Apostila CEP

CEP – Prof.
Celio Tome FMU
Introdução
O treinamento Controle estatístico do processo tem como finalidade básica
orientar os funcionários a respeito do sistema de garantia da qualidade
implantado na indústria.
Todo funcionário deve ter conhecimento do sistema; parte desse conhecimento

consta neste material.
Este treinamento ajuda o operador a entender e aprender a usar um formulário

chamado gráfico de controle, que mostra o exato momento do aparecimento do
problema, possibilitando sua solução imediata.
É importante lembrar que para aperfeiçoar continuamente os processos é

necessária a ajuda de todos.
FMU 1
CEP – Prof. Celio Tome FMU
Definições
Controle
Controlar é manter algo dentro de padrões ou fazer com que se comporte de
forma adequada.
Imagine que uma pessoa com 1,70m de altura deva pesar em média 70kg, ou
seja, 75kg no máximo e 65kg no mínimo.
Toda ação para manter uma determinada atividade dentro dos limites, faz parte
do controle.
Controlar Manter algo dentro dos limites
FMU 2
Variabilidade
Variabilidade é a existência da variação.
Variações
Por melhor que estejam as condições de operação de um processo, nunca se
obtém produtos exatamente iguais. Essa diferença de um produto para outro é
chamada de variação.
Nunca dois elementos são exatamente iguais.
As variações que ocorrem no processo, quanto à sua natureza, são

classificadas em dois tipos:
Variações aleatórias (causas comuns).

Fazem parte da natureza do processo; sempre estão presentes; podem ser
diminuídas e controladas dentro de padrões normais previsíveis. Para isso é
necessária uma ação de aperfeiçoamento no sistema, geralmente de
responsabilidade da gerência.
Exemplo:
Reforma ou aquisição de um equipamento, novo projeto de iluminação para a
área de trabalho, etc.
Variações causais (causas especiais).
São de certa forma, imprevisíveis; originadas de causas possíveis de serem
identificadas. Quando detectadas, devem ser eliminadas rapidamente, pelas
pessoas envolvidas com o processo.
Exemplo:
Quebra de uma ferramenta de corte. Obstrução do canal de alimentação.
FMU 3
Conceitos e simbologia
População
É o conjunto de todas as peças produzidas ou possíveis de serem produzidas
em um processo de fabricação, que possuam pelo menos uma característica
em comum. Pode ser finita ou infinita.
Exemplo:
Lote
É o conjunto de peças produzidas, em um processo de fabricação, durante um
intervalo de tempo, ou até mesmo uma produção programada independente do
tempo.
Exemplo:
Amostra
É o conjunto formado de um ou vários elementos retirados do lote para estudo.
FMU 4
Exemplo:
Tamanho da amostra
É o número de elementos existentes na amostra, indicado pela letra n. No
exemplo acima n = 5.
Elemento (x)
É a unidade considerada para o estudo estatístico.
Exemplo:
Amostragem
É o número de amostras consideradas para estudo.
Exemplo:
12 grupos de 5 elementos cada.
Amostragem k = 12 amostras
Tamanho da amostra n = 5 elementos
Total de elementos N = K.n = 12 . 5 = 60
FMU 5
Gráfico de controle
É uma projeção gráfica do comportamento do processo.
Os gráficos de controle auxiliam a distinguir as variações causais das

aleatórias.
Os gráficos de controle devem ser elaborados pelos próprios operadores da

produção. As análises são feitas pelos operadores ou supervisor local,
indicando necessidade ou não de uma ação corretiva.
No controle estatístico do processo, os gráficos de controle são também

chamados de cartas de controle.
Limites de controle
São fronteiras da região onde estão compreendidas as variações aleatórias
permitidas em um processo.
LSC - Limite superior de controle.

LIC - Limite inferior de controle.
FMU 6
Controle do processo
Controle por variáveis
É aquele que se baseia em medidas das características do produto ou
parâmetros do processo. Pode ser de quatro tipos:
 Média e desvio padrão ( , s) (CEP AVANÇADO)

 Média, amplitude ( , R ); (CEP BÁSICO)
 Mediana, amplitude ( , R); (CEP AVANÇADO)
 Valores individuais e amplitudes móveis (X, Rm ); (CEP BÁSICO)
Gráficos de média e amplitude ( , R).
Cálculo da média da amostra ( )

Para calcular a média da amostra, devemos somar os valores encontrados na
amostra e dividir pelo número de elementos da amostra (tamanho da amostra).
FMU 7
Exemplo:
Dada a amostra: 12, 13, 15, 20, 10, calcular a média.
ù Soma dos valores da amostra:

12 + 13 + 15 + 20 + 10 = 70.
ù Tamanho da amostra = 5.
São as seguintes as medidas de comprimento das peças da amostra:

12,3; 12,2; 11,9; 12,3; 12,0.
12,3
+ 12,2
11,9
12,3
12,0
60,7
Cálculo da amplitude da amostra (R)

Amplitude (R).
É a diferença entre o maior e o menor valor encontrado na amostra (indica a
variação do processo).
Exemplo:
Seja a amostra: 4,4; 2,8; 4,2, 3,4; 2,6.
Maior valor = 4,4
Menor valor = 2,6
Então, teremos: R = 4,4 - 2,6
R = 1,8
FMU 8
Exercícios
Calcular a média ( ) e a amplitude (R) das seguintes amostras.
4,0 +24,10 4,0 +14 5,0

4,2 +23,12 5,8 +11 5,0
1,6 +23,10 4,0 +11 5,4
3,4 +21,00 3,0 -15 1,6
2,0 +22,08 4,8 +10 3,8
Soma
10,3 -7 -3 50,25 +1 -21 15,8

9,9 -6 0 49,63 -3 -19 15,9
10,1 -6 -3 50,15 +2 -23 16,0
9,6 +1 +7 50,59 +5 -21 16,1
10,1 -5 -3 49,90 +1 -20 18,8
Soma
Escala gráfica
Escala é uma sequência numérica ordenada sobre um único eixo.
Exemplo:
Régua, paquímetro, etc.
Na carta de controle, uma marcação incorreta do ponto na escala pode levar à

interpretação errada do gráfico.
Para não incorrer em erros de marcação do ponto na escala, é necessário

saber qual o espaço existente entre seus pontos.
Exemplo de construção da escala:

Para marcar o valor de cada espaço, executam-se 3 passos.
FMU 9
1o passo.
Pegam-se dois números consecutivos, por exemplo, 5 e 10.
2o passo.
Subtrai-se do maior o menor: 10 - 5 = 5
3o Passo.
Sabendo que entre 5 e 10 existem 5 (cinco) espaços, pega-se o resultado da
subtração (5) e divide-se pelo número de espaços (5). Então, cada espaço
vale 1.
Portanto, a escala ficará da seguinte forma:
FMU 10
Marcação dos pontos:

Para marcar 7 (sete) na escala:
Marcando 3,5 na escala:
Neste caso o ponto encontra-se entre os valores 3 e 4, então marca-se um

ponto no meio desses valores.
FMU 11
Coloque os pontos no gráfico.
FMU 12
FMU 13
FMU 14
FMU 15
FMU 16
Exercício:
A) Calcular a média ( ) e a amplitude (R) das seguintes amostras. A coleta
de dados que segue foi obtida junto ao equipamento de teste de pressão
da bomba de óleo.
Hora Amostra X1 X2 X3 X4 X5 X min. X máx. R
15:00 01 74,0 72,0 74,0 78,0 70,0 70,0 78,0
16:00 02 74,0 70,0 74,0 76,0 72,0 70,0 76,0
17:00 03 80,0 76,0 72,0 74,0 74,0 72,0 80,0
18:00 04 74,0 70,0 76,0 72,0 72,0 70,0 76,0
19:00 05 76,0 74,0 70,0 78,0 74,0 70,0 78,0
20:00 06 70,0 80,0 78,0 72,0 78,0 70,0 80,0

21:00 07 78,0 81,0 78,0 81,0 80,0 78,0 81,0
23:00 08 74,0 76,0 74,0 78,0 74,0 74,0 78,0
24:00 09 76,0 78,0 74,0 74,0 76,0 74,0 78,0
01:00 10 72,0 76,0 76,0 74,0 76,0 72,0 76,0
02:00 11 74,0 82,0 78,0 76,0 70,0 70,0 82,0

06:00 12 73,0 72,0 72,0 80,0 80,0 72,0 80,0
07:00 13 76,0 78,0 76,0 76,0 76,0 76,0 78,0
08:00 14 74,0 80,0 80,0 78,0 76,0 74,0 80,0
09:00 15 72,0 78,0 80,0 78,0 76,0 72,0 80,0
10:00 16 80,0 80,0 76,0 78,0 76,0 76,0 80,0

11:00 17 72,0 78,0 74,0 72,0 80,0 72,0 80,0
13:00 18 74,0 76,0 74,0 70,0 72,0 70,0 76,0
14:00 19 78,0 74,0 74,0 76,0 72,0 72,0 78,0
15:00 20 78,0 76,0 74,0 72,0 76,0 72,0 78,0
FMU 17
B) Calcular os Limites de Controles das Médias:
LSC = Limite Superior de Controle

LC = Limite Central
LIC = Limite Inferior de Controle
C) Calcular os Limites de Controles das Amplitudes
LSCr = Limite Superior de Controle das Amplitudes

LCr= Limite Central das Amplitudes
LICr = Limites Inferior de Controles das Amplitudes
D) Plotar os gráficos das médias e amplitudes
E) Interpretar os resultados
F) Implementar ações de correção e melhorias.
FMU 18
FMU 19
FMU 20
Gráfico para valores individuais e amplitudes móveis (X- Rm)

Existem casos em que o controle do processo deve ser realizado por leituras
individuais. Isto ocorre quando as medições são dispendiosas, como nos ensaios
destrutivos, ou quando o resultado num ponto, apresenta-se homogêneo, como por
exemplo: viscosidade, PH, temperatura, etc.
Embora seu uso seja indicado, deve-se considerar que:
* A sensibilidade a alterações do processo é menor do que na carta - R.

* Como as amostras são constituídas de um único valor individual, os valores
de X e Rm podem ter grande variação, mesmo com o processo estável.
Construção do gráfico de controle para valores individuais (X, Rm)

Os limites são calculados conforme as fórmulas:
Gráfico X
Gráfico Rm
LC = m
LSCR = D4. m
LICR= D3. m
LICR = -
Usualmente, a amplitude móvel é calculada pela diferença entre cada par de valores
sucessivos. Exemplo: Diferença entre a primeira e a segunda leitura, segunda e
terceira, etc. Nesse caso utiliza-se n=2 para os fatores d2 e D4.
Os valores para as constantes utilizadas na carta (X - Rm), encontram-se na Tabela 3 –

(Anexos)
FMU 21
Exemplo
Coleta de dados:
- Óleo para motor
Viscosidade mínima: 320 SSU à 38ºC.
Amostras X Rm
1 330 -
2 340 10
3 330 10
4 360 30
5 350 10
6 325 25
7 345 20
8 350 5
9 320 30
10 315 5
11 325 10
12 345 20
13 330 15
14 335 5
15 330 5
16 320 10
17 320 0
18 340 20
19 325 15
20 345 20
21 350 5
22 320 30
23 320 0
24 330 10
25 335 5
X R
X Rm
K K
X  333,4 R m  13,1
FMU 22
LSCx = + E2 . m LICx = - E2 . m
LC = 333,4 LICx = 333,4 - 2,660 . 13

LSCx = 333,4 + 2,660 . 13 LICx = 298,8
LSCx = 368
LSCR = D4 . m LICR = D3. m
LSCR= 3,267 . 13 LICR = 0.

LSCR= 42,4
FMU 23
Exercício: Foram coletadas amostras da temperatura 500°+-10° do processo de solda

do caldeamento de porca da travessa do banco dos veículos cargos, calcule as medias
do processo:
Amostras Temperatura Rm
1 493
2 500
3 502
4 503
5 501
6 498
7 503
8 504
9 502
10 500
11 497
12 503
13 495
14 499
15 500
16 495
17 502
18 506
19 508
20 497
21 507
22 503
23 509
24 502
25 490
m
A) Calcular os Limites de Controles da Média:
LSC = Limite Superior de Controle
LC = Limite Central
FMU 24
LIC = Limite Inferior de Controle

B) Calcular os Limites de Controles das Amplitudes
LSCr = Limite Superior de Controle das Amplitudes

LCr= Limite Central das Amplitudes
LICr = Limites Inferior de Controles das Amplitudes
C) Plotar os gráficos das média e amplitudes
D) Interpretar os resultados
E) Implementar ações de correção e melhorias.
FMU 25
FMU 26
FMU 27
Gráfico da mediana e amplitude ( , R)
Mediana da amostra ( ).
Para se achar a mediana ( ) de uma amostra, basta ordenar os números em

ordem crescente (do menor para o maior) ou ordem decrescente (do maior para
o menor) e encontrar o valor que ocupa a posição central.
Exemplo:
Dados os números 57, 68, 78, 75, 64, ache a mediana.
1º Colocar em ordem: 57, 64, 68, 75, 78.
2º Encontrar o valor central: 57 64 68 75 78.
Mediana de números pares

Se o número de elementos for par, a mediana será a média aritmética dos
valores centrais.
Exemplo:
Dados os números 62, 54, 82, 49, 75, 64, ache a mediana.
1o Ordenar: 49, 54, 62, 64, 75, 82.
2o A mediana será a média aritmética entre os valores centrais 62 e 64,
portanto,
Exercícios
Achar a mediana.
a) 2,0; 1,6; 2,2; 1,8; 1,4. b) 16,1; 7,1; 6,1; 5,4; 6,0.
FMU 28
c) 7; 8; 3; 2; 2. d) 3,5; 3,3; 4,0; 3,2; 2,8.
e) 3,0; 4,8; 3,2; 2,6; 2,7; 4,0. f)7; 9; 5; 4; 11.
g) 4; 1; 6; 7; 1.
Regra prática
A partir de um levantamento de dados, como, por exemplo: 8, 10, 6, 20, 7.
Corta-se o maior e o menor número.
8 10 6 20 7
Dos que sobram, corta-se o maior e menor.
8 10 7
O que sobrar é a mediana.
FMU 29
Exercício:
Construir o gráfico - R dada a folha de controle abaixo.
Amostra número Hora X1 X2 X3 X4 X5
1 08:00 23 20 30 9 43
2 09:00 07 10 06 20 07
3 10:00 30 39 10 19 13
4 11:00 18 25 34 15 38
5 14:00 04 01 03 01 03
6 15:00 01 05 02 02 05
7 16:00 03 04 02 03 02
8 08:00 24 07 14 15 25
9 09:00 30 23 21 06 18
10 10:00 07 25 20 8 12
11 11:00 07 06 09 27 11
12 14:00 08 14 09 08 17
13 15:00 03 03 08 12 11
14 16:00 12 03 02 14 16
15 08:00 09 18 11 09 10
16 09:00 13 12 19 03 06
17 10:00 21 32 06 41 19
18 11:00 17 04 24 10 20
19 15:00 10 28 11 12 03
20 16:00 14 18 22 03 09
21 08:00 12 15 10 08 20
22 09:00 11 09 07 19 21
23 10:00 14 17 09 20 22
24 11:00 08 09 17 23 30
25 14:00 22 12 14 21 23
FMU 30
FMU 31
FMU 32
Controle por atributos
Devido a características próprias do processo, em certos casos não é possível

ou não é viável realizar medições das características do produto.
Recorre-se, então, aos gráficos de controle por atributos.

Exemplo:
Controle de uma característica com calibrador tipo passa-não-passa.

Inspeção visual de defeitos, como cor, falhas, conjunto incompleto, etc.
Existem quatro tipos, mais utilizados, de carta ou gráfico de controle por

atributos:
np - quantidade de unidades defeituosas na amostra; CEP Básico
p - porcentagem de unidades defeituosas na amostra; CEP Básico
c - total de defeitos na amostra;CEP Avançado
u - quantidade média de defeitos por unidade: CEP Avançado
Gráficos de controle por atributos

Nos casos em que não é possível realizar medições das características que se deseja
controlar, recorre-se aos gráficos de controle por atributos, cuja distribuição representa
variáveis aleatórias discretas.
Esses gráficos são utilizados quando:
* O número de características a controlar em cada peça é elevado;

* A mensuração das características é anti-econômica diante do custo de
cada peça;
* A verificação da qualidade é feita por simples inspeção visual.
Gráfico pn ou np de controle por atributos

O gráfico pn pode ser utilizado quando se deseja controlar a quantidade de elementos
discrepantes (ou defeituosos) em uma amostra de tamanho n constante.
Passos para a construção do gráfico pn de controle
1o Passo
Coletar os dados e registrar o número de produtos defeituosos pn.
2o Passo
Achar a média de produtos defeituosos .
FMU 33
nº total de podutos defeituoos  pn

p  ou p 
nº total de produtos inspeciona dos n
3o Passo
Calcular os limites de controle
LSC  pn  3  p  n (1 - p)
L I C  pn - 3  p  n (1 - p)
LC = p . n
4o Passo
Construir o gráfico colocando no mesmo os pontos que representam o número de
defeituosos (pn) de cada amostra.
Exemplo
Mecanismo levantador de vidro, defeituoso.
Subgrupo Subgrupo Número de

no tamanho no defeituosos pn
1 100 1
2 100 6
3 100 5
4 100 5
5 100 4
6 100 3
7 100 2
8 100 2
9 100 4
10 100 6
11 100 2
12 100 1
13 100 3
14 100 1
15 100 4
16 100 5
17 100 4
FMU 34
18 100 1
19 100 6
20 100 15
21 100 12
22 100 6
23 100 3
24 100 4
25 100 3
26 100 3
27 100 2
28 100 5
29 100 7
30 100 4
Total 3000 129
Média 100 4,3

Da tabela temos:
129
 
K = 30 n = 100  pn 30 4,3 ou
129
p  0,043
3000
LC = p . n = 0,043 . 100 = 4,3

4,3 (1 - 0,043)
LSC = 4,3 + 3 = 10,39
4,3 (1 - 0,043)
LIC = 4,3 - 3 = 1,78  LIC = -
FMU 35
Exercício
Construir o gráfico pn.
Inspeção equipamento Farmer.
Amostra pn n
01 10 50
02 08 50
03 12 50
04 14 50
05 06 50
06 08 50
07 06 50
08 08 50
09 12 50
10 08 50
11 10 50
12 09 50
13 13 50
14 08 50
15 11 50
16 12 50
17 11 50
18 09 50
19 13 50
20 07 50
FMU 36
LOGOTIPO
FMU 37
FMU 38
Gráfico p de controle por atributos

O gráfico p deverá ser utilizado quando se deseja controlar a porcentagem ou
proporção defeituosa na amostra.
As peças, de acordo com o critério estabelecido, são classificadas em perfeitas ou

defeituosas.
Admitindo-se que o processo seja mantido sob controle estatístico, a probabilidade de

se produzir uma peça defeituosa mantém-se constante. Consequentemente a
distribuição estatística dentro da qual o gráfico p e pn trabalha é a binomial.
Passos para a construção do gráficos de controle
1o Passo
Proceder à coleta de dados obtendo o número de dados suficientes, que indique o
número de peças inspecionadas (n) e o número de defeituosas (pn).
2o Passo
Calcular a fração defeituosa para cada sub-grupo, empregando a equação p = pn/n.
3o Passo
Achar a média da fração defeituosa.
nº total de unidade defeituoas  pn

p  p 
nº total de unidades inspeciona das ou n
4o Passo
Calcular os limites de controle.
LC = p
1- p
p 3 p
LSC = n
1- p
p -3 p
LIC = n
FMU 39
Observação
Estas fórmulas são utilizadas para amostras de tamanho constante ou com variação de
até 20%.
5o Passo
Construir o gráfico desenhando os limites de controle e plotando, no gráfico, os pontos
que representam os valores médios das amostras.
Exemplo de aplicação - gráfico p

A fim de estabelecer o controle de atributos, foram extraídas K = 25 amostras de n = 50
peças cada uma. De acordo com o critério pré-fixado, as peças foram classificadas em
perfeitas ou defeituosas, assumindo os resultados conforme tabela.
Resultados de K = 25 amostras de tamanho n = 50 peças.
fração defeituosa
Amostra pn
p = pn/n
1 1 0,02
2 2 0,04
3 3 0,06
4 3 0,06
5 5 0,10
6 4 0,08
7 4 0,08
8 1 0,02
9 2 0,04
10 2 0,04
11 4 0,08
12 4 0,08
13 4 0,08
14 5 0,10
15 4 0,08
FMU 40
16 4 0,08
17 5 0,10
18 1 0,02
19 5 0,10
20 2 0,04
21 0 0,00
22 5 0,10
23 3 0,06
24 3 0,06
25 4 0,08
Total 80
 pn
p
n
80
p  0,064
1250
Calculamos LSC e LIC.
1- p
p3 p
LSC = n
0,064 (1 - 0,064)
0,064  3
LSC = 50
LSC = 0,167
1- p
p-3
LIC = n
0,064 (1 - 0,064)
0,064 - 3
LSC = 50
L I C = 0,064 - 0,103 = - 0,039  valor negativo.
Neste caso, temos:

LSC = 0,167.
LIC = -
FMU 41
O gráfico de controle será:
FMU 42
Resumo:
Tipos de
O que representa Observação
carta
4 Peças defeituosa s A amostra não precisa ser

p 
5 Nº de peças amostra constante.
np 4 = Peças defeituosas A amostra deve ser constante.
c 8 = Total de defeitos na amostra A amostra deve ser constante.
8 Toal de defeitos na amostra A amostra não precisa ser

u 
5 Nº de peças amostra constante.
Nota:
Defeito é qualquer falta de conformidade da unidade do produto com a
especificação ou padrão.
Defeituosa é toda peça que tem um ou mais defeitos.
FMU 43
Análise dos gráficos de

controle
Como vimos, os gráficos de controle fornecem informações sobre o
comportamento dos processos.
Junto com o gráfico de controle está a folha de ocorrências ou diário de bordo.

Nela devem-se anotar todas as ocorrências verificadas durante o processo,
para identificar os problemas e orientar as ações corretivas, garantindo assim
um melhoramento contínuo do processo.
Interpretação de gráficos de controle

Quando surge qualquer uma das situações abaixo, deve-se procurar algo no
processo que tenha causado o problema. Quanto antes se detectar o problema,
mais fácil será encontrar a causa e corrigi-la.
Exemplos de situações – ANÁLISE DE ESTABILIDADE
PADRÕES NÃO ALEATÓRIOS
LSC LSC
LIC LIC
Ponto(s) acima do Limite Superior de Controle. Ponto(s) abaixo do Limite Inferior de Controle.
LSC LSC
LIC LIC
Sequência de 7 ou mais pontos consecutivos abaixo da linha Sequência de 7 ou mais pontos consecutivos acima da linha
média. média.
LSC LSC
LIC LIC
Sequência de 7 ou mais pontos ascendentes consecutivos. Sequência de 7 ou mais pontos descendentes consecutivos.
FMU 44
FMU 45
Exemplos de processo fora do controle estatístico:
Diário de bordo
Data Início Término Comentário
11/03 6:00 6:10 Máquina fria.
11/03 8:10 8:20 Troca de pino guia.
11/03 13:30 13:50 Regulagem da pressão hidráulica das colunas de fechamento.
11/03 20:12 20:32 Reparo elétrico (troca do limite do pistão).
FMU 46
Capabilidade do processo
Em todas as atividades os produtos devem satisfazer aos requerimentos de qualidade
estabelecidos pelos clientes. Para satisfazer esses requerimentos, há a necessidade
de que as características de qualidade atendam as especificações pré-estabelecidas.
Denomina-se capabilidade à capacidade que o processo tem de produzir produtos

cujos valores encontram-se dentro dos limites de tolerância especificados.
A capacidade do processo somente pode ser estabelecida quando nenhum fator

estranho contaminar o processo, ou seja, o mesmo apresenta apenas variações
aleatórias.
A análise da capacidade do processo tem por objetivo quantificar as causas comuns de

variabilidade e verificar a capacidade potencial do processo em atender a uma
determinada especificação, conforme critérios que constam da tabela abaixo.
% de produtos dentro % de refugo e/ou

Critério Relação
da especificação retrabalho
±1 68,26 31,74 317:1000
±2 95,44 4,56 45:1000
±3 99,73 0,27 3:1000
±4 99,994 0,006 6:100.000
±5 99,99994 6,10-7 6:107
Exemplo de uma empresa que adotou como critério de aceitação 3 :
FMU 47
Observação
O valor de pode ser estimado utilizando a informação fornecida pelos gráficos
de controle, lembrando que, um estimador de  é obtido a partir de pela
relação:
onde d2 é uma constante tabelada
Para cumprir mais adequadamente a função de predizer quanto do produto

fabricado pelo processo vai satisfazer as especificações, foi criado o Índice de
Capacidade Potencial do Processo que relaciona a variabilidade natural do
processo (6 ) com a amplitude da Tolerância (LIE até LSE).
Interpretando o Cp
Cp 1  processo potencialmente capaz.

Cp  1  processo incapaz.
FMU 48
A capacidade pode ser definida pela distância que a média do processo ( )

apresenta em relação dos limites especificados, obtidos em unidades de
desvio padrão (Z).
Para maior tolerância unilateral, calcula-se:
Para tolerâncias bilaterais, calcula-se:
Para avaliar a capacidade real de um processo em relação à média e limites

especificados, foi desenvolvido o Cpk (índice de capacidade).
Z min
Cpk = 3 onde Zmin é o menor valor entre Zi e Zs .
Interpretando o Cpk
Cpk  1  processo capaz.

Cpk  1  processo incapaz.
Exemplo de cálculo do Cp e Cpk

Num processo produtivo sob controle estatístico, observou-se que:
= 15 =2 LSE = 40 LIE = 10
Avalie o Cp e o Cpk.
FMU 49
Como Cp  1  processo capaz.
Cpk  1  pr
ocesso incapaz.
Para transformarmos esse processo incapaz em capaz, devemos deslocar a

média do processo ( ) para um valor maior mantendo a sua normalidade. Para
estimarmos o valor dessa média, calculamos da seguinte maneira:
LSE = +3
LIE = -3
= LIE + 3
= 10 + 3.2
= 16
A média do processo deverá ser no mínimo 16.
É interessante considerar, a respeito dos índices Cp e Cpk, os aspectos que seguem.
O índice Cp mede apenas a performance potencial do processo e não sua capacidade

real, porque relaciona a dispersão do processo aos limites de especificação. Além
disso, como a localização da média do processo não é considerada, é possível que
grande porcentagem de itens produzidos fiquem fora dos limites de especificação,
ainda que Cp  1. Para que isso ocorra, basta que a média do processo se localize
suficientemente perto de um dos limites de especificação. Portanto, a interpretação da
capacidade do processo relacionada ao índice Cp só tem valor se a média estiver bem
centralizada no intervalo estabelecido pelos limites de especificação.
Embora seja semelhante ao Cp, o índice Cpk tem a vantagem de usar a média do
processo. Portanto leva em conta sua centralização e pode ser considerado como uma
medida da performance do processo.
FMU 50
Cp e Cpk para algumas situações
a) Cp = 1
Cpk  1
b) Cp 1
Cpk  1
FMU 51
c) Cp 1
Cpk  1
As situações (a) e (b) mostram como é possível correr a produção de itens fora da
especificação ainda que Cp  1. O índice Cpk é coerente em todos os casos.
FMU 52
Fluxo da Metodologia do CEP
Início
Com base no estudo preliminar

abrir carta atual, traçar limites e
cadastar conforme anexo III
Monitorar o processo
Investigar a causa
Tomar ações e . Mudança de processo SIM . Pontos fora dos limites de controle
recalcular . Mudança de operador Pontos fora . Erros de cálculo
dos limites ?
limites . Mudança de sistema de . Erros de plotagem
medição
NÃO
Determinar grupo de melhorias

Tomar ações e . Padrões não-aleatórios
para análise do processo,
recalcular NÃO . Tendências
identificando fontes de Processo
limites estável ? . Distribuição não normal
variação
SIM
Calcular Cp e Cpk
Implementar Identificação de causas . Objetivo de projeto atingido (Xbar = Nominal)

ações comuns e tomada de ações NÃO . Variações de erro (R&R) minimizadas
Processo
no processo gerenciais capaz ? . Especificações atingidas (Clientes/ Engenharia)
SIM
SIM Avaliar a
necessidade
de CEP
NÃO
Utilizar ferramentas
da qualidade
Fim
FMU 53
Logotipo
FMU 54
FMU 55
Logotipo
FMU 56
FMU 57

Apostila CEP

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Apostila CEP

Загружено:

Авторское право:

Доступные форматы

CEP – Prof.

Celio Tome FMU

Todo funcionário deve ter conhecimento do sistema; parte desse conhecimento

Este treinamento ajuda o operador a entender e aprender a usar um formulário

É importante lembrar que para aperfeiçoar continuamente os processos é

Controlar Manter algo dentro dos limites

Nunca dois elementos são exatamente iguais.

As variações que ocorrem no processo, quanto à sua natureza, são

Variações aleatórias (causas comuns).

Os gráficos de controle auxiliam a distinguir as variações causais das

Os gráficos de controle devem ser elaborados pelos próprios operadores da

No controle estatístico do processo, os gráficos de controle são também

LSC - Limite superior de controle.

 Média e desvio padrão ( , s) (CEP AVANÇADO)

Gráficos de média e amplitude ( , R).

Cálculo da média da amostra ( )

ù Soma dos valores da amostra:

São as seguintes as medidas de comprimento das peças da amostra:

Cálculo da amplitude da amostra (R)

4,0 +24,10 4,0 +14 5,0

10,3 -7 -3 50,25 +1 -21 15,8

Na carta de controle, uma marcação incorreta do ponto na escala pode levar à

Para não incorrer em erros de marcação do ponto na escala, é necessário

Exemplo de construção da escala:

Portanto, a escala ficará da seguinte forma:

Marcação dos pontos:

Marcando 3,5 na escala:

Neste caso o ponto encontra-se entre os valores 3 e 4, então marca-se um

Coloque os pontos no gráfico.

Coloque os pontos no gráfico.

Coloque os pontos no gráfico.

Coloque os pontos no gráfico.

Coloque os pontos no gráfico.

20:00 06 70,0 80,0 78,0 72,0 78,0 70,0 80,0

02:00 11 74,0 82,0 78,0 76,0 70,0 70,0 82,0

10:00 16 80,0 80,0 76,0 78,0 76,0 76,0 80,0

B) Calcular os Limites de Controles das Médias:

LSC = Limite Superior de Controle

C) Calcular os Limites de Controles das Amplitudes

LSCr = Limite Superior de Controle das Amplitudes

D) Plotar os gráficos das médias e amplitudes

F) Implementar ações de correção e melhorias.

Gráfico para valores individuais e amplitudes móveis (X- Rm)

Embora seu uso seja indicado, deve-se considerar que:

* A sensibilidade a alterações do processo é menor do que na carta - R.

Construção do gráfico de controle para valores individuais (X, Rm)

Os valores para as constantes utilizadas na carta (X - Rm), encontram-se na Tabela 3 –

LC = 333,4 LICx = 333,4 - 2,660 . 13

LSCR = D4 . m LICR = D3. m

LSCR= 3,267 . 13 LICR = 0.

Exercício: Foram coletadas amostras da temperatura 500°+-10° do processo de solda

A) Calcular os Limites de Controles da Média:

LSC = Limite Superior de Controle

LIC = Limite Inferior de Controle

LSCr = Limite Superior de Controle das Amplitudes

C) Plotar os gráficos das média e amplitudes

E) Implementar ações de correção e melhorias.

Gráfico da mediana e amplitude ( , R)

Para se achar a mediana ( ) de uma amostra, basta ordenar os números em

Mediana de números pares

c) 7; 8; 3; 2; 2. d) 3,5; 3,3; 4,0; 3,2; 2,8.

e) 3,0; 4,8; 3,2; 2,6; 2,7; 4,0. f)7; 9; 5; 4; 11.

Corta-se o maior e o menor número.

Dos que sobram, corta-se o maior e menor.