCL = ____ + _____ LCL = ____ – _____
UCL = ______ LCL = ______
Limites de Controle para Gráfico U (área de oportunidade pode variar)

c – número de ocorrências por subgrupos
n – número de “áreas de oportunidade” padrão em um subgrupo (n pode variar)
u – ocorrências por “áreas de oportunidade” padrão
Observação: A área de oportunidade padrão será definida pelas pessoas
planejando o gráfico de controle em unidades tais como homem-
hora, quilômetros rodados, para cada dez cobranças etc.
u
 c * 100  * 100  ________________ (Linha Central)
n
UCL = u + (3* u n ) LCL = u – (3* u n )
UCL = ____ + ( 3 *___ / n ) LCL = ____ – ( 3 *___ / n )

UCL = ____ + ( ____ / n ) LCL = ____ – ( ____ / n )
n: _____ _____ _____ _____
_____
n: _____ _____ _____ _____
_____
UCL: _____ _____ _____ _____
_____

LCL: _____ _____ _____ _____ _____

Um Gráfico C para Dados de Ferimentos
Uma certa empresa, em um esforço para melhorar a segurança em sua fábrica,
decidiu plotar o número de ferimentos que requereram primeiros socorros a cada mês.
Uma vez que se trabalha aproximadamente o mesmo número de horas todo mês, a área
de oportunidade (número total de homens-horas a cada mês) era constante e um gráfico
C foi utilizado. A Tabela 25-11 contém os dados coletados em um período de dois anos.
A Figura 25-27 mostra o gráfico de controle e a Figura 25-28 os cálculos dos limites de
controle. Em julho de 1989 o comunicado de 23 ferimentos resultou em um ponto acima
do limite de controle inferior. Essa causa especial foi o resultado de uma grande
ausência por férias durante julho.
Tabela 25-11: Dados de Ferimentos

Mês/Ano Número de Ferimentos (C)
Janeiro 1989 6
Fevereiro 2
Março 4
Abril 8
Maio 5
Junho 4
Julho 23
Agosto 7
Setembro 3
Outubro 15
Novembro 12
Dezembro 7
Janeiro 1990 10
Fevereiro 5
Março 9
Abril 4
Maio 3
Junho 2
Julho 2
Agosto 1
Setembro 3
Outubro 4
Novembro 3
Dezembro 1
c = 133
Pessoas não treinadas e horas extras em excesso foram necessárias para se

alcançar o número de horas trabalhado por mês. Houve também uma seqüência de nove

pontos seguidos abaixo da linha central começando em abril de 1990. Isso indicou que
o número médio de primeiros socorros relatados por mês foi reduzido. Essa redução foi
atribuída à mudança de cestas de arame para plástico, para carregar e armazenar as peças
e ferramentas, o que reduziu muito o número de ferimentos devido a cortes. Se essa
tendência se mantiver, os limites de controle devem ser recalculados quando houver
dados suficientes disponíveis.
Deve-se observar que não há limite inferior no gráfico de controle do exemplo

anterior. Assim, é necessária uma seqüência de oito ou mais pontos para demonstrar
que houve melhoria. Combinar os dados por trimestres é uma maneira de se aumentar
c e assim obter um LCL.
Figura 25-28: Cálculos de Gráfico de Controle – Dados de Ferimentos

Limites de Controle para Gráfico C (área de oportunidade constante)
c – número de ocorrências por subgrupo
Observação: O tamanho de subgrupo é definido pela “área de oportunidade” para
ocorrências e tem que ser constante.
c
c  13.3
 ________________
5.5 (Linha Central)
k 2.4
UCL = c + ( 3 * c ) LCL = c – (3* c )

UCL = ____
5.5 + ( 3 * ___
2.3 ) 5.5 – ( 3 * ___
LCL = ____ 2.3 )
5.5 + _____
UCL = ____ 6.9 5.5 – _____
LCL = ____ 6.9
12.4
UCL = ______ LCL = ______
Gráficos U
Se a área de oportunidade variar entre subgrupos e as outras hipóteses necessárias
para a construção de um gráfico C forem válidas, então um gráfico U seria o gráfico de
controle apropriado. Contagens que são feitas em áreas de oportunidade que diferem
não podem ser comparadas diretamente como no gráfico C. A Tabela 25-12 contém
alguns exemplos que ilustram se um gráfico C ou U seria apropriado

Tabela 25-12: Situações de Gráfico C e U
Área de Use um Estatística Use um Estatística

Oportunidade Gráfico C se c Gráfico U se u
3 documentos # de páginas for o # de erros nos # de páginas for # de erros a cada
(número de mesmo nos 3 3 documentos diferente nos 3 50 páginas
unidades) documentos documentos
Rolos de metros quadrados # de defeitos metros quadrados # de defeitos
carpete em cada rolo for visuais por rolo em cada rolo for visuais a cada 25
(espaço) o mesmo diferente metros quadrados
1 mês # de horas # de acidentes # de horas # de acidentes a
(tempo) trabalhadas por por mês trabalhadas por cada 100.000 horas
mês for a mesma mês for diferente
A estatística u é calculada dividindo-se a contagem para cada subgrupo pelo nú-

mero de áreas de oportunidade no subgrupo. Deve-se observar que n usado nos cálculos
dos limites de controle para um gráfico U é definido como o número de áreas de
oportunidade padrão em um subgrupo. Assim, n para qualquer subgrupo é calculado
dividindo-se a área de oportunidade para aquele subgrupo pelo tamanho da área padrão
de oportunidade. Por exemplo, se 100 notas são recebida em uma certa semana, com a
área de oportunidade padrão sendo 20, então n para esse subgrupo seria 5. Em outra
situação, a área de oportunidade poderia ser rolos de carpete, com diferentes números
de metros quadrados em cada rolo. Se um certo rolo contivesse 115 metros quadrados,
e a área de oportunidade padrão fosse 20 metros quadrados, então n seria 4.6 para aquele
subgrupo.
Construção de um Gráfico U
Uma vez que tenha sido determinado que a área de oportunidade variará entre
subgrupos, deve-se seguir os seguintes passos para se construir um gráfico U:
1. Registre a contagem e o tamanho da área de oportunidade para cada subgrupo.
2. Decida a área de oportunidade padrão.
3. Calcule n (área de oportunidade para cada subgrupo dividida pela área de
oportunidade padrão) para cada subgrupo.
4. Calcule a estatística u (contagem / n) para cada subgrupo.
5. Calcule u (consulte a folha de cálculo de gráfico de controle contida na
Figura 25-26), a linha central do gráfico U.
6. Calcule os limites de controle para o gráfico U. Consulte a Figura 25-26.
7. Calcule e trace uma escala no formulário de plotagem tal que o maior limite de
controle superior fique a cerca de 25% abaixo do topo da área de plotagem.

O exemplo que se segue ilustra alguns dos pontos importantes a respeito da
construção de um gráfico U.
Exemplos de Gráfico U
Em um esforço de melhorar a resposta a clientes, o setor de contabilidade de uma
certa empresa monitorou o número de erros nas cobranças que são recebidas a cada dia.
Uma vez que a área de oportunidade (o número de cobranças recebidas a cada dia)
variava, a construção de um gráfico U foi apropriado. Foi decidido padronizar o número
de erros com base nos erros por cobrança. Assim, a estatística u calculada foi “erros por
cobrança”. A Tabela 25-13 contém os dados que foram coletados em um período de três
semanas.
A Figura 25-29 mostra o gráfico de controle e os cálculos dos limites de controle

para esses dados. Deveria haver limites de controle diferentes para cada subgrupo, uma
vez que a área de oportunidade de cada dia era diferente. Para simplificar os cálculos,
os tamanhos de subgrupos foram divididos em quatro grupos.
Tabela 25-13: Erros de Cobrança

Data Número de Número Total de Erros por Cobrança
cobranças (n) Erros (c) (u)
1 121 202 1.7
2 186 298 1.6
3 83 170 2.0
4 100 160 1.6
5 204 337 1.7
6 62 143 2.3
7 190 300 1.6
8 145 251 1.7
9 121 242 2.0
10 160 310 1.9
11 53 111 2.1
12 155 269 1.7
13 144 288 2.0
14 80 150 1.9
15 101 224 2.2
16 160 320 2.0
17 46 99 2.2
18 188 319 1.7
19 137 212 1.5
20 210 386 1.8
21 92 189 2.1
n = 2738 c = 4980

Figura 25-29: Gráfico U para Dados de Trabalho Refeito na Contabilidade
Peça/Produto: Cobranças Operação: Contabilidade Data dos Limites: 7/21

Operador: Gerente de Contabilidade Característica Inspecionada: Cobranças Refeitas
Data 7/1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Hora
Total Inspecionado 121 186 83 100 204 62 190 145 121 160 53 155 144 80 101 160 46 188 137 210 92
Total com Defeito 202 298 170 160 337 143 300 251 242 310 111 269 288 150 224 320 99 319 212 386 189
% com Defeito 1.7 1.6 2.0 1.6 1.7 2.3 1.6 1.7 2.0 1.9 2.1 1.7 2.0 1.9 2.2 2.0 2.2 1.7 1.5 1.8 2.1
Observações:
3 J
F
2
Erros por Cobrança
M
2 A
M
2
J
2 J
A
2
S
1 O
1 N
D
1 J
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 F
M
Os quatro agrupamentos de tamanhos de subgrupo foram 42-62, 80-102, 121-160

e 186-210. O meio do tamanho de subgrupo foi usado em cada grupo. Por exemplo, no
primeiro grupo (46-62), o tamanho de subgrupo médio foi de 54. Assim, o valor de 54
para n foi usado nos cálculos dos limites de controle para os dias nos quais o número de
cobranças recebidas esteve entre 46 e 62. Uma revisão do gráfico de controle indicou
que o processo era estável. Dessa forma, para haver melhoria é necessário uma mudança
fundamental no processo.

Figura 25-30: Cálculos de Gráfico U – Erros de Cobrança
u
 c * 100  1.82
* 100  ________________ (Linha Central)
n
UCL = u + (3* u n ) LCL = u – (3* u n )
1.82 1.35
UCL = ____ + ( 3 *___ / n ) 1.82 – ( 3 *___
LCL = ____ 1.35 / n )
1.82 + ( ____
UCL = ____ 4.05 / n ) 1.82 – ( ____
LCL = ____ 4.05 / n )
54
n: _____ 90
_____ 142
_____ 196
_____ _____
7.35
n : _____
2.37 9.5
_____
2.25 11.9
_____
2.16 14
_____
2.11 _____
UCL: _____ _____ _____ _____ _____
1.27
LCL: _____ 1.39
_____ 1.48
_____ 1.53
_____ _____
As Figuras 25-31 e 25-32 mostram um segundo exemplo de um gráfico U para

dados de segurança. Comumente a área de oportunidade padrão ao se reportar dados de
ferimentos é de 200.000 homens-horas. O “n” é calculado a cada mês dividindo-se o
total de horas trabalhadas por 200.000. A estatística u é calculada dividindo-se o número
de ferimentos a cada mês por n. O gráfico indica a presença de causas especiais afetando
o número de ferimentos. Observe que não existe um limite de controle inferior para a
maior parte dos subgrupos.

Figura 25-31: Gráfico U para Dados de Segurança

Figura 25-32: Cálculos para gráfico U para Segurança

u
 c * 100  133 8.79
* 100  ________________ (Linha Central)
n 15.13
UCL = u + (3* u n ) LCL = u – (3* u n )
8.79 2.96
UCL = ____ + ( 3 *___ / n ) LCL = ____ – ( 3 *___ / n )
8.79 + ( ____
UCL = ____ 8.89 / n ) LCL = ____ – ( ____ / n )
.40
n: _____ .60
_____ .80
_____ 1.0
_____ 1.2
_____
.632
n : _____
22.85 .774
_____
20.27 .894
_____
18.73 117.68
_____ 1.1
_____
16.91
UCL: _____ _____ _____ _____ _____
LCL: _____ _____ _____ _____ .708
_____
Capacidade de um Processo de Gráfico de Controle

de Atributo
Depois que o processo tiver sido considerado estável, baseado no estudo dos
gráficos de controle de atributo, a capacidade do processo pode ser determinada. A
capacidade do processo é uma previsão das medidas futuras da característica de
qualidade do processo. Para dados variáveis, a capacidade focaliza na amplitude das
medições individuais. Com dados de atributo, a análise de capacidade não é dirigida a
medições individuais, mas a grupos de medições.

Capacidade de um Gráfico P
Para características estudadas usando o gráfico P, a linha central p é usada com
freqüência para expressar a capacidade. Assim, para a característica em controle com
uma linha central de 12%, a capacidade é expressa como 12%. É de se esperar que o
processo produza 12% de itens não conformes no futuro, se continuar operando do
modo atual. A capacidade poderia também ser expressa como 88% (isto é, 100% – p )
de unidades conformes.
Freqüentemente é útil expressar a amplitude para p que possa ser esperada para
um dado número de unidades (ou outra definição de área de oportunidade). Os limites
de controle fornecem uma amplitude desse tipo, se o número de unidades de interesse
for igual ao tamanho de subgrupo. Por exemplo, um gráfico P é construído usando uma
amostra de 100 unidades da produção de cada dia e a linha central é 12%. Usando
limites de controle de 2.2% (LCL) até 21.8% (UCL), o processo está em controle
estatístico. Os limites de controle fornecem uma predição da amplitude de p para
amostras de 100 unidades do processo.
Pode haver outras quantidades de unidades além do tamanho de subgrupo que

também sejam de interesse, tal como um dia de produção ou um tamanho de lote padrão.
Se a saída do processo descrito acima for agrupado em lotes de 500 unidades, pode ser
de interesse a amplitude do percentual não conforme que se espera em lotes produzidos.
Essa predição pode ser feita usando os limites de controle baseados em n  500 . Da
Figura 25-21, encontra-se uma amplitude de “capacidade de processo” que vai de 7.6%
(o LCL para p  12% e n = 500) até 16.4% (o UCL similar). Assim, se esperaria 12%
de itens não conformes desse processo, com lotes individuais de 500 unidades, e tendo
itens não conformes variando de 7.6% até 16.4%.
Capacidade de um Gráfico C ou U
Determinar a capacidade de um processo, quando se usa um gráfico C ou U para
monitorar uma característica de qualidade, é similar a determinar a capacidade de um
gráfico P. A linha central ( c ou u ) é a capacidade. Freqüentemente também é de
interesse saber a amplitude de incidentes esperados para uma dada área de oportunidade.
Por exemplo, considere uma fábrica com uma média de dois acidentes por mês.
Um gráfico C foi usado para monitorar os acidentes com c  2 e UCL = 6.2. Se o
processo for estável, a fábrica esperaria dois acidentes por mês, mas em qualquer mês
poderia haver desde nenhum acidente ou até seis acidentes (UCL = 6.2).
Para o exemplo da contabilidade, o processo ficou estável com u  1.82 erros por
cobrança (veja a Tabela 25-23 e a Figura 25-29). Os limites de controle dependeram do
número de cobranças processadas em um dado dia. A partir de u é fácil calcular o
número esperado de erros para um número dado qualquer de cobranças. Por exemplo,
em 100 cobranças o número esperado de erros é:

Número esperado de erros = 1.82 erros / cobrança x 100 cobranças
para cada 100 cobranças
= 182 erros
Para determinar a amplitude de erros que podem ser visto em qualquer grupo dado
de 100 cobranças, simplesmente calcule os limites de controle usuais para gráfico C com
c  182 . Isto é, na média haverá cerca de 182 erros a cada 100 cobranças, mas qualquer
conjunto de 100 cobranças pode conter desde apenas 142 erros até 222 erros.
Resumo
Os seguintes itens resumem algumas das idéias principais a respeito de gráfico de
controle de atributo.
1. O gráfico P para porcentagem de unidades não conformes é apropriado

quando as unidades são classificadas em dois grupos.
2. O gráfico P pode ser usado tanto para tamanhos de subgrupo fixos quanto
variáveis.
3. Toda porcentagem não é dado de atributo. Os dados têm que ser classificados
para se usar um gráfico P.
4. O gráfico C é apropriado para contagens de ocorrências quando a área de

oportunidade é relativamente constante.
5. O gráfico U é apropriado para contagens de ocorrências quando a área de

oportunidade varia de um subgrupo para outro.
6. À medida que os níveis de qualidade melhoram, os gráficos de atributo se

tornam menos eficazes. Dessa forma, deve-se desenvolver medidas da
característica de qualidade usando dados de variável.
Gráficos de Controle X-barra e R

Quando dados contínuos são obtidos de um processo, usualmente é de interesse
investigar o nível médio do processo e a variação em torno do nível médio. Assim, dois
gráficos de controle são freqüentemente usados para investigar o processo. O gráfico
X-barra e R são descritos nessa seção.
Um importante aspecto da coleta de dados para a construção de um gráfico X-

barra e R é que a coleta é feita em subgrupos. Um subgrupo para dados contínuos é um
conjunto de medições (geralmente de três a seis) de alguma característica em um
processo, as quais foram obtidas sob condições similares ou mais ou menos ao mesmo
tempo. O gráfico X-barra contém as médias e o gráfico R as amplitudes calculadas a

partir das medições em cada subgrupo. Esses médias e amplitudes são usualmente
plotadas ao longo do tempo. A Figura 25-33 mostra um exemplo de um formulário para
se plotar um gráfico de controle X-barra e R, enquanto que a Figura 25-34 contém um
formulário usado para calcular os limites de controle apropriados. O gráfico individual
pode ser considerado um caso especial do gráfico X-barra e R com um tamanho de
subgrupo igual a um.
Cálculo dos Limites de Controle

Recomenda-se que sejam obtidos de 20 a 30 subgrupos do processo antes de se
desenvolver limites para os gráficos de controle. Limites preliminares podem ser
calculados a partir de 12 subgrupos, mas esses limites devem ser atualizados quando 20
subgrupos estiverem disponíveis.
Há alguns símbolos associados com gráficos X-barra e R:
X – Medição individual da característica de qualidade
n – Tamanho de subgrupo (número de medições por subgrupo)
k – Número de subgrupos usados para desenvolver os limites de

controle
 – Símbolo de somatória
X – (X-barra) média de subgrupo
X – (X-barra-barra) média das médias de todos os subgrupos
R – Amplitude de subgrupo (maior – menor)
R – (R-barra) média das amplitudes de todos os subgrupos
A2, D3, D4, d2 – Fatores para se computar os limites de controle e as capacidades

do processo
* – Símbolo de multiplicação
Todas as médias que são calculadas devem ser arredondadas para uma casa
decimal a mais (dígito significativo) do que os valores usados para a média. Os passos
para se desenvolver gráficos de controle X-barra e R são:
Figura 25-34: Folha de Cálculo de Gráfico de Controle X-barra e R.
NOME ________________________________________ DATA ____________________

PROCESSO _______________________ DESCRIÇÃO DA AMOSTRA ______________
NÚMERO DE SUBGRUPOS (k) ___________ ENTRE (DATAS) ___________________
NÚMERO DE AMOSTRAS OU MEDIÇÕES POR SUBGRUPO (n) __________________
X
X   __________ R
R   ________
k k
Gráfico X Gráfico R
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = + ( * ) UCL = *
UCL = + UCL = __________
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = – ( * ) LCL = *
LCL = – LCL = __________
LCL = ____________
Fatores para Limites de controle Capacidade do Processo
n A2 D3 D4 d2 Se o processo estiver em controle estatístico

o desvio padrão é:
2 1.88 – 3.27 1.128
3 1.02 – 2.57 1.693 ˆ  R / d2
4 0.73 – 2.28 2.059 ˆ = /
5 0.58 – 2.11 2.326 ˆ = _______
6 0.48 – 2.00 2.534
7 0.42 0.08 1.92 2.704 a capacidade do processo é:
8 0.37 0.14 1.86 2.847 X – 3 * ˆ a X + 3 * ˆ
9 0.34 0.18 1.82 2.970 – a +
10 0.31 0.22 1.78 3.087 _________ a _________

1. Calcule X X   X n  para cada subgrupo.
2. Calcule R (maior – menor valor) para cada subgrupo.
3. Calcule X  X   X n  , a linha central do gráfico X-barra.

 
4. Calcule R R   R k  , a linha central do gráfico R.
5. Calcule os limites de controle para o gráfico X-barra usando:
UCL  X  A2 * R 
LCL  X  A2 * R 
Observação: A2 é um fator que depende do tamanho de subgrupo e pode ser

obtido da Tabela 25-13 ou Figura 25-34
6. Calcule os limites de controle para o gráfico R usando:
UCL  D4 * R
LCL  D3 * R
Observação D3 e D4 são fatores que dependem do tamanho do subgrupo e

podem ser obtidos da Tabela 25-13. Observe que não existe limite de controle
inferior para R quando o tamanho de subgrupo é menor que 7.
7. Calcule a escala para o gráfico X-barra de modo que os limites de controle

englobem os 50% interiores da área de plotagem. Calcule a escala para o
gráfico R de modo que o limite de controle superior esteja de 25% a 35% do
topo do gráfico.
8. Plote os X ’s no gráfico X-barra e os R’s no gráfico R.
9. Trace os limites de controle e a linha central no gráfico X-barra.
10. Trace os limites de controle e a linha central no gráfico R.

Tabela 25-13: Fatores para Gráficos de Controle X-barra e R
n* A2 D3 D4 d2
2 1.88 – 3.27 1.128

3 1.02 – 2.57 1.693
4 0.73 – 2.28 2.059
5 0.58 – 2.11 2.326
6 0.48 – 2.00 2.534
7 0.42 0.08 1.92 2.704
8 0.37 0.14 1.86 2.847
9 0.34 0.18 1.82 2.970
10 0.31 0.22 1.78 3.087
* para n = 1 use o gráfico de controle individual (ou X)
Um Exemplo de Gráfico X-barra e R

Esse exemplo ilustra alguns dos aspectos importantes a respeito dos gráficos de
controle X-barra e R. Em um certo processo, foi construído um gráfico de controle para
monitorar o microacabamento das peças. Microacabamento é uma medida da suavidade
de uma peça, com um valor inferior indicando uma superfície mais suave. Cinco peças
foram selecionadas, uma a cada hora durante um turno de oito horas, e o
microacabamento de cada peça foi medido. Os dados foram coletados por três dias antes
que os limites de controle fossem estabelecidos. Desse modo, 24 subgrupos foram
utilizados nos cálculos. A Figura 25-35 contém os gráficos de controle, e a Figura 25-36
mostra os cálculos dos limites de controle. Uma vez que cada subgrupo contém cinco
medições, não há limite de controle inferior para o gráfico R.
Após rever-se os gráficos de controle mostrados na Figura 25-35, determinou-se

que o processo era instável. Em 5 e 6 de junho os pontos estavam acima do limite de
controle superior no gráfico X-barra. Em 7 de junho os pontos estavam abaixo do limite
de controle inferior no gráfico X-barra, e houve um seqüência de oito pontos seguidos
abaixo da linha central. Uma vez que o processo era instável, foram tomadas medidas
para eliminar as causas especiais de variação. A causa especial detectada em 5 de junho
estava associada com a alta porosidade do material fornecido pela Empresa Qualidade.
Discussões com o fornecedor indicaram que problemas similares foram observados por
outros clientes e que o problema tinha sido corrigido. Isso ficou evidente quando
material com menos porosidade foi introduzido no processo a partir de 7 de junho. Os
valores menores de microacabamento que resultaram foram detectados como uma causa

especial no gráfico X-barra. A causa especial detectada em 6 de junho foi o resultado
de uma queda na velocidade da serra de 400 para 250 pés/min. e foi feito um ajuste. O
departamento de manutenção foi notificado sobre o efeito da velocidade da serra sobre
o microacabamento.
Uma vez que os valores de microacabamento das peças foi reduzido com a
introdução de material com porosidade menor em 7 de junho, os limites de controle
foram recalculados usando-se 24 subgrupos selecionados em 7, 8 e 9 de junho. A Figura
25-37 contém o gráfico X-barra e R, e os cálculos dos novos limites de controle são
mostrados na Figura 25-38.

Figura 25-35: Exemplo de Gráfico de Controle de Maquinaria # 1
Gráfico número Nome do Gráfico Produto, serviço, operação ou nome da peça

12 Microacabamento [estação 10] 45 C
Objetivo do gráfico Subgrupado por
Identificar causas especiais [estação 10] Tempo
Processo Meta / Limites de especificação Limites de Data de Controle calculados em
Maquinaria < 200
Responsabilidade pelo gráfico Característica Método de Medição Unidade de medida Zero é igual a
Operador da máquina Microacabamento Bitola MF-025 Micropolegada 0
DATA 5/6 6/6 7/6
HORA 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00
1 172 199 188 216 190 184 195 198 181 197 199 182 259 199 187 193 158 145 161 183 143 151 190 155
2 172 213 191 205 189 197 179 181 188 191 214 162 197 166 206 217 163 176 174 167 175 161 155 157
Medições
3 174 199 203 191 182 221 192 205 179 194 197 189 235 185 209 202 150 145 178 197 168 151 177 156
4 196 182 172 207 190 191 194 189 169 210 215 177 212 174 144 175 171 197 158 163 151 163 168 154
5 192 206 176 235 216 212 198 184 192 183 183 213 247 154 204 185 169 152 177 178 196 175 158 143
6
Média,X 181.2 199.8 186.0 210.8 193.4 201.0 191.6 191.4 181.8 195.0 201.6 184.6 230 175.6 190 194.4 162.2 163 169.6 177.6 166.6 160.2 169.6 153
Amplitude, R 24 31 31 44 34 37 19 24 23 27 32 51 62 45 65 42 21 52 20 34 53 24 35 14
Identificador de
subgrupo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
225
205 UCL=205.12
Médias
185
CL=184.59
165 LCL=164.06
145
90
UCL=74.7
Amplitude
60
s
30
0
OBSERVAÇÕES:
Alta porosidade registrada Alta porosidade corrigida
Velocidade de Serra caiu
(Fornecedor: Qualidade Ltda) pelo fornecedor
pata 250 pés/min.

Figura 25-36: Exemplo de Cálculos de Gráfico de Controle de Maquinaria #1
Microacabamento [Estação 10] 7/6

NOME ________________________________________ DATA ____________________
Componentes individuais
Maquinaria
PROCESSO _______________________ DESCRIÇÃO DA AMOSTRAapós estação 10
______________
24 5/6 – 7/6
5
X
X  4430.3
 __________
184.59 R
R  844
 ________
35.4
24 24
k k
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = 184.59+ . ( .58 *35.4 ) UCL = 2.11 * 35.4
UCL =184.59 + 20.53 74.7
UCL = __________
205.12
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = 184.59 –. (.58 *35.4 ) LCL = *
LCL =184.59 – 20.53 LCL = __________
164.06
LCL = ____________

2 1.88 – 3.27 1.128
3 1.02 – 2.57 1.693 ˆ  R / d2
4 0.73 – 2.28 2.059 ˆ = /
5 0.58 – 2.11 2.326 ˆ = _______
6 0.48 – 2.00 2.534
8 0.37 0.14 1.86 2.847 X – 3 * ˆ a X + 3 * ˆ
9 0.34 0.18 1.82 2.970 – a +
10 0.31 0.22 1.78 3.087 _________ a _________

Figura 25-37: Exemplo de Gráfico de Controle de Maquinaria #1

Microacabamento [estação 10] 45 C
Identificar causas especiais [estação 10] Tempo
Maquinaria < 200
Operador da máquina Microacabamento Bitola MF-025 Micropolegada 0
DATA 7/6 8/6 9/6
HORA 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00 8:00 9:00 10:00 11:00 12:00 13:00 14:00 15:00
1 158 145 161 183 143 151 190 155 192 142 160 149 150 156 160 171 174 171 156 159 167 172 174 155
2 163 176 174 167 175 161 155 157 162 169 178 151 158 157 159 162 171 170 173 156 159 167 178 157
Medições
3 150 145 178 197 168 151 177 156 182 160 156 167 165 173 166 167 156 181 166 155 171 152 175 156
4 171 197 158 163 151 163 168 154 169 171 174 149 170 167 149 177 172 136 180 159 144 165 159 154
5 169 152 177 178 196 175 158 143 161 174 189 175 155 170 145 160 187 168 168 167 165 160 175 143
6
Média,X 162.2 163.0 169.6 177.6 166.6 160.2 169.6 153.0 173.2 163.2 171.4 158.2 159.6 164.6 155.8 167.4 172 165.2 168.6 159.2 161.2 163.2 172.2 153
Amplitude, R 21 52 20 34 53 24 35 14 31 32 33 26 20 17 21 17 31 45 24 12 27 20 19 14
Identificador de
subgrupo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
210
190
UCL=180.43
Médias
170 CL=165.65
150 LCL=150.87
130
75
Amplitude
50
s
25
0
OBSERVAÇÕES:
Novos limites calculados usando dados de 7/6 a 9/6
X = 165.65
UCL = 180.43
LCL = 150.87

Figura 25-38: Exemplo de Cálculos de Gráfico de Controle de Maquinaria #2
Microacabamento [Estação 10] 7/6

NOME ________________________________________ DATA ____________________
Componentes individuais
Maquinaria
PROCESSO _______________________ DESCRIÇÃO DA AMOSTRAapós estação 10
______________
24 5/6 – 7/6
5
X
X  3975.61
 __________
165.65 R
R  611
 ________
25.5
24 24
k k
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = 165.65+ . ( .58 * 25.5 ) UCL = 2.11 * 25.5
UCL = 165.65+ 14.78 53.8
UCL = __________
180.43
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = 165.65 –. (.58 * ) LCL = *
LCL = 25.5
165.65 – 14.78 LCL = __________
150.87
LCL = ____________

2 1.88 – 3.27 1.128
3 1.02 – 2.57 1.693 ˆ  R / d2
4 0.73 – 2.28 2.059 ˆ = /
5 0.58 – 2.11 2.326 ˆ = _______
6 0.48 – 2.00 2.534
8 0.37 0.14 1.86 2.847 X – 3 * ˆ a X + 3 * ˆ
9 0.34 0.18 1.82 2.970 – a +
10 0.31 0.22 1.78 3.087 _________ a _________

Capacidade de um Processo a partir do Gráfico X-barra e R
Após rever os gráficos de controle, se um processo for estável, a capacidade do
processo pode ser determinada. Capacidade é a predição das medições individuais
de uma característica de um processo. Essa predição é então comparada com as
especificações para determinar se o processo é capaz de atendê-las. Deve-se observar
que o UCL e o LCL no gráfico X-barra não deve ser comparado às especificações, uma
vez que especificações se aplicam a medições individuais e o UCL e o LCL se aplicam
a médias. Para determinar a capacidade deve-se levar em consideração a média do
processo e a variação em torno da média. O seguinte procedimento é apropriado para
se determinar a capacidade do processo:
1. Calcule o desvio padrão do processo usando R obtido de um gráfico R

estável.
ˆ  R d 2
2. Calcule o mínimo prático do processo:
Mínimo = X  3ˆ
3. Calcule o máximo prático do processo. X deve ser obtido de um gráfico X-

barra que seja baseado em um gráfico R estável.
Máximo = X  3ˆ
4. Um processo é capaz se o intervalo de X  3ˆ a X  3ˆ cair dentro das

especificações.
Em muitos processos é mais fácil mudar a média do que reduzir a variação. Assim,
em algumas definições de capacidade o foco primário é a variação no processo. Em
situações onde a média possa ser facilmente ajustada a um valor de meta, um processo
é capaz se a diferença entre X  3ˆ e X  3ˆ for menor do que a diferença entre as
especificações superior e inferior.
A Figura 25-39 ilustra situações relativas à capacidade e ações que podem ser
tomadas para melhorar um processo. Um gráfico de cada situação também está incluído.

Figura 25-39: Situações de Capacidade e Ações
Situação Ação
1. O processo é capaz e centrado 1. a) Reduzir inspeção.
( X é igual ou próximo do b) Monitorar processo para detectar causas
valor meta). especiais.
c) Melhorias adicionais seriam resultado
de mudanças fundamentais no processo
para reduzir causas comuns.
S S
P P
Meta
2. O processo seria capaz se 2. a) Se possível fazer ajustes para centrar o

estivesse centrado. processo.
b) Melhorias adicionais seriam resultado
de mudanças fundamentais no processo
para reduzir causas comuns.
S S
P P
Meta
3. O processo não é capaz mas 3. São necessárias mudanças fundamentais no

está centrado. processo para reduzir causas comuns.
S S
P P
Meta
4. O processo não é capaz nem 4. a) Se possível fazer ajustes para centrar o
centrado. processo.
b) São necessárias mudanças fundamentais
no processo para reduzir causas comuns.
S S
P P
Meta

No exemplo do microacabamento, uma revisão dos gráficos de controle
mostrados na Figura 25-37 indica que o processo agora é estável. Dessa forma, é
possível a determinação da capacidade do processo. Os cálculos são mostrados abaixo
e a análise está resumida na Figura 25-40.
5. Calcule o desvio padrão do processo ( ˆ ).
ˆ  R d 2
 25.5 2.326
 10.96
Mínimo  X  3ˆ
 165.65  310.96
 133
7. Calcule o máximo prático do processo.
Máximo  X  3ˆ
 165.65  3(10.96)
 199
8. Uma vez que as especificações requerem que as medições de

microacabamento estejam abaixo de 200, o processo é capaz.
Figura 25-40: Análise de Capacidade de Microacabamento
S
P
133 165.65 199 200

Subgrupamento com Gráficos X-barra e R
Conforme foi mostrado, os valores de X e R utilizados em um gráfico de controle
são calculados a partir de subgrupos de medições individuais de alguma característica
do processo. As medições dentro de um subgrupo devem ser obtidas sob condições o
mais homogêneas possíveis. Um modo comum de se obter homogeneidade é coletar os
dados em um subgrupo em um período curto de tempo. Isso ajuda a minimizar a
variação dentro do grupo e a impedir que causas especiais de variação exagerem a
amplitude. É desejável que as fontes de variação contidas na amplitude de qualquer
subgrupo sejam causas comuns. Fontes sistemáticas de variação no subgrupo também
devem ser evitadas. Se o conhecimento atual de um processo indica que uma certa causa
especial é esperada, é preferível usar uma estratégia que realce a causa especial no
gráfico X-barra em vez do gráfico R. Como os dados serão agrupados determinará a
informação que pode ser obtida desses gráficos. Essa estratégia é chamada de
subgrupamento racional.
Um exemplo obtido da manufatura de pisos mostra o conceito de subgrupamento

racional. Uma folha de material é movida ao longo de uma esteira onde é cortada em
seis pisos em uma forja de seis cavidades como mostrado na Figura 25-41. O quanto
cada piso é de fato quadrado seria uma das características do processo que poderia ser
medida.
Figura 25-41: Um Processo de Piso

Direção do Través da Máquina (DTM)
*Direção da
Máquina (DM) A1 A2 A3
B1 B2 B3
* Direção na qual a esteira se move
Há muitas estratégias para se determinar os subgrupos nesse exemplo.

Usualmente uma boa estratégia inicial, se for conhecido pouco sobre as fontes de
variação no processo, é manter o tempo constante (ou quase constante) dentro de cada
subgrupo. Nesse exemplo os subgrupos podem ser formados selecionando-se seis pisos
ao mesmo tempo, um de cada cavidade. Essa estratégia permitiria estudar a variação ao
longo do tempo no gráfico X-barra, e a variação entre os seis pisos no gráfico R. Outra
estratégia poderia ser selecionar cinco pisos sucessivos de uma cavidade. Uma cavidade

diferente seria escolhida cada vez que um subgrupo fosse selecionado, até que todos os
seis fossem escolhidos. Essa estratégia permite monitorar a variação entre cavidades no
gráfico X-barra e dentro da cavidade no gráfico R. Se existirem diferenças sistemáticas
entre as cavidades, elas devem ser eliminadas antes que outras estratégias de
subgrupamento sejam utilizadas. Outra estratégia poderia ser subgrupar os pisos por
filas (A1, A2, A3) e (B1, B2, B3) e tomar as médias na DTM para estudar no gráfico
X-barra o impacto da DM no quanto os pisos ficam de fato quadrados. A variação ao
longo da direção da máquina seria então monitorada no gráfico R. Alternativamente, os
pisos poderiam ser subgrupados por colunas (A1, B1), (A2, B2) e (A3, B3) e a média
tomada ao longo da direção da máquina. Isso realçaria no gráfico X-barra o efeito da
DTM no quanto os pisos são quadrados, e a variação na direção da máquina seria
monitorada no gráfico R. A Tabela 25-14 resume as estratégias de subgrupamento
mostradas no exemplo acima.
Tabela 25-14: Resumo de Estratégias de Subgrupamento
Estratégia de Tamanho Fontes Importantes de Gráfico X-barra

Subgrupamento de Variação na Amplitude Realça
Subgrupo
Todas as cavidades Diferenças sistemáticas Variação ao longo do
entre qualquer das seis tempo
6 cavidades
Causas comuns de
variação entre os seis
pisos
Cinco pisos Causa comum de variação Diferença entre
consecutivos da 5 entre os cinco pisos cavidades
mesma cavidade Variação ao longo do Variação ao longo do
tempo (pequena) tempo
DTM (A1, A2, A3) e Variação sistemática ao Variação na direção
(B1, B2, B3) 3 longo da esteira da máquina
Causas comuns de Variação ao longo do
variação entre os três tempo
pisos
DM (A1, B1), Variação sistemática na Variação na direção
(A2, B2) e (A3, B3) 2 direção da esteira do través da máquina
Causa comum de variação Variação ao longo do
entre os dois pisos tempo
É evidente que estratégias diferentes de subgrupamento resultam em diferentes

resultados sendo obtidos dos gráficos X-barra e R. Em geral são desejáveis estratégias
que realçam no gráfico X-barra as causas especiais ou as mais importantes fontes

conhecidas de variação. As fontes de variação que são de importância secundária podem
ficar contidas dentro de um subgrupo e monitoradas no gráfico R.
Algumas vezes é escolhido um esquema de subgrupamento racional que produz

um gráfico de controle similar ao mostrado na Figura 25-42. Esse padrão indica que
fontes sistemáticas de variação foram incluídas nos subgrupos.
Figura 25-42: Fontes Sistemática de Variação
UCL
Gráfico
X-barra CL
LCL
UCL
Gráfico R CL
Um histograma dos pontos individuais que geraram um gráfico de controle como

o da Figura 25-42 freqüentemente mostrará vários picos (veja a Figura 25-43). Esses
picos múltiplos podem com freqüência representar processos múltiplos. Esse
conhecimento é útil para se desenvolver um esquema de subgrupamento racional
diferente para “desmisturar” o processo.

Figura 25-43: Histograma multi-picos (Possível Processo Múltiplo)
Em certas situações, as orientações de Shewhart de minimizar as fontes de

variação dentro dos subgrupos não produzem o gráfico de controle mais eficaz. Em
especial, processamentos em lote podem produzir medições ou peças que são
“idênticas” quando comparadas à variação de um lote para outro. Como exemplo,
considere o processo em lote de manufatura de circuitos integrados (CI). Os CIs
individuais dentro de um lote freqüentemente produzirão medições de resistência dentro
de 0.0001 ohms. Entretanto o lote seguinte pode produzir CIs que, apesar de ter uma
diferença de menos de 0.0001 ohms uns dos outros, estão todos com 0.01 ohms a mais
do que o lote anterior. Um gráfico de controle para dados desse tio (n -= 4 CIs / lote) é
mostrado na Figura 25-44. A melhor maneira de se usar esses dados para avaliar a
estabilidade do processo é tratar as médias como medições e usar um gráfico X (próxima
seção).
Figura 25-44: Gráfico de Controle da Resistência dos CIs
Gráfico UCL
X-barra CL
LCL
UCL
Gráfico R CL

Tamanho e Freqüência de Subgrupos
O tamanho de cada subgrupo tem que ser considerado quando se tenta minimizar
a variação dentro do subgrupo. A fim de calcular X-barra e R para cada grupo, são
necessárias pelo menos duas medições. É necessário equilibrar a precisão dessas
estatísticas com a necessidade de se preservar a homogeneidade dentro dos subgrupos.
A seleção de três a seis medições por subgrupo provou que consegue melhor esse
equilíbrio em muitas aplicações.
Apesar de que o custo e a interrupção do processo têm que ser considerados ao se

determinar a freqüência da seleção de dados, tem-se que considerar também a
habilidade de se detectar e identificar causas especiais de variação. Ao se começar a
usar um gráfico de controle, os dados devem ser obtidos com mais freqüência e depois
com menos, à medida que as causas especiais de variação forem identificadas e
eliminadas. Freqüentemente a urgência de estabelecer limites de controle para o
processo determinará a freqüência inicial de subgrupamento.
Exemplos de Vendas
Um exemplo oriundo de vendas fornece outra ilustração do conceito de
subgrupamento racional e do desenvolvimento de gráficos X-barra e R. Em uma certa
empresa , para fins de planejamento foram feitas previsões trimestrais de vendas por
região e por vendedor dentro de cada região. As previsões levaram em conta as
condições de mercado dentro do território de um vendedor. A fim de avaliar o processo
de venda, o gerente de vendas calculou as vendas como porcentagem da previsão para
dois trimestres, para cada vendedor em duas regiões diferentes. Os dados foram
subgrupados por vendedor e os gráficos de controle X-barra e R foram construídos.
Com essa estratégia de subgrupamento a variação entre os vendedores foi monitorada
no gráfico X-barra e a variação por vendedor foi monitorada no gráfico R. No gráfico
original X-barra, as diferentes regiões foram identificadas como uma causa especial.
Assim, foram preparados diferentes gráficos para cada região.
A Figura 25-45 mostra os gráficos de controle X-barra e R separados para cada

região e a página seguinte mostra os cálculos dos limites de controle. Um tamanho de
subgrupo de dois foi usado, uma vez que apenas dois trimestres de dados estavam
disponíveis. Para a Região 1, onde todos excederam as previsões, as porcentagens médias
dos vendedores D e I ficaram abaixo do limite de controle inferior no gráfico X-barra.
Para a Região 2, onde ninguém excedeu a previsão, as porcentagens médias dos
vendedores M e Q ficaram acima do limite de controle superior no gráfico X-barra. A
amplitude do vendedor M também ficou acima do limite de controle superior no gráfico
R.
Os limites de controle nesse exemplo foram construídos a partir de uma

quantidade mínima de dados. O número de subgrupos está fixado pelo número de
vendedores em cada região. Um subgrupo adicional para cada vendedor deve ser

formado quando os dados do terceiro e quarto trimestre estiverem disponíveis Os limites
de controle devem ser então recalculados. A partir da estratégia de subgrupamento
usada nesse exemplo e dos dados resultantes, pode-se fazer as seguintes informações
usando os gráficos de controle:
Gráfico X-barra
• Apesar de todos terem alcançado a previsão na Região 1, as razões pelas quais os
vendedores D e I desempenharam pior do que o sistema deve ser investigadas.
• Apesar de ninguém ter alcançado a previsão na Região 2, as razões pelas quais
os vendedores M e Q desempenharam melhor do que o sistema devem ser
investigadas.
• A diferença em X entre a Região 1 e a Região 2 indica a necessidade de rever os

procedimentos regionais de previsão.
Gráfico R
• R é aproximadamente o mesmo na Região 1 e na Região 2.
• A variação por vendedor é estável na Região 1.
• A razão das diferentes porcentagens de um trimestre para outro para o vendedor
M na Região 2 deve ser investigado.

Gráficos X-barra e R para Vendas

1 Vendas para Região 1 e 2
Avaliar Variação entre Vendedores e Regiões Vendedor
Venda 100%
Gerente de Vendas Venda (% de Previsão) Relatório de vendas Porcentagem
Vendedor
DATA A B C D E F G H I J K L M N O P Q R S T U V W X
HORA
1 124 127 114 108 128 135 129 118 113 130 111 141 111 70 85 78 97 82 75 79 80 81 72 100
2 130 122 124 102 130 131 134 118 99 120 109 123 85 80 81 76 95 70 71 79 88 79 72 85
Medições
6
Média, X 127 124.5 119.0 105 129 133 131.5 118 106 125 110 132 98 75 83 77 96 76 73 79 84 80 72 92.5
Amplitude, R 6 5 10 6 2 4 5 0 14 10 2 18 26 10 4 2 2 12 4 0 8 2 0 15
Identificador de
subgrupo
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
UCL=135.4
130
115 CL=121.42
Médias
100 LCL=107.70 UCL=95.48

85
70 CL=82.13
LCL=68.78
30
Amplitudes
UCL=23.9 UCL=23.2
20
10
0
OBSERVAÇÕES:
X para Vendedor D X para Vendedor I

X para Vendedor Q
abaixo do LCL abaixo do LCL X e R para Vendedor
acima do UCL
D acima do UCL

Figura 25-45: Exemplo de Cálculos de Gráfico de Controle X-barra e R para Vendas
Vendas para Regiões 1 e 2

NOME ________________________________________ 30/6
DATA ____________________
Vendas para dois
PROCESSO _______________________ DESCRIÇÃO DA AMOSTRAsemestres
Vendas consecutivos
______________
12
NÚMERO DE SUBGRUPOS (k) ___________ 1/1 – 30/6
ENTRE (DATAS) ___________________
2
Região 1 X  X  1457 121.42

 __________ R
R  88
7.3
 ________
k 12 k 12
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = 121.42 + (1.88 * 7.3 ) UCL = 3.27 * 7.3
UCL = 121.42 + 13.72 23.9
UCL = __________
135.4
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = 121.42 – (1.88 *7.3 ) LCL = *
LCL = 121.42 – 13.72 LCL = __________
107.70
LCL = ____________
Região 2 X  X  985.5  __________

82.13 R
R  85
7.1
 ________
k 12 k 12
UCL = X + ( A2 * R ) UCL = D4 * R
UCL = 82.13 + (1.88 * 7.1 ) UCL = 3.27 * 7.1
UCL = 82.13 + 13.35 23.2
UCL = __________
95.48
UCL = ____________
LCL = X – ( A2 * R ) LCL = D3 * R
LCL = 82.13 – (1.88 * 7.1 ) LCL = *
LCL = 82.13 – 13.35 LCL = __________
68.78
LCL = ____________

Gráficos de Controle Alternativos para Dados Contínuos
Existem vários outros tipos de gráficos de controle apropriados para dados
contínuos. Por exemplo, o gráfico individual (gráfico X) pode ser usado quando para cada
subgrupo somente uma medição está disponível (n = 1). O gráfico X foi discutido na
seção anterior. Os gráficos X-barra e S devem ser usados quando o tamanho de subgrupo
é variável. Nesse caso o desvio padrão (S) dos valores dos subgrupos deve ser usado em
vez da amplitude para medir a variabilidade de subgrupo, uma vez que o desvio padrão
não depende do tamanho de subgrupo. Esse gráfico é descrito na próxima seção.
Os gráficos de mediana e amplitude fornecem outra alternativa ao gráficos X-

barra e R para dados contínuos. Recomenda-se que esses gráficos sejam usados com
um tamanho de subgrupo ímpar (n = 3, 5 ou 7). A mediana é o valor do meio em um
subgrupo ordenado, desde que os valores estejam ordenados do mais alto para o mais
baixo. A discussão do gráfico mediano pode ser encontrado em Clifford (1959).
Outros tipos de gráficos de controle têm sido usados para dados contínuos em
aplicações especiais. Esses incluem a média móvel, a amplitude móvel, a soma
cumulativa (CUSUM), e o gráfico de média móvel exponencialmente ponderada
(EWMA). Alguns desses gráficos são particularmente úteis quando os dados de um
subgrupo para outro não são independentes. Roberts (1966) discute esses gráficos de
controle.
Algumas vezes os dados para gráficos X-barra e R são para uma característica de
qualidade que tem uma distribuição assimétrica. Exemplos de tais características são
medidas ambientais de concentração e medições de tempo para falhar. Pode-se usar uma
transformação dos dados originais (por exemplo tomar o logaritmo ou a raiz quadrada)
para tornar os dados mais simétricos em torno da média. Os dados transformados podem
então ser usados para desenvolver os gráficos X-barra e R.
Resumo
Os itens seguintes resumem algumas das idéias importantes a respeito dos
gráficos de controle X-barra e R:
• O conceito de subgrupamento racional pode ser usado com gráficos X-barra e R
para estudar aspectos particulares de um processo.
• Tamanhos de subgrupo de três a seis são usualmente apropriados. As medições
no subgrupo devem ter sido produzidas sob condições similares. Deve ser evitada
a variação sistemática dentro do subgrupo.
• As linhas centrais dos gráficos X-barra e R são X , a média geral sobre os dados,
e R , a média das amplitudes, respectivamente.

• Os limites de controle são:
UCL = X + ( A2 * R ) UCL = D4 * R
LCL = X – ( A2 * R ) LCL = D3 * R
• Uma vez que o processo tenha se estabilizado pela remoção das causas especiais
de variação, a capacidade do processo pode ser determinada e podem ser
implementadas medidas apropriadas para a melhoria.
Gráficos X-barra e S
Há algumas situações nas quais dados contínuos são melhores subgrupados e os
subgrupos racionais são de tamanhos diferentes. Isto é, o número de medições ou
observações, dentro de cada subgrupo, variará de um subgrupo para outro. Para essas
situações um gráfico X-barra e S é apropriado, onde S é o desvio padrão dos valores de
subgrupo. O gráfico X-barra e S pode também ser preferível ao gráfico X-barra e R
quando o tamanho de subgrupo racional é constante mas grande. Nesses casos o desvio
padrão é um estimador da dispersão mais eficiente do que a amplitude. Isso pode ser
apreciado melhor quando se observa que a amplitude usa apenas dois valores para
estimar a dispersão (o maior e o menor) enquanto que o desvio padrão usa todos os
dados. Para subgrupos pequenos, tal como são tipicamente usados, haverá pouca
diferença entre os dois; entretanto, para tamanhos de subgrupos maiores do que seis, o
desvio padrão se torna mais eficiente do que a amplitude.
Apesar de os subgrupos variarem em tamanho, tem-se que dar a mesma

consideração à similaridade dentro de subgrupos que foi dada para o gráfico X-barra e
R. Isto é, a estratégia de subgrupamento deve ser concebida para manter as causas
especiais e a variação sistemática fora dos subgrupos, e realçar no gráfico X tal variação
entre subgrupos. Uma discussão mais completa sobre questões de subgrupamentos
racionais pode ser encontrada na introdução aos gráficos de controle e na seção sobre
gráficos X-barra e R.
As instâncias nas quais tamanhos de subgrupos variáveis podem ser necessários

são quando é preciso reportar alguma medida dentro de um cronograma particular, como
diariamente, semanalmente ou mensalmente, independentemente do número de
medidas. Esse pode ser o caso para o ramo de atividade de fretes de carga, alguns tipos
de produção, e os processos administrativos. Por exemplo, alguns contratos e
regulamentos podem especificar um período particular de relatório independentemente
das medições disponíveis. Em muitos casos, muitas informações podem ser obtidas
comparando-se medidas de um intervalo de tempo com outro, e assim um intervalo
particular se torna um subgrupo racional, independente do tamanho variável.
O gráfico X-barra e S também é apropriado quando um subgrupo grande é o

grupamento racional, por exemplo quando seis ou mais peças são feitas por uma máquina

de uma vez, e a maior parte dos outros fatores, tais como matérias primas, tempo,
operador e setup permanecem similares dentro do grupo. Um gráfico X-barra e S seria
particularmente apropriado quando as medições podem ser feitas de modo muito barato,
ou são automatizadas. Se as medições são caras, pode valer a pena considerar fazer a
amostragem de algum subconjunto da produção para obter um tamanho de subgrupo fixo
e pequeno. O gráfico X-barra e R é preferível nesse caso por causa de sua simplicidade,
quando comparado com o gráfico X-barra e S. Outros exemplos que podem resultar em
subgrupos de tamanhos diferentes são dados sobre pessoas em residências, salas de aula
ou escritórios.
Existem algumas desvantagens em se usar gráficos X-barra e S. A maior

desvantagem é a dificuldade encontrada quando se tenta compartilhar e explicar o gráfico
para outras pessoas, particularmente se elas não estão familiarizadas com gráficos de
controle. Os limites de controle são variáveis, o que torna a interpretação mais difícil do
que para limites de controle de valor constante. O significado de um gráfico de amplitude
pode ser compreendido pela maior parte das pessoas com uma quantidade mínima de
explicação, e a amplitude é parte razoavelmente normal de nossos processos de
pensamento. Entretanto, o desvio padrão é uma idéia mais complexa, e não tem nenhuma
explicação rápida e simples. Além disso, o cálculo dos limites de controle e estatísticas
a serem plotadas é bem mais complexo para um gráfico X-barra e S do que para um
gráfico X-barra e R. Um programa de computador pode ser útil nesse caso.
Na prática, o gráfico X-barra e R tem sido mais largamente utilizado na indústria

do que o X-barra e S por essas razões. No entanto, há situações nas quais ele é o gráfico
apropriado a ser usado. Como nota histórica, na década de 30 Walter Shewhart acreditava
que as dificuldades de cálculo associadas ao gráfico X-barra e S não seriam relevantes
para gerações futuras, porque, com o advento de réguas de cálculo baratas, a educação
matemática avançaria ao ponto de todos poderem fazer os cálculos facilmente.
Cálculo dos Limites de Controle

Além dos símbolos introduzidos para gráficos X-barra e R, existem alguns novos
símbolos associados com gráficos X-barra e S:
s – Desvio padrão de subgrupo (método de cálculo mostrado abaixo)
s – Média ponderada dos desvios padrões (método de cálculo

mostrado abaixo)
ni – Tamanho de subgrupo para o i-ésimo subgrupo
A3, B3, B4, c4 – Fatores para se computar os limites de controle e as capacidades

do processo
A Figura 25-46 contém um formulário usado para calcular os limites de controle

apropriados.

Figura 25-46: Folha de Cálculo de Gráfico de Controle X-barra e S
(Esse formulário só é prático para tamanhos de subgrupos constantes)
NOME ________________________________________ DATA ____________________
PROCESSO _______________________ DESCRIÇÃO DA AMOSTRA ______________
 n X    n  1S
2
X  _______ S   _______
i i i i
n i  n   k i
UCL = X + ( A3 * S ) UCL = B4 * S
UCL = + ( * ) UCL = *
UCL = + UCL = __________
UCL = ____________
LCL = X – ( A3 * S ) LCL = D3 * S
LCL = – ( * ) LCL = *
LCL = – LCL = __________
LCL = ____________
n A3 B3 B4 c4 Se o processo estiver em controle estatístico

2 2.66 – 3.27 0.798
3 1.95 – 2.57 0.886 ˆ  S / c4
4 1.63 – 2.27 0.921 ˆ = /
5 1.43 – 2.09 0.940 ˆ = _______
6 1.29 0.03 1.97 0.952
8 1.10 0.18 1.82 0.965 X – 3 * ˆ a X + 3 * ˆ
9 1.03 0.24 1.76 0.969 – a +
10 0.98 0.28 1.72 0.973 _________ a _________

Seguem-se os passos para se desenvolver gráficos X-barra e S. Todas as médias
que são calculadas devem ser arredondadas para uma casa decimal a mais (dígito
significativo) do que os valores usados para o cálculo delas. As casas decimais para o
desvio padrão devem ser as mesmas das médias.
1. Calcule a média, X , para cada subgrupo: X   X ni
 X  X  n  1
2
2. Calcule S para cada subgrupo: S  i
3. Calcule a média geral ponderada, X , usando:
X   n i X i  n i
4. Calcule S , a linha central do gráfico de desvio padrão, usando:
 n  1S
2
S
i i
 n   k
i
5. Calcule os limites de controle para o gráfico X-barra usando:
UCL  X  A 3 * S 
LCL  X  A 3 * S 
Observação: A3 é um fator que depende do tamanho de subgrupo e pode ser
obtido da Figura 25-1.
6. Calcule os limites de controle para o gráfico S usando:
UCL = B4 * S
LCL = B3 * S
Observação: B3 e B4 são fatores que dependem do tamanho de subgrupo e
podem ser obtidos da Figura 25-46 ou do apêndice desse seção.
Observe que não existe limite de controle inferior para S quando
o tamanho de subgrupo for menor do que seis.
7. Calcule a escala para o gráfico X-barra de modo que os limites de controle
englobem os 50% interiores da área de plotagem. Calcule a escala para o
gráfico S de modo que o limite de controle superior esteja colocado de 25% a
35% do topo do gráfico.
8. Plote os X ’s no gráfico X-barra e os S’s no gráfico S.
9. Trace os limites de controle e a linha central no gráfico X-barra. Observe que
os limites de controle para ambos os gráficos são variáveis quando os
tamanhos de subgrupo variam.
10. Trace os limites de controle e a linha central no gráfico S.

Exemplo de um Processo do Microacabamento
No exemplo seguinte os dados do primeiro exemplo da seção sobre gráficos X-
barra e R são apresentados usando o gráfico X-barra e S. O objetivo era controlar o
microacabamento de peças produzidas. Nesse exemplo os cálculos foram feitos usando
um microcomputador e um programa padrão de planilha. A impressão da planilha é
mostrada na Tabela 25-15 e os cálculos dos limites de controle são mostrados na Figura
25-47. O conjunto completo de gráficos de controles é mostrado na Figura 25-48.
Tabela 25-15: Planilha para Exemplo do Microacabamento
Folha de Cálculo X-barra e S Microacabamento de Peças

Objetivo – Manter Controle de Processo
Característica: Microacabamento Método de Medição: Bitola MF-025
Subgrupos
DATA 30/6 1/7 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
MEDIÇÃO 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
1 158 145 161 183 143 157 190 155 192 142 160 149 150 156 160 171 174 171 156 159 167 172 174 155
2 163 167 174 167 175 161 155 157 162 169 178 151 158 157 159 162 171 170 173 156 159 167 178 157
3 150 154 178 197 163 151 177 156 182 160 156 167 165 173 166 167 156 181 166 155 171 152 175 156
4 171 197 158 163 151 163 168 154 169 171 174 149 170 167 149 177 172 136 180 159 144 165 159 154
5 169 152 177 178 196 175 158 143 161 174 189 175 155 170 145 160 187 168 168 167 165 160 175 143
6
Sub-média 162.2 163.0 169.6 177.6 165.6 161.4 169.6 153.0 173.2 163.2 171.4 158.2 159.6 164.6 155.8 167.4 172.0 165.2 168.6 159.2 161.2 163.2 172.2 153.0
X-barra-barra 164.58
UCL-X 181.09
LCL-X 148.07
subgrupo n 5
S-subgrupo 8.5 20.6 9.4 13.5 20.9 8.9 14.3 5.7 13.4 12.9 13.5 12.0 8.0 7.7 8.6 6.9 11.0 17.1 8.9 4.7 10.5 7.6 7.5 5.7
S-barra 11.57
UCL-S 24.17
LCL-S
Fator A3 1.427
Fator B4 2.089
Fator B3

Figura 25-47: Exemplo de Folha de Cálculo de Gráfico de Controle
para Microacabamento
(Esse formulário só é prático para tamanhos de subgrupos constantes)
Microacabamento (Estação 10)
NOME ________________________________________ 9/6
DATA ____________________
Componentes
Maquinaria
PROCESSO _______________________ individuais
DESCRIÇÃO DA AMOSTRA ______________
depois da
24 7/6-9/6
estação 10
 n X    n  1S
2
19750 164.58 12848 11.57
X  _______ S   _______
i i i i
n i
120  n   k i
96
UCL = X + ( A3 * S ) UCL = B4 * S
UCL = 164.58 + ( 1.427 * 11.57 ) UCL = 2.089 * 11.57
UCL = 164.58 + 16.51 24.17
UCL = __________
181.09
UCL = ____________
LCL = X – ( A3 * S ) LCL = D3 * S
LCL = 164.58 – ( 1.427 *11.57 ) LCL = *
LCL = 164.58 – 16.51 LCL = __________
148.07
LCL = ____________
n A3 B3 B4 c4 Se o processo estiver em controle estatístico

2 2.66 – 3.27 0.798
3 1.95 – 2.57 0.886 ˆ  S / c4
4 1.63 – 2.27 0.921 ˆ = /
5 1.43 – 2.09 0.940 ˆ = _______
6 1.29 0.03 1.97 0.952
8 1.10 0.18 1.82 0.965 X – 3 * ˆ a X + 3 * ˆ
9 1.03 0.24 1.76 0.969 – a +
10 0.98 0.28 1.72 0.973 _________ a _________
Para n > 10 veja o Apêndice para obter os fatores

Figura 25-48: Gráficos de Controle X-barra e S para Microacabamento
200
Microacabamento
190
180
170
160
150
140
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Dias
30
25
Desvio Padrão
20
15
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Dias

Observe que os limites de controle para os gráficos de controle são praticamente
os mesmos em ambos os casos e a interpretação do gráfico é muito similar. O gráfico
S, entretanto, aparece diferente do gráfico R. Apesar de os dados tenderem a se mover
de maneira similar à amplitude no gráfico X-barra e R, a escala é bastante diferente. O
gráfico S pode não ser tão fácil de entender como é típico do gráfico de amplitude de
subgrupo. Explicar o gráfico a pessoas não familiarizadas com esses métodos pode
impor grandes obstáculos ao uso do gráfico S. O gráfico S também pode ser menos
sensível para realçar uma única causa especial do que o gráfico de amplitude.
Capacidade de um Processo usando um Gráfico X-barra e S

Depois de se rever os gráficos de controle, se for constatado que o processo é
estável, pode-se determinar a capacidade do processo. Isso é feito de maneira muito
similar à que já foi vista na seção de gráfico X-barra e R. Para determinar a capacidade
a média do processo e a variação em torno da média têm que ser consideradas. O
procedimento que se segue é apropriado para se determinar a capacidade de processo
para o gráfico X-barra e S.
1. Calcule o desvio padrão a partir de S . S tem que ser obtido de um gráfico S
estável.
ˆ  S c 4
3. Calcule o máximo prático do processo:
Máximo  X  3̂
4. Um processo é capaz se o intervalo de X  3ˆ a X  3ˆ cair dentro das

especificações.
O exemplo de Microacabamento mostrado na Figura 25-48 indica que o processo

agora é estável. Os cálculos são mostrados abaixo:
1. Calcule o desvio padrão ˆ .
ˆ  S  11.57 0.940  12.31
 164.58  312.31  127.65
3. Calcule o máximo prático do processo:
Máximo  X  3ˆ
 164.57  312.31  200.93

4. Uma vez que as especificações requerem que as medições de
microacabamento estejam abaixo de 200, o processo é incapaz por esse
cálculo. Mas observe que essa estimativa de capacidade de processo é
essencialmente igual à que foi obtida usando um gráfico X-barra e R (veja a
Figura 25-40 na seção de Gráfico de Controle X-barra e R). A interpretação
gráfica de capacidade é mostrada abaixo:
Figura 25-49: Análise de Capacidade de Microacabamento
S
P
133 164.58 199 200
O próximo exemplo diz respeito a uma equipe que estava interessada em

investigar a variação no processo de entrega para um projeto de construção de longo
prazo. Para esse processo existem várias empresas de transporte diferentes vindas de
distâncias similares. O contrato para o trabalho especificava que o desempenho de
entrega (variação do tempo de entrega estipulado) tinha que ser reportado
semanalmente. O número de entregas variava de uma semana para outra. Uma vez que
o contrato especificava que o desempenho tinha que ser reportado semanalmente, a
equipe decidiu usar um gráfico X-barra e S. Os dados estão mostrado na Tabela 25-16.
Os cálculos foram feitos usando um microcomputador e um programa padrão de
planilha. Os cálculos também estão resumidos na Tabela 25-16. Os dados básicos nesse
exemplo são a variação do horário de chegada estipulado. Os gráficos de controle
completos estão mostrados na Figura 25-50.
Pode ser vista uma causa especial no gráfico X-barra durante as semanas 9 e 10.
Isso foi associado com um período de tempo no qual as condições meteorológicas
estiveram particularmente ruins. Outra causa especial pode ser vista no gráfico S
durante a semana 17. O aumento da variação dentro do grupo foi investigado e
descobriu-se que ela foi causada por duas das empresas que trocaram as tarefas entre si.
Houve alguma confusão quanto aos melhores trajetos e quanto a alguns procedimentos
de carregamento. Em uma semana os motoristas e o pessoal de carregamento
aprenderam suas novas tarefas e parece que a causa desapareceu.

Figura 25-50: Horas Médias da Meta
10
8
Horas médias da meta
-2
-4
-6
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
mau tempo Número da semana
10
7
Desvio Padrão
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Número da semana
mudança de
motoristas

Apêndice Técnico para Gráficos de Controle X-barra e S
Fatores para Limites de Controle 3-sigma para Gráficos X-barra e R e X-barra e S
Gráfico X-barra e R Gráficos X-barra e S

n A2 D3 D4 d2 A3 B3 B4 c4
1 2.66 – 3.27 1.128

2 1.88 – 3.27 1.128 2.66 – 3.27 0.798
3 1.02 – 2.57 1.693 1.95 – 2.57 0.886
4 0.73 – 2.28 2.059 1.63 – 2.27 0.921
5 0.58 – 2.11 2.326 1.43 – 2.09 0.940
6 0.48 – 2.00 2.534 1.29 1.29 1.97 0.952

7 0.42 0.08 1.92 2.704 1.18 1.18 1.88 0.960
8 0.37 0.14 1.86 2.847 1.10 1.10 1.82 0.965
9 0.34 0.18 1.82 2.970 1.03 1.03 1.76 0.969
10 0.31 0.22 1.78 3.087 0.98 0.28 1.72 0.973
11 0.93 0.32 1.68 0.975

12 0.89 0.35 1.65 0.978
13 0.85 0.38 1.62 0.979
14 0.82 0.41 1.59 0.981
15 0.79 0.43 1.57 0.982
16 0.76 0.45 1.55 0.984

17 0.74 0.47 1.53 0.984
18 0.72 0.48 1.52 0.985
19 0.70 0.50 1.50 0.986
20 0.68 0.51 1.49 0.987
21 0.66 0.523 1.477 0.988

22 0.65 0.534 1.466 0.988
23 0.63 0.545 1.455 0.989
24 0.62 0.555 1.445 0.989
25 0.61 0.565 1.435 0.990
Para n > 25 pode-se usar as seguintes fórmulas:

3 4n  1
A3  , c4 
c4 n 4n  3
3 3
B3  1  , B4  1 
c 4 2n  1 c 4 2n  1

Gráficos de Média Móvel Exponencialmente Ponderada
A Média Móvel Exponencialmente Ponderada (EWMA) foi primeiramente vista
por Roberts (1959) como uma técnica de gráfico de controle. O conceito de uma média
geométrica móvel tem sido usado em estudos econômicos desde o início da década de
60. Hunter (1986) resumiu o uso de EWMA para controle de processos e apresentou uma
comparação com as técnicas de controle mais conhecidas de Shewhart e Cusum.
A EWMA tem tido uso considerável como ferramenta de previsão, como em

estudos econômicos. A forma funcional do EWMA para esses fins é uma previsão da
próxima observação em uma série. A equação tem a forma:
X̂ t 1  X t  1   X̂ t
A forma da EWMA que é mais prontamente aplicável para a plotagem e a análise

de dados é:
X̂ t  X t  1   X̂ t 1
onde X t é a observação mais recente e X̂ t é a EWMA atual.
O fator de ponderação () varia entre 1 e 0. A maior parte dos usos econômicos
recomendam um  entre 0.1 e 0.3. O “melhor” valor para  pode ser estimado a partir
de dados (n > 50) por meio de mínimos quadrados, se o processo for estável.  pode ser
pensado com descrevendo quanto de “memória” se atribui a dados passados. Um 
grande e próximo de 1 é praticamente equivalente a plotar os próprios dados; um 
pequeno atribui muito mais peso aos dados passados. Decidir qual valor selecionar
requer conhecimento do processo.
Hunter (1986) recomenda fazer um gráfico de controle de Shewhart em conjunção

com a EWMA. A fim de calcular limites para a EWMA, deve-se primeiro calcular ˆ
usando os métodos padrões de Shewhart. O desvio padrão para a EWMA é:
ˆ EWMA   2   0.5 ˆ SHEWHART
Os limites são: T +/– (3 * ˆ EWMA ), onde T é o valor de meta.
As vantagens do EWMA são:
1. Ela formaliza o uso de dados históricos.
2. Ela fornece uma previsão da próxima observação quando o processo

subjacente é um processo auto-correlacionado estacionário.
3. Ela pode ser usada para controle de processos dinâmicos e pode ser
modificada para fornecer controle “PID” (proporcional, integral, diferencial).

As desvantagens do EWMA são:
1.  tem que ser escolhido arbitrariamente ou a estabilidade tem que ser suposta.
Isto é,  não pode ser estimado a menos que o processo seja estável mas
determinar a estabilidade do processo é o objetivo do método.
2. A estimativa do desvio padrão deve vir de um gráfico de controle de Shewhart.
3. Os cálculos são novos e mais difíceis do que para o gráfico de Shewhart.
Em resumo, o EWMA se mostrou útil como mecanismo de controle dinâmico

quando se lida com um processo auto-correlacionado estacionário ou “estável”.
Estacionário nesse sentido significa que as causas especiais do sistema foram
eliminadas. Nesses casos o EWMA pode detectar um ponto fora dos limites de controle
antes do que um gráfico de Shewhart, mas se forem aplicadas regras adicionais aos
gráficos de Shewhart eles provavelmente vão detectar a mudança no processo de modo
igualmente rápido. Para o uso mais tradicional dos gráficos de controle, isto é, investigar
as causas de variação em um processo, o gráfico de Shewhart é usualmente um gráfico
mais útil.
O Gráfico de Controle de Zona

Uma alternativa ao gráfico de controle tradicional de Shewhart é o gráfico de
controle de zona. O gráfico de controle de zona funciona com princípios gerais similares
aos dos gráficos de controle de Shewhart; entretanto o registro e a análise dos dados
foram simplificados. A razão primária para se usar o gráfico de controle de zona em vez
dos métodos tradicionais de Shewhart é a simplicidade. Mesmo com o gráfico de zona,
é necessário que a pessoa que faz o gráfico saiba como calcular os limites, como foi
mostrado anteriormente com os gráficos de controle de Shewhart. As pessoas que mais
provavelmente usarão os gráficos de zona são aquelas que estão começando a usar
métodos de plotagem e que não querem ainda pedir que operadores façam a escala e
plotem os valores exatos.
O formulário do gráfico de controle de zona básico está mostrado abaixo na

Figura 25-51, sem dados plotados. O gráfico é dividido em zonas que correspondem ao
número de desvios padrões da meta (ao usar a média como linha central, o gráfico difere
do gráfico de Shewhart, que usaria uma média de processo para determinar a linha
central do processo). A posição dessas zonas é calculada usando o mesmo método que
é usado para o gráfico X-barra e R. Primeiro é usada a média das amplitudes, com a
constante apropriada de gráfico de controle, para determinar os limites de controle
superior e inferior. Essa distância é então dividida por três para determinar os valores
que devem entrar nos retângulos da esquerda. Esses valores nos retângulos indicam à
pessoa que está registrando os dados qual zona deve ser marcada. As zonas recebem
certas pontuações que são então usadas para interpretar o gráfico.

À medida que os dados são coletados, o operador precisa apenas localizar a zona
correta e desenhar um círculo nela. Os pontos das zonas são somados continuamente e
uma pontuação de oito ou mais em um lado da meta é tomado como um sinal de mudança
no processo. A técnica é melhor aprendida seguindo-se um exemplo. Jaehn (1991) ilustra
o procedimento com o seguinte exemplo tirado de um processo que tinha uma meta de
50.0. O desvio padrão do processo foi determinado de dados anteriores como sendo 1.0.
A Figura 25-52 mostra o gráfico com os dados plotados.
O primeiro valor de teste mostrado na parte de baixo da figura é 50.2. Só é preciso

determinar em qual zona isso cai. O primeiro valor cai entre a linha de meta e +1 sigma,
e a pontuação apropriada é 0. O segundo resultado de teste é 51.8, que cai entre +1 e +2
sigma, o qual deve ser somado à pontuação anterior que era 0. Assim, um 2 é colocado
dentro do segundo círculo. A soma dos números continua até que um resultado de teste
caia no lado oposto da meta, e a pontuação volta para zero, e o processo de pontuação
recomeça até que outro resultado caia no lado oposto da meta. O terceiro valor mostra
isso: ao cair entre a meta e –1 sigma, a pontuação volta para zero, e não existe pontuação
para a zona +1 sigma. Um valor de teste exatamente na meta tem pontuação 0;
entretanto, quaisquer resultados anteriores que estavam acumulados permanecem. O
quinto resultado de 50.0 mostra essa regra. Se um valor de teste cai exatamente em uma
das linhas de zona a regra é a de atribuir uma pontuação da zona inferior. Isso é, damos
ao processo o benefício da dúvida. O último valor de 48.5 mostra esse caso. A pontuação
de zona de 2 é acrescentada à pontuação acumulada de 6 para fornecer um total de 8. O
processo deve ser investigado e devem ser tomadas ações corretivas apropriadas antes
de se recomeçar.
Jaehn (1991) também mostra como métodos similares podem ser usados em um
gráfico de amplitude para a região acima da média de amplitude. Note que tais métodos
no gráfico de amplitude não forneceriam um método para se ver causas especiais
resultando em menos variação dentro do subgrupo. Esse pode ser o caso quando algum
experimento no processo está sendo conduzido com o propósito de reduzir a variação.
Outros métodos de pontuação têm sido usados para as zonas, tais como 1,2 4 e 8,
mas esses resultarão em possível reação exagerada. As pontuações de zona do exemplo
abaixo resultarão em uma sensibilidade a mudanças no processo similar à do gráfico de
Shewhart. Deve-se observar que o gráfico de controle de zona tem menos sensibilidade
do que os gráficos de Shewhart para muitos tipos de causas especiais. Por exemplo,
obter dois em cada três pontos no terço superior mas em lados diferentes do gráfico
usualmente é tomado como uma causa especial em um gráfico de Shewhart, enquanto
que no gráfico de zona esse sinal se perderia. A experiência tem mostrado que esse é
um sinal confiável de variação especial em um sistema. De modo similar, uma tendência
poderia passar despercebida em um gráfico de zona.
Em resumo, o gráfico de controle de zona oferece um método simples que pode

detectar mudanças em processos de modo confiável, mas perde alguma da sofisticação
dos gráficos de Shewhart. Ele pode, entretanto, encontrar aceitação mais rápida devido
à facilidade de plotagem e interpretação dos resultados dos testes.

Figura 25-51: Formato do Gráfico de Controle de Zona
8
+3 sigma
4
+2 sigma
2
+2 sigma
0
META
0
–1 sigma
2
–2 sigma
4
–3 sigma
8
Figura 25-52: Exemplo de Gráfico de Controle de Zona
8
53.0 +3 sigma
4
52.0 +2 sigma
2 2
51.0 +2 sigma
0 0
50.0 2 META
0 0
49.0 2 –1 sigma
2 2 8
48.0 –2 sigma
4 6
47.0 –3 sigma
8
50.2 51.8 49.3 48.6 50.0 49.0 47.7 48.5

Gráficos de Média Móvel e Amplitude Móvel
Algumas vezes é útil investigar a variação convertendo-se a variável diretamente
medida em uma estatística. Os exemplos vistos anteriormente incluem a média e a
amplitude, que foram mostradas anteriormente na seção de gráficos X-barra e R. Duas
outras estatísticas desse tipo que são algumas vezes plotadas são a média móvel e a
amplitude móvel.
A média móvel para n = 3 é construída tomando-se a média das três primeiras
medições e plotando-se essa média como um ponto. Em seguida a próxima média é
acrescentada ao subgrupo enquanto que o primeiro ponto é descartado. Toma-se a média
desses três pontos e isso se torna a próxima média. O processo continua até se chegar
ao fim dos dados. Isso tem o efeito de “suavizar” os dados, o que pode ser útil para
dados particularmente com “ruídos”, significando dados que contém muita variação de
um ponto para outro, mas para os quais que se acredita que a variação não seja indicativa
de um mudança. Alguns controladores coletam dados desse tipo, e números relativos a
vendas diárias são outro exemplo. Deve ser lembrado, entretanto, que variações
importantes e de interesse podem também ser suavizadas. Vários pontos na média
móvel podem ser exagerados por um único ponto que esteja consideravelmente longe
dos outros dados.
A amplitude móvel mostra a diferença entre medições sucessivas. Portanto ela é
uma medida de quanta variação existe entre medições individuais. Ela é usada mais
comumente com gráficos X para calcular limites de controle. Algumas pessoas preferem
plotar a amplitude móvel com as medições individuais, apesar de isso não ser necessário
para se fazer uso eficaz do gráfico X. Plotar a média móvel pode dar a um gráfico X uma
sensibilidade maior às reduções na variação do que o gráfico X sozinho. A amplitude
móvel pode facilmente ter dois valores exagerados por um único pico nos dados.
Referências
American Society for Quality Control, Z1.1-1985. 1985. Guide for Quality Control
Charts: Z1.2-1985 Control Chart Method for Analyzing Data: Z1.3-1985.
Control Chart of Controlling Quality During Production. Milwaukee.
American Society for Quality Control. 1986. Industrial Quality Control – Special
Memorial Issue. Milwaukee: ASQC.
Clifford, P.C. 1959. “Control Charts Without Calculations”. Industrial Quality Control.
Vol. 15, No 11, pp. 40–44.
Cryer, J. D. and Ryan, T. P. 1990. “The Estimation of Sigma for an X Chart: MR /d2
or S/c4?” Journal of Quality Technology. Vol. 3, pp. 187–192.
Deming, W. E. 1986. Out of the Crisis. MIT Center for Advanced Engineering Study.
Cambridge, Massachusetts.
Flynn, M. F. 1983. “What Do Control Charts Really Mean?” 1983 ASQC Quality
Congress Transactions. Milwaukee: ASQC.
Ford Motor Company. 1984. Continuing Process Control and Process Capability
Improvement. Statistical Methods Office.

Grant, E. L. and Leavenworth, R. S. 1980. Statistical Quality Control (Fifth edition).
New York: McGraw-Hill, pp. 298–302.
Hahn, G. J. and Cockrum, M. B. 1984. “Control Charts for Processes with Legitimate
Batch to Batch Variability”. 28th Annual Fall Technical Conference. ASQC-CPI
and ASA-SPES.
Harding, Jr., A. J., Lee, K. R. and Mullins, J. L. 1992. “The Effect of Instabilities on
Estimates of Sigma”. ASQC Quality Congress Transactions. Vol. 46. pp. 1037–
1043.
Ishikawa, K. 1976. Guide to Quality Control (Revised Edition). Asian Productivity
Organization. New York: Unipub.
Moen, R. M., Nolan, T. W., and Provost, L. P. 1998. Quality Improvement Through
Planned Experimentation. New York: McGraw-Hill.
Nelson, L. S. 1990. “Setting up a Control Chart Using Subgroups of Varying Sizes”.
Journal of Quality Technology. Vol. 22:3. pp. 245–246. Milwaukee: ASQC.
Nelson, L. S. 1984. “The Shewhart Control Chart – Test for Special Causes”. Journal
of Quality Technology. Vol. 16, No. 4. pp. 237–239.
Nelson, L. S. 1982. “Control Charts for Individual Measurements”. Journal of Quality
Technology. Vol. 14, No. 3. pp. 172–173.
Nolan, T. W. and Provost, L. P. 1990. “Understanding Variation”. Quality Progress.
ASQC. May, 1990.
Provost, L. P. and Norman, C. L. 1990. “Variation Through the Ages”. Quality Progress
– Special Issue on Variation. American Society for Quality Control. Milwaukee,
WI. December, 1990.
Roberts, S. N. 1966. “A Comparison of Some Control Chart Procedures”.
Technometrics. Vol. 8.
Shewhart, W. A. 1931. Economic Control of Quality of Manufactured Product. (Edited
by W. E. Deming). Washington: The Graduate School, Department of
Agriculture.
Soffer, S. B. 1981. “Transformed P Chart for Variable Subgroup Size”. Journal of
Quality Technology. Vol. 13, No. 3.
Wheeler, D. J. and Chambers, D. S. 1986. Understanding Statistical Process Control.
Knoxville, Tennessee: Statistical Process Controls, Inc.
Exercícios
1. Complete um Formulário de Planejamento de Gráfico de Controle (Figura 25-
7) para uma medida de um de seus processos.
2. Construa e interprete um gráfico de controle para dados de seus processos.
3. Selecione um dos estudos de caso nas páginas seguintes e construa um gráfico
de controle apropriado baseado na situação.

Estudo de Caso 1: ESTUDANDO ABSENTEÍSMO
Sr. Johnson, Diretor de Pessoal da Empresa de Transporte We-Haul, tem avaliado
o absenteísmo de seus 20 funcionários já por algum tempo. A cada semana ele registra o
número total de dias ausentes (100 possíveis). A taxa semanal padrão de absenteísmo para
a empresa é de 10 por cento. Após observar os dados pelos primeiros cinco meses, o Sr.
Johnson está muito feliz. O padrão é de 10 por cento e o absenteísmo de sua empresa
nunca ficou acima de 10 por cento em qualquer semana. Desenvolva um gráfico de
controle para os dados fornecidos aqui e responda as seguintes perguntas:
1) O absenteísmo da Empresa de Transporte We-Haul está em controle

estatístico?
2) O Sr. Johnson deve ficar feliz a respeito de seus registros de absenteísmo?
3) O que um gráfico de controle mostra que o Sr. Johnson não notou apenas
olhando para os dados?
Semana Absenteísmo (dias de falta)

1 5
2 2
3 5
4 3
5 7
6 2
7 4
8 6
9 4
10 2
11 4
12 2
13 1
14 2
15 4
16 4
17 5
18 7
19 7
20 8
Total 84

Estudo de Caso 2: ENTREGAS NO PRAZO
Uma empresa química percebeu que entregas antes e depois do prazo eram a
maior causa de reclamações durante o último ano. Os registros de despacho foram
estudados para os dois maiores transportadores durante os últimos 18 meses. Para
algumas entregas era requisitado um horário específico, enquanto que para outras só era
especificado se a entrega deveria ser de manhã ou à tarde ou em um dia específico.
Foi desenvolvida uma definição operacional de “entrega no prazo” que considera

cada um desses casos, e cada entrega foi revista usando essa definição. Os seguintes
dados foram obtidos:
Empresa de Transportes A Empresa de Transportes B

Número de # Atrasado ou Número de # Atrasado ou
Mês entregas adiantado entregas adiantado
1 42 10 106 38
2 36 5 93 24
3 35 12 97 30
4 40 13 104 21
5 38 4 100 33
6 44 9 95 19
7 39 11 105 23
8 40 9 105 29
9 39 6 189 19
10 41 2 195 27
11 43 4 200 17
12 45 6 206 21
13 40 0 205 19
14 37 3 110 9
15 42 5 90 11
16 40 18 96 13
17 38 12 103 9
18 41 15 101 6
Totais 720 144 2300 368
1) O processo de entrega está sob controle para cada uma das empresas de
transporte?
2) Quais são as expectativas “no prazo” para o próximo ano?
3) Que outros tipos de dados seriam úteis para a melhoria do desempenho no

prazo?

Estudo de Caso 3: QUALIDADE NO PROCESSO DE ENTREGA
Durante o planejamento estratégico, uma empresa de manufatura identificou a
entrega de matérias primas como sendo uma área chave para a melhoria. Foi formada
uma equipe de áreas diferentes da empresa para trabalhar a fim de melhorar a qualidade
dessas entregas. Seu foco inicial foi em cinco materiais que tiveram o maior volume no
ano anterior. Uma das primeiras atividades da equipe foi a de construir um diagrama de
causa e efeito para identificar problemas potenciais. Problemas tais como materiais
errados, super e sub abastecimento, entregas atrasadas, e erros na burocracia foram
incluídos no diagrama. A equipe decidiu quais dos problemas seriam considerados erros
críticos, quais seriam grandes erros e quais seriam erros menores. Os dados foram então
coletados por 20 semanas para investigar a extensão dos erros. A maior parte da equipe
sentiu que os erros na papelada eram o problema mais importante.
Aproximadamente 400 entregas são recebidas pelo Setor de Recebimento a cada
semana. Pediu-se à pessoa que lida com as entregas que registrasse o número de erros
críticos, grandes e pequenos que foram observados. Um formulário para registrar os
erros totais para cada semana é mostrado abaixo:
Semana Erros Críticos Grandes Erros Pequenos Erros
1 4 8 31
2 2 12 44
3 8 6 10
4 3 4 26
5 13 11 49
6 6 7 63
7 7 16 19
8 4 9 28
9 0 5 55
10 5 10 33
11 3 14 35
12 4 8 57
13 7 4 22
14 1 10 7
15 5 13 14
16 2 7 11
17 14 9 19
18 4 15 16
19 7 6 5
20 6 10 8
Totais 105 184 552
1) Prepare gráficos de controle apropriados para esses dados.

2) O que você pode aprender sobre o processo de entrega/recebimento?
3) Quais são algumas das razões possíveis para causas especiais?
4) Que outros tipos de dados seriam úteis para melhorar esses processos?

Estudo de Caso 4: ESTATÍSTICAS DE SEGURANÇA
O padrão de segurança para o registro de acidentes no setor de transporte é de não
mais do que 2 acidentes por milhão de quilômetros. O Departamento de Transporte dos
Estados Unidos coletou dados de acidentes das 14 maiores empresas para o último ano
a fim de avaliar seus desempenhos em segurança. Os dados são apresentados abaixo.
Prepare um gráfico de controle apropriado e responda às seguintes perguntas:
1. Os acidentes vêm de um processo estável?
2. O que o gráfico de controle nos diz a respeito dos registros de acidentes das
14 maiores empresas de transporte?
3. Dado o sistema atual, as empresas são capazes de não ter mais do que dois
acidentes por milhão de quilômetros?
Empresa Milhões de Km Acidentes

Rodados
A 9.3 21
B 4.1 5
C 9.6 22
D 7.8 24
E 8.0 17
F 11.1 22
G 8.6 8
H 8.4 15
I 4.2 5
J 5.0 16
K 5.3 6
L 4.7 11
M 9.2 20
N 6.9 8
Totais 102.2 200

Estudo de Caso 5: MELHORIA DE RELATÓRIO FINANCEIRO
O departamento financeiro exige que um relatório de contabilidade seja preparado
três vezes por semana em cada escritório regional. Os relatórios são feitos às segundas,
quartas e sextas. Um analista financeiro coleta os dados sobre as horas necessárias para
se preparar cada relatório.
Número de Homens-horas para Completar Relatório
Região Norte Região Leste Região Sul
18 17 18
Semana 1 17 20 18
17 18 16
19 16 18
Semana 2
19 17 19
18 16 19
17 16 20
Semana 3
17 18 19
17 19 18
17 21 21
Semana 4
18 22 20
16 22 21
24 21 22
Semana 5
22 21 22
23 22 22
20 20 23
Semana 6
21 22 22
23 22 22
21 21 22
Semana 7
20 21 22
22 21 20
1) O processo é estável durante essas sete semanas?
2) Qual é a capacidade do processo para completar o relatório?

Estudo de Caso 6: AVALIAÇÃO DE TEMPOS DE ENTREGA
A Empresa de Transportes On-Time queria saber que tipo de prazos eles poderiam
garantir a seus clientes que têm rotas de Houston a Chicago. Eles decidiram coletar
alguns dados sobre o tempo que seus motoristas levavam na viagem de Houston para
Chicago. Eles têm três motoristas que se revezam na viagem. Os dados coletados estão
abaixo. Prepare gráficos de controle apropriados para esses dados e responda às
seguintes perguntas:
1) O processo está em controle estatístico?
2) Caso contrário, quais são as possíveis explicações para causas especiais?
3) Liste algumas das causas especiais que afetariam o gráfico X-barra e liste as
causas especiais que seriam vistas por meio do gráfico R.
4) Que tempo deveria ser garantido para essa viagem?
Tempo de Trânsito (horas)
Semana Motorista: A B C
1 45 48 48
2 46 46 44
3 41 47 47
4 41 44 45
5 43 50 41
6 41 45 47
7 48 46 46
8 48 44 45
9 49 45 46
10 46 50 44
11 42 46 48
12 42 49 47
13 54 56 49
14 43 44 45
15 42 45 59
16 44 47 44
17 46 51 45
18 44 42 40
19 45 45 46
20 42 47 43

Estudo de Caso 7: PROCESSAMENTO DE ORDENS DE COMPRA
O Departamento de Contabilidade instituiu recentemente melhoria de processo e
tem estudado as causas de atrasos, trabalhos refeitos e excesso de horas extras. Os
gráficos de controle de qualidade do Departamento indica que um grande número de
faturas tem que ser processado manualmente (chamadas telefônicas extras, documentos
reencaminhados e outros tipos de trabalho refeito) devido a erros ou informações
incompletas nas ordens de compra. O Diretor do Departamento de Contabilidade pediu
ao Gerente do Departamento de Compras que investigasse esse problema.
O Gerente de Compras decidiu selecionar algumas das ordens preparadas por cada
agente de compra durante a semana seguinte e revisou essas ordens com relação aos
erros e a estarem completas. Sessenta documentos foram selecionados ao acaso do
trabalho de cada um dos vinte agentes e foram então revisados. As ordens com um ou
mais erros foram identificadas. Os seguintes dados foram obtidos no final da semana:
Agente Número de Ordens Agente Número de Ordens

com Erros com Erros
Dan 5 Bart 4
Hank 0 Linda 1
Ann 2 Judy 3
Bill 6 Helen 9
Mary 7 Larry 8
Dave 5 Ron 4
Fred 8 John 5
Sue 4 Mark 0
Chris 0 Emma 6
Tom 5 Tina 8
1) O que o Gerente de Compras pode aprender desses resultados?
2) O que está causando os erros, causas especiais ou comuns?
3) Quais agentes devem ser selecionados para consideração especial?
4) Que resultados o Gerente deve apresentar ao Diretor do Departamento de

Contabilidade?
5) O Gerente de Compras deve continuar a coletar dados?

Caso afirmativo, como ele deve analisar os dados?
6) Que outros tipos de dados poderiam ser úteis?

PROCESSAMENTO DE ORDENS DE COMPRA
Tipos de Erros
# OC Tipo de Erro # OC Tipo de Erro # OC Tipo de Erro

1 falta preço 31 diferença na quantidade 61 # oc fechado
2 falta termos de frete 32 # oc inválido 62 sem número de ordem
3 falta preço 33 # oc inválido 63 falta termos de frete
4 falta ponto de origem 34 diferença na quantidade 64 # oc fechado
5 sem número de ordem 35 endereço errado 65 diferença no preço
6 falta termos de frete 36 falta assinatura 66 descrição incompleta
7 outros 37 falta preço 67 falta termos de frete
8 diferença na quantidade 38 falta termos de frete 68 falta ponto de origem
9 falta preço 39 falta termos de frete 69 falta preço
10 falta preço 40 falta termos de frete 70 # oc inválido
11 falta ponto de origem 41 # oc inválido 71 falta termos de frete
12 # oc inválido 42 falta termos de frete 72 falta preço
13 # oc inválido 43 falta preço 73 falta termos de frete
14 falta ponto de origem 44 falta ponto de origem 74 falta preço
15 diferença na quantidade 45 endereço errado 75 falta preço
16 falta preço 46 falta preço 76 falta termos de frete
17 falta termos de frete 47 # oc inválido 77 falta preço
18 falta preço 48 falta termos de frete 78 falta ponto de origem
19 falta preço 49 falta ponto de origem 79 falta ponto de origem
20 falta termos de frete 50 falta termos de frete 80 falta termos de frete
21 falta preço 51 falta preço 81 falta termos de frete
22 falta preço 52 falta preço 82 falta preço
23 falta preço 53 falta termos de frete 83 falta preço
24 diferença na quantidade 54 falta termos de frete 84 falta ponto de origem
25 # oc inválido 55 falta ponto de origem 85 falta preço
26 sem número de ordem 56 diferença na quantidade 86 falta preço
27 # oc fechado 57 outros 87 diferença na quantidade
30 falta termos de frete 60 falta preço 90 falta ponto de origem

Estudo de Caso 8: DESEMPENHO DE CENTRO DE ATENDIMENTO
Os seguintes dados são de um Centro de Atendimento para reclamações de clientes
e resolução de problemas. Ser capaz de fornecer pronto atendimento é algo crítico para a
reputação da empresa em um setor de atividade muito competitivo. As pessoas que
trabalham no centro sempre acreditaram que o tempo (minutos) para responder a uma
chamada telefônica é uma medida de qualidade importante. Isso, é claro, é afetado pelo
volume de chamadas. Um pequeno grupo de pessoas estudando a necessidade de apoio e
recursos adicionais coletou os dados abaixo. Eles também coletaram dados sobre o tempo
de atendimento (minutos) e a taxa de desistência de chamada. Responda às perguntas
abaixo.
Total de Tempo para Tempo Médio Taxa de
Semana Chamadas Responder de Atendimento Desistência
out-01 13974 5.01 11.45 12.76
out-08 13533 5.52 11.33 13.98
out-15 13972 4.60 11.60 12.07
out-22 14163 3.42 11.80 7.09
out-29 14734 3.53 11.76 13.75
nov-05 14897 3.84 11.59 9.10
nov-12 14942 4.51 11.53 11.80
nov-19 15332 6.89 11.93 15.60
nov-26 14918 6.31 11.78 13.50
dez-03 14462 10.57 11.94 24.40
dez-10 16936 6.75 11.79 16.30
dez-17 15403 4.04 11.71 9.40
dez-24 12700 2.39 11.21 6.30
dez-31 10541 2.53 11.24 7.20
jan-07 13221 3.26 11.16 10.60
jan-14 16800 4.09 11.19 10.90
jan-21 16232 4.81 11.42 12.10
jan-28 16657 5.37 11.27 12.10
fev-04 16700 4.82 11.34 11.10
fev-11 16427 7.19 12.06 15.70
fev-18 14829 2.35 12.08 5.20
fev-25 15670 1.94 11.90 4.60
mar-04 15190 2.07 12.05 4.80
mar-11 15888 1.84 12.12 4.20
mar-18 15514 1.22 11.93 2.80
Total 373635 108.87 291.18 267.35
Média 14945.4 4.35 11.65 10.69
1. Desenvolva gráficos de controle apropriados para os dados apresentados.

2. O volume de chamadas é estável? Quais são as possíveis razões para causas especiais?
3. O tempo de resposta (minutos) é estável? Quais são algumas possíveis causas
especiais para esses dados?
4. O tempo médio de atendimento é estável? ? Quais são as possíveis razões para
causas especiais?
5. Os dados de taxa de desistência são estáveis? Quais são as possíveis razões para
causas especiais?

6. Há relações importantes nesses dados que a equipe deva considerar?

Gráficos de Controle - FM2S

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Gráficos de Controle - FM2S

Diunggah oleh

Hak Cipta:

Format Tersedia

MANUAL SOBRE GRÁFICOS DE

Virgilio F. M. dos Santos

Causa comuns: – aquelas causas que são inerentes ao sistema (processo ou

Um sistema que tem apenas causas comuns afetando o resultado é chamado de

Além de fornecer esses conceitos básicos de variação, o Dr. Shewhart forneceu

MAnual sobre Gráficos de Controle FM2S 1

Limite Superior de Controle (LCL)

Linha Central (CL)

Limite Inferior de Controle (LCL)

A construção de um gráfico de controle tipicamente envolve:

O Capítulo 8 a respeito de dados apresenta exemplos de medidas úteis de

2 FM2S MAnual sobre Gráficos de Controle

O Capítulo 8 discutiu os dois enfoques básicos para se lidar com a variação,

O método do gráfico de controle fornece uma definição operacional desses

Esse módulo discute o uso geral de gráfico de controles, incluindo um histórico

Figura 25-2: Duas Interpretações de Variação

MAnual sobre Gráficos de Controle FM2S 3

resultados como aceitáveis ou

Variação Devido a Causas Comuns ou Especiais

Processo Foco: Nas causas da variação

Métodos: Gráficos de controle

4 FM2S MAnual sobre Gráficos de Controle

Selecionar uma medida de processo

Reduzir Causas Comuns Descobrir e atuar sobre

Identificar Causas O Processo Identificar

Processo Estável Processo Instável

Métodos Primários de Investigação

MAnual sobre Gráficos de Controle FM2S 5

“. . . o desenvolvimento de uma forma aceitável de relatório de inspeção que

“Um fenômeno é dito controlado quando, por meio do uso da experiência

Por meio de seu trabalho na Western Electric, Shewhart descobriu que

O gráfico de controle consiste de três linhas plotadas em um gráfico. Um gráfico

Quando 20 a 30 subgrupos tiverem sidos plotados no gráfico, os limites de

6 FM2S MAnual sobre Gráficos de Controle

Ao desenvolver o método do gráfico de controle, Shewhart enfatizou a importância

Figura 25-4: Erros Cometidos ao se Tentar Melhorar Resultados

ERRO 2: Tratar um resultado como se viesse de causas comuns de variação, quando

AÇÃO NENHUMA MUDANÇA MUDANÇA

Atuar sobre o resultado –$ +$

Tratar o resultado como

MAnual sobre Gráficos de Controle FM2S 7

“Obviamente, o objetivo final é não apenas detectar problemas mas também

O conceito de Shewhart é o de organizar (classificar, estratificar, agrupar etc.) os

A estratificação é a separação e classificação de dados de acordo com variáveis ou

O método mais comum de se obter subgrupos racionais é o de manter o tempo

Como exemplo de subgrupamento, considere um estudo planejado para reduzir

Após selecionar o método de subgrupamento, o usuário do gráfico de controle

8 FM2S MAnual sobre Gráficos de Controle

Tipos de Gráfico de Controle

Para dados de classificação, a característica de qualidade é registrada em uma de

Tabela 25-1: Exemplos de Tipos de Dados

MAnual sobre Gráficos de Controle FM2S 9

A Figura 25-5 contem um resumo de gráficos freqüentemente usados e o tipo de

Se o tamanho do subgrupo for variável (o número de medidas muda de um

Em algumas aplicações não é prático ter medidas múltiplas em um subgrupo. Por

10 FM2S MAnual sobre Gráficos de Controle

Defeitos ou Unidades defeituosas

Oportunidade Oportunid Tamanho Tamanho Subgrupo Tamanh Tamanho

Número defeitos Número de Perc. de Medida Média e Média e

Alguns Outros Tipos de Gráficos de Controle para Dados de Variáveis

Quando as unidades de amostragem são classificadas em duas categorias

MAnual sobre Gráficos de Controle FM2S 11

Há outros tipos de gráficos de controle tais como o gráfico de controle da mediana

Interpretação de um Gráfico de Controle