Controle estatístico de processos

O controle estatístico do processo foi pioneiro por Walter A. Shewhart no início da década de 1920. Shewhart criou a base para o gráfico de controle e o conceito de um estado de controle estatístico através de experimentos cuidadosamente projetados. Enquanto o Dr. Shewhart se baseou em teorias estatísticas puramente matemáticas, ele entendeu que dados de processos físicos raramente produzem uma "curva de distribuição normal" (uma distribuição gaussiana, também comumente chamada de "curva do sino"). Ele descobriu como a variação observada nos dados de fabricação nem sempre se comportava da mesma forma que os dados na natureza (por exemplo, o movimentobrowniano das partículas). Dr. Shewhart concluiu que enquanto cada processo exibe variação, alguns processos exibem variação controlada que é natural ao processo (causas comuns de variação), enquanto outros exibem variação não controlada que não está presente no sistema causal do processo em todos os momentos (causas especiais de variação). A variação não controlada é freqüentemente associada a produtos defeituosos, fornecendo um meio orientado por dados para identificar problemas e melhorar a qualidade.

W. Edwards Deming aplicou posteriormente métodos SPC nos EUA durante a Segunda Guerra Mundial, melhorando assim com sucesso a qualidade na fabricação de munições e outros produtos estrategicamente importantes. Após o fim da guerra, ele foi fundamental na introdução dos métodos de SPC na indústria japonesa. A abordagem da Deming de usar o SPC com práticas de gerenciamento relacionadas passou a ser conhecida como um sistema de gerenciamento de qualidade.

A descrição a seguir refere-se à fabricação e não à indústria de serviços, embora os princípios do SPC possam ser aplicados com sucesso a qualquer um deles. Para uma descrição e exemplo de como o SPC se aplica a um ambiente de serviços, consulte Roberts (2005). Selden descreve como usar o SPC nas áreas de vendas, marketing e atendimento ao cliente, usando a famosa Experiência de Contas Vermelhas da Deming como uma demonstração fácil de seguir.

Na fabricação em massa, a qualidade do artigo acabado era tradicionalmente obtida através de inspeção pós-fabricação do produto; aceitando ou rejeitando cada artigo (ou amostras de um lote de produção) com base em quão bem ele satisfazia suas especificações de projeto. Em contraste, o Controle Estatístico de Processo utiliza ferramentas estatísticas para observar o desempenho do processo de produção, a fim de prever desvios significativos que podem posteriormente resultar em produto rejeitado.

Dois tipos de variação ocorrem em todos os processos de fabricação: ambos os tipos de variação do processo causam variações subseqüentes no produto final. O primeiro é conhecido como variação de causa natural ou comum e consiste na variação inerente ao processo como ele é projetado. A variação de causa comum pode incluir variações de temperatura, propriedades das matérias-primas, resistência de uma corrente elétrica, etc. O segundo tipo de variação é conhecido como variação de causa especial, ou variação de causa atribuível, e acontece com menos freqüência do que a primeira. Com investigação suficiente, uma causa específica, como matéria-prima anormal ou parâmetros de configuração incorretos, pode ser encontrada para variações de causa especial.

Por exemplo, uma linha de embalagem de cereais para café da manhã pode ser projetada para encher cada caixa de cereais com 500 gramas de produto, mas algumas caixas terão um pouco mais de 500 gramas, e outras terão um pouco menos, de acordo com uma distribuição de pesos líquidos. Se o processo de produção, seus insumos, ou seu ambiente mudar (por exemplo, as máquinas que fazem a fabricação começam a se desgastar) esta distribuição pode mudar. Por exemplo, à medida que seus cames e polias se desgastam, a máquina de enchimento de cereais pode começar a colocar mais cereal em cada caixa do que o especificado. Se esta mudança for permitida para continuar sem controle, mais e mais produtos serão produzidos fora das tolerâncias do fabricante ou consumidor, resultando em desperdício. Enquanto neste caso, o resíduo está na forma de produto "livre" para o consumidor, normalmente o resíduo consiste em retrabalho ou sucata.

Observando na hora certa o que aconteceu no processo que levou a uma mudança, o engenheiro de qualidade ou qualquer membro da equipe responsável pela linha de produção pode solucionar a causa raiz da variação que se instalou no processo e corrigir o problema.

O SPC indica quando uma ação deve ser tomada em um processo, mas também indica quando NÃO deve ser tomada nenhuma ação. Um exemplo é uma pessoa que gostaria de manter um peso corporal constante e que faz medições de peso semanalmente. Uma pessoa que não entende os conceitos de SPC pode começar a fazer dieta cada vez que seu peso aumenta, ou comer mais cada vez que seu peso diminui. Este tipo de ação pode ser prejudicial e possivelmente gerar ainda mais variação no peso corporal. O SPC seria responsável pela variação de peso normal e indicaria melhor quando a pessoa está de fato ganhando ou perdendo peso.

O Controle Estatístico do Processo pode ser amplamente dividido em três conjuntos de atividades: compreensão do processo; compreensão das causas de variação; e eliminação das fontes de variação de causas especiais. As principais ferramentas do SPC são gráficos de controle, um foco em melhoria contínua e experimentos projetados.

Na compreensão de um processo, o processo é tipicamente mapeado e o processo é monitorado através de gráficos de controle. As cartas de controle são usadas para identificar variações que podem ser devidas a causas especiais, e para liberar o usuário da preocupação com variações devidas a causas comuns. Esta é uma atividade contínua e contínua. Quando um processo é estável e não aciona nenhuma das regras de detecção de um gráfico de controle, uma análise de capacidade do processo também pode ser realizada para prever a capacidade do processo atual de produzir um produto conforme (ou seja, dentro da especificação) no futuro.

Quando uma variação excessiva é identificada pelas regras de detecção do gráfico de controle, ou quando a capacidade do processo é encontrada em falta, um esforço adicional é exercido para determinar as causas dessa variação. As ferramentas utilizadas incluem diagramas Ishikawa, experimentos projetados e gráficos de Pareto. Os experimentos projetados são críticos para esta fase do SPC, pois são o único meio de quantificar objetivamente a importância relativa das muitas causas potenciais de variação.

Uma vez quantificadas as causas de variação, gasta-se um esforço para eliminar aquelas causas que são estatisticamente e praticamente significativas (ou seja, uma causa que tem apenas um efeito pequeno, mas estatisticamente significativo, pode não ser considerada economicamente viável para corrigir; entretanto, uma causa que não é estatisticamente significativa nunca pode ser considerada praticamente significativa). Geralmente, isto inclui o desenvolvimento de trabalho padrão, à prova de erros e treinamento. Mudanças adicionais no processo podem ser necessárias para reduzir a variação ou alinhar o processo com o objetivo desejado, especialmente se houver um problema com a capacidade do processo.

Em 1989, o Instituto de Engenharia de Software introduziu a noção de que o SPC pode ser aplicado de forma útil a processos que não sejam de manufatura, tais como processos de engenharia de software, no Modelo de Maturidade de Capacidades (CMM). Esta idéia existe hoje dentro das práticas de Nível 4 e Nível 5 do Capability Maturity Model Integration (CMMI). Entretanto, esta noção de que o SPC é uma ferramenta útil quando aplicado a processos não repetitivos e intensivos em conhecimento, tais como processos de engenharia, tem encontrado muito ceticismo, e permanece controversa até hoje. O problema reside em numerosas áreas do software que não são repetitivas, mas são aspectos pontuais ou pontuais da qualidade, em vez de serem observados para um desempenho repetido em uma visão de longo prazo.

• Garantia de qualidade
• Controle de qualidade
• ANOVA
• Amostragem (estatísticas)
• Seis sigma