Anda di halaman 1dari 19

XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO

“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

APLICABILIDADE DO CEP NA AVALIAÇÃO DO


DESEMPENHO DE PROCESSO EM UMA
INDÚSTRIA DE BENEFICIAMENTO DE FEIJÃO
DO VALE DO AÇO

Thaine Quitanilha Fernandes Vieira (UNILESTE)


thainevieira@hotmail.com
Yumi Ribeiro de Oliveira (UNILESTE)
yumi.ribeiro2@gmail.com

O objetivo deste artigo é apresentar a aplicação do Controle Estatístico de


Processo (CEP) e de algumas ferramentas da qualidade, em uma empresa de
industrialização de feijões. Foi desenvolvido um estudo de caso com a coleta
de amostras do peso do feijão carioca de 1 Kg, em uma indústria do setor
alimentício, situada na Região Metropolitana do Vale do Aço - MG, que
produz feijão, em larga escala, para diversas regiões do estado. Foi
apresentado ao longo do estudo, como o Controle Estatístico de Processo
pode ser utilizado para monitorar os processos produtivos a fim de garantir
sua qualidade e o atendimento às especificações, através da utilização de
gráficos de controle. O monitoramento do processo por meio de gráficos de
controle, permite identificar rapidamente anormalidades e orienta as ações
corretivas para retornar o controle do processo. Esta ferramenta é simples de
utilizar e com baixo custo, uma vez que a amostragem por subgrupos
racionais pode ser utilizada, não sendo necessário medir o peso em todas as
unidades produzidas. Os resultados mostram uma superestimação do peso
médio das unidades produzidas por parte da empresa, para evitar não
conformidades quanto às especificações. Este problema poderia ser resolvido
com a implantação do CEP como parte do seu processo produtivo, tornando-
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

o mais estável, com menor variabilidade e maior capacidade de produzir


itens em conformidade com a legislação.

Palavras-chave: Amostragem. Controle Estatístico de Processo. Gráfico de


Controle. Monitoramento.

2
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

1. Introdução

Grande parte das pequenas empresas é gerida por pessoas que se baseiam na experiência de
vida para tomar decisões, não havendo, portanto, um embasamento de informações
estatísticas que orientem suas decisões. Assim, este estudo tem por objetivo identificar as
ferramentas e técnicas de controle estatístico, que colaboram com o acompanhamento das
condições de controle de um processo, bem como o atendimento às normas de qualidade.

Tendo em vista a necessidade de monitorar os processos e melhorá-los para atingir um alto


nível de qualidade, questionam-se como as ferramentas do Controle Estatístico do Processo
(CEP) podem contribuir para identificar e reduzir as variabilidades que envolvem a produção.

Assim, o estudo justifica-se pela necessidade de obter informações referentes ao


comportamento de processos, com objetivo de avaliar e controlar as principais variações,
auxiliando a tomada de decisões das pequenas empresas, com intuito de reduzir custos
decorrentes de falhas e variabilidade, alcançando os padrões de qualidade esperados pelo
cliente e pela legislação pertinente.

Buscando evidenciar a importância do monitoramento de processo, através da aplicação do


CEP, foi realizado um estudo de caso em uma indústria de beneficiamento e empacotamento
de feijão, que situa-se na Região Metropolitana do Vale do Aço – MG. De cunho familiar, a
indústria é consolidada no mercado da região, e possui o feijão como principal produto de seu
portfólio, que é fornecido para o comércio varejista e supermercadista.

2. Referencial teórico

O CEP pode ser considerado uma metodologia estatística de monitoramento de processo, que
atua de forma preventiva na identificação e tratamento de causas de variações que não são
comuns ao processo, que podem estar afetando sua estabilidade.

Miyata et al (2010) asseguram que o CEP é uma forma de monitoramento em tempo real, das
características de interesse em um processo, assegurando que sua manutenção estará dentro
dos limites preestabelecidos e indicando quando se deve adotar as ações de correção e
melhoria.

3
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Toledo et al (2013) complementa que aplicar o CEP é tomar decisões baseados em dados e
fatos conhecidos, por isso é necessário que a análise dos dados seja feita de forma a identificar
as causas de variabilidade e aprofundar as ações no seu tratamento. Assim, o objetivo do CEP
é proporcionar a visibilidade do comportamento do processo, de modo a mantê-lo estável, sob
condições favoráveis ao atendimento das especificações.

Silva e Montenegro (2009) atestam que, dentre todas as práticas já conhecidas e já utilizadas
pelas organizações, as ferramentas da qualidade contribuem efetivamente para o controle de
qualidade, quando aplicadas diretamente no processo. A seguir são apresentados métodos para
verificar a normalidade, estabilidade e capacidade de processos, iniciando com as técnicas de
amostragem.

Uma razão para aplicar o CEP está relacionada à técnica de amostragem, que permite avaliar
partes do processo e identificar problemas de qualidade que podem afetar todos os produtos,
sem que se faça a inspeção em todos os itens. Além disso, a aplicação do CEP no controle de
qualidade impulsiona os custos para baixo, devido a redução do percentual de itens fabricados
com defeito em função das melhorias que podem ser feitas durante a fabricação.
(CARVALHO; PALADINI, 2005).

Para identificar se um processo está sob influência de causas especiais ou não, é necessário
verificar as variáveis características da qualidade do produto, em suas condições de
normalidade. É importante monitorar adequadamente cada processo, para identificar qual
seria o valor ideal especificado para a variável a ser medida, chamado de valor-alvo, que é
determinado na embalagem do produto ou definido pela organização (COSTA; EPPRECHT;
CARPINETI, 2005).

A normalidade do processo pode ser testada por histogramas ou testes de hipóteses, como o
teste não paramétrico para uma variável, denominado teste de Kolmogorov-Smirnov. Ao
realizar medição por amostragem para controlar o processo, pode-se formar um histograma
com os valores medidos a fim de identificar o tipo de distribuição de probabilidade a qual o
processo pertence.

Para um processo com distribuição normal, o histograma obtido tende a apresentar o valor da
variável próximo da média, esperando-se uma distribuição uniforme dos valores, tendendo à

4
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

uma distribuição normal, que ocorre quando o processo está sob controle e nas condições
desejadas para atender às especificações (SLACK; CHAMBERS; JOHNSTON, 2002).

Uma das principais ferramentas do CEP é o gráfico de controle, que é eficaz por detectar
rapidamente as alterações de processo, permitindo agir antes que ocorra um problema maior.
É usual serem utilizados os gráficos de Média ( ) e o Gráfico de Amplitude (R) para
monitoramento de variáveis contínuas mensuráveis. Esses gráficos permitem agir
corretivamente, caso os valores da variável passem a cair em ponto afastados da média e dos
limites de controle do processo (COSTA; EPPRECHT; CARPINETTI, 2005).

De acordo com Slack, Chambers e Johnston (2002), o gráfico de controle -R pode ser
utilizado para controlar a média da amostra e a variância dentro da amostra através da
medida da faixa R. O gráfico de detecta mudanças na saída média do processo, não
alterando a variabilidade inerente a amostra, indicando valores que estão tendendo a fugir da
especificação, enquanto o gráfico de amplitude R delineia a faixa de cada amostra, que é
obtida pela diferença entre o maior e o menor valor da amostra, e indica a mudança de
variabilidade, mesmo que a média permaneça constante.

Segundo Costa, Epprecht e Carpinetti (2005), a análise de capacidade de processo tem por
objetivo verificar se o processo é adequado para produzir itens conforme alguma
especificação de qualidade, mesmo estando cotrolado. Para eles, ainda que não existam causas
especiais, o processo precisa ser capaz de atender às especificações, caso contrário, deve ele
ser todo ajustado.

Slack, Chambers e Johnston (2002) definem capacidade de processo como “medida da


aceitabilidade da variação do processo”. Quando a média não acompanha a especificação ou
quando há apenas um limite de especificação, realiza-se um teste de capacidade unilateral,
denominado , onde o valor mínimo obtido é suficiente para prever que o processo é capaz.

Em relação à presença de causas especiais afetando o processo, Costa, Epprecht e Carpinetti


(2005) afirmam que não há relação direta e obrigatória entre a estabilidade e a capacidade de
um processo, uma vez que este pode ser pouco capaz, mesmo quando está controlado; ou
ainda estar fora de controle e ainda assim ser capaz, embora a presença de uma causa especial
sempre piora sua capacidade.

5
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

3. Metodologia da pesquisa

De acordo com Gil (2010), a classificação de pesquisas é feita baseando nos seus objetivos
gerais. Esse estudo classifica-se como um estudo de caso, pois o objetivo do trabalho foi
investigar a variabilidade intrínseca a um processo de produção, utilizando as ferramentas de
controle estatístico de processo.

Assim, foram coletadas amostras do peso de pacotes de feijão do tipo carioca, de peso
nominal de 1 Kg, dentro da indústria onde é feito seu empacotamento. A coleta dos dados foi
feita em um dia, na sequência de produção, começando logo após o início de funcionamento
da máquina empacotadora.

A máquina avaliada é uma empacotadora automática que possui uma balança digital embutida
e apresenta os pesos de forma sequencial em um painel digital. Sua programação é feita por
um responsável da empresa de forma antecipada.

A empacotadora possuiu um sistema automatizado que rejeita pacotes de feijão que


ultrapassam ou antecedem o peso máximo e mínimo que foram programados antes do seu
funcionamento. Através desse sistema, pacotes acima e abaixo do especificado pela empresa
são rejeitados e, portanto, não seguem na esteira para a etapa de enfardamento dos pacotes.

No dia em que as coletas foram feitas, a empresa definiu um peso médio para o lote em
processamento de 1010g, devendo a máquina rejeitar pacotes com peso a ± 10g. Assim, o
peso ideal definido pela empresa foi de m = (1010, ±10) g, sendo, portanto, rejeitados pacotes
com m < 1000g e m >1020g. Foram enumerados 125 pacotes de feijão, que compõem 25
amostras coletadas, com subgrupo igual a 5, considerando a sequência em que eram
produzidos.

Após o processo de empacotamento, os pacotes foram medidos em uma balança digital da


empresa. A balança utilizada é da marca Torrey, Modelo L-PCR-20, que suporta medições
entre 40g e 4 Kg, e possui valor de divisão de verificação e = 2g. Como os pacotes estavam
enumerados, as coletas foram realizadas de 5 em 5 unidades, onde os itens enumerados de 1 a
5 referem-se à 1ª amostra, de 6 a 10, à 2ª amostra e assim por diante.

6
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Ao final das medições na empresa, foram solicitadas 15 unidades aleatórias de embalagens


dos produtos para que fosse medido o peso médio da embalagem em balança com Incerteza
de Medição apropriada, em um laboratório da instituição de ensino superior.

Definido o peso médio da amostra das embalagens do lote analisado, este foi subtraído de
cada medição realizada, de modo a se trabalhar com o peso líquido do feijão, para verificação
de conformidade com os aspectos da legislação pertinentes à especificação do produto.

4. Caracterização da empresa e do processo de beneficiamento do feijão

A indústria de beneficiamento de feijão situa-se na Região Metropolitana do Vale do Aço em


Minas Gerais - MG, e teve origem em 1984. Iniciou os trabalhos com feijão de pequenos
produtores rurais de outras regiões do estado, e atualmente possui seu próprio maquinário de
beneficiamento de feijão e adquire a matéria prima de grandes produtores, para fornecer os
produtos para o comércio da região.

O Beneficiamento é o processo de limpeza e tratamento da matéria prima. A primeira etapa é


o recebimento da matéria prima, com a chegada de carretas carregadas. O feijão que chega
das carretas pode estar dentro de sacos de aproximadamente 60 Kg, ou podendo vir também
de forma a granel. Se embalados em sacos é depositado no galpão através da empilhadeira e
estocado, caso o feijão esteja a granel, ele é depositado em silos subterrâneos, chamados de
moega.

Os grãos são despejados nas moegas, quando não possuem demanda imediata na produção. Se
chegam em sacos denominados de bags, geralmente de 60 Kg cada, estes são retirados das
carretas por meio de carrinhos de paletes e levados para o local de armazenamento de bags e
depois despejados nas moegas, à medida que vão sendo solicitados pela produção.

Das moegas, os grãos seguem por meio de elevadores até a peneira grande que separa as
impurezas como pedras ou gravetos. Na segunda etapa, a mesa de gravidade separa os feijões
quebrados ou partidos ao meio, denominadas “bandinhas” dos grãos inteiros.

Diante desta separação, o feijão inteiro será escovado e armazenado limpo em um silo da
empacotadora, onde ainda passará por uma nova peneira, para evitar que feijões partidos

7
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

possam ainda estar misturados com os inteiros. O fluxograma apresentado na Figura 1 ilustra
as etapas desse processo de beneficiamento:

Figura 1: Processo de beneficiamento do feijão

Fonte: Elaborado pelos autores

8
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Dos silos da empacotadora, os grãos vão para a máquina empacotadora, que é previamente
ajustada por um responsável da empresa para atender ao empacotamento do tipo de feijão
solicitado, podendo ser de 1 Kg, 2 Kg ou 5 Kg.

A máquina é programada para rejeitar produtos com peso abaixo ou acima de uma tolerância
que é informada pelo colaborador. Caso sejam empacotados itens fora dessa tolerância, a
máquina rejeita o pacote e o descarta, para que não siga para a etapa de enfardamento. Os
pacotes aceitos seguem por meio de esteira para a etapa de enfardamento, que consiste em
separar os pacotes em fardos de até 30 pacotes de 1 Kg. Após o enfardamento, estes são
armazenados em paletes até seguir para expedição.

5. Coleta de dados por amostragem

Inicialmente, verificou-se o peso médio das embalagens do produto do mesmo lote, cujas
amostras foram retiradas. A média encontrada para as embalagens foi de 4,7601 g conforme
Quadro 1. Utilizou-se 5 algarismos significativos em todas as amostras coletadas.

Quadro 1: Peso médio das embalagens coletadas

Fonte: Elaborado pelos autores

Segundo Montgomery (2004), a amostragem por subgrupos desempenha importante papel no


desenvolvimento de gráficos de controle para a média , uma vez que permite acompanhar o
deslocamento da média entre amostras, identificando a variabilidade do processo ao longo do
tempo. Em conjunto, utiliza-se o gráfico de controle da amplitude R, que mede a variabilidade
dentro a amostra, avaliando instantaneamente, em um dado intervalo de tempo, a
variabilidade do processo.

Assim, coletaram-se os pesos dos pacotes de feijão carioca de peso nominal de 1 Kg a partir
da sequência de produção, em um único dia. Os dados foram coletados seguindo o conceito de
subgrupos racionais e as amostras foram registradas, já subtraído o peso médio das
embalagens, conforme o Quadro 2.

9
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Quadro 2: Peso das amostras coletadas em subgrupos racionais

Fonte: Elaborado pelos autores

Como a balança utilizada possui valor de divisão de verificação e = 2g, verifica-se que os
pesos coletados seguem um padrão de se apresentar geralmente de 2 em 2 g, entretanto, não
havia outra balança com divisão menor na empresa que pudesse ser utilizada.

6. Análise de normalidade

Para Montgomery (2004), é imprescindível que os dados encontrados apresentem distribuição


normal, preceito fundamental para a aplicação das ferramentas do CEP, para garantir que os
limites de controle encontrados e a análise de capacidade do processo sejam confiáveis.
Entretanto, Oliveira (2009) afirma que é ideal que os dados sigam uma distribuição normal
para aplicação das ferramentas do CEP, mas que esta característica não é restritiva à sua

10
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

aplicação, possibilitando fazer uso das cartas de controle propostas por Shewhart ainda que os
dados não sigam a normalidade.

Seguindo para as análises e aplicações do CEP, utilizando as ferramentas do Microsoft Office


Excel 2007, foi feita a análise de normalidade a partir de um histograma das médias
encontradas para as amostras, a fim de identificar se os dados encontrados seguem uma
distribuição normal. O gráfico 1 mostra o histograma das amostras, que indica uma
distribuição normal das amostras do processo.

Gráfico 1: Histograma das amostras

Fonte: Elaborado pelos autores.

O teste de Kolmogorov-Smirnov (K-S) foi aplicado nas amostras para confirmar a


normalidade dos dados coletados. Esse teste é utilizado para verificar se uma distribuição de
probabilidade difere da distribuição em hipótese, com base em amostras de tamanho
especificado.

Nesse caso, partiu-se do pressuposto de que os dados coletados seguem uma distribuição
normal de probabilidade, sendo denominada a hipótese nula , enquanto a não aderência dos
dados à distribuição normal referem-se à hipótese alternativa . Para este teste de hipótese,
utilizou-se como parâmetro o nível de significância usual de 0,05.

No emprego do teste K-S, é possível comparar a distribuição de determinada amostra


observada com uma distribuição teórica. A distribuição teórica sob hipótese é acumulada

11
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

com base na distribuição normal padrão e é representada por , enquanto a distribuição


das frequências das amostras é representada por . .

O teste K-S supõe que os valores de estejam próximos de e suas diferenças em


módulo sejam pequenas. Logo, para aferir a adequação da amostra sob
hipótese à distribuição teórica, toma-se a maior destas diferenças em módulo, que é chamada
de , denominada desvio máximo.

Assim, avalia-se a condição: se , aceita-se a hipótese nula e admite-


se a normalidade. O quadro a seguir traz os valores críticos tabelados para amostras de
tamanho n = 5, que serão utilizados para a carta de controle de média e amplitude e para o
teste K-S.

Quadro 3: Coeficientes tabelados para testes de normalidade e estabilidade

Fonte: Elaborado pelos autores

O teste de normalidade K-S apresentou o valor de e como este é menor que


desvio crítico , conclui-se que as amostras sob-hipótese possuem
distribuição normal para um nível de significância de 0,05, com 95% de confiança.

7. Análise de estabilidade

12
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Partindo da aceitação da hipótese de normalidade dos dados coletados, é possível aplicar a


ferramenta de cartas de controle e análise de capacidade de processo do CEP, sem que a
confiança dos resultados seja comprometida.

Optou-se pelo gráfico das médias, pois estes permitem avaliar a variabilidade entre amostras,
enquanto o gráfico de amplitude fornece informações quanto à variabilidade dentro da
amostra, permitindo encontrar resultados que se referem ao comportamento real do processo,
entre e dentro das amostras coletadas. Os limites de controle para o gráfico da média foram
calculados com base nas fórmulas:

(1)

(2)

(3)

Já os limites de controle para a amplitude R foram encontrados conforme as equações:

(4)

(5)

(6)

É imprescindível que o gráfico de controle para a média esteja acompanhado pelo gráfico de
controle da amplitude, de modo a verificar a variação dos dados dentro e fora das amostras,
foi elaborado o Gráfico 2 para a média e o Gráfico 3 para a amplitude, conforme a seguir:

Gráfico 2: Gráfico de Controle para a Média ( )

13
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Fonte: Elaborado pelos autores

Gráfico 3: Gráfico de Controle para a Amplitude (R)

Fonte: Elaborado pelos autores

Baseando-se nas informações dos gráficos de controle, identifica-se que as amostras


apresentaram valores abaixo e acima dos limites de controle nas amostras iniciais, que foram
extraídas logo após o início de funcionamento da máquina. Até a 10ª amostra, o

14
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

comportamento do gráfico para a média apresentou oscilações, até se que a média se


estabilizasse após a 11ª amostra retirada.

O gráfico de amplitude apresentou um ponto fora do limite superior de controle, referente à 2ª


amostra de peso coletada. Essa informação indica que a diferença entre os pesos medidos de
unidades produzidas quase simultaneamente foi elevada, o que sinaliza uma instabilidade do
processo no que se refere à amplitude. Observa-se que o processo se torna estável a partir da
8ª amostra, evidenciando que à medida que processo entra em regime de produção, se torna
estável e livre de causas especiais.

8. Análise de capacidade

Para verificar a capacidade do processo em atender às especificações, realizou-se um teste de


capacidade do processo, levando em consideração a especificação do produto segundo a
norma vigente do INMETRO para produtos de conteúdo nominal pré-medidos.

A norma Nº NIE-DIMEL-0,25 aprovada em julho de 2011 estabelece critérios para


verificação do conteúdo efetivo de produtos pré-medidos que são comercializados em
unidades de massa. No caso do feijão carioca de conteúdo nominal igual a 1000g, objeto deste
estudo, é permitido um percentual de tolerância de 1,5% do seu conteúdo nominal, conforme
Quadro 4 a seguir:

Quadro 4: Tolerâncias Individuais permitidas

Fonte: Norma NIE-DIMEL-0,25 - INMETRO (2011)

15
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Segundo esta norma, a tolerância individual (T) refere-se à diferença tolerada entre o
conteúdo efetivo observado através de teste de amostragem e o conteúdo nominal, informado
na embalagem do produto. Como o conteúdo nominal para o feijão carioca Qn = 1000g, o
percentual tolerado para menos é de 1,5%, o que representa uma tolerância de -15g do
referido produto.

Logo, tem-se que a especificação inferior para este produto é de 1000g -15g, o que configura
um Limite Inferior de Especificação de 985g. Como não há limite superior de especificação,
pois se considera que conteúdo efetivo maior que o conteúdo informado na embalagem não
gera problema ao consumidor, foi feita a análise de capacidade do processo através da
utilização do índice .

O índice mede a capacidade efetiva de o processo atender às especificações exigidas,


sendo o o índice de capacidade unilateral utilizado quando se tem um único limite de
especificação (MONTGOMERY, 2004). Assim, a fórmula a seguir foi utilizada para medir a
capacidade do processo:

(7)

O índice foi calculado a partir o limite inferior de especificação (LIE), a através da


utilização da média das 25 amostras, sendo, portanto, considerado a média como o valor da
média das médias encontrada para as amostras . O desvio padrão encontrado para as
amostras foi = 1,746, que foi calculado a partir das médias das amostras por meio de fórmula
específica de desvio padrão amostral (DESVPADA), do Microsoft Office Excel 2007.

Assim, o valor de capacidade encontrado para o processo foi = 3,6729. Como o índice foi
um valor ≥ 1,33, o processo pode ser considerado capaz de atender às especificações,
conforme o Quadro 5 abaixo.

Quadro 5: Classificação do processo em relação à sua capacidade

16
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Fonte: Adaptado de Costa, Epprecht e Carpineti (2005)

9. Resultados e considerações finais

Para realização dos testes de normalidade, estabilidade e capacidade do processo, foram


desenvolvidos quadros 6 e 7 que contém os principais resultados encontrados, permitindo
avaliar de forma resumida se o processo pode ser considerado estável e livre de causas
especiais.

Quadro 6: Comparativo entre as verificações por amostragem e o praticado

Fonte: Elaborado pelos autores

O quadro 6 apresenta uma comparação entre os valores encontrados para a média do processo
em relação ao que a empresa pratica para controle de qualidade dos seus produtos, e o que é
exigido pela legislação. Por meio dos resultados acima, verifica-se que a empresa tem um
processo ajustado para atender a uma média de conteúdo nominal igual a 1010 g, incluindo o
peso das embalagens considerado pela empresa como 6g.

Assim, a máquina empacotadora é programada para rejeitar apenas pacotes de feijão que
fiquem abaixo de 1000g e acima de 1020g. Entretanto, verifica-se na legislação, que há um
limite inferior tolerado de 985g. Com isso, percebe-se que a indústria trabalha com um
excesso de produto para atender à especificação.

17
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Pode-se dizer que a indústria atende às especificações, porém não desenvolve um Controle
Estatístico. Considera-se que a empresa arca com custos adicionais de produto que é
comercializado além do necessário, devido ao desconhecimento da aplicabilidade do CEP no
monitoramento da produção. O quadro 7 mostra o resumo dos métodos que foram utilizados
para verificar a normalidade, a estabilidade e a capacidade do processo em atender às
especificações.

Quadro 7: Síntese dos resultados encontrados e métodos utilizados

Fonte: Elaborado pelos autores

O quadro 7 apresenta os resultados finais encontrados com a aplicação do CEP na fábrica de


feijão, objeto deste estudo. Os testes para verificar se os dados coletados possuem uma
distribuição normal foram a análise de histograma e teste K-S, onde apresentaram resultados
para uma distribuição normal.

O gráfico de controle para as médias das amostras mostra uma instabilidade do processo no
início do processo de empacotamento. Há presença de causas especiais assinaláveis, que
podem ter relação com a realização das medições logo no início do sequenciamento de
produtos, onde a máquina havia acabado de ser ajustada para a produção.

O gráfico da amplitude revela uma diferença grande no peso entre amostras que foram
produzidas em sequência, praticamente no mesmo intervalo de tempo. Esses pontos fora dos
limites de controle verificados tanto no gráfico de média quanto de amplitude, revelam uma
instabilidade da máquina no início do seu processamento, o que leva a hipótese que ela
necessita de um tempo para se ajustar às informações que foram inseridas no sistema, para
produzir itens sem muitas variações no peso.

18
XXXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
“A Engenharia de Produção e as novas tecnologias produtivas: indústria 4.0, manufatura aditiva e outras abordagens
avançadas de produção”
Joinville, SC, Brasil, 10 a 13 de outubro de 2017.

Quanto à capacidade, identificou-se que o processo estudado foi capaz de atender às


especificações, uma vez que o índice ficou muito acima do limite de 1,33. Uma provável
justificativa para o índice ter se apresentado muito superior a 1,33 se deve ao fato de a
máquina ser ajustada para um peso médio de 1010g, enquanto a especificação possui
tolerância inferior de 985g.

REFERÊNCIAS

CARVALHO, M. M; PALADINI, E. P (coordenadores). Gestão da Qualidade: Teoria e Casos. 5. ed. Rio de


Janeiro: Elsevier, 2005.

COSTA, A. F. B.; EPPRECHT, E. K.; CARPINETTI, L. C. R. Controle Estatístico de Qualidade. 2. ed. – São
Paulo: Atlas, 2005

GIL, A. C. Como elaborar projetos de pesquisa. 5 ed.- São Paulo: Atlas, 2010.

MIYATA. H. H. et al. A Gomes S.A. Controle Estatístico do Processo na produção de circuitos eletrônicos.
Abepro, v.1, n. 1, a 11, 2010.

MONTGOMERY, D. C. Introdução ao Controle Estatístico da Qualidade. 4. ed. Rio de Janeiro: LTC, 2004.

OLIVEIRA, F. L. C. Controle estatístico de qualidade - fundamentos teóricos e aplicações dos gráficos de


controle. Monografia de Especialização. Departamento de Estatística, ICE, UFJF, Brasil, 2009.

SILVA, L.G.B.; MONTENEGRO, E.B. Análise da percepção da qualidade de serviços do setor de expedição
da Unimed Norte Nordeste através do Método da Escala Servqual. V Congresso Nacional de Excelência em
Gestão, Niterói, 2009.

SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Administração da Produção. 2. ed. São Paulo: Atlas, 2002.

TOLEDO. J.C, et al. Qualidade: Gestão e Métodos. Rio de Janeiro: LTC,2014.

19