controle estatÍstico de qualidade: um estudo de...

CONTROLE ESTATÍSTICO DE

QUALIDADE: UM ESTUDO DE CASO

EM UMA EMPRESA DO SETOR

ALIMENTÍCIO NA CIDADE DE

CAMPINA GRANDE - PB

Iasmin Ayala Macedo Duarte (UFCG )

[email protected]

Rafael Wesley Barbosa de Queiroz (UFCG )

[email protected]

Gabriel Alejandro Palma De Melo (UFCG )

[email protected]

Joao Joacelio Duarte Araujo Junior (UFCG )

[email protected]

Em um ambiente extremamente competitivo e com clientes cada vez

mais exigentes, as empresas se veem obrigadas a ter altos níveis de

qualidade, para que possam sobreviver no mercado. Sendo assim, fazer

uso das ferramentas da qualidade é algoo indispensável para qualquer

organização. Diante deste contexto, o Controle Estatístico de

Qualidade (CEQ) é um poderoso aliado para detectar anomalias em

processos produtivos, fazendo esse acompanhamento através dos seus

gráficos de controle, garantindo que o bem seja produzido de acordo

com as especificações estabelecidas. Neste trabalho, fez-se uso dos

gráficos de controle para variáveis e para atributos para garantia da

qualidade do processo produtivo e melhor visibilidade dos padrões

comportamentais ao longo do tempo, objetivando analisar a

estabilidade do processo de uma empresa do setor alimentício,

localizada na cidade de Campina Grande - PB. O foco deste estudo foi

voltado à produção da farinha milho e, para a sua realização, foi

necessário fazer visitas in loco para a coleta de dados e os gráficos de

controle foram gerados com o auxílio do programa MINITAB 16. Ao

final, o estudo revela que o processo dessa fábrica se encontra sob

controle estatístico. E, apesar de não ter sido uma inferência tão

apurada, serviu para confirmar a importância do uso de tais

ferramentas da qualidade nas organizações.

Palavras-chave: Qualidade, Controle Estatístico de Qualidade,

Gráficos de Controle

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

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


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

2

1. Introdução

Atualmente nos encontramos inseridos em uma economia globalizada, que induz o comércio a

buscar caminhos para inovar e se tornar mais competitivo. Logo, cabe às organizações definir

quais seguimentos deseja seguir para ter a melhoria da sua competitividade.

É com essa visão que empresas e profissionais buscam inserir a qualidade em processos

industriais como fator básico para acrescentar valores ao produto, uma vez que a mesma ela

possibilita que sejam oferecidos produtos de forma mais estável e competitiva.

Juran e Gryna (1993) definem a qualidade como a adequação ao uso, onde o produto deve ter

um bom projeto, ser produzido de acordo a ele, ser seguro para o cliente e para a empresa, ter

alta confiabilidade no uso e não apresentar falhas.

Assim, a partir da busca pela rentabilidade e estabilidade na operação produtiva, surge o

Controle Estatístico de Processo (CEP), que é uma ferramenta que auxilia no controle dos

processos, e que vem sendo inserida em uma parcela considerada de empresas industriais,

uma vez que possibilita a obtenção de um melhor controle da qualidade.

Neste contexto, este trabalho pretende analisar, fazendo uso das ferramentas de controle

estatístico de processos, partes do processo de uma empresa do ramo alimentício no

município de Campina Grande PB. Isto possibilitará verificar a situação em que se encontra o

processo da empresa estudada, bem como ajudará a entender como funcionam as ferramentas

do CEP.

O trabalho está dividido, além desta introdução, em quatro partes. A primeira trata dos

aspectos teóricos que norteiam o estudo. A segunda aborda a metodologia utilizada na coleta e

análise de dados. A terceira trata da análise dos resultados obtidos, e, por fim, as

considerações finais do trabalho.

2. Controle estatístico de processos

O CEP é um ramo do Controle da Qualidade que nasceu a partir das ideias pioneiras de

Walter A. Shewhart, estabelecidas na década de 1920, no estudo da aleatoriedade dos

processos industriais. Assim, o CEP possibilitou verificar se a variabilidade do processo

acontecia de forma aleatória, ou se era proveniente de causas especiais.



3

Bartz (2007) relata que a proposta de Shewhart fazia uso de técnicas estatísticas para

desenvolver “gráficos de controle”, que serviam para analisar os dados encontrados a partir da

inspeção. Shewhart defendia que o foco deveria ser voltado para o estudo e prevenção dos

problemas relacionados à qualidade, uma vez que se estes fossem rapidamente identificados,

poderia se evitar que produtos defeituosos fossem produzidos.

Segundo Galuch (2002), o objetivo do Controle Estatístico de Processos é evitar a produção

de itens fora do padrão. Isto garante a qualidade do produto acabado, e reduz os custos de

produção decorrentes de desperdícios e retrabalho, resultando num aumento da produtividade.

2.1. Gráfico de controle

O gráfico de controle é a ferramenta mais importante do CEP, pois possibilita analisar o

comportamento do processo de fabricação, permitindo a realização de ações corretivas

imediatamente à ocorrência de desvios. Isto permite manter o processo dentro de condições

preestabelecidas, além proporcionar homogeneidade no produto (GALUCH, 2002).

A Figura 1 mostra o exemplo de um gráfico de controle. Ele é composto por uma linha central

(LC) – que representa o valor médio da característica de qualidade correspondente ao estado

de controle – e por outras duas linhas horizontais, que delimitam os limites superior e inferior

de controle (LSC e LIC).

Figura 1 - Exemplo de um gráfico de controle

Fonte: Montgomery, 2012.

O processo está sob controle estatístico quando os pontos plotados no gráfico se encontram

dentro dos limites de controle e dispostos de forma aleatória. Caso um ou mais pontos estejam



4

fora dos limites, e/ou não estiverem distribuídos de forma não aleatória, significará que o

processo está fora de controle. Logo, será necessária uma investigação para identificar os

fatores que estão causando tais variações.

2.1.1. Gráficos de controle por variáveis

Estes gráficos representam o estado de controle de variáveis quantitativas, ou seja, utilizam

dados que podem ser medidos ou que sofrem uma variação contínua, como por exemplo: a

resistência média de um material, o peso médio de um item produzido, etc. Segundo

Montgomery (2012), os principais tipos de gráficos de controle para variáveis são:

Gráficos de Controle e R (média e amplitude), com tamanho de amostra (n):

neste gráfico a variabilidade do processo é avaliada através da amplitude, que é,

simplesmente, a diferença entre o maior e o menor valor de um conjunto de dados.

Embora seus cálculos sejam de fácil elaboração, a indicação da variabilidade do

processo é feita com menor precisão. Estes gráficos são mais indicados para

trabalhar com amostras pequenas;

Gráficos de Controle e S (média e desvio padrão), com tamanho de amostra (n)

fixo: Neste gráfico a variabilidade é avaliada através do desvio padrão. Assim, o

gráfico apresenta maior precisão e, relação ao gráfico e R. No entanto, há uma

maior dificuldade de interpretação, em relação ao gráfico e R, portanto seu uso é

mais adequado para o trabalho com grandes amostras.

Na Tabela 1 são apresentadas as fórmulas para cálculo dos LCS.

Tabela 1 - Fórmulas dos limites de controle de gráficos por variáveis

GRÁFICO LIMITES DE CONTROLE



5

Fonte: Autoria própria

As constantes A2, A3, B3, B4, D3 e D4 encontram-se tabuladas para vários valores de n. Os

valores de , , e , no entanto, são calculados a partir das fórmulas apresentadas na

Tabela 2:

Tabela 2 - Fórmulas para cálculos de medidas de dispersão usados

MEDIDAS DE DISPERSÃO FÓRMULAS


2.1.2. Gráficos de controle por atributo

Muitas características da qualidade não podem ser representadas numericamente de modo

conveniente. Em tais casos, cada item inspecionado é classificado como conforme ou não-

conforme, em relação às suas especificações, sendo chamados de atributos.

Os gráficos de controle por atributos, de acordo com Montgomery (2012), podem ser

classificados em dois tipos principais, apresentados a seguir:

Gráficos para a fração não-conforme (p) e para número de não-conformes (np): A

fração não-conforme é a razão entre o número de itens não-conformes em uma

população e o total de itens naquela população. Logo, gráfico (p) é utilizado

quando a característica a ser controlada em um processo é medida em termos de

uma fração de produtos defeituosos em um grupo. Já no gráfico (np), o que é



6

monitorado é o número de não-conformes, pelo que ele é geralmente utilizado

quando se trabalha com tamanhos de amostras constantes;

Gráficos para número de não conformidades por unidade (u) e para número de

não-conformidades (c): O gráfico u é utilizado para apresentar a variação no

número de defeitos por unidade, quando o tamanho da amostra não é fixo. Já o

gráfico c é usado quando se tem um tamanho fixo de amostra, deve-se usa o

gráfico c.

A Tabela 3 apresenta todas as fórmulas que são necessárias para o cálculo dos limites de

controle de gráficos por atributo:

Tabela 3 - Fórmulas para cálculo dos limites de controle de gráficos por atributos

GRÁFICO LIMITES DE CONTROLE


Os valores de , e podem ser obtidos através das fórmulas apresentadas na Tabela 4:

Tabela 4 - Fórmulas para cálculos de medidas de dispersão usados nos gráficos por atributos

MEDIDAS DE DISPERSÃO FÓRMULAS



7


3. Aspectos metodológicos

A pesquisa, realizada em uma empresa do ramo alimentício de Campina Grande, PB, é

caracterizada como sendo aplicada (MORESI, 2003), na qual se levantaram informações

sobre o funcionamento dessa empresa, para uma posterior análise e aplicação de conceitos

estudados. Tal empresa foi selecionada por permitir um melhor estudo sobre a o Controle

Estatístico de Processos, bem como por ter sido de mais fácil acesso.

3.1. Forma de coleta e análise de dados

A coleta de dados foi feita a partir da visita à fábrica, sob a supervisão dos técnicos

responsáveis, em que se observou o processo durante seis turnos, que foi o tempo máximo

disponibilizado pela empresa, e nos quais se colheram as amostras.

4. Análise dos resultados

4.1. Processo produtivo de flocos de milho

Na primeira etapa de fabricação de farinha de milho (flocos), o grão de milho passa por uma

máquina denominada “Canjiqueira”, que consiste em um conjunto de facas aderidas a um

eixo motriz, seguido por um conjunto de peneiras de malhas diferentes, que fazem a

separação do novo grão e do farelo, que são, respectivamente, produto e subproduto. Assim, o

processo resulta na degerminação, descascamento e limpeza do grão, já que a permanência do

embrião e da casca comprometem a moagem. A partir deste ponto, o grão sem a presença do

embrião passa a ser denominado de Grits.

A continuação, o Grits é colocado de molho em tanques, nos quais é adicionada água à

temperatura ambiente para que ocorra a umidificação, que se completa num período de



8

aproximadamente cinco dias. No entanto, a agua é drenada a cada dois dias para minimizar a

fermentação.

Posteriormente, o Grits úmido é processado em um moinho de discos e peneirado para separar

a endosperma (tecido vegetal que se encontra nas sementes). Depois é moído em partículas

menores, de aprox. 1 mm, que resultam na “farinha de milho”. O processo visa obter uma

massa homogênea, fina e úmida. O restante da pericarpo (casca) remanescente desta última

etapa de produção é separado.

A massa obtida da moagem do Grits é levada para ser torrada num forno rotativo, onde é

espalhada por uma peneira trepidante sobre a chapa do forno aquecida a 300°C. Sob a chapa,

a massa de milho é prensada com rolos, para formar os conhecidos “flocos de milho”. O

produto final é então encaminhado para ser embalado.

A Figura 2 ajuda a entender melhor o processo de fabricação:

Figura 1 – Produção de Flocos de Milho



9


4.2. Estabelecimento dos pontos de controle da qualidade e das características

Ao longo do processo se podem citar vários pontos de controle da qualidade:

Recebimento do Grão;

Armazenamento do Grão;

Centrífuga – Canjiqueira;

Moinho;

Tanques;

Fornos;

Máquina Empacotadora.

4.3. Avaliação da qualidade feita por variáveis

Peso: É uma das principais características da qualidade utilizadas na indústria. Logo,

no setor onde a farinha é embalada, encontram-se dez máquinas responsáveis por este

procedimento e, próximo a cada uma delas há um operador com a tarefa de verificar se

as mesmas estão operando de forma correta, ou seja, se estão enchendo os pacotes com

a devida quantidade do produto. Para realizar tal verificação, a cada hora o operador

faz a pesagem de cinco sacos da Farinha de Milho, calcula a média e variância desses

valores, e os plota no gráfico, que possui os limites de controle preestabelecidos e já

plotados. Este mesmo procedimento é realizado por cada um dos operadores em cada

uma das dez máquinas. Para desenvolvimento dos gráficos de controle, foram

utilizadas amostras de tamanho 20, referentes a quantidade de pesos coletados em um

turno (4 horas);

Espessura: Com o uso de um micrômetro, instrumento de medição que visa aferir as

dimensões de um objeto, é feita a medição da espessura de dez flocos de um saco de

Farinha por dia. A indústria em estudo possui laboratório para análise dos produtos

depois de embalados. A cada turno um pacote da Farinha de Milho - Flocos são

escolhidos aleatoriamente e levado por um analista para, assim, ser analisados.

Através do uso de equipamentos específicos são realizados alguns testes.



10

4.3.1. Gráficos de controle e S para variável peso das máquinas 1, 3 e 10

Tabela 5 - Pesos: máquinas 1, 3 e 10

AMOSTRAS

Dias 1 2 3 4 5 6 7 8 9 10 Média

1/M 501,5 502,5 502,5 502 500 503,5 500 501,5 503 503 ...

1/T 501 502 500 502 501 499,5 501,5 501,5 501,5 502,5 502,44

2/M 500,5 501 500,5 504,5 502,5 500 499,5 502 500 502,5 ...

2/T 503 501 505,5 506 502 501,5 505,5 502 503 504 501,54

3/M 500 497 498 499 498 500 501 501 502 500 ...

3/T 497 500 503 499 503 501 499 500 501 500,5 501,05


1º dia: máquina 1;

Figura 3 – Gráficos e S para a variável peso, da máquina 1


2º dia: máquina 3;




11


3º dia: máquina 10.



4.3.2. Gráficos de controle e R da variável espessura

Tabela 6 - Espessuras

1° DIA 2° DIA 3° DIA

Flocos Espessura Flocos Espessura Flocos Espessura

1 382 1 383 1 370

2 385 2 381 2 376



12

3 372 3 373 3 368

4 375 4 377 4 372

5 362 5 370 5 365

6 366 6 383 6 378

7 371 7 380 7 375

8 375 8 384 8 379

9 377 9 378 9 373

10 389 10 375 10 378


1º dia;

Figura 6 – Gráficos e R para a variável espessura, no 1° dia


2º dia;




13


3º dia.



4.4. Avaliação da qualidade feita por atributos



14

Número de Grits: É retirada uma amostra de 20g de cada pacote (foram utilizados dez

pacotes) e feita uma contagem do número de Grits (grãos que não conseguiram

flocular). Os dados coletados são plotados no gráfico;

Número de Impurezas - É retirada uma amostra de 20g de cada pacote (foram

utilizados dez pacotes) e feita a contagem do número de pontos pretos, que são

impurezas provenientes do processo produtivo.

Nos gráficos plotados é registrado o número total de não conformidades ou defeitos em uma

amostra.

4.4.1. Gráficos de controle C para o atributo número de grits

Tabela 7 - Número de grits


Amostra(20g) Quantidade de

Grits Amostra(20g)

Quantidade de

Grits Amostra(20g)

Quantidade de

Grits

1 5 1 5 1 5

2 4 2 4 2 4

3 4 3 4 3 5

4 3 4 4 4 5

5 2 5 4 5 5

6 5 6 4 6 3

7 6 7 3 7 6

8 4 8 7 8 4

9 4 9 5 9 4

10 3 10 2 10 5


1º dia;

Figura 9 – Gráfico C para o atributo número de grits, no 1° dia



15


2º dia;



3º dia.




16


4.4.2. Gráficos de controle C para o atributo número de pontos pretos

Tabela 8 – Número de pontos pretos


Amostra(20g) Pontos Pretos Amostra(20g) Pontos Pretos Amostra(20g) Pontos Pretos

1 2 1 0 1 6

2 1 2 1 2 5

3 0 3 1 3 2

4 0 4 1 4 1

5 1 5 3 5 5

6 3 6 2 6 4

7 1 7 2 7 3

8 1 8 0 8 2

9 2 9 0 9 2

10 3 10 2 10 1


1º dia;

Figura 12 – Gráfico C para o atributo número de pontos pretos, no 1° dia



17


2º dia;



3º dia.




18


5. Conclusões

O trabalho usou como recursos os gráficos de controle para variáveis e atributos e analisou

quatro características de qualidade: peso dos pacotes, espessura do floco, contagem do

número de grits e contagem do número de pontos pretos (impurezas).

Foram apresentados procedimentos necessários para assegurar a qualidade e atender as

especificações do produto, pois, apesar de possuir natureza bastante simples, a produção de

farinha de milho exige várias etapas para garantir que um produto de qualidade seja colocado

no mercado.

Como a produção é contínua e a única matéria prima é o milho, foi feita a coleta das amostras

em dias e turnos diferentes, bem como em máquinas diferentes. Todo este esforço teve o

propósito de permitir uma melhor análise da variabilidade do processo.



19

Assim, a partir do estudo foi possível descrever todo o sistema produtivo utilizado pela

empresa e, desta forma, evidenciar as variações durante o processo. Logo, foi verificado que o

mesmo se apresenta sob controle.

As mudanças climáticas, das máquinas, de turnos visitados e operários foram fatores que

ocasionaram variabilidade no processo, ou seja, todos estes fatores têm o potencial de levá-lo

a sair de controle.

No processo produtivo de farinha de milho foi visto que, tanto o projeto quanto o processo são

bem elaborados, pois só é possível atingir a qualidade desejada quando um atende a

necessidade do outro, gerando benefícios tanto para a empresa quanto para o consumidor.

REFERÊNCIAS

BARTZ, C. F. Identificação de Melhorias no Processo de Controle da Qualidade de Empreendimentos

Habitacionais de Baixa Renda. Dissertação (Mestrado em Engenharia Civil) – Programa de Pós-Graduação em

Engenharia Civil, UFRGS, Porto Alegre. 2007.

GALUCH, L. Modelo para implementação das ferramentas básicas do controle estatístico do processo –

CEP em pequenas empresas manufatureiras – Dissertação de Mestrado. Programa de Pós-Graduação em

Engenharia de Produção. Florianópolis: UFSC, 2002.

JURAN, J. M.; GRYNA, F. M. Controle da Qualidade. São Paulo: Pioneira, 1993.

MONTGOMERY, D. C. Introdution to Statistical Quatily Control. 7th edition. Arizona: Wiley, 2012.

MORESI, E. Metodologia da Pesquisa. Brasília: UCB, 2003.

controle estatÍstico de qualidade: um estudo de...

Documents